All'interno della riscrittura ai di google: costruire l'apprendimento automatico in tutto

Makoto Koike è un coltivatore di cetrioli in Giappone. Koike è un ex progettista di sistemi embedded che ha trascorso anni a lavorare nell'industria automobilistica giapponese, ma nel 2015 è tornato a casa per dare una mano nella fattoria dei cetrioli dei suoi genitori. Presto si rese conto che il compito manuale di ordinare i cetrioli per colore, forma, dimensione e attributi come "spinosità" era spesso più complicato e più arduo che coltivarli. Ispirato dalla profonda innovazione del software di intelligenza artificiale (AI) di Google AlphaGo, ha deciso di automatizzare l'attività.

Le aziende stanno iniziando a implementare l'intelligenza artificiale pratica in tutti i modi, ma è sicuro dire che nessuno ha visto arrivare la soluzione di smistamento dei cetrioli AI di Koike. Koike non aveva mai lavorato con le tecniche di intelligenza artificiale prima, ma, usando la libreria open source TensorFlow machine learning (ML), iniziò a inserire immagini di cetrioli. Grazie agli algoritmi di visione artificiale per il riconoscimento di oggetti e l'apprendimento profondo per addestrare TensorFlow sulle sfumature di diversi cetrioli, Koike ha realizzato che poteva identificare e ordinare le verdure con un alto livello di precisione. Quindi, utilizzando nient'altro che TensorFlow e un computer Raspberry Pi 3 economico, Koike ha costruito una selezionatrice automatica che la fattoria utilizza ancora oggi.

TensorFlow è uno dei tanti algoritmi e strumenti open source che rivoluzionano ciò che aziende e sviluppatori possono risolvere usando l'IA. La società ha ampliato la sua missione di "portare i vantaggi dell'IA a tutti" con il rilascio di Google.ai alla sua conferenza I / O di Google, raggruppando tutte le sue risorse di intelligenza artificiale in una piattaforma unificata. Google sta inoltre incorporando queste tecniche e interfacce di programmazione delle applicazioni (API) in tutto ciò che fa, inserendo ML nei suoi prodotti e ridefinendo fondamentalmente il funzionamento del suo software nel processo.

PCMag ha recentemente visitato Googleplex e ha parlato con i dirigenti di G Suite, Google Cloud Platform (GCP) e Machine Learning Advanced Solution Lab (ML ASL) dell'azienda su come Google si sta ricostruendo con l'IA.

Intelligenza artificiale ovunque

Supponiamo che uno dei tuoi clienti stia riscontrando un problema. Un agente del dipartimento helpdesk della tua azienda è in una chat dal vivo con il cliente tramite un'app di chat che archivia i dati su Google Cloud Platform. Per aiutarli a risolvere il problema, l'utente deve inviare all'agente alcuni dati personali sensibili. Ora diciamo che il cliente è tua nonna. Il rappresentante del servizio clienti chiede alla nonna alcuni dati, ma invece la nonna invia molte più informazioni di quelle necessarie quando carica un'immagine della sua scheda di sicurezza sociale nella chat.

Invece di Google che archivia tali informazioni di identificazione personale (PII), l'immagine viene visualizzata con il numero di previdenza sociale e altre PII automaticamente ridotte. L'agente non vede mai alcuna informazione di cui non ha bisogno e nessuno di questi dati va nell'archivio crittografato di Google. Durante una dimostrazione della tecnologia API DLP presso la sede di Google a Mountain View, California, la società ha tirato indietro il sipario su come gli algoritmi ML analizzano testo e immagini per far sì che ciò accada.

Rob Sadowski, responsabile marketing di Trust and Security per Google Cloud, ha spiegato che la redazione automatica è alimentata dall'API di prevenzione della perdita di dati (DLP) di Google che lavora sotto la superficie per classificare i dati sensibili. L'algoritmo fa la stessa cosa con dati come i numeri di carta di credito e può anche analizzare i modelli per rilevare quando un numero è falso. Questo non è che un esempio della sottile strategia di Google di intrecciare l'IA nelle sue esperienze e offrire alle aziende e agli sviluppatori come Koike le risorse per fare lo stesso.

