Bên trong google viết lại: xây dựng máy học vào mọi thứ

Makoto Koike là một nông dân trồng dưa chuột ở Nhật Bản. Koike là một cựu nhà thiết kế hệ thống nhúng, người đã dành nhiều năm làm việc trong ngành công nghiệp ô tô Nhật Bản, nhưng vào năm 2015, anh đã trở về nhà để giúp đỡ trang trại dưa chuột của cha mẹ mình. Ông sớm nhận ra rằng nhiệm vụ thủ công là phân loại dưa chuột theo màu sắc, hình dạng, kích thước và các thuộc tính như "gai" thường khó khăn và gian nan hơn so với việc trồng chúng. Lấy cảm hứng từ sự đổi mới học tập sâu của phần mềm trí tuệ nhân tạo (AI) của Google, AlphaGo, ông đã bắt đầu tự động hóa nhiệm vụ.

Các doanh nghiệp đang bắt đầu triển khai AI thực tế theo đủ mọi cách, nhưng thật an toàn khi nói rằng không ai thấy giải pháp sắp xếp dưa chuột AI của Koike sắp ra mắt. Koike chưa bao giờ làm việc với các kỹ thuật AI trước đây, nhưng bằng cách sử dụng thư viện máy học (ML) mã nguồn mở TensorFlow, anh bắt đầu nhập hình ảnh của dưa chuột. Nhờ các thuật toán thị giác máy tính để nhận ra các vật thể và học sâu để huấn luyện TensorFlow về các sắc thái của dưa chuột khác nhau, Koike nhận ra rằng nó có thể xác định và phân loại các loại rau với độ chính xác cao. Sau đó, bằng cách không sử dụng gì ngoài TensorFlow và một máy tính Raspberry Pi 3 giá rẻ, Koike đã chế tạo một máy phân loại tự động mà trang trại vẫn sử dụng cho đến ngày nay.

TensorFlow là một trong nhiều thuật toán và công cụ nguồn mở cách mạng hóa những gì doanh nghiệp và nhà phát triển có thể giải quyết bằng AI. Công ty đã mở rộng sứ mệnh của mình là "mang lại lợi ích của AI cho mọi người" với việc phát hành Google.ai tại hội nghị Google I / O của mình, kết hợp tất cả các tài nguyên AI của mình lại thành một nền tảng hợp nhất. Google cũng đang kết hợp các kỹ thuật và giao diện lập trình ứng dụng (API) này vào mọi thứ nó làm, đưa ML vào các sản phẩm của mình và xác định lại một cách cơ bản cách thức phần mềm của nó hoạt động trong quy trình.

PCMag gần đây đã ghé thăm Googleplex và nói chuyện với các giám đốc điều hành từ G Suite, Google Cloud Platform (GCP) và Phòng thí nghiệm giải pháp nâng cao Machine Learning (ML ASL) của công ty về cách Google tự xây dựng lại bằng AI.

Trí tuệ nhân tạo ở mọi nơi

Giả sử một trong những khách hàng của bạn đang gặp vấn đề. Một đại lý từ bộ phận trợ giúp của công ty bạn đang trò chuyện trực tiếp với khách hàng thông qua ứng dụng trò chuyện lưu trữ dữ liệu trên Google Cloud Platform. Để giúp họ giải quyết vấn đề, người dùng cần gửi cho đại lý một số dữ liệu cá nhân nhạy cảm. Bây giờ hãy nói rằng khách hàng là bà của bạn. Đại diện dịch vụ khách hàng yêu cầu bà cho một vài mẩu dữ liệu, nhưng thay vào đó, bà sẽ gửi nhiều thông tin hơn mức cần thiết khi bà tải hình ảnh thẻ an sinh xã hội của mình lên trò chuyện.

