Kiom profunda lernado estas enigita al produktoj, kiujn vi uzas
DeepMind povas raporti al du aferoj: la teknologio malantaŭ la artefarita inteligenteco de Google (AI), kaj la kompanio, kiu respondecas pri evoluado de tiu artefarita inteligenteco. La kompanio nomata DeepMind estas subsidiaria de Alfabeto Inc., kiu estas ankaŭ la gepatra kompanio de Google, kaj la teknika teknika inteligenteco de DeepMind trovis sian vojon en multajn projektojn kaj mekanismojn de Google .
Se vi uzas Google Home aŭ Google Assistant , tiam via vivo jam intersekvis kun Google DeepMind en iuj mirindaj manieroj.
Kiel kaj Kial Akiris Google DeepMind?
DeepMind estis fondita en 2011 kun la celo "solvi inteligentecon, kaj tiam uzi tion por solvi ĉion alian." La fondintoj pritraktis la problemon de maŝinlernado armita per informoj pri neŭrikeco kun la celo krei potencajn ĝeneralajn algoritmojn, kiuj povus por lerni pli ol necese esti planita.
Pluraj grandaj ludantoj en la kampo de AI vidis la amasan kvanton da talentoj, kiujn DeepMind kunigis, en formo de spertaj kaj esploristoj de artefarita inteligenteco, kaj Facebook kreis ludon por akiri la kompanion en 2012.
La interkonsento de Facebook malaperis, sed Google plibonigis kaj akiris DeepMind en 2014 por proksimume $ 500 milionoj. DeepMind tiam fariĝis filio de Alfabeto Inc. dum la reorganizo de Google kompania okazinta en 2015 .
La ĉefa kialo de Google malantaŭ aĉetado de DeepMind estis komenci sian propran artefaritan inteligentecon. Dum la ĉefa kampuso de DeepMind restis en Londono, Anglio post la akiro, aplikita teamo estis sendita al la ĉefsidejo de Google en Mountain View, Kalifornio por labori pri integriĝo DeepMind AI kun Google-produktoj.
Kio estas Google Faranta Kun DeepMind?
La celo de DeepMind solvi inteligentecon ne ŝanĝis kiam ili transdonis la ŝlosilojn al Google. Laboro daŭris sur profunda lernado , kiu estas speco de maŝinlernado, kiu ne estas tasko-specifa. Tio signifas, ke DeepMind ne estas planita por specifa tasko, kontraste kun antaŭaj AIs.
Ekzemple, la Deep Blue de IBM fama renversis la Grandan Majstron de Ŝako Gary Kasparov. Tamen, Deep Blue estis desegnita por plenumi tiun specifan funkcion kaj ne utilis ekster tiu celo. DeepMind, aliflanke, estas desegnita por lerni de sperto, kiu teorie faras ĝin utila en multaj malsamaj aplikoj.
La artefarita inteligenteco de DeepMind lernis kiel ludi fruajn videoludojn, kiel Breakout, pli bone ol eĉ la plej bonaj homaj ludantoj, kaj komputila Iru programo funkciigita fare de DeepMind sukcesis venki ĉampionon Go ludanton kvin ĝis nulo.
Aldone al pura esplorado, Google ankaŭ integras DeepMind AI en ĝiajn ŝipajn serĉajn produktojn kaj konsumajn produktojn kiel Hejma kaj Android-telefonoj.
Kiel Faras Google DeepMind Afekcias Vian Ĉiutagan Vivo?
La profundaj lernaj iloj de DeepMind estis implementitaj tra la tuta spektro de la produktoj kaj servoj de Google, do se vi uzas Google por io ajn, ekzistas bona ŝanco, ke vi interagis kun DeepMind de iu maniero.
Kelkaj el la plej elstaraj lokoj DeepMind AI estis uzataj inkluzivas paroladon, rekono de bildoj, fraŭdo-detektado, detektadon kaj identigon de spamado, skribkribo, tradukado, Street View, kaj eĉ loka serĉo.
Rekono pri Superkvalora Parolado de Google
Parola rekono, aŭ la kapablo de komputilo por interpreti parolitajn komandojn, daŭris tre longe, sed kiel Siri , Cortana , Alexa kaj Google Assistant alportis ĝin pli kaj pli en niajn ĉiutagajn vivojn.
En la kazo de la propra teknologio de rekono de voĉo de Google, profunda lernado estis tre uzita. Fakte, maŝin-lernado permesis al la voĉa rekono de Google atingi mirindan nivelon de precizeco por la angla lingvo, ĝis la punkto, kie ĝi estas tiel preciza kiel homa aŭskultanto.
