Вътре в ai пренаписване на google: изграждане на машинно обучение във всичко

Макото Койке е фермер на краставици в Япония. Koike е бивш дизайнер на вградени системи, който години наред работи в японската автомобилна индустрия, но през 2015 г. се завърна у дома, за да помогне в краставицата на родителите си. Скоро разбра, че ръчната задача за сортиране на краставици по цвят, форма, размер и атрибути като "трънливост" често е по-сложна и по-трудна от отглеждането им. Вдъхновен от иновативната дълбока иновация на софтуера за изкуствен интелект (AI) на Google AlphaGo, той се зае да автоматизира задачата.

Предприятията започват да прилагат практически ИИ по всевъзможни начини, но е безопасно да се каже, че никой не е видял как идва решението за сортиране на краставици AI на Koike. Koike никога досега не е работил с AI техники, но, използвайки библиотеката за машинно обучение (ML) с отворен код TensorFlow, той започна да въвежда изображения на краставици. Благодарение на алгоритмите за компютърно виждане за разпознаване на обекти и задълбочено обучение за трениране на TensorFlow за нюансите на различни краставици, Koike осъзна, че може да идентифицира и сортира зеленчуците с високо ниво на точност. Тогава, използвайки нищо друго освен TensorFlow и евтин компютър Raspberry Pi 3, Koike изгради автоматизирана машина за сортиране, която фермата използва и до днес.

TensorFlow е един от многото алгоритми и инструменти с отворен код, които революционизират това, което бизнеса и разработчиците могат да решат с помощта на AI. Компанията разшири мисията си да „донесе ползите от AI на всички“ с пускането на Google.ai на нейната конференция Google I / O, обединявайки всичките си AI ресурси заедно в единна платформа. Google също включва тези техники и интерфейси за програмиране на приложения (API) във всичко, което прави, печейки ML в своите продукти и фундаментално предефинира как работи софтуерът му в процеса.

Наскоро PCMag посети Googleplex и говори с ръководители от G Suite, Google Cloud Platform (GCP) и лабораторията за машинно обучение за усъвършенствано решение (ML ASL) за това как Google се преустройва с AI.

Изкуствен интелект навсякъде

Да речем, че някой от вашите клиенти има проблем. Агент от отдела за помощ на вашата компания е в чат на живо с клиента чрез приложение за чат, което съхранява данни в Google Cloud Platform. За да им помогне да разрешат проблема, потребителят трябва да изпрати на агента някои чувствителни лични данни. Сега да кажем, че клиентът е вашата баба. Представител на отдела за обслужване на клиенти моли баба за няколко парчета данни, но вместо това баба изпраща повече информация, отколкото е необходимо, когато качи снимка на своята социална карта в чата.

Вместо Google да архивира тази лична информация (PII), картината се показва с номера на социалното осигуряване и други PII автоматично редактирани. Агентът никога не вижда информация, от която не се нуждае, и нито една от тези данни не влиза в криптиран архив на Google. По време на демонстрация на DLP API технологията в централата на Google в Mountain View, Калифорния, компанията изтегли завесата за това как алгоритмите на ML анализират текст и изображения, за да направят това.

Роб Садовски, ръководител на маркетинг за доверие и сигурност за Google Cloud, обясни, че автоматичното редактиране се задвижва от API на Google за предотвратяване на загуби на данни (DLP), който работи под повърхността, за да класифицира чувствителни данни. Алгоритъмът прави същото с данни като номера на кредитни карти и също така може да анализира модели, за да открие кога числото е фалшиво. Това е само един пример за фината стратегия на Google за включване на AI в нейния опит и предоставяне на предприятия и разработчици като Koike ресурсите да направят същото.

Google далеч не е единственият технологичен гигант, изграждащ свързващ разузнавателен слой в своя софтуер, но, наред с Amazon и Microsoft, Google може би е най-широко разпространената широчина на облачните бази на разузнавателни инструменти и услуги. Разбивайки продуктите на компанията, можете да намерите Google Assistant и различни API за ML и компютърно виждане, които се използват почти навсякъде.

Google Търсене използва ML алгоритми в своята система RankBrain AI за обработка и прецизиране на заявки, пренасочване и обобщаване на данни въз основа на множество променящи се фактори за непрекъснато подобряване на качеството на резултатите от търсенето. Google Photos използва компютърно зрение, за да зашива свързани снимки в спомени и да комбинира множество снимки от едно и също място в панорами. Inbox предоставя на потребителите автоматично генерирани интелигентни отговори, за да изберат, и връща подходящи имейли, като свързва подобни категории заедно. Новото приложение за чат на Google Allo идва с вградения Google Assistant. Списъкът продължава.