Thay vì Google lưu trữ thông tin nhận dạng cá nhân (PII), hình ảnh hiển thị với số an sinh xã hội và PII khác tự động được xử lý lại. Đại lý không bao giờ thấy bất kỳ thông tin nào họ không cần và không có dữ liệu nào trong kho lưu trữ được mã hóa của Google. Trong bản thử nghiệm công nghệ API DLP tại trụ sở của Google ở ​​Mountain View, California, công ty đã vén bức màn về cách thuật toán ML phân tích văn bản và hình ảnh để thực hiện điều này.

Rob Sadowski, Trưởng nhóm tiếp thị tin cậy và bảo mật cho Google Cloud, giải thích rằng tính năng tự động chuyển đổi được cung cấp bởi API ngăn ngừa mất dữ liệu (DLP) của Google hoạt động dưới bề mặt để phân loại dữ liệu nhạy cảm. Thuật toán thực hiện tương tự với dữ liệu như số thẻ tín dụng và cũng có thể phân tích các mẫu để phát hiện khi nào số đó là giả. Đây chỉ là một ví dụ về chiến lược tinh tế của Google trong việc đưa AI vào trải nghiệm của mình và cung cấp cho các doanh nghiệp và nhà phát triển như Koike các tài nguyên để làm điều tương tự.

Google không phải là người khổng lồ công nghệ duy nhất xây dựng lớp trí thông minh liên kết vào phần mềm của mình, nhưng cùng với Amazon và Microsoft, Google được cho là bề rộng nhất của các công cụ và dịch vụ thông minh dựa trên đám mây có sẵn. Phân tích các sản phẩm của công ty, bạn có thể tìm thấy Google Assistant và các API thị giác máy tính và ML khác nhau được sử dụng ở mọi nơi.

Google Search sử dụng thuật toán ML trong hệ thống AI của RankBrain để xử lý và tinh chỉnh các truy vấn, xếp hạng lại và tổng hợp dữ liệu dựa trên một loạt các yếu tố thay đổi để liên tục cải thiện chất lượng kết quả tìm kiếm. Google Photos sử dụng thị giác máy tính để ghép các ảnh liên quan lại với nhau thành ký ức và kết hợp nhiều ảnh chụp của cùng một vị trí vào ảnh toàn cảnh. Hộp thư đến cung cấp cho người dùng Trả lời thông minh được tạo tự động để lựa chọn và hiển thị các email có liên quan bằng cách kết hợp các danh mục tương tự lại với nhau. Ứng dụng trò chuyện Google Allo mới của công ty đi kèm với Google Assistant được tích hợp. Danh sách này tiếp tục.

Tất cả các ứng dụng này chạy trên cơ sở hạ tầng đám mây của Google và công ty thậm chí còn áp dụng ML trong các trung tâm dữ liệu của mình để giảm mức tiêu thụ điện bằng cách điều chỉnh máy bơm làm mát dựa trên dữ liệu tải và thời tiết. Sadowski cho biết đây cũng là lớp phòng thủ cuối cùng trong chiến lược bảo mật của Google, nơi công ty sử dụng trí thông minh máy và tính điểm rủi ro trong ngăn xếp bảo mật của mình để xác định xem hệ thống có bị xâm phạm khi sử dụng các phân tích dự đoán hay không.

"Google lấy tất cả các mô hình ML và AI mà chúng tôi đã phát triển và điều chỉnh chúng để bảo mật", Sadowski giải thích. "Bảo mật thay đổi triệt để hơn nhiều so với hầu hết các lĩnh vực CNTT. Các sản phẩm là cốt lõi của cơ sở hạ tầng bảo mật của bạn ba hoặc bốn năm trước như tường lửa và bảo vệ điểm cuối vẫn rất quan trọng, nhưng chúng tôi muốn cung cấp phòng thủ theo chiều sâu, theo quy mô và mặc định trên cơ sở hạ tầng nhiều người thuê với hàng triệu người dùng hoạt động hàng ngày.

