Google 포토를 사용해 본 사람이라면 누구나 Google의 무료 사진 저장 및 관리 서비스가 현명하다는 것에 동의 할 것입니다. 고급 검색, 위치 및 날짜별로 사진을 분류하는 기능, 유사성을 기반으로 자동으로 앨범 및 비디오를 만드는 기능, 몇 년 전 같은 날 사진을 보여줌으로써 추억의 길을 걸어 갈 수있는 기능 등 다양한 스마트 기능이 포함되어 있습니다. 몇 년 전에 Google 포토가 할 수있는 일은 컴퓨터로 불가능합니다. Google 포토는 TensorFlow라는 기계 학습 기술 을 사용하는 Google의 많은 "스마트"서비스 중 하나입니다. Learning 이라는 단어는이 기술이 현재 지식이 상상할 수없는 시점까지 더 똑똑해질 것임을 나타냅니다. 그러나 TensorFlow는 무엇입니까? 기계가 어떻게 배울 수 있습니까? 너는 그걸로 무엇을 할 수 있니? 알아 보자.
TensorFlow 란 무엇입니까?
TensorFlow는 Google의 오픈 소스 및 강력한 인공 지능 소프트웨어 로서, Google의 다양한 서비스와 이니셔티브를 지원합니다. Google Brain 팀이 구축 한 대규모 기계 학습 구현을위한 시스템의 2 세대입니다. 이 알고리즘 라이브러리는 DistBelief (제 1 세대)를 이어 나갑니다.
이 기술은 계산을 상태 저장 데이터 흐름 그래프로 나타냅니다. TensorFlow의 독특한 특징은 소비자 수준의 모바일 장치부터 세계 정상급의 다중 GPU 서버에 이르기까지 광범위한 하드웨어에서 계산을 모델링 할 수 있다는 것입니다. 다른 GPU와 CPU에서 실행될 수 있으며 상당한 양의 코드를 변경하지 않고도 다양한 장치와 장치에서 기계 학습의 확장 성을 약속합니다.
TensorFlow는 학습과 추론에서 인간의 두뇌가 어떻게 작동 하는지를 모방하기 위해 컴퓨터 시스템 에 지시해야한다는 Google의 요구에서 유래했습니다. 신경망으로 알려진 시스템은 "텐서 (tensors)"라고하는 다차원 데이터 배열을 수행 할 수 있어야합니다. 최종 목표는 패턴과 상관 관계를 감지하고 해독하도록 신경망을 훈련시키는 것입니다.
2015 년 11 월 Google은이 기술을 오픈 소스 로 만들어 모든 종류의 제품 및 연구에 채택 할 수있었습니다. 연구원, 엔지니어 및 애호가를 포함하여 누구나 기계 학습의 성장 속도를 높이고 더 짧은 시간에 더 높은 수준으로 나아갈 수 있습니다.
독립적 인 개발자로부터 TensorFlow에 대한 기여도가 너무 많아서 Google의 기여도를 훨씬 초과하기 때문에이 조치가 올바른 것으로 밝혀졌습니다. Wikipedia는 "GitHub에는 TensorFlow를 언급하는 1500 개의 저장소 가 있으며 그 중 5 개는 Google에서 제공 한 저장소 입니다."라고 Quora의 토론 중 하나는 공개 된 오픈 소스 코드가 이전 버전의 "정리 된"버전이라고 의심합니다. Google이 서비스에서 사용하는 것.
TenserFlow는 어떻게 작동합니까?
간단한 일반적인 인간 언어와 심플한 단순화를 사용하여 TensorFlow의 한면을 고급 자율 필터링 기술로 보았습니다. 이 기술의 핵심은 기계 학습의 거대한 소프트웨어 라이브러리입니다. 데이터베이스를 사용하여 "의사 결정"을 도와줍니다.
예를 들어 누군가 사진을 Google 포토에 업로드합니다. 이 기술은 그림의 모든 세부 사항을 데이터베이스와 비교하여 동물이나 인간의 사진인지 여부를 결정합니다. 그런 다음 그것이 인간이라면 성별, 나이를 결정하려고 할 것입니다. 동일한 프로세스가 사진의 다른 오브젝트에 대해 반복됩니다.
