Met TensorFlow opent Google bronnen voor machine learning

Google kondigde gisteren TensorFlow aan, waarbij het zijn onderzoek en succesvolle interne schaalverdeling van machine learning publiceerde als een open source-project onder een Apache 2.0-licentie. TensorFlow versnelt de acceptatie van machine learning door de duizenden creatieve productontwikkelingsteams die niet beschikken over de grootschalige bronnen voor onderzoek naar machine learning van Google.

Een goed voorbeeld van de implicaties van machine learning door interacties van mensen en systemen is Tesla's Autopilot-bèta. Terwijl chauffeurs communiceren met en de automatische piloot corrigeren, hebben chauffeurs gemeld dat het geleidingssysteem zichzelf verbetert.

Google heeft geïnvesteerd in geavanceerd onderzoek op het gebied van machine learning, door het beste kunstmatige intelligentie / deep learning-talent van het bedrijf toe te passen op het Google Brain Project, gelanceerd door Andrew Ng en nu onder John Giannandrea in samenwerking met academische toplaboratoria, zoals Stanford en Carnegie Mellon, om de producten van Google verbeteren.

Google

Gebruikers van mobiele apparaten accepteren en verwachten nauwkeurige spraakherkenning, taalvertaling, mensachtige interpretatie van foto's en video's en verwachte zoekresultaten. Dit zijn allemaal het resultaat van machine learning van Google, het product van het neurale netwerkonderzoek van Google, dat de krantenkoppen haalde toen het leerde katten te identificeren in ongetagde video's. In eerste instantie lijkt de ervaring misschien griezelig, maar uiteindelijk accepteren mensen gewoon systemen die anticiperen op behoeften en opties presenteren in de context van 'aanbevelings'-metaforen.

Het principe is eenvoudig: machines die op de juiste manier zijn geprogrammeerd, kunnen van gegevens leren (hoe meer gegevens, hoe beter) en beslissingen nemen met ongekende snelheden. Menselijke zintuigen voelen zich bijvoorbeeld tot het uiterste gedreven wanneer ze met 70 mijl per uur rijden, maar met die snelheden kan Tesla's automatische piloot in een fractie van tijd waarnemen, berekenen en een beslissing nemen. Wanneer met succes ontworpen op machine learning gebaseerde systemen een menselijke interactie tegenkomen, wordt menselijke intelligentie overgedragen en verbetert het systeem.

In 2011 creëerde Google DistBelief voor zijn machine learning en kunstmatige intelligentie-onderzoekers om te gebruiken bij het bouwen van steeds grotere neurale netwerken van duizenden cores die van grote complexe datasets leerden om complexe taken uit te voeren, zoals het herkennen van afbeeldingen en het interpreteren van slecht gearticuleerde taal. DistBelief toonde aan dat machine-intelligentie kon werken op de miljard gebruikers van Google.

Het creëren van een systeem zoals DistBelief voor gebruik binnen de grenzen van Google was een intern succes, maar kon niet worden vrijgegeven aan de onafhankelijke machine learning of algemene onafhankelijke ontwikkelaarsgemeenschappen. DistBelief was nauw gericht op neurale netwerken, moeilijk te configureren en nauw verbonden met de interne infrastructuur van Google. Wat ontbrak was de betrokkenheid van de machine learning-gemeenschap om van elkaar te leren door code te delen en dynamische experimenten, de manier waarop machines leren van interactie met de mens en de ontwikkeling van machine learning recursief verbeteren door de interactie van ontwikkelaars.

TensorFlow, het open-source machine-leersysteem van de tweede generatie van Google, is speciaal ontworpen om de tekortkomingen van DistBelief te corrigeren. Google heeft TensorFlow gebouwd om meer algemene applicaties flexibeler, draagbaarder en binnen het bereik van meer ontwikkelaars te maken. Gebouwd voor machine learning-toepassingen voor productie, is het bedoeld om snel en schaalbaar te zijn. In sommige benchmarks was TensorFlow twee keer zo snel als DistBelief.

Diep leren, machine learning en kunstmatige intelligentie zijn enkele van de kerncompetenties van Google, waar het bedrijf Apple en Microsoft leidt. Als dit lukt, is het de strategie van Google om deze voorsprong te behouden door haar technologie open te stellen om deze te verbeteren op basis van grootschalige acceptatie en codebijdragen van de gemeenschap als geheel.

Word lid van de Network World-gemeenschappen op Facebook en LinkedIn om commentaar te geven op onderwerpen die voorop staan.