"Nó bắt đầu với phần cứng trung tâm dữ liệu cơ bản, " Sadowski tiếp tục. "Trên hết là dịch vụ ứng dụng và xác thực với dữ liệu và liên lạc được mã hóa hoàn toàn. Trên hết là nhận dạng người dùng. Và lớp bảo vệ cuối cùng là cách chúng tôi hoạt động với giám sát, phát hiện và ứng phó sự cố 24/7. Giải quyết các vấn đề như truy cập từ xa an toàn với proxy nhận dạng danh tính. Đó là dịch vụ DLP có lập trình tìm và ngăn chặn rò rỉ dữ liệu và giúp quản trị dữ liệu cũng như bảo mật. Chúng tôi hướng đến việc làm cho các khả năng này trở nên dễ dàng, có thể tiêu thụ và giúp chúng hoạt động ở quy mô. "

Một bộ G thông minh hơn

ML cũng được nhúng trong các ứng dụng năng suất G Suite của Google. Allan Livingston, Giám đốc quản lý sản phẩm cho G Suite, đã phá vỡ một số cách AI làm cho G Suite thông minh hơn và theo ngữ cảnh hơn mà không cần người dùng nhận ra điều đó.

"Hãy suy nghĩ về cách G Suite kết hợp tất cả các ứng dụng này lại với nhau theo cách tích hợp tự nhiên", Livingston nói. "Bạn bắt đầu công việc của mình ở một trong số chúng và chuyển qua khi thích hợp. Bạn mở tệp đính kèm Gmail trong Drive và điều đó đưa bạn vào Docs; nó thực sự tự động.

"Chúng tôi đang cố gắng nghĩ ra điều đó cho người dùng và điều đó cũng liên quan đến học máy. Chúng tôi đã bắt đầu với các câu trả lời thông minh trong Hộp thư đến và chúng tôi đã thành công với Gmail và điều đó đã dẫn đến tính năng Khám phá trong Docs, Sheets và slide. "

Ra mắt vào mùa thu năm ngoái, Explore áp dụng xử lý ngôn ngữ tự nhiên (NLP) cho trải nghiệm năng suất trong ứng dụng. Trong Docs, Explore cung cấp cho bạn các đề xuất tức thì dựa trên nội dung trong tài liệu của bạn và tự động đề xuất các chủ đề và tài nguyên liên quan. Trong Slides, nó tạo ra các đề xuất thiết kế để cắt giảm định dạng bản trình bày. Trường hợp sử dụng thú vị nhất, tuy nhiên, là trong Sheets. Livingston giải thích cách Explore sử dụng ML để đơn giản hóa phân tích dữ liệu và hiểu biết về kinh doanh (BI).

Livingston giải thích: "Rất nhiều người dùng không biết cái gì đó giống như bảng trụ hoặc cách sử dụng nó để trực quan hóa một bảng dữ liệu". "Giả sử bạn đang xử lý dữ liệu bán hàng cho một khách hàng, trong đó mỗi hàng là một mặt hàng đã được bán. Khám phá cho phép bạn nhập các truy vấn ngôn ngữ tự nhiên như 'Mục hàng đầu vào Thứ Sáu Đen là gì?' và thốt ra câu trả lời như 'Bạn đã bán 563 chiếc quần.' Chúng tôi đang giải quyết phân tích dữ liệu theo cách tiết kiệm thời gian trong việc đưa ra quyết định dựa trên dữ liệu, sử dụng học máy để cải thiện một vấn đề phổ biến theo cách tự nhiên. "

Bản demo của tính năng Khám phá trong Sheets, từ hội nghị Google Cloud NEXT vào tháng 3 vừa qua.

Theo Livingston, Google có kế hoạch mở rộng loại tìm kiếm đám mây theo định hướng ML này sang các bên thứ ba và bắt đầu xây dựng một hệ sinh thái xung quanh nó. Ý tưởng bao trùm là một chủ đề phổ biến trong AI thực tế: tự động hóa các quy trình thủ công để giải phóng người dùng cho công việc sáng tạo hơn. Ý tưởng đó là trung tâm của hầu hết các ứng dụng của ứng dụng ML: để tự động hóa các quy trình kinh doanh lặp lại và các công việc hàng ngày, bao gồm cả phân loại dưa chuột.

