GOOGLE ओपन-सोर्स GOOGLE फोटो सर्च, स्मार्ट उत्तर और अधिक के पीछे मशीन लर्निंग तकनीक - टेकक्रंच - सामाजिक मीडिया - 2019

Anonim

Google का कहना है कि आज यह मशीन लर्निंग टेक्नोलॉजी बना रहा है जो Google ऐप सर्च, Google ऐप में भाषण मान्यता और इसके ईमेल ऐप इनबॉक्स के लिए नए लॉन्च "स्मार्ट उत्तर" सुविधा सहित कई उत्पादों को सशक्त करता है। टेंसरफ्लो को बुलाया गया, तकनीक ऐप्स को स्मार्ट बनाने में मदद करती है, और Google कहता है कि यह अपनी पहली पीढ़ी वाली प्रणाली की तुलना में कहीं अधिक शक्तिशाली है - जिससे कंपनी पहले से पांच गुना तेजी से तंत्रिका जाल बनाने और प्रशिक्षित करने की अनुमति देती है।

Google के लिए, इसका मतलब है कि यह अपने उत्पादों को और अधिक तेज़ी से सुधारने में सक्षम है, कंपनी बताती है।

टेंसरफ्लो मूल रूप से मशीन सीखने और गहरे तंत्रिका नेटवर्क अनुसंधान के संचालन के उद्देश्य से Google के मशीन इंटेलिजेंस रिसर्च संगठन के भीतर Google ब्रेन टीम पर काम कर रहे शोधकर्ताओं और इंजीनियरों द्वारा विकसित एक परियोजना थी। लेकिन Google कई अन्य डोमेन पर भी लागू है, Google भी कहता है।

अधिक तकनीकी शर्तों में, गहरी सीखने की ढांचा एक उत्पादन-ग्रेड सी ++ बैकएंड दोनों है जो सीपीयू, एनवीडिया जीपीयू, एंड्रॉइड, आईओएस और ओएस एक्स पर चल सकती है, साथ ही साथ पाइथन फ्रंट एंड जो न्यूम्पी, आईपीथन नोटबुक के साथ इंटरफेस करती है, और अन्य पायथन आधारित टूलिंग, विन्सेंट वानुके, टेक लीड और मस्तिष्क टीम के प्रबंधक के लिए उनकी Google+ प्रोफ़ाइल पर लिखते हैं।

कोई गणना जो आप कम्प्यूटेशनल फ्लो ग्राफ के रूप में व्यक्त कर सकते हैं, आप टेन्सरफ्लो के साथ गणना कर सकते हैं। Google का कहना है कि किसी भी ग्रेडियेंट-आधारित मशीन लर्निंग एल्गोरिदम को टेंसरफ्लो के ऑटो-भेदभाव और प्रथम-दर-अनुकूल ऑप्टिमाइज़र के सूट से लाभ होगा।

"टेंसरफ्लो हम Google ब्रेन टीम में हर दिन उपयोग करते हैं, और यह अभी भी बहुत शुरुआती दिनों में है और कच्चे किनारों का एक टन लोहे से बाहर निकलने के लिए, मैं शोधकर्ताओं, डेवलपर्स और समुदाय के समुदाय का निर्माण करने के अवसर के बारे में उत्साहित हूं। इसके आसपास बुनियादी ढांचा प्रदाता, "वानौके कहते हैं।

मशीन लर्निंग के साथ लक्ष्य एक ऐसी तकनीक का निर्माण करना है जो मानव मस्तिष्क के समान काम करता है, लेकिन तकनीक अभी तक किसी भी तरह से नहीं है।

सीईओ सुंदर पिचई द्वारा लिखे गए समाचार की घोषणा करते हुए Google के ब्लॉग पोस्ट में, वह बताते हैं कि प्रौद्योगिकी को खोलने के द्वारा, आशा है कि यह मशीन सीखने पर अनुसंधान को तेज करेगी जो पूरे समुदाय को लाभ पहुंचाएगी और प्रौद्योगिकी को बेहतर तरीके से काम करेगी। जैसा कि पिचई बताते हैं, आज भी सबसे अच्छे सिस्टम ऐसा करने के लिए संघर्ष करते हैं जो 4 वर्षीय बच्चा कर सकता है - जैसे कि कुछ उदाहरण देखने के बाद डायनासोर का नाम जानना, या वाक्य को समझना "मैंने ग्रैंड कैन्यन देखा शिकागो के लिए उड़ान "का मतलब यह नहीं है कि वास्तव में हवा में एक उड़ान घाटी है।

इसके अलावा, कंपनी का मानना ​​है कि उदाहरण के लिए, प्रोटीन फोल्डिंग या खगोल विज्ञान डेटा जैसे जटिल डेटा को समझने के लिए टेंसरफ्लो में अनुसंधान में उपयोगी होने की क्षमता है।

