ใครก็ตามที่ลองใช้ Google Photos จะยอมรับว่าบริการจัดเก็บและจัดการรูปภาพฟรีจาก Google นั้นฉลาด มันบรรจุในคุณสมบัติสมาร์ทต่างๆเช่นการค้นหาขั้นสูงความสามารถในการจัดหมวดหมู่รูปภาพของคุณตามสถานที่และวันที่สร้างอัลบั้มและวิดีโอโดยอัตโนมัติตามความคล้ายคลึงกันและนำคุณไปสู่ช่องทางหน่วยความจำโดยแสดงภาพถ่ายในวันเดียวกันเมื่อหลายปีก่อน มีหลายสิ่งที่ Google Photos สามารถทำได้เมื่อหลายปีก่อนจะเป็นไปไม่ได้ที่เครื่องจะเป็นไปไม่ได้ Google Photos เป็นหนึ่งในบริการ“ ชาญฉลาด” จาก Google ที่ใช้ เทคโนโลยีการเรียนรู้ของเครื่องที่ เรียกว่า TensorFlow การ เรียนรู้ คำศัพท์บ่งชี้ว่าเทคโนโลยีจะฉลาดขึ้นเมื่อเวลาผ่านไปจนถึงจุดที่ความรู้ในปัจจุบันของเราไม่สามารถจินตนาการได้ แต่ TensorFlow คืออะไร เครื่องจักรจะเรียนรู้ได้อย่างไร คุณทำอะไรกับมันได้บ้าง มาหาคำตอบกัน
TensorFlow คืออะไร
TensorFlow เป็น ซอฟต์แวร์ปัญญาประดิษฐ์ที่ ทรงพลังและโอเพนซอร์สของ Google ซึ่งให้บริการและความคิดริเริ่มมากมายจาก Google มันเป็นรุ่นที่สองของระบบสำหรับการใช้งานการเรียนรู้ของเครื่องขนาดใหญ่ที่สร้างขึ้นโดยทีมงาน Google Brain อัลกอริธึมห้องสมุดแห่งนี้ประสบความสำเร็จ DistBelief - รุ่นแรก
เทคโนโลยีแสดงให้เห็นถึงการคำนวณเป็นกราฟการไหลของข้อมูลที่ไม่หยุดนิ่ง สิ่งที่ทำให้ TensorFlow มีความโดดเด่นคือความสามารถในการจำลองแบบการคำนวณบนฮาร์ดแวร์หลากหลายตั้งแต่อุปกรณ์มือถือระดับผู้บริโภคไปจนถึงเซิร์ฟเวอร์หลาย GPU ระดับโลก สามารถทำงานกับ GPU และ CPU ที่แตกต่างกันและสัญญาว่าจะขยายขีดความสามารถของการเรียนรู้ของเครื่องระหว่างอุปกรณ์และอุปกรณ์ต่างๆโดยไม่ต้องเปลี่ยนรหัสจำนวนมาก
TensorFlow เกิดจากความต้องการของ Google ในการสอน ระบบคอมพิวเตอร์เพื่อเลียนแบบการทำงานของสมองของมนุษย์ ในการเรียนรู้และการใช้เหตุผล ระบบที่เรียกว่าเครือข่ายประสาทควรจะสามารถดำเนินการกับอาร์เรย์ข้อมูลหลายมิติที่เรียกว่า "เทนเซอร์" เป้าหมายสุดท้ายคือการฝึกอบรมเครือข่ายประสาทเพื่อตรวจจับและถอดรหัสรูปแบบและความสัมพันธ์
ในเดือนพฤศจิกายน 2558 Google ได้ทำเทคโนโลยี โอเพนซอร์ซ และอนุญาตให้นำไปใช้กับผลิตภัณฑ์และงานวิจัยทุกประเภท ทุกคนรวมถึงนักวิจัยวิศวกรและมือสมัครเล่นสามารถช่วยเร่งการเติบโตของการเรียนรู้ของเครื่องจักรและนำไปสู่ระดับที่สูงขึ้นในเวลาที่น้อยลง