Всички тези приложения работят на облачната инфраструктура на Google и компанията дори прилага ML в своите центрове за данни, за да намали консумацията на енергия, като коригира охлаждащите помпи въз основа на данните за натоварването и времето. Садовски каза, че това служи и като последен слой на защита в стратегията за сигурност на Google, където компанията използва машинно разузнаване и оценка на риска в своя стек за сигурност, за да определи дали дадена система е компрометирана с помощта на прогнозна анализа.

„Google взема всички тези модели ML и AI, които сме разработили, и ги настройва за сигурност“, обясни Садовски. „Сигурността се променя много по-коренно от повечето сектори на ИТ. Продуктите, които бяха ядрото на вашата инфраструктура за сигурност преди три или четири години, като защитните стени и защитата на крайните точки, все още са важни, но искаме да осигурим отбрана в дълбочина, мащаб и от по подразбиране за инфраструктура за много наематели с милиони ежедневно активни потребители.

"Започва с основния хардуер на центъра за данни", продължи Садовски. "На всичкото отгоре е приложните услуги и удостоверяването с напълно криптирани данни и комуникация. На всичкото отгоре е идентичността на потребителя. И последният слой на защита е как работим с 24/7 наблюдение, откриване и реакция на инциденти. Това е как ние решаваме за неща като сигурен отдалечен достъп с прокси сървър, разпознаващ идентичността. Това е програмната DLP услуга за намиране и предотвратяване на изтичане на данни и подпомагане на управлението на данните, както и сигурност."

По-умен G Suite

ML също е вграден в приложенията за продуктивност на G Suite на Google. Алън Ливингстън, директор „Управление на продукти за G Suite“, разчупи някои от начините, по които AI прави G Suite по-интелигентен и по-контекстуален, без потребителите дори да го осъзнават.

„Помислете как G Suite обединява всички тези приложения по естествено интегриран начин“, каза Ливингстън. "Започвате работата си в една от тях и преминавате през подходящо. Отваряте прикачен файл към Gmail в Диск и това ви отвежда в Документи; наистина е автоматично.

„Опитваме се да мислим за това за потребителя, а това включва и машинно обучение. Започнахме с интелигентни отговори във Inbox и постигнахме добър успех с Gmail и това доведе до функцията Explore в Документи, Таблици и слайдове."

Разгърната миналата есен, Explore прилага обработка на естествен език (NLP) към опита на производителността в приложението. В Docs, Explore ви дава незабавни предложения въз основа на съдържанието във вашия документ и автоматично препоръчва свързани теми и ресурси. В слайдове той генерира дизайнерски предложения, за да намали форматирането на презентацията. Най-интересният случай на употреба обаче е в листове. Ливингстън обясни как Explore използва ML за опростяване на анализа на данните и бизнес анализа (BI).

"Много потребители не знаят какво е нещо като въртяща се таблица или как да я използват за визуализиране на лист данни", обясни Ливингстън. „Да речем, че се занимавате с данни за продажбите на клиент, където всеки ред е артикул, който е продаден. Разгледайте ви позволява да въвеждате заявки на естествен език като„ Кой е най-горният елемент в Черен петък? “ и изплюва отговор като „Продадохте 563 чифта панталони“. Ние се занимаваме с анализа на данни по начин, който спестява време при вземане на решения, управлявани от данни, използвайки машинното обучение за подобряване на често срещания проблем по естествен начин."

Демонстрация на функцията Explore в таблици от конференцията на Google Cloud NEXT миналия март.

Според Ливингстън Google планира да разшири този вид облачно търсене, управлявано от ML, на трети страни и да започне изграждането на екосистема около него. Общата идея е често срещана тема в практическия AI: автоматизиране на ръчни процеси, за да се освободят потребителите за по-творческа работа. Тази идея е в основата на повечето приложения на ML приложения: за автоматизиране на повтарящи се бизнес процеси и ежедневни задачи, включително сортиране на краставици.

"В бизнеса и с потребителите потребителите имат тези естествени модели на взаимодействие. Преминаването към облака и мобилната производителност наистина променят начина на работа на хората и тези приложни техники за машинно обучение са основни за него", заяви Ливингстън. „Поради силата ни в машинното обучение, поради това, че нашите продукти служат като база, поради всички данни в нашия облак, ние сме в уникална позиция да прилагаме това и мащаб безкрайно.“

Задвижване на революция в машинно обучение

Основата на всичко, което Google прави около AI, се корени в неговите API, алгоритми и инструменти с отворен код. Библиотеката на TensorFlow на компанията е най-широко използваният ML инструмент в GitHub, приложения за хвърляне на хайвера като сортировката на краставици на Koike. Наборът от API-та, които са в основата на Google Cloud - алгоритми, обхващащи компютърното зрение, видео интелигентността, речта и NLP, моделиране на прогнози и широкомащабно МЛ чрез Google Cloud Machine Learning Engine - е технологията, захранваща всяка AI функция, интегрирана в приложенията и услугите на Google и сега и платформата Google.ai.