टेंसरफ्लो जिस तरह से शोधकर्ताओं और डेवलपर्स को मशीन लर्निंग तकनीक पर सहयोग करने में सक्षम बनाता है, उसके लिए दिलचस्प है। प्रत्येक समूह के लिए अलग-अलग औजारों के बजाय, टेंसरफ्लो शोधकर्ताओं को नए विचारों का परीक्षण करने देता है, और जब वे काम करते हैं, तो कोड को दोबारा लिखने के बिना उन्हें उत्पादों में ले जाएं। इससे उत्पाद सुधार में तेजी आ सकती है, और निश्चित रूप से, बड़े मशीन लर्निंग समुदाय को अब तक ऐसा करने के द्वारा, Google को खुले सोर्स किए गए तकनीक के आने वाले नवाचारों की त्वरित गति से भी फायदा होगा। और अंततः Google की निचली लाइन को बढ़ावा दे सकता है क्योंकि तकनीक अपने उत्पादों में अधिक एकीकृत है और बेहतर है।

टेंसरफ्लो तस्वीरों और वीडियो में क्या पहचान सकता है, भाषण समझ सकता है, लिखित पाठ को पढ़ और समझ सकता है (कुछ हद तक) और भी बहुत कुछ।

यह बाद की विशेषता "स्मार्ट उत्तर" की शक्तियों के लिए है, जो Google के ईमेल ऐप इनबॉक्स टी के लिए आपके ईमेल पर स्वचालित प्रतिक्रियाएं बनाती हैं - हमारे द्वारा उपयोग किए जाने वाले उत्पादों को बढ़ाने के लिए मशीन सीखने की क्षमता का एक आसान समझने वाला उदाहरण ईमेल। स्मार्ट उत्तर ईमेल की सामग्री को पढ़ता है, फिर स्क्रीन के नीचे छोटे वाक्यांशों का सुझाव देता है जिनका आप उत्तर देने के लिए उपयोग कर सकते हैं। और यह जितना अधिक आप इसका इस्तेमाल करते हैं, उसे समझते हैं, उदाहरण के लिए, आप "हां" और "नहीं" कहें।

Google का कहना है कि आज टेंसरफ्लो का उपयोग इसके कई सबसे दृश्यमान उत्पादों में किया जाता है, जिसमें Google फ़ोटो, भाषण मान्यता प्रणाली, जीमेल, Google सर्च आदि में छवि खोज शामिल है।

Google का कहना है कि यह 2011 में विकसित अपनी पहली प्रणाली, डिस्टबेलिफ़ का उपयोग करने के लिए, "बिल्ली" जैसी अवधारणाओं को अनलॉक किए गए YouTube छवियों से सीखा जा सकता है, Google ऐप में भाषण मान्यता को 25% तक सुधारने और Google फ़ोटो में छवि खोज बनाने के लिए । डिस्टबेलिफ़ ने इनसेप्शन मॉडल को भी प्रशिक्षित किया जिसने 2014 में इमेजेनेट के बड़े पैमाने पर विजुअल रिकग्निशन चैलेंज जीता, स्वचालित छवि कैप्शनिंग और डीपड्रीम में प्रयोगों में प्रयोग किया गया था।

लेकिन कंपनी का कहना है कि डिस्टबेलिफ़ की सीमाएं थीं - "यह तंत्रिका नेटवर्क को सीमित रूप से लक्षित किया गया था, इसे कॉन्फ़िगर करना मुश्किल था, और यह Google के आंतरिक आधारभूत संरचना के साथ कसकर था - जिससे अलग-अलग अनुसंधान कोड साझा करना लगभग असंभव हो गया।" अपने शोध ब्लॉग पर घोषणा, जेफ डीन, सीनियर Google फेलो और रजत मोंगा, तकनीकी लीड द्वारा लिखी गई।

टेंसरफ्लो को उन कमियों को हल करने के लिए डिज़ाइन किया गया था।

"टेंसरफ्लो सामान्य, लचीला, पोर्टेबल, उपयोग में आसान, और पूरी तरह से खुला स्रोत है। हमने डिस्टबेलिफ़ की गति, स्केलेबिलिटी और उत्पादन की तैयारी पर सुधार करते हुए यह सब जोड़ा - वास्तव में, कुछ बेंचमार्क पर, टेंसरफ्लो द्विपक्षीय रूप से दोगुना है, "घोषणा राज्यों।

Google शायद ही एकमात्र प्रमुख तकनीकी कंपनी बिल्डिंग मशीन लर्निंग सिस्टम है। आईबीएम वाटसन, अमेज़ॅन मशीन लर्निंग, एज़ूर मशीन लर्निंग बाजार पर अन्य उल्लेखनीय नाम हैं।