การย้ายครั้งนี้กลายเป็นสิ่งที่ถูกต้องเพราะมีผู้สนับสนุนมากมายจากนักพัฒนาอิสระถึง TensorFlow ที่พวกเขาทำได้ดีกว่าการมีส่วนร่วมของ Google วิกิพีเดียกล่าวว่า“ มีที่ เก็บ 1, 500 รายการ ใน GitHub ซึ่งกล่าวถึง TensorFlow ซึ่งเป็น 5 จาก Google” ที่กล่าวกันหนึ่งในการอภิปรายที่ Quora สงสัยว่ารหัสโอเพนซอร์สที่เปิดตัวนั้นเป็นเวอร์ชั่น“ ล้างข้อมูล” จาก ที่ Google ใช้ในการบริการ
TenserFlow ทำงานอย่างไร
การใช้ภาษามนุษย์ธรรมดาทั่วไปและการทำให้เข้าใจง่ายอย่างหนักเราอาจเห็นด้านหนึ่งของ TensorFlow เป็นเทคโนโลยีการกรองอัตโนมัติขั้นสูง หัวใจของเทคโนโลยีคือคลังซอฟต์แวร์ขนาดใหญ่ของการเรียนรู้ของเครื่อง มันใช้ฐานข้อมูลเพื่อช่วยในการ“ ตัดสินใจ”
ตัวอย่างเช่นมีคนอัปโหลดภาพถ่ายไปยัง Google Photos เทคโนโลยีจะทำการเปรียบเทียบรายละเอียดทั้งหมดจากภาพกับฐานข้อมูลและตัดสินใจว่าเป็นภาพสัตว์หรือมนุษย์ จากนั้นถ้าเป็นมนุษย์ก็จะพยายามที่จะกำหนดเพศอายุไปตลอดทางจนถึงบุคคลที่เป็น กระบวนการเดียวกันนี้ซ้ำสำหรับวัตถุอื่น ๆ ในภาพถ่าย
นอกจากนี้ยังใช้ข้อมูลของผู้ใช้เช่นตัวตนของบุคคลในภาพและตำแหน่งที่ถ่ายภาพเพื่อปรับปรุงห้องสมุดเพื่อให้สามารถให้ผลลัพธ์ที่ดีขึ้นในอนาคต - สำหรับผู้ที่อัพโหลดรูปภาพและสำหรับทุกคน อื่น. ดังนั้นคำว่า "การเรียนรู้" แต่มันไม่ได้หยุดเพียงแค่รู้และเรียนรู้ข้อมูลจากภาพถ่าย มีหลายสิ่งที่เทคโนโลยีสามารถทำได้ด้วยข้อมูลจากภาพถ่าย ตัวอย่างเช่นสามารถจัดกลุ่มรูปภาพที่มีรายละเอียดที่คล้ายกันเช่นบุคคลเดียวกันสถานที่เดียวกันวันที่เดียวกัน ดูรูปแบบของใบหน้าเพื่อกำหนดว่าครอบครัวและเพื่อนคนใดที่เป็นคนในภาพนั้นและใช้ข้อมูลเพื่อสร้างวิดีโอสำหรับวันหยุดพักผ่อนของครอบครัวหรือภาพเคลื่อนไหวจากการถ่ายภาพต่อเนื่อง
มันแทบจะไม่ทำให้พื้นผิวของ TensorFlow ทำงานได้ แต่ฉันหวังว่ามันจะทำให้คุณเห็นภาพรวมของเทคโนโลยี นอกจากนี้การใช้เพียงตัวอย่างเดียวก็ไม่สามารถทำสิ่งที่ยุติธรรมได้
และสำหรับผู้ที่ชื่นชอบปัญญาประดิษฐ์นั้นก็มีค่ากล่าวถึงว่า Google ได้สร้างเทคโนโลยีชิปคอมพิวเตอร์ที่ได้รับการปรับให้เหมาะสำหรับการเรียนรู้ของเครื่องและรวม TensorFlow เข้ากับมัน เรียกว่า ชิพ ASIC ของ Tensor Processing Unit (TPU)
ผู้ที่ต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ TensorFlow สามารถเยี่ยมชมหน้าการสอน
การประยุกต์ใช้ TensorFlow
เราอยู่ในช่วงเริ่มต้นของเทคโนโลยีการเรียนรู้ของเครื่องจักรดังนั้นจึงไม่มีใครรู้ว่ามันจะพาเราไปที่ไหน แต่มีแอปพลิเคชั่นเริ่มต้นบางอย่างที่อาจทำให้เรามองไปในอนาคต เนื่องจากมีต้นกำเนิดมาจาก Google เป็นที่ชัดเจนว่า Google ใช้เทคโนโลยีสำหรับบริการหลายอย่าง
