Tech-News-Technologie

Google Machine Learning ist intelligent, aber (noch) nicht intelligent

Googles Senior Vice President of Search John Giannandrea erklärt uns, warum echte Künstliche Intelligenz noch in weiter Ferne liegt.

Google, Google Machine Learning, Google Machine Learning AI, Google Search, Google Artificial Intelligence, Google AI, Google ML wie es funktioniert, Google Machine Learning wie es funktioniert, Google India, Google for India VeranstaltungJohn Giannandrea, Googles SVP of Search bei der Veranstaltung Google for India.

Künstliche Intelligenz ist seit über hundert Jahren der heilige Gral der Informatik und wir beginnen endlich, an der ersten Schicht dieses unglaublich komplexen Systems zu kratzen. Derzeit investieren alle großen Player im Technologiegeschäft stark in die Forschung und Entwicklung von KI-Systemen, aber es scheint, dass wir noch sehr weit von der Entwicklung einer echten KI entfernt sind.

Um wirklich einen guten Eindruck davon zu bekommen, wo die Branche auf der Suche nach intelligenten Maschinen steht, haben wir uns mit John Giannandrea, dem ehemaligen Head of Machine Learning und derzeit SVP Search bei Google, zu einem persönlichen Gespräch getroffen. Aus dem Gespräch wurde klar, dass wir bei den neuesten Entwicklungen in der Automatisierung alles falsch gemacht haben, und hier ist das wahre Bild.

SCHAU VIDEO: Google Pixel Leaks: Das ist bisher raus



Wir befinden uns nicht im Zeitalter der KI, sondern im Zeitalter des maschinellen Lernens

John stellte schnell klar, dass es drei verschiedene Ebenen der maschinellen Intelligenz gibt; Maschinelles Lernen, maschinelle Intelligenz und künstliche Intelligenz. Machine Learning ist das, was wir gerade erst richtig gemacht haben, und es ist ein System, in dem ein Algorithmus geschrieben werden kann, um einer Maschine bei bestimmten Eingaben ein bestimmtes Verhalten beizubringen.

Machine Learning, eine höhere Version, wäre, wo die Maschine in der Lage wäre, das Gelernte zu übernehmen und an ein neues Konzept anzupassen, und eine echte KI wäre die Art, die sich selbst neue Konzepte beibringen und sich weiterentwickeln kann, genau wie der Mensch. Wir haben gerade erst angefangen, wirklich gut darin zu werden, Machine-Learning-Algorithmen zu generieren, aber John sagte, wir seien noch sehr weit davon entfernt, ein System zu haben, das das Gelernte aufnehmen und an eine neue Situation anpassen kann.

Google, Google Machine Learning, Google Machine Learning AI, Google Search, Google Artificial Intelligence, Google AI, Google ML wie es funktioniert, Google Machine Learning wie es funktioniert, Google India, Google for India VeranstaltungDas Herzstück jeder Maschine, die den einfachsten Intelligenzstufen ähnelt, ist das Training. Jede Maschine muss zunächst darauf trainiert werden, Informationen auf eine bestimmte Art und Weise zu verarbeiten.

Neuronale Netze, das digitale Trainingsgelände

Das Herzstück jeder Maschine, die den einfachsten Intelligenzstufen ähnelt, ist das Training. Jede Maschine muss zunächst darauf trainiert werden, Informationen auf eine bestimmte Art und Weise zu verarbeiten. Wenn Sie beispielsweise einer Maschine ein Foto eines Hundes zeigen, sollte diese in der Lage sein, ihn korrekt als Hund zu kennzeichnen. Um dieses Ergebnis zu erzielen, führt Google Tausende und Abertausende von Schulungsmaterial durch ein neuronales Netzwerk. Ein neuronales Netzwerk besteht im Wesentlichen aus mehreren Schichten digitaler Filter, die das menschliche Gehirn nachahmen.

Jede Schicht hat eine Art Port und sie verbinden sich mit entsprechenden Ports, genau wie die Neuronen in unserem Gehirn, abhängig von dem Stimulus, den sie tragen. Auf der Eingabeseite füttern sie das neuronale Netzwerk mit Hunderttausenden von Bildern von Hunden (und nur von Hunden) und überprüfen, ob die Ausgabe für alle Bilder Hund ist. Jedes Mal, wenn ein Fehler auftritt, wird er rückwärts in das neuronale Netz gesendet, damit es aus dem Fehler lernen und das Erkennungsmuster anpassen kann. Google hat es geschafft, einige wirklich großartige Ergebnisse zu erzielen, und der Beweis liegt in der Fotos-App, die Fotos basierend auf ihrem Inhalt trennen kann.

Sie können Katze in die Suchleiste der Fotos App eingeben und es werden Ihnen alle Fotos in Ihrer Bibliothek mit Katzen angezeigt. Das ist maschinelles Lernen, und es ist ziemlich begrenzt, da John darauf hinwies, dass Sie zwar alle Fotos von Katzen erhalten, die Maschine sie jedoch nicht nach Rasse unterscheiden kann.

Die wahren Grenzen des maschinellen Lernens

Während es für eine Software sehr intelligent erscheinen mag, Ihre Fotos basierend auf ihrem Inhalt in Alben aufzuteilen oder basierend auf den Verkehrsbedingungen vorzuschlagen, wann Sie zur Arbeit gehen sollten (und wann Sie sich zur Arbeit einstempeln müssen). , Machine Learning in dieser Phase, ist extrem begrenzt.

