211service.com
Google försöker göra maskininlärning lite mer mänsklig
Googles vd Sundar Pichai berättade för investerare förra månaden att framsteg inom maskininlärningsteknologi snart kommer att påverka varje produkt eller tjänst som företaget arbetar med. Vi tänker om allt vi gör, sa han.
En del av detta arbete för att göra sina tjänster smartare innebär att tänka om hur det använder maskininlärning, vilket gör det möjligt för datorer att lära sig på egen hand från data. Kort sagt, Google arbetar för att lära dessa system att vara lite mer mänskliga.
Google diskuterade några av dessa ansträngningar vid en briefing på tisdagen vid sitt huvudkontor i Mountain View, Kalifornien. Vi är på Commander Data-stadiet, sa personalforskningsingenjören Pete Warden i en hänvisning till den känslolösa androiden i tv-programmet Star Trek: The Next Generation. Men vi försöker få in lite mer Counselor Troi i systemet – rymdskeppet Företag empatiska rådgivare.
Warden arbetar i teamet som utvecklade Google Photos, som låter dig söka efter saker som strand eller hund i dina bilder. Den underliggande tekniken uppstod från en lång forskningsansträngning för att möjliggöra programvara för att identifiera objekt på foton. Men Warden och hans kollegor upptäckte att det inte var tillräckligt att bara kunna upptäcka, säg, barn, ägg eller korgar. Folk ville söka efter påskäggsjakt. Likaså behövde systemet tränas för att förstå att foton med en kalkon och tallrikar tagna i slutet av november borde förknippas med Thanksgiving.
Ett annat Google-projekt, med smeknamnet GlassBox, försöker stoppa programvara som lär sig från ett begränsat urval av data från att göra det som för människor ser ut som enkla, dumma misstag. Leds av seniorforskaren Maya Gupta, syftar den till att ge programvaran något av sunt förnuft som gör det möjligt för människor att bortse från vilseledande exempel.
Till exempel kunde en person som visade några exempel på hus och deras associerade priser direkt se att större hus i allmänhet kostar mer – även om det fanns en avviker, till exempel ett litet hus erbjuds för 1,8 miljoner dollar i den dyra staden Palo Alto, Kalifornien. Men samma extremvärde kan göra att ett maskininlärningssystem som letar efter ett förhållande i samma dataprov kan tillskriva höga priser till en annan faktor, som husfärg. Gupta har utvecklat matematiska metoder för att jämna ut påverkan av sådana extremvärden som kan lösa ut ett maskininlärningssystem. Vi försöker lägga tillbaka så mycket av den mänskliga kunskapen som vi kan, berättade Gupta MIT Technology Review .
Google har ökat sin satsning på forskning om maskininlärning de senaste åren, efter framväxten av en teknik som kallas djupinlärning, som använder nätverk av grovt simulerade neuroner (se 10 Breakthrough Technologies 2013: Deep Learning ). Det har producerat slående förbättringar i taligenkänning och bildigenkänning. Facebook, Google, IBM, Microsoft och Baidu undersöker alla hur djupinlärning kan göra det möjligt för maskiner att förstå språk och kanske till och med prata med oss (se Teaching Machines to Understand Us ).
Under den senaste veckan har Google bekräftat att dess kärnsöktjänst nu behandlar en stor del av frågorna med hjälp av ett nytt djupinlärningsdrivet system som heter RankBrain . Och på tisdag det debuterade en tjänst kallas Smart Reply som använder maskininlärning för att automatiskt erbjuda flera korta svarsalternativ på e-postmeddelanden.
Greg Corrado, senior forskare och medgrundare av Googles djupinlärningsteam, säger att programvaran för att skriva e-post bara är ett tidigt exempel på hur maskininlärning nu skapar helt nya produkter, inte bara förbättrar befintliga, som spamfiltrering eller sök.