Google'ın AI yazması içinde: her şeyi öğrenen makine üretiyor

Makoto Koike, Japonya'da bir salatalık çiftçisidir. Japon otomobil endüstrisinde yıllarca çalışmış eski bir gömülü sistemler tasarımcısı olan Koike, 2015 yılında ailesinin salatalık çiftliğinde yardım etmek için eve döndü. Yakında, salatalıkların renk, şekil, büyüklük ve "dikenlik" gibi niteliklere göre sıralanmasının manuel görevinin genellikle onları yetiştirmekten daha zor ve daha zor olduğunu fark etti. Google’ın yapay zeka (AI) yazılımı AlphaGo’nun derin öğrenme yeniliklerinden ilham alarak, görevi otomatikleştirmek için yola çıktı.

İşletmeler pratik AI'yı her türlü yolla uygulamaya başlıyor, ancak kimsenin Koike'nin AI salatalık sıralama çözümünün gelmediğini söylemek güvenli. Koike daha önce AI teknikleriyle hiç çalışmamıştı, ancak açık kaynaklı TensorFlow makine öğrenme (ML) kütüphanesini kullanarak salatalık görüntülerini girmeye başladı. Nesneleri tanımaya yönelik bilgisayar görme algoritmaları ve TensorFlow'u farklı salatalıkların nüansları konusunda eğitmeyi öğrenen Koike, sebzeleri yüksek hassasiyetle tanımlayabildiğini ve sıralayabildiğini fark etti. Daha sonra, TensorFlow ve ucuz bir Raspberry Pi 3 bilgisayarı dışında hiçbir şey kullanmadan Koike, çiftliğin bugün hala kullandığı otomatik bir ayıklama makinesi kurdu.

TensorFlow, işletmelerin ve geliştiricilerin AI kullanarak çözebileceklerini devrim yaratan birçok açık kaynaklı algoritma ve araçtan biridir. Şirket, tüm AI kaynaklarını birleşik bir platformda bir araya getirerek Google.ai’nin Google I / O konferansında serbest bırakılmasıyla “AI’ın faydalarını herkese getirme” misyonunu genişletti. Google ayrıca, bu teknikleri ve uygulama programlama arabirimlerini (API) yaptığı her şeye dahil ediyor, ürünlerine ML ekliyor ve yazılımın süreçte nasıl çalıştığını temel olarak yeniden tanımlıyor.

PCMag kısa süre önce Googleplex’i ziyaret etti ve Google’ın kendini AI ile nasıl yeniden yapılandırmakta olduğu konusunda G Suite, Google Cloud Platform (GCP) ve şirketin Makine Öğrenme Gelişmiş Çözüm Laboratuarı (ML ASL) yöneticileriyle konuştu.

Her Yerde Yapay Zeka

Diyelim ki müşterilerinizden birinin bir sorunu var. Şirketinizin yardım masası departmanından bir ajan, müşteriyle Google Cloud Platform'da veri depolayan bir sohbet uygulaması aracılığıyla canlı bir sohbette. Sorunu çözmelerine yardımcı olmak için, kullanıcının aracıya bazı hassas kişisel verileri göndermesi gerekir. Şimdi müşterinin büyükannen olduğunu diyelim. Müşteri hizmetleri temsilcisi, büyükannemden birkaç veri parçasını ister, ancak bunun yerine, büyükannem sohbete sosyal güvenlik kartının bir resmini yüklediğinde gerekenden daha fazla bilgi gönderir.

Kişisel olarak tanımlanabilen bilgilerin (PII) Google arşivlenmesi yerine, resim sosyal güvenlik numarası ve diğer PII ile otomatik olarak yeniden düzenlenir. Aracı, ihtiyaç duymadıkları hiçbir şeyi asla görmez ve bu verilerin hiçbiri Google’ın şifreli arşivine girmez. Şirket, Google’ın Mountain View, California’daki genel merkezinde bulunan DLP API teknolojisinin bir demosu sırasında, ML algoritmalarının bunun gerçekleşmesi için metin ve görüntüleri nasıl analiz ettiği konusundaki perdeyi geri çekti.

Google Cloud Güven ve Güvenlik Pazarlama Lideri Rob Sadowski, otomatik uyarlamanın Google’ın hassas verileri sınıflandırmak için yüzey altında çalışan veri kaybını önleme (DLP) API’sı tarafından desteklendiğini açıkladı. Algoritma, kredi kartı numaraları gibi verilerle aynı şeyi yapar ve bir sayının sahte olduğunu saptamak için kalıpları analiz edebilir. Bu, Google’ın AI’yı deneyimlerine aktarma konusundaki ince stratejisinin bir örneğidir ve Koike gibi işletmelere ve geliştiricilere de aynısını yapacak kaynakları verir.

