Внутри Google переписать ай: встроить машинное обучение во все

Макото Койке - огуречный фермер в Японии. Коике - бывший разработчик встраиваемых систем, который много лет работал в японской автомобильной промышленности, но в 2015 году он вернулся домой, чтобы помочь на огуречной ферме своих родителей. Вскоре он понял, что ручная задача сортировки огурцов по цвету, форме, размеру и таким атрибутам, как «колючка», часто бывает сложнее и сложнее, чем выращивать их. Вдохновленный глубоким изучением инноваций программного обеспечения Google для искусственного интеллекта (AI) AlphaGo, он решил автоматизировать задачу.

Предприятия начинают внедрять практический ИИ во всех видах, но можно с уверенностью сказать, что никто не видел, как появится решение для сортировки огурцов ИИ от Koike. Койке никогда раньше не работал с методами искусственного интеллекта, но, используя библиотеку машинного обучения TensorFlow (ML) с открытым исходным кодом, он начал вводить изображения огурцов. Благодаря алгоритмам компьютерного зрения для распознавания объектов и глубокому обучению, чтобы обучить TensorFlow нюансам различных огурцов, Коике понял, что он может идентифицировать и сортировать овощи с высокой степенью точности. Затем, используя только TensorFlow и дешевый компьютер Raspberry Pi 3, Койке создал автоматическую сортировочную машину, которая используется на ферме до сих пор.

TensorFlow - это один из многих алгоритмов и инструментов с открытым исходным кодом, которые революционизируют решения компаний и разработчиков, используя AI. Компания расширила свою миссию «донести преимущества ИИ до каждого» с выпуском Google.ai на конференции Google I / O, объединившей все свои ресурсы ИИ в единую платформу. Google также внедряет эти методы и интерфейсы прикладного программирования (API) во все, что делает, внедряет ML в свои продукты и принципиально пересматривает работу своего программного обеспечения.

Недавно PCMag посетил Googleplex и поговорил с руководителями G Suite, Google Cloud Platform (GCP) и лаборатории решений для машинного обучения компании (ML ASL) о том, как Google перестраивает себя с помощью AI.

Искусственный интеллект везде

Допустим, у одного из ваших клиентов возникла проблема. Агент службы поддержки вашей компании общается с клиентом в чате, используя приложение чата, которое хранит данные в Google Cloud Platform. Чтобы помочь им решить проблему, пользователю необходимо отправить агенту некоторые конфиденциальные личные данные. Теперь скажем, что клиент - ваша бабушка. Представитель службы поддержки запрашивает у бабушки несколько частей данных, но вместо этого бабушка отправляет гораздо больше информации, чем ей нужно, когда она загружает в чат фотографию своей карты социального страхования.

Вместо того, чтобы Google архивировал эту личную информацию (PII), картинка отображается с номером социального страхования и другими PII автоматически отредактированными. Агент никогда не видит никакой информации, которая ему не нужна, и ни одна из этих данных не попадает в зашифрованный архив Google. Во время демонстрации технологии DLP API в штаб-квартире Google в Маунтин-Вью, Калифорния, компания отодвинула занавес на том, как алгоритмы ML анализируют текст и изображения, чтобы это произошло.

Роб Садовски (Rob Sadowski), руководитель отдела маркетинга в области доверия и безопасности для Google Cloud, пояснил, что автоматическое редактирование обеспечивается API-интерфейсом Google для предотвращения потери данных (DLP), работающим под поверхностью для классификации конфиденциальных данных. Алгоритм делает то же самое с данными, такими как номера кредитных карт, а также может анализировать шаблоны, чтобы определить, является ли число поддельным. Это всего лишь один пример тонкой стратегии Google по внедрению ИИ в его опыт и предоставлению компаниям и разработчикам, таким как Койке, ресурсов для того же.

Google - далеко не единственный технологический гигант, встраивающий связующий уровень интеллекта в свое программное обеспечение, но, наряду с Amazon и Microsoft, у Google, пожалуй, самый широкий спектр доступных инструментов и сервисов облачной разведки. Разбивая продукты компании, вы можете найти Google Assistant и различные API ML и компьютерного зрения практически везде.

Поисковая система Google использует алгоритмы ML в своей AI-системе RankBrain для обработки и уточнения запросов, повторного ранжирования и агрегирования данных на основе множества изменяющихся факторов для постоянного улучшения качества результатов поиска. Google Фото использует компьютерное зрение для сшивания связанных фотографий в воспоминания и объединения нескольких снимков одного и того же места в панорамы. Папка «Входящие» предоставляет пользователям автоматически генерируемые интеллектуальные ответы на выбор и отображает соответствующие электронные письма, объединяя похожие категории. Новое чат-приложение Google Allo поставляется со встроенным помощником Google. Список можно продолжить.