Wie von John betont, kann es möglicherweise Katzen von Hunden unterscheiden, aber es kann noch keine Katzenrassen identifizieren. Maschinelles Lernen funktioniert nur in einem sehr begrenzten Bereich von Variablen und sobald sich auch nur eine einzige Variable ändert, wird es nicht perfekt ausgeführt. Wenn Sie beispielsweise eine Katze als Hund verkleiden würden, würde die Fotos-App sie dann als Hund oder Katze betrachten?

Google hat auch maschinelles Lernen verwendet, um seine Spracherkennungssoftware zu entwickeln, die in der Lage ist, die Stimme des Sprechers zu erkennen und von Umgebungsgeräuschen zu trennen. Es kann auch verschiedene Sprachen erkennen, was es jedoch nicht kann, ist Intonationen, emotionale Muster in der Sprache oder sogar etwas so Einfaches wie Sarkasmus zu erkennen. Es kann nur mit einem sehr begrenzten Satz von Parametern betrieben werden, und um diese zu erweitern, sind eine beträchtliche Anzahl von Arbeitsstunden und Tausende und Abertausende von Schulungssitzungen erforderlich, um die Maschine richtig zum Laufen zu bringen.

Der aktuelle Stand der intelligenten Angelegenheiten

Die Machine Learning API von Google befindet sich laut John noch in den Kinderschuhen, entwickelt sich aber in einem ziemlich rasanten Tempo. Google verwendet maschinelles Lernen, um seine Suche (automatische Vervollständigung), YouTube (empfohlene Videos), Inbox und Allo zu erweitern, um nur einige zu nennen. Inbox verfügt über eine Funktion, bei der basierend auf ihrem Inhalt automatische Antworten auf E-Mails generiert werden. Laut John verwenden 10 Prozent der mit Inbox gesendeten E-Mails automatische Antworten.

Allo geht noch einen Schritt weiter, indem die Maschine lernt, wie Sie kommunizieren, und dann basierend auf dem Gelernten Vorschläge für Antworten macht. Der Höhepunkt dieser Technologie ist jedoch der Google Assistant, der in der Lage ist, Sprache zu erkennen und sogar Befehlsstimmen von Umgebungsgeräuschen zu trennen. Google Now verwendet maschinelles Lernen, um basierend auf Ihrem Nutzungsverhalten relevante Informationen für Sie zu generieren.

Sehen Sie sich alle unsere Technologievideos an

Das Datenschutzproblem

Es ist kein Geheimnis, dass Google viele Benutzerdaten sammelt und diese Daten verwendet, um seine Machine Learning APIs zu trainieren. Auf die Frage, wie sicher das sei, sagte John, dass alle Daten, die für das Training verwendet werden, in einem großen Pool aggregiert und damit anonymisiert werden. Nichts davon kann wirklich zurückverfolgt werden, woher es stammt. Sobald die API jedoch trainiert und in einen Dienst implementiert wurde, kann sie die Informationen lesen, die Sie zugestimmt haben, mit Google zu teilen, und basierend darauf Vorschläge machen.

Der Informationsaustausch hier ist zweifach, zum einen zum Trainieren der API selbst, wobei Ihre Daten anonymisiert werden und dann, sobald der Dienst bereit ist, Ihnen basierend auf Ihrer Aktivität Vorschläge gemacht werden. Auf diese Weise kann Google uns Verkehrsinformationen auf Maps geben. Es sammelt Daten von Tausenden von Benutzern, die pendeln und zeigt sie in der App an, aber Sie können nicht erkennen, welches Pixel auf dieser roten Linie Ihrem Auto entspricht.

Zukunftsaussichten

Während Google die ML-Algorithmen für verschiedene seiner Produkte verwendet, hat es vielen Unternehmen und Entwicklern auch verschiedene APIs zur Verfügung gestellt. Interessant ist jedoch das medizinische Potenzial des Systems. Wenn ein Sprachassistent beispielsweise in der Stimme des Sprechers extremen Stress oder Depressionen erkennen kann, kann er helfen, indem er den Benutzer entweder automatisch mit einem geliebten Menschen verbindet oder verschiedene Berater in der Umgebung vorschlägt.

Der nächste Schritt, der Machine Intelligence wäre, besteht darin, dass das Telefon selbst Vorschläge für Dinge machen kann, noch bevor Sie daran denken. Wenn Sie beispielsweise gerade einen neuen Job ergattert haben, sollte die Maschinenintelligenz in Ihrem Telefon Ihnen vorschlagen, einen neuen Kleiderschrank zu kaufen. Wenn Sie planen, eine Party zu veranstalten, könnte eine vorgeschlagene Gästeliste basierend auf den Personen erstellt werden, mit denen Sie interagiert haben, und berücksichtigen, wie Sie sich wirklich für sie fühlen.

Das Beste an den Bemühungen von Google ist, dass sie ihre Machine Learning-Ressourcen unter dem Namen Tensor Flow kostenlos zur Verfügung stellen und jeder mit dem Tool beginnen kann, Maschinen für bestimmte Aufgaben zu trainieren.

Google versucht wirklich, erhebliche Anstrengungen zu unternehmen, um uns einen Komfort zu bieten, der weitreichende Konsequenzen in unserem täglichen Leben haben kann. In dem hektischen Alltag, der alltäglich geworden ist, ist ein digitaler Assistent, der den Überblick über Ihre täglichen Angelegenheiten behält, ein ziemlich hilfreiches Werkzeug.

Wir machen jeden Monat Hunderte von Fotos und es ist schön zu sehen, dass sie von selbst in verschiedene Kategorien unterteilt und organisiert werden. Das Spannendste daran ist, dass wir gerade erst anfangen, an der Oberfläche des Komforts zu kratzen, den dieser neue technologische Durchbruch in unser Leben bringen kann, und bessere Produkte sind nicht weit in der Zukunft.