Google, yazılımına bağlayıcı bir istihbarat katmanı inşa eden tek teknoloji devi olmaktan çok uzaktır, ancak Amazon ve Microsoft ile birlikte, Google muhtemelen bulut tabanlı istihbarat araç ve hizmetlerinin en yaygın genişliğine sahiptir. Şirketin ürünlerini yıkarken, Google Assistant'ı ve çeşitli ML ve bilgisayarla görüşme API'lerini hemen hemen her yerde kullanımda bulabilirsiniz.

Google Arama, sorguları işlemek ve hassaslaştırmak, arama sonuçlarının kalitesini sürekli olarak iyileştirmek için bir dizi değişen faktöre dayalı verileri yeniden sıralamak ve birleştirmek için RankBrain AI sistemindeki ML algoritmalarını kullanır. Google Foto, ilgili fotoğrafları hatıralara bir araya getirmek ve aynı konumdaki birden fazla fotoğrafı panorama halinde birleştirmek için bilgisayar vizyonunu kullanır. Gelen kutusu, kullanıcılardan seçim yapmaları için otomatik olarak oluşturulan Akıllı Yanıtlar'ı verir ve benzer kategorileri bir araya getirerek alakalı e-postaları yüzeylendirir. Şirketin yeni Google Allo sohbet uygulaması, yerleşik Google Assistant ile birlikte geliyor. Liste devam ediyor.

Tüm bu uygulamalar Google'ın bulut altyapısında çalışıyor ve şirket, soğutma pompalarını yük ve hava durumu verilerine göre ayarlayarak güç tüketimini azaltmak için veri merkezlerinde bile ML kullanıyor. Sadowski, bunun Google’ın güvenlik stratejisinde son savunma katmanı olarak görev yaptığını, bunun da şirketin tahmine dayalı analitikler kullanılarak bir sistemin tehlikeye atılıp atılmayacağını belirlemek için makine istihbaratını ve güvenlik yığını içinde risk puanlamasını kullandığını söyledi.

Sadowski, "Google geliştirdiğimiz tüm bu ML ve AI modellerini alıyor ve güvenlik için ayarlıyor" açıklamasında bulundu. "Güvenlik BT sektörlerinin çoğundan çok daha kökten değişiyor. Üç ya da dört yıl önce güvenlik duvarları ve uç nokta koruması gibi güvenlik altyapınızın çekirdeği olan ürünler hala önemlidir, ancak savunma, derinlemesine ve milyonlarca günlük aktif kullanıcısı olan çok kiracılı bir altyapı için varsayılan.

Sadowski, “Bu temel veri merkezi donanımıyla başlıyor” dedi. "Bunun üzerine, tamamen şifrelenmiş veri ve iletişim ile uygulama hizmetleri ve kimlik doğrulaması var. Bunun da ötesinde, kullanıcı kimliği var. Ve son savunma katmanı, 7 gün 24 saat izleme, algılama ve olay tepkisi ile nasıl çalıştığımız. Kimlik bilincinde olan proxy ile güvenli uzaktan erişim gibi sorunları çözer, veri sızıntılarını tespit edip önleyen, veri yönetişimine ve güvenliğe yardımcı olan programatik bir DLP hizmetidir.Bu yetenekleri kolay, tüketilebilir hale getirmeyi ve ölçeklendirmeyi hedeflemekteyiz. "

Daha Akıllı Bir Süit

ML ayrıca Google’ın Google Apps verimlilik uygulamalarına katılmıştır. Google Apps Ürün Yönetimi Direktörü Allan Livingston, AI'nın Google Apps'ı daha akıllı ve daha bağlamsal hale getirme yöntemlerinden bazılarını bozdu.

Livingston, “G Suite’ın tüm bu uygulamaları nasıl doğal bir şekilde entegre bir şekilde bir araya getirdiğini düşünün” dedi. “Çalışmanıza bunlardan birinde başlayıp uygun şekilde akıyorsunuz. Drive'da bir Gmail eki açıyorsunuz ve bu sizi Dokümanlar'a götürüyor; bu gerçekten otomatik.