Все эти приложения работают в облачной инфраструктуре Google, и компания даже использует ML в своих центрах обработки данных, чтобы снизить энергопотребление, настраивая охлаждающие насосы на основе данных о нагрузке и погоде. Садовски сказал, что это также служит последним уровнем защиты в стратегии безопасности Google, где компания использует машинный интеллект и оценку рисков в своем стеке безопасности, чтобы определить, была ли система взломана с использованием прогнозной аналитики.

«Google берет все эти модели ML и AI, которые мы разработали, и настраивает их для безопасности», - объяснил Садовски. «Безопасность меняется гораздо более радикально, чем большинство секторов ИТ. Продукты, которые были ядром вашей инфраструктуры безопасности три или четыре года назад, такие как брандмауэры и защита конечных точек, по-прежнему важны, но мы хотим обеспечить глубокую, масштабную и по умолчанию для мультитенантной инфраструктуры с миллионами ежедневно активных пользователей.

«Все начинается с аппаратного обеспечения центра обработки данных», - продолжил Садовски. «Кроме того, это сервисы приложений и аутентификация с полностью зашифрованными данными и связью. Кроме того, это идентификация пользователя. И последний уровень защиты - это то, как мы работаем с круглосуточным мониторингом, обнаружением и реагированием на инциденты. Решайте такие задачи, как безопасный удаленный доступ с помощью прокси-сервера с идентификацией. Это программный DLP-сервис, который обнаруживает и предотвращает утечки данных, а также помогает управлять данными и обеспечивать их безопасность. Мы стремимся сделать эти возможности простыми, удобными для использования и заставить их работать в масштабе."

А умнее G Suite

ML также встроен в производительные приложения Google G Suite. Аллан Ливингстон, директор по управлению продуктами для G Suite, рассказал о некоторых способах, которыми AI делает G Suite умнее и более контекстуальным, даже если пользователи даже не осознают этого.

«Подумайте о том, как G Suite объединяет все эти приложения естественным образом», - сказал Ливингстон. «Вы начинаете свою работу в одной из них и выполняете ее соответствующим образом. Вы открываете вложение Gmail в Drive, и вы переходите в Документы; это действительно автоматически.

«Мы пытаемся придумать это для пользователя, и это также включает в себя машинное обучение. Мы начали с умных ответов в Inbox, и у нас был хороший успех с Gmail, что привело к появлению функции« Исследовать »в Документах, Листах. и слайды."

Выпущенный осенью прошлого года, Explore применяет обработку естественного языка (NLP) для повышения производительности приложений. В Документах Explore дает вам мгновенные предложения, основанные на содержании вашего документа, и автоматически рекомендует связанные темы и ресурсы. В Slides он генерирует проектные предложения, чтобы сократить форматирование презентации. Однако наиболее интересный вариант использования - в Sheets. Ливингстон объяснил, как Explore использует ML для упрощения анализа данных и анализа бизнес-аналитики (BI).

«Многие пользователи не знают, что такое сводная таблица или как ее использовать для визуализации листа данных», - объяснил Ливингстон. «Допустим, вы имеете дело с данными о продажах для покупателя, где каждая строка представляет собой товар, который был продан. Explore позволяет вводить запросы на естественном языке, например« Какой товар в Черную пятницу? » и выкладывает ответ: «Вы продали 563 пары брюк». Мы занимаемся анализом данных таким образом, чтобы сэкономить время при принятии решений на основе данных, используя машинное обучение для естественного решения общей проблемы ».

Демонстрация функции «Изучить в листах» из конференции Google Cloud NEXT в марте этого года.

По словам Ливингстона, Google планирует распространить этот вид облачного поиска на основе ML на третьи стороны и начать строить вокруг него экосистему. Общая идея является общей темой практического ИИ: автоматизация ручных процессов, чтобы освободить пользователей для более творческой работы. Эта идея лежит в основе большинства приложений ML-приложений: автоматизировать повторяющиеся бизнес-процессы и повседневные задачи, включая сортировку огурцов.

«В бизнесе и с потребителями пользователи имеют эти естественные модели взаимодействия. Переход на облако и мобильную производительность действительно меняет способ работы людей, и эти прикладные методы машинного обучения являются основополагающими для него», - сказал Ливингстон. «Из-за нашей силы в машинном обучении, из-за того, что наши продукты служат основой, из-за всех данных в нашем облаке, мы в уникальном положении, чтобы применять это и масштабировать бесконечно».

Власть революции машинного обучения

Основа всего, что Google делает в отношении ИИ, коренится в его API, алгоритмах и инструментах с открытым исходным кодом. Библиотека TensorFlow компании является наиболее широко используемым инструментом ML на GitHub, порождая приложения, такие как сортировщик огурцов Koike. Набор API-интерфейсов, лежащих в основе Google Cloud - алгоритмы, охватывающие компьютерное зрение, видео-интеллект, речь и НЛП, моделирование прогнозов и крупномасштабное ML с помощью механизма облачного машинного обучения Google, - это технология, обеспечивающая каждую функцию AI, интегрированную в приложения и службы Google, теперь и платформа Google.ai.