또한 사진에있는 사람의 신원 및 사진을 찍은 위치와 같은 사용자의 데이터를 사용하여 미래에 더 나은 결과를 제공 할 수 있도록 라이브러리를 향상시킵니다. 사진을 업로드 한 사람과 모든 사람 모두에게 유용합니다. 그밖에. 그러므로 "학습"이라는 용어. 그러나 그것은 단지 사진의 데이터를 알고 배우는 데 그치지 않습니다. 기술이 사진의 정보로 할 수있는 것이 너무 많습니다. 예를 들어, 같은 사람, 같은 위치, 같은 날짜 같은 비슷한 세부 사항으로 사진을 그룹화 할 수 있습니다; 얼굴의 패턴을보고 사진 속 사람이 속한 가족 및 친구를 확인한 다음 정보를 사용하여 가족 휴가 또는 애니메이션을 연속 촬영으로 만듭니다.
TensorFlow가 작동하는 방식을 간신히 긁어 내지 만, 이 기술에 대한 전반적인 그림을 줄 수 있기를 바랍니다. 또한 한 가지 예를 사용하여 자신이 할 수있는 것을 정의 할 수는 없습니다.
거기에있는 모든 인공 지능 애호가들에게 Google은 이미 기계 학습을 위해 최적화 된 컴퓨터 칩 기술을 만들고 TensorFlow를 그 안에 통합 시켰음을 언급 할 가치가 있습니다. 이것은 Tensor Processing Unit (TPU) ASIC 칩이라고 합니다.
TensorFlow에 대해 더 배우고 자하는 분들은 튜토리얼 페이지를 방문하십시오.
TensorFlow의 어플리케이션
우리는 기계 학습 기술의 초기 단계에 있으므로 우리를 어디로 데려 갈 지 아무도 모릅니다. 하지만 몇 가지 초기 응용 프로그램을 통해 미래를 볼 수 있습니다. 구글에서 유래했기 때문에 구글이이 기술을 많은 서비스에 사용하고있는 것은 분명하다.
이미지 분석에 대한 추가 정보
Google 포토에서 이미지 분석에이 기술을 사용하는 예를 살펴 보았습니다. 그러나 이미지 분석 애플리케이션은 Google지도의 스트리트 뷰 기능에서도 사용됩니다. 예를 들어, TensorFlow는 이미지를지도 좌표와 연결하고 실수로 이미지에 포함 된 자동차의 번호판 번호를 자동으로 흐리게 처리하는 데 사용됩니다.
음성 인식
또한 Google은 음성 보조 음성 인식 소프트웨어에 TensorFlow를 사용하고 있습니다. 사용자가 지침을 말하도록 할 수있는 기술은 새로운 것은 아니지만 TensorFlow의 계속 성장한 라이브러리를 혼합하여 기능을 몇 단계 향상시킬 수 있습니다. 현재, 음성 인식 기술은 80 개 이상의 언어 및 변종을 인식합니다.
동적 번역
기계 학습 기술의 "학습"부분의 또 다른 예는 Google의 번역 기능입니다. Google은 사용자가 새로운 어휘를 추가하고 Google 번역에서 실수를 수정할 수 있습니다. 지속적으로 증가하는 데이터는 다른 사용자가 번역하려는 입력 언어를 자동으로 감지하는 데 사용될 수 있습니다. 기계가 언어 감지 과정에서 실수를하면 사용자가이를 수정할 수 있습니다. 그리고 기계는 미래의 성과를 향상시키기 위해 실수로부터 배우게됩니다. 그리고 그 사이클이 계속됩니다.
알파 바
TensorFlow 사용법의 재미있는 예가 Alpha Go입니다. Go 를 재생 하도록 프로그래밍 된 응용 프로그램입니다. Go에 익숙하지 않은 사람들은 5 천 5 백 년 전 중국에서 시작된 2 명의 플레이어를위한 추상적 인 보드 게임이며, 현재까지도 계속 진행되는 가장 오래된 보드 게임입니다. 규칙은 간단하지만 상대방보다 더 많은 영토를 감싸는 동안이 게임은 매우 복잡하며 Wikipedia에 따르면 "보이는 우주의 총 원자 수보다 더 많은 가능성을 가지고 있습니다."