Livingston nói: "Trong kinh doanh và với người tiêu dùng, người dùng có những kiểu tương tác tự nhiên này. Sự chuyển đổi sang đám mây và năng suất di động đang thực sự thay đổi cách mọi người làm việc và những kỹ thuật học máy ứng dụng này là nền tảng của nó". "Vì sức mạnh của chúng tôi trong học máy, vì các sản phẩm của chúng tôi đóng vai trò là cơ sở, vì tất cả dữ liệu trong đám mây của chúng tôi, chúng tôi ở một vị trí duy nhất để áp dụng điều đó và mở rộng quy mô vô tận."

Tạo nên một cuộc cách mạng về máy học

Nền tảng của mọi thứ Google làm xung quanh AI bắt nguồn từ các API, thuật toán và các công cụ nguồn mở của nó. Thư viện TensorFlow của công ty là công cụ ML được sử dụng rộng rãi nhất trên GitHub, sinh ra các ứng dụng như máy phân loại dưa chuột của Koike. Bộ API dựa trên các thuật toán Google Cloud, bao gồm tầm nhìn máy tính, trí thông minh video, lời nói và NLP, mô hình dự đoán và ML quy mô lớn thông qua Google Cloud Machine Learning Engine, là công nghệ cung cấp năng lượng cho mọi tính năng AI được tích hợp vào các ứng dụng và dịch vụ của Google và bây giờ là nền tảng Google.ai.

Francisco Uribe, Giám đốc sản phẩm cho nhóm AI / ML của Google Cloud, hoạt động ở trung tâm của công cụ viết lại cách Google hoạt động. Uribe giám sát ML ASL đã đề cập của Google, một phòng thí nghiệm với chương trình nhập vai, trong đó các chuyên gia Google ML làm việc trực tiếp với các doanh nghiệp để thực hiện các giải pháp AI. Bằng cách sử dụng API của Google và Cloud ML Engine, phòng thí nghiệm làm việc với các doanh nghiệp để đào tạo và triển khai các mô hình của riêng họ vào sản xuất.

Uribe đã làm việc trong không gian AI trong hơn một thập kỷ. Anh thành lập BlackL Focus, một công ty khởi nghiệp dựa trên dữ liệu đã xây dựng một công cụ định giá tự động cho các nhà bán lẻ, được Home Depot mua lại vào năm 2012. Sau đó, anh gia nhập Google và làm việc bốn năm trong nhóm Quảng cáo tìm kiếm áp dụng ML để cải thiện trải nghiệm quảng cáo . Năm 2016, anh chuyển sang vai trò nghiên cứu điều hành ML ASL và đóng vai trò cố vấn trong Công cụ tăng tốc Launchpad của Google. Uribe cho biết anh liên tục ngạc nhiên về cách các doanh nghiệp và nhà phát triển đang sử dụng các công cụ của Google.

"Chúng tôi đã thấy các trường hợp sử dụng trên toàn bộ hội đồng quản trị từ chăm sóc sức khỏe và tài chính đến bán lẻ và nông nghiệp", ông Uribe nói. "Chúng tôi đang cố gắng giúp khách hàng cải thiện khả năng nhận thức. Dịch thuật lời nói, phân tích hình ảnh, API video, ngôn ngữ tự nhiên: tất cả đều là một phần của việc dân chủ hóa truy cập vào máy và các thuật toán học sâu, cuối cùng đã được áp dụng."

