211service.com
Mašīnmācība ikvienam
Liela daļa skaitļošanas santehnikas, kas nodrošina Google darbību, ir parādā Džefs Dīns . Viņš izveidoja uzņēmuma tīmekļa meklēšanas un reklāmu sistēmu agrīnās versijas. Un viņš izgudroja MapReduce , sistēma darbam ar lielām datu kopām, kas izraisīja lielas pārmaiņas visā skaitļošanas nozarē.
Dīns tagad strādā, lai no jauna izgudrotu Google un plašākās pasaules iekšējo darbību. Viņš vada Google Brain pētniecības grupu, kuras mērķis ir veicināt mašīnmācīšanos — mākslu likt programmatūrai izdomāt, kā pašai rīkoties, nevis būt īpaši ieprogrammētai. Google Brain programmatūru tagad izmanto vairāk nekā 600 Google komandas, bieži vien iekšējām sistēmām, kas patērētājiem nav redzamas. Taču pagājušajā gadā Google Brain radītā tehnoloģija ir nodrošinājusi arī nozīmīgus Google tīmekļa meklēšanas, surogātpasta filtrēšanas un tulkošanas pakalpojumu uzlabojumus.
Mašīnmācībai ir ilgāka vēsture Google iekšienē, kur inženieri ir apmācījuši programmatūru, lai rādītu cilvēkiem tīmekļa lapas, kas atbilst viņu meklēšanas vaicājumiem, atlasītu reklāmas, kas saistītas ar saturu, ko viņi skatās, rādītu reklāmas, uz kurām cilvēki noklikšķinās, un izvēlētos videoklipus, ko ieteikt pakalpojumā YouTube. Tas ir viens no daudzajiem uzņēmumiem, kas paplašināja ieguldījumus mašīnmācības izpētē pēc tam, kad programmatūra, kas nodod datus caur simulētu neironu tīkliem, radīja izrāvienu runas un attēlu atpazīšanā.
Tagad Dīns saka, ka drīzumā viņa komandas izstrādātās tehnoloģijas nonāks ne tikai skaitļošanas, bet arī daudzās citās nozarēs. Viņš tikās ar MIT Technology Review pārstāvi Tomu Simonitu Google galvenajā mītnē Mauntinvjū, Kalifornijā.
Kā jaudīgāka, viegli lietojama mašīnmācīšanās ir mainījusi veidu, kā Google komandas strādā pie jaunām problēmām un produktiem?
Tās ir bijušas ļoti lielas pārmaiņas. Pēdējo piecu gadu laikā mašīnmācība ir ievērojami paplašinājusi datoru izmantošanas iespējas, īpaši tādās jomās kā datora redze un valodas izpratne. Tas, protams, rada lieliskus jaunus produktus un funkcijas, piemēram, Google fotoattēlu meklēšanas iespējas [kur varat meklēt fotoattēlus, izmantojot tādus vārdus kā suns vai pludmale], vai Gmail viedās atbildes iespējas. Taču tas arī ļauj Google inženieriem vērienīgāk domāt par to, kādas problēmas viņi varētu risināt. Pēc analoģijas, pirms pieciem gadiem datori nevarēja redzēt ļoti labi. Tagad viņi var redzēt ļoti labi noteiktos apstākļos, un tāpēc tas dabiski paplašina to lietu kopumu, kuras, mūsuprāt, var paveikt.
Jūs vadījāt attīstību TensorFlow , programmatūra, kas nodrošina Google mašīnmācības izpēti, kā arī produkti, piemēram, jauna Gmail funkcija, kas sastāda atbildes uz e-pastiem. Tagad uzņēmums to dāvina bez maksas. Kāpēc?
Kopīgs mašīnmācību ideju paušanas veids ir patiešām noderīgs. Visā pasaulē ir liels mašīnmācības potenciāls. Mēs to redzam akadēmiskajā vidē, citos uzņēmumos, valdībā.
Vai katra nozare galu galā lielā mērā paļausies uz mašīnmācību?
Es domāju, ka ir daudzas nozares, kas vāc daudz datu un vēl nav apsvērušas mašīnmācības ietekmi, bet galu galā to izmantos. Transports ar pašbraucošiem transportlīdzekļiem būs liels mašīnmācības izmantojums. Veselības aprūpē ir daudz interesantu mašīnmācīšanās problēmu — ambulatori vai kad jums ir rentgena attēli un vēlaties paredzēt lietas. Es nedomāju, ka ir viena nozare, kas tiks ietekmēta; Es domāju, ka to būs daudz.
Vai mašīnmācība kļūs par skaitļošanas pielietošanas pamatkomponentu?
Jā, absolūti. Uzņemšana datorzinātņu programmu mašīnmācības nodarbībās šaujas cauri.
Ir tikai sagaidāms, ka cilvēkiem ir dažas pamatzināšanas par mašīnmācīšanos un viņi ir veikuši dažus projektus [un vēlas] izmantot mašīnmācīšanos.