Франсиско Урибе, продуктов мениджър на AI / ML екипа на Google Cloud, работи в основата на двигателя, който пренаписва как работи Google. Uribe наблюдава гореспоменатия ML ASL, лаборатория с потапяща програма, в която експертите на Google ML ML работят директно с предприятия за внедряване на AI решения. Използвайки API на Google и Cloud ML Engine, лабораторията работи с предприятията за обучение и внедряване на собствени модели в производство.

Uribe работи в пространството на AI повече от десетилетие. Той основа BlackPlacus, стартиран от данни стартъп, който изгради автоматизиран механизъм за ценообразуване на търговци на дребно, който беше придобит от Home Depot през 2012 г. След това той се присъедини към Google и работи четири години в екипа за реклами в мрежата за търсене, прилагайки ML за подобряване на рекламното изживяване., През 2016 г. той премина в изследователска роля, управляваща ML ASL и играе ролята на ментор в Google Launchpad Accelerator. Uribe заяви, че непрекъснато се изненадва от това как бизнеса и разработчиците използват инструментите на Google.

„Виждали сме случаи на използване от цялата страна - от здравеопазването и финансите до търговията на дребно и селското стопанство“, каза Урибе. „Опитваме се да помогнем на клиентите да подобрят възможностите за възприемане. Превод на речи, анализ на изображения, видео API, естествен език: всички те са част от демократизирането на достъпа до машинните и алгоритмите за задълбочено обучение, които най-накрая влязоха в приложението“.

ML ASL е работил с HSBC Bank plc, една от най-големите организации за банкови и финансови услуги в света, по МЛ решения за борба с изпирането на пари и прогнозното кредитно оценяване. ML ASL също е работил с United Services Automobile Association (USAA), група от финансови услуги на Fortune 500, за да обучи инженерите на организацията за техниките на ML, прилагани към специфични застрахователни сценарии. eBay използва инструментите на Google за обучението на своя дигитален асистент ShopBot. Когато ML ASL работи с компания, Uribe обясни четирите стълба, които съставляват процеса.

„Имате нужда от силно изчисление, което да се справи с екстремните изисквания на работните места в ML, а разпределената влакнеста оптика на GCP оптиката премества данните от възел в възел много ефективно“, каза Uribe. "Ние имаме Cloud Machine Learning Engine, за да помогнем на клиентите да обучават модели. Ние помагаме на клиентите да изпълняват данни с достъп до общността на Kaggle от 800 000+ учени с активни данни. И накрая, имате нужда от талант, за да сте там, така че от страна на изследванията на нещата, ние имаме програмата Brain Residency за обучение на инженери по сложни учебни програми за ML. Ние виждаме това като градивните елементи, за да помогнем на клиентите да изграждат интелигентни приложения."

Всичко това се захранва с общността с отворен код и екосистемата на трети страни, която Google изгражда около своята AI технология. Компанията дори обяви конкурс за стартиране на ML по-рано тази година, който награждава до 500 000 щатски долара инвестиции в ML стартиращи компании. Uribe говори за някои от иновативните приложения, които вече е видял за технологиите на Google и където може да се крият други възможности.

„Да речем, че сте компания за анализи на обслужване на клиенти. Помислете за API на речта, за да препишете съдържанието на обажданията, а след това анализ на настроенията, за да подобрите качеството на обслужването на клиентите си“, каза Uribe. "Използвайте API на визията, за да направите снимка на уличен знак в чужда държава, а след това API за превод, за да преведете това съдържание в реално време чрез опит в приложението. Не става въпрос само за повишаване на ефективността, а за създаване на нови и уникални потребителски изживявания."

Uribe вижда инструменти като TensorFlow като най-добрият фактор за широкомащабното приемане на ML на пазара. Тези технологии не само стават основни за това какво представлява Google и как технологичният гигант подхожда към разработването на продукти, но Uribe вярва, че широко достъпната ML технология ще помогне за оптимизиране на бизнеса, отваряне на нови потоци от приходи и измисляне на нов клас интелигентни приложения.

"Мислете за това като за нова индустриална революция", каза Урибе. "Виждаме, че тези инструменти дават възможност за повишаване на ефективността на поръчките и опит, който никога не сте виждали. Невероятно е да видите как стартиращите компании го прилагат. Вижте фермера на краставиците в Япония. Той използва TensorFlow, за да създаде модел за класификация и сортиране на краставици въз основа на модели, размер, текстури и т.н., и след това изграден специализиран хардуер, който да го изпълни. Това ниво на демократизация е невероятно да се види и ние почти не надраскахме повърхността."