“Bunu kullanıcı için düşünmeye çalışıyoruz ve bu aynı zamanda makine öğrenmeyi de içeriyor. Gelen Kutusu'nda akıllı yanıtlarla başladık ve Gmail ile iyi bir başarı elde ettik ve bu, Dokümanlar, Sayfalar'daki Keşfet özelliğine yol açtı. ve Slaytlar. "

Geçen sonbaharda ortaya çıkan Explore, uygulama içi verimlilik deneyimine doğal dil işleme (NLP) uygular. Dokümanlar'da Keşfet, belgenizdeki içeriğe göre anında öneriler sunar ve otomatik olarak ilgili konuları ve kaynakları önerir. Slaytlarda, sunum biçimlendirmesini azaltmak için tasarım önerileri oluşturur. Bununla birlikte en ilginç kullanım örneği Sayfalardadır. Livingston, Explore'ın veri analizini ve iş zekası (BI) bilgilerini basitleştirmek için ML'yi nasıl kullandığını açıkladı.

Livingston, “Birçok kullanıcı, pivot masa gibi bir şeyin ne olduğunu veya bir veri sayfasını görselleştirmek için nasıl kullanacağını bilmiyor” diye açıkladı. “Diyelim ki, her satırın satılmış bir ürün olduğu bir müşteri için satış verileriyle ilgileniyorsunuz. Keşfet, 'Kara Cuma'daki en iyi öğe nedir?' Gibi doğal dil sorguları yazmanıza olanak tanır. '563 çift pantolon sattınız' gibi bir yanıt veriyor. Veri analizini, veri odaklı kararlar almakta zaman kazandıracak şekilde ele alıyoruz, ortak bir sorunu doğal yoldan geliştirmek için makine öğrenmesini kullanıyoruz. ”

Sayfalar’daki Keşif özelliğinin bir demo, geçen Mart ayındaki Google Cloud NEXT konferansından bir demo.

Livingston’a göre, Google bu tür ML odaklı bulut aramayı üçüncü taraflara yaymayı ve çevresinde ekosistem oluşturmaya başlamayı planlıyor. Genel fikir, pratik AI'da ortak bir temadır: kullanıcıları daha yaratıcı çalışmalar için serbest bırakmak için manuel işlemlerin otomatikleştirilmesi. Bu fikir, ML uygulamalarının çoğunun merkezinde yer almaktadır: yinelenebilir iş süreçlerini ve salatalık sıralama da dahil olmak üzere günlük görevleri otomatikleştirmek.

Livingston, "İşletmelerde ve tüketicilerle, kullanıcılar bu doğal etkileşim modellerine sahipler. Buluta ve mobil üretkenliğe kayma, insanların çalışma şeklini gerçekten değiştiriyor ve bu uygulamalı makine öğrenme teknikleri bunun temelini oluşturuyor" dedi. "Makine öğrenmedeki gücümüzden, üs olarak hizmet veren ürünlerimizden, bulutumuzdaki tüm verilerden dolayı, bunu uygulamak ve sınırsızca ölçeklendirmek için benzersiz bir konumdayız."

Makine Öğrenimi Devrimi Güçlendirmek

Google’ın AI etrafında yaptığı her şeyin temeli, API'lerinde, algoritmalarında ve açık kaynaklı araçlarında bulunur. Şirketin TensorFlow kütüphanesi, Koike'nin salatalık sıralayıcısı gibi uygulamalar üreten GitHub'da en çok kullanılan ML aracıdır. Google Cloud'un temelini oluşturan (Google'ın bilgisayarla görme, video istihbarat, konuşma ve NLP, tahmin modellemesi ve Google Cloud Machine Learning Engine üzerinden büyük ölçekli ML'yi kapsayan algoritmalar) paketi, Google'ın uygulamalarına ve hizmetlerine entegre edilmiş tüm AI özelliklerine güç veren teknolojidir. şimdi de Google platformudur.

Google Cloud’un AI / ML ekibi Ürün Müdürü Francisco Uribe, Google’ın çalışma biçimini yeniden yazan motorun merkezinde çalışıyor. Uribe, Google’ın uzmanlarının doğrudan AI çözümleri uygulamak için işletmelerle doğrudan çalıştığı kapsamlı bir programa sahip bir laboratuvar olan Google’ın yukarıda belirtilen ML ASL’sini yönetmektedir. Laboratuvar, Google’ın API'lerini ve Cloud ML Engine'i kullanarak, kendi modellerini üretime geçirmek ve eğitmek için işletmelerle birlikte çalışır.

Uribe, AI alanında on yıldan fazla bir süredir çalıştı. Perakendeciler için otomatik bir fiyatlandırma motoru oluşturan ve 2012'de Home Depot tarafından satın alınan veri odaklı bir girişim olan BlackLocus'u kurdu. Bundan sonra Google’a katıldı ve reklam deneyimini geliştirmek için ML’yi uygulayan Arama Reklamları ekibinde dört yıl çalıştı. . 2016'da ML ASL'yi yöneten ve Google'ın Launchpad Accelerator'da mentor olarak görev yaptığı bir araştırma rolüne geçti. Uribe, işletmelerin ve geliştiricilerin Google’ın araçlarını nasıl kullandıklarına sürekli olarak şaşırdığını söyledi.

