A Google Brain a Google kutatási projektje a mély tanuláson alapuló mesterséges intelligencia feltárására . A nyílt gépi tanulási kutatást a Google szintű rendszerfejlesztéssel és számítási teljesítménnyel ötvözi. [egy]
A Google Brain küldetése, hogy okosabb gépek építésével javítsa az emberek életét. [2] Ennek érdekében a csapat arra összpontosít, hogy rugalmas modelleket építsen, amelyek képesek saját funkciókra, valamint az adatok és a számítási teljesítmény hatékony felhasználására.
A Google Brain csapata a következő leírást adja: „Ez a megközelítés a gépi tanulás tágabb területének része, mint a mély tanulás, és biztosítja, hogy munkánk nagy jelentőséggel bír a gyakorlati problémák megoldásában. Sőt, a rendszerekkel kapcsolatos szakértelmünk kiegészíti ezt a megközelítést, lehetővé téve számunkra, hogy olyan eszközöket hozzunk létre, amelyek felgyorsíthatják a gépi tanulással kapcsolatos kutatást, és felszabadítják annak gyakorlati értékét a világ számára. [2] »
Az úgynevezett "Google Brain" projekt 2011-ben kezdődött Jeff Dean Google-tag, Greg Corrado Google-kutató és Andrew Ng Stanford Egyetem professzorának mellékkutatási projektjeként . [3] [4] [5] Eun 2006 óta érdeklődik a mély tanulási módszerek iránt a mesterséges intelligencia problémák megoldására , és 2011-ben kezdett együttműködni Deannel és Corradoval egy nagyszabású DistBelief [6] mélytanulási rendszer felépítésében. a Google felhőalapú számítástechnikai infrastruktúrájának . A Google Brain Google X projektként indult, és olyan sikeres lett, hogy visszatért a Google-hoz: Astro Teller szerint a Google Brain kifizette a Google X teljes költségét. [7]
2012 júniusában a New York Times arról számolt be, hogy egy 16 000 számítógépből álló csoport, amely az emberi agyi tevékenység bizonyos aspektusait utánozza, megtanulta felismerni a macskákat a YouTube-videókból származó 10 millió digitális kép alapján . [5] Erről a történetről a National Public Radio [8] és a Smart Planet is tudósított . [9]
2013 márciusában a Google felvette Jeffrey Hintont, a mélytanulás vezető kutatóját , és felvásárolta a DNNResearch nevű céget, a Hinton által vezetett céget. Hinton azt mondta, hogy megosztja idejét az egyetemi kutatás és a Google-nál végzett munka között. [tíz]
2014. január 26-án több hírügynökség azt állította, hogy a Google meg nem nevezett összegért vásárolta meg a DeepMind Technologies -t. Az elemzők később bejelentették, hogy a céget 400 millió fontért (650 millió dollár vagy 486 millió euró) vásárolták meg, bár a későbbi jelentések több mint 500 millió fontra értékelték a vásárlást. [11] [12] [13] [14] [15] [16] [17] A felvásárlásra állítólag azután került sor, hogy a Facebook 2013-ban befejezte a DeepMind Technologies-szal folytatott tárgyalásokat, amelyek nem vezettek adásvételi szerződéshez. [tizennyolc]
2016 októberében a Google Brain kísérletet végzett az üzenetek titkosítására. Ebben a mesterséges intelligencia két csoportja kifejlesztette saját kriptográfiai algoritmusát, hogy megvédje üzeneteit más AI-któl, amelyek viszont saját rendszerük kifejlesztését célozzák az AI által létrehozott titkosítás megtörésére . A tanulmány azért volt sikeres, mert a két eredeti mesterséges intelligencia a semmiből megtanulta, hogyan kommunikáljon egymással. [19]
Ebben a kísérletben három mesterséges intelligencia jött létre: Alice, Bob és Eve. A kísérlet célja az volt, hogy Alice üzenetet küldjön Bobnak, aki képes lesz visszafejteni azt , Eve pedig megpróbálja elfogni az üzenetet. Ugyanakkor az AI nem kapott egyértelmű utasításokat az üzeneteik titkosítására vonatkozóan. Csak a veszteségfüggvényt kapták. Ennek az lett a következménye, hogy ha a kísérlet során a kommunikáció Alice és Bob között nem volt sikeres (Alice üzenetét Bob félreértelmezte, vagy Eve elfogta), akkor a következő körökben a titkosítást úgy változtatják meg, hogy Alice és Bob biztonságosan kommunikálhasson. . Ez a tanulmány valóban arra a következtetésre vezetett, hogy az AI előre megírt titkosítási algoritmusok nélkül is ki tudja fejleszteni saját titkosítási rendszerét, ami a jövőben áttörést jelenthet az üzenetek titkosítása terén. [húsz]
2017 februárjában a Google Brain bejelentette egy képjavító rendszerét, amely neurális hálózatokat használ a nagyon alacsony felbontású képek részleteinek kitöltésére. A bemutatott példákban a 8x8-as képeket a rendszer 32x32-es képpé alakítja.