เพิ่มเติมเกี่ยวกับการวิเคราะห์ภาพ
เราได้พูดถึงตัวอย่างการใช้เทคโนโลยีเพื่อการวิเคราะห์ภาพใน Google Photos แต่แอปพลิเคชันการวิเคราะห์รูปภาพนั้นใช้ในคุณสมบัติสตรีทวิวของ Google แผนที่ด้วย ตัวอย่างเช่น TensorFlow ใช้เพื่อเชื่อมต่อภาพกับพิกัดแผนที่และทำให้เบลอหมายเลขทะเบียนรถยนต์ของรถยนต์ใด ๆ ที่รวมอยู่ในภาพโดยอัตโนมัติ
การรู้จำเสียง
Google ยังใช้ TensorFlow สำหรับซอฟต์แวร์รู้จำเสียงพูดสำหรับผู้ช่วยด้วยเสียง เทคโนโลยีที่ช่วยให้ผู้ใช้พูดคำแนะนำไม่ใช่สิ่งใหม่ แต่การรวมไลบรารีของ TensorFlow เข้ากับการผสมผสานอาจทำให้ฟีเจอร์นี้มีความสมบูรณ์ยิ่งขึ้น ปัจจุบันเทคโนโลยีรู้จำเสียงพูดมีมากกว่า 80 ภาษาและหลากหลายรูปแบบ
การแปลแบบไดนามิก
อีกตัวอย่างของส่วน "การเรียนรู้" ของเทคโนโลยีการเรียนรู้ของเครื่องคือคุณลักษณะการแปลของ Google Google อนุญาตให้ผู้ใช้เพิ่มคำศัพท์ใหม่และแก้ไขข้อผิดพลาดใน Google Translate ข้อมูลที่เพิ่มขึ้นเรื่อย ๆ สามารถใช้เพื่อตรวจจับภาษาที่ป้อนโดยอัตโนมัติซึ่งผู้ใช้รายอื่นต้องการแปล หากเครื่องทำผิดพลาดในกระบวนการตรวจจับภาษาผู้ใช้สามารถแก้ไขได้ และเครื่องจะเรียนรู้จากความผิดพลาดเหล่านั้นเพื่อปรับปรุงประสิทธิภาพในอนาคต และวัฏจักรต่อเนื่อง
อัลฟาโก
ตัวอย่างหนึ่งที่สนุกของการใช้ TensorFlow คือ Alpha Go มันเป็นแอพพลิเคชั่นที่ตั้งโปรแกรมให้ เล่น Go สำหรับผู้ที่ไม่คุ้นเคยกับ Go มันเป็นเกมกระดานนามธรรมสำหรับผู้เล่นสองคนที่มีต้นกำเนิดในประเทศจีนเมื่อกว่าห้าพันห้าร้อยปีที่แล้วและเป็นเกมกระดานที่เก่าแก่ที่สุดที่ยังคงเล่นต่อเนื่องในปัจจุบัน ในขณะที่กฎง่าย - ล้อมรอบอาณาเขตมากกว่าฝ่ายตรงข้ามเกมมีความซับซ้อนอย่างไม่น่าเชื่อและตามวิกิพีเดีย: "มีความเป็นไปได้มากกว่าจำนวนอะตอมทั้งหมดในจักรวาลที่มองเห็น"
ดังนั้นจึงเป็นเรื่องที่น่าสนใจว่าเทคโนโลยีการเรียนรู้ของเครื่องจักรสามารถทำอะไรกับความเป็นไปได้ที่ไม่มีที่สิ้นสุด ในการแข่งขันกับ Lee Sedol แชมป์โลก 18-time Go, Alpha Go ชนะ 4 จาก 5 เกมและได้รับตำแหน่งผู้บริหารสูงสุดของ Go Go
โครงการ Magenta
แอปพลิเคชั่นที่น่าสนใจอีกอย่างของ TensorFlow คือ Magenta Project มันเป็นโครงการที่ท้าทายความสามารถใน การสร้างงานศิลปะที่สร้าง จากเครื่องจักร หนึ่งในผลการทดสอบที่จับต้องได้ในช่วงแรกคือทำนองเปียโน 90 วินาที ในระยะยาว Google หวังที่จะสร้างงานศิลปะที่สร้างด้วยเครื่องจักรขั้นสูงผ่านโครงการ Magenta และสร้างชุมชนของศิลปินรอบตัว