Se vi havas iujn Google-aparatojn, kiel Android-Phone aŭ Google-Hejmo, ĉi tio havas rektan, realan mondan aplikon al via vivo. Ĉiufoje kiam vi diras, "Okay, Google" sekvita de demando, DeepMind fleksas siajn muskolojn por helpi al Google Assistant kompreni tion, kion vi diras.
Ĉi tiu apliko de maŝin-lernado al parolara rekono havas plian efikon, kiu aplikiĝas specife al Google Home. Kontraste kun la Alexa de Amazon, kiu uzas ok mikrofonojn por pli bone kompreni voĉajn komandojn, la rekono de voĉo de Google Home's DeepMind nur bezonas du.
Google Hejmo kaj Asistanto-Voĉa Generacio
Tradicia parolanta sintezo uzas ion nomatan concatenativan tekston-paroladon (TTS). Kiam vi interagas kun aparato, kiu uzas ĉi tiun sintezon de parolado, ĝi konsultas datumbazon plena de parolaj fragmentoj kaj kunigas ilin en vortojn kaj frazojn. Ĉi tio rezultas strange vortojn, kaj kutime estas sufiĉe klare, ke ne ekzistas homo malantaŭ la voĉo.
DeepMind traktis voĉan generacion kun projekto nomita WaveNet. Ĉi tio permesas artefarite generitajn voĉojn, kiel tiu, kiun vi aŭdas, kiam vi parolas kun via Google-Hejmo aŭ Google-Asistanto sur via telefono, por soni multe pli natura.
WaveNet ankaŭ dependas de specimenoj de reala homa parolado, sed ĝi ne uzas ilin sintezi ion ajn rekte. Anstataŭe, ĝi analizas la specimenojn de homa parolo por lerni kiel funkcias la krudaj ondaformoj. Ĉi tio permesas ĝin esti trejnita por paroli malsamajn lingvojn, uzu akcentojn aŭ eĉ esti trejnitaj por soni kiel specifa persono.
Kontraste kun aliaj sistemoj de TTS, WaveNet ankaŭ generas ne-parolajn sonojn, kiel spirado kaj lip-smacking, kio povas igi ĝin eĉ pli realisma.
Se vi volas aŭdi la diferencon inter voĉo generita per konkatena teksto-al-parolado, kaj unu generita de WaveNet, DeepMind havas kelkajn tre interesajn voĉajn specimenojn, kiujn vi povas aŭskulti.
Profunda Lernado kaj Google-Foto-Serĉi
Sen artefarita inteligenteco, serĉado de bildoj dependas de kuntektaj kluzoj kiel etikedoj, ĉirkaŭa teksto sur retejoj kaj dosieraj nomoj. Kun profunda lernado de DeepMind, Google Photos- serĉo fakte povis lerni, kio aspektas, permesante al vi serĉi viajn proprajn bildojn kaj ricevi gravan rezulton sen neceso por etikedi ion ajn.
Ekzemple, vi povus serĉi "hundon" kaj ĝi streĉos bildojn de via hundo, kiun vi prenis, kvankam vi neniam fakte etikedis ilin. Ĉi tio estas ĉar ĝi povis lerni, kiel hundoj aspektas, same same, kiel homoj lernas, kiel aspektas. Kaj, kontraste kun la hundo-obsedita Deep Dream de Google, ĝi estas pli ol 90 procenta preciza identigi ĉiajn malsamajn bildojn.
DeepMind en Google Lens kaj Vida serĉo
Unu el la plej mirindaj efikoj, kiujn DeepMind faris, estas Google Lens. Ĉi tio estas esence vida serĉilo, kiu ebligas al vi kapti bildon de io en la reala mondo kaj tuj alpreni informojn pri ĝi. Kaj ĝi ne funkcios sen DeepMind.
Dum la efektivigo estas malsama, ĉi tio estas simila al la maniero, ke profunda lernado estas uzata en Google-bilda serĉo. Kiam vi prenas foton, Google Lens povas rigardi ĝin kaj ekkompreni, kio ĝi estas. Surbaze de tio, ĝi povas plenumi diversajn funkciojn.
Ekzemple, se vi prenas foton de fama limŝtono, ĝi provizos al vi informojn pri la limŝtono, aŭ se vi prenas bildon de loka vendejo, ĝi povas tiri informojn pri tiu vendejo. Se la bildo inkluzivas telefonan numeron aŭ retpoŝtadreson, Google Lens ankaŭ povas rekoni tion, kaj ĝi donos al vi la eblon nomi la nombron aŭ sendi retpoŝton.