학습 기계 기술이 무한한 가능성으로 할 수있는 일은 흥미 롭습니다. 18 세 Go World 챔피언 인 Lee Sedol과의 경기에서 Alpha Go는 5 경기 중 4 승을 거두며 명예 최고 Go grandmaster rank를 받았다.
마젠타 프로젝트
TensorFlow의 또 다른 흥미로운 응용 프로그램은 Magenta Project입니다. 기계로 만든 예술 을 만드는 야심 찬 프로젝트 입니다 . 실험의 초기 결과 중 하나는 90 초 피아노 멜로디입니다. 장기적으로 Google은 Magenta 프로젝트를 통해보다 발전된 기계 생성 아트를 생성하고 주변의 예술가 커뮤니티를 구축하고자합니다.
2016 년 2 월, Google은 샌프란시스코에서 예술 작품과 경매를 개최하여 컴퓨터에서 생성 된 29 개의 작품을 보여주었습니다. 가장 큰 작품 중 6 작품이 8, 000 달러에 팔렸습니다. 컴퓨터는 진정한 예술가를 모방하기 전에 갈 길이 멀지 만 사람들이 예술에 지불하고자하는 돈의 양은 기술이 얼마나 멀리 떨어져 있는지 보여줍니다.
iOS 지원
TensorFlow는 Android에서 TenserFlow의 기능을 이미 보았지만 최신 버전 인 TensorFlow는 마침내 iOS 장치에 대한 지원을 추가합니다. iOS 전용으로 사용할 수있는 엄청난 모바일 앱이 있거나 iOS에서 처음 출시 된 이후로는 가까운 장래에 기계 학습을 채택하는 더 우수한 모바일 앱을 기대할 수 있습니다. TensorFlow의 폭 넓은 채택과 적용 가능성에 대해서도 똑같이 말할 수 있습니다.
TensorFlow의 미래
스스로 결정을 내릴 수있는 기계로 무엇을 할 수 있습니까? 일상 생활의 일부로 하나 이상의 언어를 다루는 사람으로서 가장 먼저 떠오르는 것은 언어 번역입니다. 낱말 수준에 의하여 낱말에서, 그러나 문서 또는 책조차 같이 긴 원본 수준에서 더 많은 것. 오늘날의 번역 기술은 어휘에만 국한되어 있습니다. 중국어로 "자고있는 것"과 그 반대로 쉽게 찾을 수 있지만 Eiji Yoshikawa의 Musashi의 한 장을 원래 일본어로 버리고이 장을 영어로 번역하려고합니다. 내가 뭘하고 있는지 보게 될거야.
인공 지능의 미래가 음악으로 무엇을 할 수 있는지 보는 것도 재미 있습니다. 아직까지는 매우 기본이지만 Apple의 Music Memo 앱은 이미 녹음 된 노래에 자동베이스 및 드럼 반주를 줄 수 있습니다. SciFi TV 쇼에서 한 캐릭터가 차트의 모든 최고 곡을 분석하고 자체 히트 곡을 쓸 수있는 기계를 만든 에피소드를 한 번 기억합니다. 우리가 거기 도착할 것입니까?
그리고 닫는 생각으로, 나는 Sunspring 을 언급하고 싶습니다. 인공 지능 시나리오 작성자가 전적으로 저술 한 짧은 과학 소설 영화입니다. 벤자민 은 그 자체로 팝송 뮤지컬 단편을 작곡했습니다. 오스카 샤프 (Oscar Sharp) 감독이 SF-London London 이벤트의 48 시간 필름 챌린지 (Film Challenge of Sci-Fi London) 행사에 출품했습니다.
이제는 터미네이터에 대해 생각할 수 없습니다. 미래에 오신 것을 환영합니다.
이미지 크레디트 : Wikipedia, TechInsider, The Vertge, Wall Street Journal