ML ASL đã làm việc với HSBC Bank plc, một trong những tổ chức dịch vụ tài chính ngân hàng lớn nhất thế giới, về các giải pháp ML để chống rửa tiền và chấm điểm tín dụng dự đoán. ML ASL cũng đã làm việc với Hiệp hội ô tô United Services (USAA), một nhóm các công ty dịch vụ tài chính Fortune 500, để đào tạo các kỹ sư của tổ chức về các kỹ thuật ML áp dụng cho các kịch bản bảo hiểm cụ thể. eBay đã sử dụng các công cụ của Google để đào tạo trợ lý kỹ thuật số ShopBot của mình. Khi ML ASL làm việc với một công ty, Uribe đã giải thích bốn trụ cột tạo nên quá trình.

"Bạn cần một đề nghị tính toán mạnh mẽ để giải quyết các yêu cầu cực đoan của công việc ML và xương sống sợi quang phân tán của GCP di chuyển dữ liệu từ nút này sang nút rất hiệu quả", Uribe nói. "Chúng tôi có Công cụ học tập trên máy đám mây để giúp khách hàng đào tạo các mô hình. Chúng tôi giúp khách hàng thực hiện dữ liệu với quyền truy cập vào cộng đồng hơn 800.000 nhà khoa học dữ liệu đang hoạt động của Kaggle. Cuối cùng, bạn cần có tài năng ở đó, vì vậy về phía nghiên cứu, chúng tôi có Chương trình cư trú não để đào tạo các kỹ sư về chương trình giảng dạy ML phức tạp. Chúng tôi xem đây là những khối xây dựng để giúp khách hàng xây dựng các ứng dụng thông minh. "

Tất cả điều này cung cấp cho cộng đồng nguồn mở và hệ sinh thái bên thứ ba mà Google đang xây dựng xung quanh công nghệ AI của mình. Công ty thậm chí đã công bố một cuộc thi khởi nghiệp ML vào đầu năm nay, giải thưởng đầu tư lên tới 500.000 đô la cho các công ty khởi nghiệp ML. Uribe đã nói về một số ứng dụng sáng tạo mà ông đã thấy về công nghệ của Google và các khả năng khác có thể nằm ở đâu.

"Hãy nói rằng bạn là một công ty phân tích dịch vụ khách hàng. Hãy nghĩ về API lời nói để sao chép nội dung của các cuộc gọi và sau đó phân tích tình cảm để cải thiện chất lượng dịch vụ khách hàng của bạn", Uribe nói. "Sử dụng API tầm nhìn để chụp ảnh biển hiệu đường phố ở nước ngoài và sau đó API dịch để dịch nội dung đó theo thời gian thực thông qua trải nghiệm ứng dụng. Đây không chỉ là tăng hiệu quả; đó là tạo ra trải nghiệm người dùng mới và độc đáo. "

Uribe coi các công cụ như TensorFlow là người hỗ trợ tuyệt vời cho việc áp dụng ML quy mô lớn trên thị trường. Những công nghệ này không chỉ trở thành cốt lõi của Google và cách mà gã khổng lồ công nghệ tiếp cận phát triển sản phẩm, mà Uribe tin rằng công nghệ ML có sẵn rộng rãi sẽ giúp tối ưu hóa doanh nghiệp, mở luồng doanh thu mới và phát minh ra một lớp ứng dụng thông minh mới.

"Hãy nghĩ về nó giống như một cuộc cách mạng công nghiệp mới, " Uribe nói. "Chúng tôi đang thấy những công cụ này cho phép các đơn đặt hàng tăng cường hiệu quả và trải nghiệm mà bạn chưa từng thấy trước đây. Thật đáng ngạc nhiên khi thấy các công ty khởi nghiệp đang áp dụng nó. Hãy nhìn vào người nông dân trồng dưa chuột ở Nhật Bản. Ông đã sử dụng TensorFlow để xây dựng một mô hình để phân loại và phân loại dưa chuột dựa trên các mẫu, kích thước, kết cấu, v.v., và sau đó chế tạo phần cứng chuyên dụng để thực hiện nó. Mức độ dân chủ hóa đó là đáng kinh ngạc khi nhìn thấy và chúng tôi hầu như không trầy xước bề mặt. "