Франциско Урибе (Francisco Uribe), менеджер по продуктам команды Google Cloud AI / ML, работает в самом сердце движка, который переписывает принципы работы Google. Урибе курирует вышеупомянутую ML ASL от Google, лабораторию с захватывающей программой, в которой эксперты Google ML работают напрямую с предприятиями для реализации решений ИИ. Используя API Google и Cloud ML Engine, лаборатория работает с предприятиями для обучения и внедрения их собственных моделей в производство.

Урибе работал в области искусственного интеллекта более десяти лет. Он основал BlackLocus, основанный на данных стартап, который создал механизм автоматического ценообразования для розничных продавцов, который был приобретен Home Depot в 2012 году. После этого он присоединился к Google и в течение четырех лет работал в команде поисковых объявлений, применяющей ML для улучшения качества рекламы., В 2016 году он перешел на исследовательскую должность, руководя ML ASL и выступая в качестве наставника в Google Launchpad Accelerator. Урибе сказал, что постоянно удивляется тому, как компании и разработчики используют инструменты Google.

«Мы видели случаи использования по всем направлениям - от здравоохранения и финансов до розничной торговли и сельского хозяйства», - сказал Урибе. «Мы пытаемся помочь клиентам улучшить возможности восприятия. Перевод речи, анализ изображений, видео API, естественный язык: все они являются частью демократизации доступа к машинным и глубоким алгоритмам обучения, которые наконец вошли в применимость».

ML ASL работал с HSBC Bank plc, одной из крупнейших в мире организаций, занимающихся банковскими и финансовыми услугами, над решениями ML для борьбы с отмыванием денег и прогнозного кредитного скоринга. ML ASL также работал с Объединенной сервисной автомобильной ассоциацией (USAA), группой компаний, предоставляющей финансовые услуги из списка Fortune 500, для обучения инженеров организации методам ML, применяемым к конкретным сценариям страхования. eBay использовал инструменты Google для обучения своего цифрового помощника ShopBot. Когда ML ASL работает с компанией, Урибе объяснил четыре составляющих процесса.

«Вам нужно мощное вычислительное предложение, чтобы справиться с экстремальными требованиями к заданиям ML, а распределенная магистраль оптоволоконной сети GCP очень эффективно перемещает данные от узла к узлу», - сказал Урибе. «У нас есть механизм машинного обучения на облачных вычислениях, который помогает клиентам обучать модели. Мы помогаем клиентам выполнять обработку данных с доступом к сообществу Kaggle, в котором более 800 000 активных ученых-данных. Наконец, вам нужен талант, чтобы быть в курсе исследований, у нас есть программа «Мозговая резидентура» для подготовки инженеров по сложной учебной программе по ML. Мы рассматриваем их как строительные блоки, помогающие заказчикам создавать интеллектуальные приложения ».

Все это связано с сообществом открытого исходного кода и сторонней экосистемой, которую Google строит вокруг своей технологии искусственного интеллекта. Ранее в этом году компания даже объявила конкурс стартапов ML, который присуждает до 500 000 долларов инвестиций в стартапы ML. Урибе рассказал о некоторых инновационных приложениях, которые он уже видел в технологиях Google, и о том, где могут быть другие возможности.

«Допустим, вы аналитическая компания по обслуживанию клиентов. Подумайте о речевом API для расшифровки содержания звонков, а затем об анализе настроений для повышения качества обслуживания ваших клиентов», - сказал Урибе. «Используйте API видения, чтобы сфотографировать уличный знак в чужой стране, а затем API перевода, чтобы транслировать этот контент в режиме реального времени с помощью приложения. Это не просто повышение эффективности, это создание новых и уникальных пользовательских впечатлений»."

Урибе рассматривает такие инструменты, как TensorFlow, как отличную возможность для широкомасштабного внедрения ML на рынке. Мало того, что эти технологии стали основой того, что представляет собой Google и как технологический гигант подходит к разработке продуктов, но Урибе считает, что широко доступная технология ML поможет оптимизировать бизнес, открыть новые источники дохода и изобрести новый класс интеллектуальных приложений.

«Думайте об этом как о новой промышленной революции», - сказал Урибе. «Мы видим, что эти инструменты позволяют повысить эффективность и опыт, которых вы никогда не видели прежде. Удивительно видеть, как стартапы применяют его. Посмотрите на фермера-огурца в Японии. Он использовал TensorFlow для построения модели классификации сортировка огурцов по шаблонам, размеру, текстурам и т. д., а затем создание специализированного оборудования для его выполнения. Такой уровень демократизации невероятен, и мы едва поцарапали поверхность ».