A szoftver két különböző neurális hálózatot használ a képek előállításához. Az első, az úgynevezett "feltételes hálózat", az alacsony felbontású kép képpontjait egy jobb minőségű kép képpontjaira képezi le, az utóbbit 8x8-ra csökkenti, és megpróbálja megtalálni a megfelelőt. A második hálózat az "előzetes", amely elemzi a pixeles képet, és nagyszámú nagy felbontású kép alapján próbál meg részleteket hozzáadni. Ezután, amikor az eredeti képet 8x8-ra méretezi, a rendszer pixeleket ad hozzá az alapján, hogy tudja, milyennek kell lennie a képnek. Végül a két hálózat kimeneteit kombinálják a végső kép létrehozásához. [21]
Ez áttörést jelent az alacsony felbontású képek javításában. Bár a hozzáadott részletek nem a valós kép részei, hanem csak a legjobb találgatások, a technológia lenyűgöző eredményeket mutatott a valós teszteken. Amikor az embereknek a javított képet és az igazit mutatták, az esetek 10%-ában tévedtek a hírességek fotóin, és 28%-ban a hálószobás fotókon. Összehasonlítás történik a korábbi kiábrándító eredményekkel, ahol a hagyományos bikubikus skálázást az emberek mindig helyesen határozták meg. [22] [23] [24]
Nemrég a Google Brain csapata lenyűgöző eredményeket ért el a Google Fordítóban , amely a Google Brain projekt része. 2016 szeptemberében a csapat elindított egy új rendszert, a Google Neural Machine Translation (GNMT) nevű rendszert , amely egy végpontok közötti tanulási rendszer, amely számos példából képes tanulni. Bár megvalósítása jelentősen javította a Google Fordító minőségét a kísérleti nyelvekhez, nagyon nehéz volt ilyen fejlesztéseket létrehozni mind a 103 támogatott nyelven. A probléma megoldására a Google Brain csapata ki tudta fejleszteni a GNMT többnyelvű változatát, amely kiterjesztette az előzőt, és lehetővé tette a több nyelv közötti fordítást. Ezenkívül lehetővé tette a közvetlen fordítást ( eng. Zero-Shot Translations ) olyan nyelvpárok között, amelyeket nem állítottak be kifejezetten a képzés során. [25] A Google a közelmúltban bejelentette, hogy a Google Fordító képes neurális hálózatokon keresztül fordítani a szöveg átírása nélkül. Ez azt jelenti, hogy az egyik nyelven rögzített beszédet lefordíthatja egy másik nyelvű szöveggé anélkül, hogy a beszédet először szöveggé alakítaná. A Google Brain kutatói szerint ez a köztes lépés elhagyható neurális hálózatok használatakor. Hogy ezt megtanítsa a rendszernek, sok órányi spanyol beszédet tápláltak be angol átírással. Az emberi agyat utánzó neurális hálózatok különböző rétegei képesek voltak egyesíteni a releváns töredékeket, és szekvenciálisan átalakítani a hanghullámot angol szöveggé. [26]
Jelenleg a projekt technológiáját az Android beszédfelismerő rendszer , [27] a Google+ fotókereső [28] és a YouTube videóajánlók használják. [29]
A Google Braint eredetileg Jeff Dean Google-társ és Andrew Ng vendégprofesszor hozta létre Stanfordból [4] (Eun később otthagyta a projektet, hogy vezesse a Baidu -i mesterséges intelligencia csoportot [30] ). 2017-ben a csapat tagjai: Anelia Angelova , Sami Bengio , Greg Corrado , George Dahl (gépi tanuláskutató) , Michael Izard , Anjuli Kannan , Hugo Larocelle , Kwok Le , Chris Ola , Vincent Vanhoke , Vijay Vasudevan és Fernanda Vigas . [31] Chris Lattner , aki megalkotta az Apple Swift programozási nyelvet , majd hat hónapig vezette a Tesla önvezető autók csapatát, 2017 augusztusában csatlakozott a Google Brain csapatához. [32]
A Google Brain székhelye Mountain View -ban található, fióktelepei pedig Cambridge -ben , Londonban , Montrealban , New Yorkban , San Franciscóban , Torontóban , Zürichben és Amszterdamban találhatók . [33]
A Google Brain széleskörű tudósítást kapott a Wired Magazine -ban, [34] [12] [35] New York Times -ban, [35] Technology Review -ben, [36] [11] National Public Radio -ban [8] és a Big Think -ben . [37]