211service.com
Maschinelles Lernen für alle
Ein Großteil der Rechenleistung, die Google antreibt, hat etwas zu verdanken Jeff Dean . Er baute frühe Versionen der Websuch- und Anzeigensysteme des Unternehmens. Und er erfand Karte verkleinern , ein System für die Arbeit mit großen Datensätzen, das eine große Veränderung in der Computerbranche auslöste.
Dean arbeitet jetzt daran, das Innenleben von Google und der ganzen Welt noch einmal neu zu erfinden. Er leitet die Google Brain-Forschungsgruppe, die darauf abzielt, maschinelles Lernen voranzutreiben – die Kunst, Software dazu zu bringen, Dinge selbst zu erledigen, anstatt explizit programmiert zu werden. Software von Google Brain wird jetzt von mehr als 600 Teams innerhalb von Google verwendet, oft für interne Systeme, die für Verbraucher unsichtbar sind. Aber im vergangenen Jahr hat die von Google Brain stammende Technologie auch wichtige Upgrades für die Websuche, den Spamfilter und die Übersetzungsdienste von Google geliefert.
Maschinelles Lernen hat eine längere Geschichte innerhalb von Google, wo Ingenieure Software trainiert haben, um Menschen Webseiten anzuzeigen, die für ihre Suchanfragen relevant sind, Anzeigen auszuwählen, die sich auf Inhalte beziehen, die sie sich ansehen, Anzeigen zu zeigen, auf die Menschen klicken, und Videos auszuwählen, die sie auf YouTube empfehlen können. Es ist eines von vielen Unternehmen, das seine Investitionen in die maschinelle Lernforschung ausgeweitet hat, nachdem eine Software, die Daten durch Netzwerke simulierter Neuronen leitet, bahnbrechende Ergebnisse bei der Sprach- und Bilderkennung erzielt hat.
Jetzt sagt Dean, dass die Art von Technologie, die sein Team entwickelt, in Kürze neben der Computerbranche auch in vielen anderen Branchen Einzug halten wird. Er traf sich mit Tom Simonite von MIT Technology Review in der Google-Zentrale in Mountain View, Kalifornien.
Wie hat leistungsfähigeres, benutzerfreundlicheres maschinelles Lernen die Art und Weise verändert, wie Teams innerhalb von Google an neuen Problemen und Produkten arbeiten?
Es war eine sehr große Veränderung. In den letzten fünf Jahren hat maschinelles Lernen den Umfang dessen, was mit Computern möglich ist, dramatisch erweitert, insbesondere in Bereichen wie Computer Vision und Sprachverständnis. Dies führt natürlich zu großartigen neuen Produkten und Funktionen – zum Beispiel die Suchfunktionen von Google Fotos [wo Sie Ihre Fotos mit Begriffen wie Hund oder Strand durchsuchen können] oder die Smart Reply-Funktion von Gmail. Aber es ermöglicht Google-Ingenieuren auch, ehrgeiziger darüber nachzudenken, welche Art von Problemen sie angehen könnten. Zum Vergleich: Vor fünf Jahren konnten Computer nicht sehr gut sehen. Jetzt können sie unter bestimmten Umständen sehr gut sehen, und das erweitert natürlich die Menge der Dinge, von denen wir glauben, dass sie erreicht werden können.
Sie leiteten die Entwicklung von TensorFlow , Software, die die maschinelle Lernforschung von Google unterstützt, sowie Produkte wie eine neue Google Mail-Funktion, die verfasst Antworten zu E-Mails. Jetzt verschenkt das Unternehmen es kostenlos. Wieso den?
Es ist wirklich hilfreich, eine gemeinsame Art zu haben, Ideen für maschinelles Lernen auszudrücken. Es gibt weltweit viel Potenzial für maschinelles Lernen. Wir sehen es in der Wissenschaft, bei anderen Unternehmen, in der Regierung.
Wird sich am Ende jede Branche stark auf maschinelles Lernen verlassen?
Ich denke, es gibt viele Branchen, die viele Daten sammeln und sich noch nicht mit den Auswirkungen des maschinellen Lernens befasst haben, es aber letztendlich nutzen werden. Der Transport mit selbstfahrenden Fahrzeugen wird eine große Anwendung des maschinellen Lernens sein. Das Gesundheitswesen hat viele interessante maschinelle Lernprobleme – ambulante Ergebnisse oder wenn Sie Röntgenbilder haben und Dinge vorhersagen möchten. Ich glaube nicht, dass es eine Branche gibt, die davon betroffen sein wird; Ich denke, da werden viele sein.
Maschinelles Lernen wird zu einem grundlegenden Bestandteil der Anwendung von Computern?
Ja, absolut. Die Einschreibung in maschinelle Lernkurse für Informatikprogramme schießt durch die Decke.
Es wird einfach erwartet, dass die Leute ein gewisses Grundverständnis für maschinelles Lernen haben und einige Projekte durchgeführt haben und maschinelles Lernen verwenden wollen.