เมื่อเดือนกุมภาพันธ์ 2559 Google ยังจัดนิทรรศการศิลปะและการประมูลในซานฟรานซิสโกซึ่งแสดงผลคอมพิวเตอร์ 29 รายการที่สร้างขึ้นด้วยความช่วยเหลือเล็กน้อยจากงานศิลปะของมนุษย์ หกของงานที่ใหญ่ที่สุดถูกขายให้มากที่สุดเท่าที่ $ 8, 000 คอมพิวเตอร์อาจยังคงมีทางยาวไปก่อนที่จะเลียนแบบศิลปินจริง แต่จำนวนเงินที่ผู้คนเต็มใจจ่ายสำหรับงานศิลปะแสดงให้เราเห็นว่าเทคโนโลยีได้หายไปไกลแค่ไหน
รองรับ iOS
ในขณะที่เราได้เห็นความสามารถของ TenserFlow บน Android ด้วยรุ่นล่าสุดแล้ว TensorFlow ก็เพิ่มการรองรับสำหรับอุปกรณ์ iOS เนื่องจากมีแอพมือถือที่ยอดเยี่ยมมากมายสำหรับ iOS หรือวางจำหน่ายครั้งแรกบน iOS นั่นหมายความว่าเราสามารถคาดหวังแอพมือถือที่ยอดเยี่ยมมากขึ้นที่ใช้การเรียนรู้ของเครื่องในอนาคตอันใกล้ สิ่งเดียวกันสามารถพูดได้สำหรับความเป็นไปได้ของการรับบุตรบุญธรรมที่กว้างขึ้นและการใช้งานของ TensorFlow
อนาคตของ TensorFlow
เราสามารถทำอะไรกับเครื่องจักรที่สามารถเรียนรู้และตัดสินใจด้วยตนเองได้? ในฐานะคนที่เกี่ยวข้องกับภาษามากกว่าหนึ่งภาษาเป็นส่วนหนึ่งของชีวิตประจำวันสิ่งแรกที่ปรากฏในใจของฉันคือการแปลภาษา ไม่ได้อยู่ในระดับคำต่อคำ แต่เพิ่มเติมในระดับข้อความที่ยาวขึ้นเช่นเอกสารหรือหนังสือ เทคโนโลยีการแปลของวันนี้ จำกัด อยู่ที่คำศัพท์ คุณสามารถค้นหาคำว่า "หลับ" ในภาษาจีนและในทางกลับกันได้อย่างง่ายดาย แต่พยายามโยน Musashi ของ Eiji Yoshikawa หนึ่งบทในภาษาญี่ปุ่นดั้งเดิมและแปลบทเป็นภาษาอังกฤษ คุณจะเห็นสิ่งที่ฉันได้รับ
นอกจากนี้ยังสนุกกับการดูว่าอนาคตของปัญญาประดิษฐ์สามารถทำอะไรกับดนตรีได้บ้าง ในขณะที่ยังเป็นพื้นฐานอยู่มากแอปพลิเคชัน Music Memo ของ Apple สามารถให้เสียงเบสและกลองอัตโนมัติสำหรับการร้องเพลงที่บันทึกไว้ของคุณได้แล้ว ฉันจำตอนหนึ่งของรายการ SciFi TV ที่ตัวละครในรายการสร้างเครื่องที่วิเคราะห์เพลงยอดนิยมทั้งหมดในชาร์ตและสามารถเขียนเพลงฮิตของตัวเองได้ เราจะไปถึงที่นั่นไหม?
และเป็นความคิดที่ปิดฉันต้องการพูดถึง Sunspring มันเป็นหนังนิยายวิทยาศาสตร์สั้น ๆ ที่เขียนขึ้นโดยนักเขียนบทภาพยนตร์ AI ที่เรียกตัวเองว่า เบนจามิน ซึ่งเป็นผู้แต่งบทเพลงประกอบละครเพลงป๊อป ภาพยนตร์เรื่องนี้ถูกนำมารวมกันโดยผู้กำกับ Oscar Sharp สำหรับงาน 48 ชั่วโมง Film Challenge of Sci-Fi London
ตอนนี้ฉันหยุดคิดเรื่องเทอร์มิเนเตอร์ไม่ได้แล้ว ยินดีต้อนรับสู่อนาคต
เครดิตภาพ: Wikipedia, TechInsider, The Verge, วารสารวอลล์สตรีท