Uribe, “Kurulun genelinde sağlık ve finanstan perakende ve tarıma kadar kullanım durumlarını gördük” dedi. “Müşterilerin algı yeteneklerini geliştirmelerine yardımcı olmaya çalışıyoruz. Konuşma çevirisi, görüntü analizi, video API'leri, doğal dil: hepsi sonunda uygulanabilirliği girmiş makine ve derin öğrenme algoritmalarına demokratikleştirici erişimin bir parçası.”

ML ASL, dünyanın en büyük bankacılık ve finans hizmetleri kuruluşlarından biri olan HSBC Bank plc ile kara para aklama ve tahmine dayalı kredi puanlaması için ML çözümleri üzerinde çalıştı. ML ASL ayrıca, kuruluşun mühendislerini belirli sigorta senaryolarına uygulanan ML teknikleri konusunda eğitmek için bir Fortune 500 finansal hizmetler grubu olan United Services Automobile Association (USAA) ile birlikte çalıştı. eBay, ShopBot dijital asistanını eğitmek için Google'ın araçlarını kullandı. ML ASL bir şirketle çalıştığında, Uribe süreci oluşturan dört sütunu açıkladı.

Uribe, “ML işlerinin zorlu şartlarıyla başa çıkmak için güçlü bir hesaplama teklifine ihtiyacınız var ve GCP'nin dağıtılmış fiber optik omurgası verileri düğümden düğüme çok verimli bir şekilde taşıyor” dedi. “Müşterilerin modelleri eğitmelerine yardımcı olmak için Bulut Makinesi Öğrenme Motoruna sahibiz. Müşterilerin 800.000'in üzerinde aktif veri bilimcisi olan Kaggle topluluğuna erişerek veriler üzerinde uygulama yapmalarına yardımcı oluyoruz. Sonunda, orada olmak için yeteneklere ihtiyacınız var. Mühendisleri karmaşık ML müfredatı konusunda eğitmek için Brain Residency Programımız var. Bunları müşterilerin akıllı uygulamalar geliştirmelerine yardımcı olacak yapı taşları olarak görüyoruz. ”

Bunların tümü, Google’ın AI teknolojisi etrafında oluşturduğu açık kaynaklı topluluk ve üçüncü taraf ekosistemine beslenir. Şirket, bu yılın başlarında bir ML başlangıç ​​yarışması bile ilan etti; bu da ML girişimlerine 500.000 $ 'a kadar yatırım yaptı. Uribe, Google’ın teknolojisinde gördüğü bazı yenilikçi uygulamalardan ve diğer olasılıkların nerede olabileceğinden bahsetti.

Uribe, “Müşteri hizmetleri analiz şirketi olduğunuzu varsayalım. Aramaların içeriğini çevirmek için bir konuşma API'si ve ardından müşteri hizmetinizin kalitesini artırmak için duyarlılık analizi hakkında düşünün” dedi. “Yabancı bir ülkede bir sokak tabelasının fotoğrafını çekmek için vizyon API'sını ve ardından bir içeriği uygulama deneyimiyle gerçek zamanlı olarak bu içeriği çevirmek için çeviri API'sini kullanın. Bu sadece verimliliği artırmakla ilgili değil; yeni ve benzersiz kullanıcı deneyimleri oluşturmakla da ilgili. "

Uribe, TensorFlow gibi araçları pazarda büyük ölçekli ML adaptasyonu için mükemmel bir olanak sağlayıcı olarak görüyor. Bu teknolojiler yalnızca Google’ın ne olduğu ve teknoloji devinin ürün geliştirmeye nasıl yaklaştığı ile ilgili değil, aynı zamanda Uribe teknolojisinin işletmelere en iyi duruma getirme, yeni gelir akışları açma ve yeni bir akıllı uygulama sınıfı icat etmesine yardımcı olacağına inanıyor.

Uribe, “Bunu yeni bir sanayi devrimi gibi düşünün” dedi. “Bu araçların daha önce hiç görmediğiniz verimlilik ve deneyimlerdeki büyüklük artışlarını sağladığını görüyoruz. Yeni başlayanların nasıl uyguladıklarını görmek şaşırtıcı. Japonya'daki salatalık çiftçisine bakın. TensorFlow'u sınıflandırma için bir model oluşturmak için kullandı. ve salatalıkları kalıplara, boyuta, dokulara vb. göre ayırmak ve daha sonra uygulamak için özel bir donanım inşa etti. Bu demokratikleşme seviyesi görmek inanılmaz ve yüzeyi zar zor çizdik. "