Google è ben lungi dall'essere l'unico gigante della tecnologia che crea un livello di intelligenza connettiva nel suo software ma, insieme ad Amazon e Microsoft, Google ha probabilmente l'ampiezza più diffusa di strumenti e servizi di intelligence basati sul cloud disponibili. Abbattendo i prodotti dell'azienda, puoi trovare Google Assistant e varie API ML e di visione artificiale in uso praticamente ovunque.

Ricerca Google utilizza algoritmi ML nel suo sistema di intelligenza artificiale RankBrain per elaborare e perfezionare query, riclassificare e aggregare i dati sulla base di una serie di fattori in evoluzione per migliorare continuamente la qualità dei risultati di ricerca. Google Foto utilizza la visione artificiale per ricucire le foto correlate nei ricordi e combinare più scatti della stessa posizione in panorami. Posta in arrivo offre agli utenti risposte automatiche generate automaticamente tra cui scegliere e mette in evidenza le email pertinenti raggruppando categorie simili. La nuova app di chat di Google Allo dell'azienda include Google Assistant integrato. L'elenco continua.

Tutte queste app funzionano sull'infrastruttura cloud di Google e l'azienda sta persino applicando ML nei suoi data center per ridurre il consumo di energia regolando le pompe di raffreddamento in base ai dati di carico e meteo. Sadowski ha affermato che ciò costituisce anche l'ultimo livello di difesa nella strategia di sicurezza di Google, in cui la società utilizza l'intelligenza artificiale e il punteggio di rischio all'interno del proprio stack di sicurezza per determinare se un sistema è compromesso utilizzando l'analisi predittiva.

"Google prende tutti questi modelli ML e AI che abbiamo sviluppato e li sintonizza per la sicurezza", ha spiegato Sadowski. "La sicurezza cambia molto più radicalmente rispetto alla maggior parte dei settori IT. Tre o quattro anni fa i prodotti che costituivano il nucleo dell'infrastruttura di sicurezza come i firewall e la protezione degli endpoint sono ancora importanti, ma vogliamo fornire una difesa approfondita, su vasta scala e tramite impostazione predefinita su un'infrastruttura multi-tenant con milioni di utenti attivi ogni giorno.

"Inizia con l'hardware del data center sottostante", ha continuato Sadowski. "A ciò si aggiungono i servizi applicativi e l'autenticazione con dati e comunicazioni completamente crittografati. Inoltre, l'identità dell'utente. E l'ultimo livello di difesa è il modo in cui operiamo con monitoraggio, rilevamento e risposta agli incidenti 24 ore su 24, 7 giorni su 7. risolvere cose come l'accesso remoto sicuro con il proxy con riconoscimento dell'identità: è il servizio programmatico DLP che trova e previene la perdita di dati e aiuta con la governance dei dati e la sicurezza. Miriamo a rendere queste funzionalità facili, utilizzabili e farle funzionare su larga scala."

Una G Suite più intelligente

ML è inoltre integrato nelle app per la produttività di Google Suite G. Allan Livingston, direttore della gestione dei prodotti per G Suite, ha analizzato alcuni dei modi in cui l'IA sta rendendo G Suite più intelligente e più contestuale senza che gli utenti se ne rendano conto.

"Pensa a come G Suite riunisce tutte queste applicazioni in modo naturalmente integrato", ha affermato Livingston. "Inizi uno dei tuoi lavori in uno di questi e lo scorri nel modo appropriato. Apri un allegato Gmail in Drive e questo ti porta in Documenti; è davvero automatico.

"Stiamo provando a pensarci su per l'utente e ciò implica anche l'apprendimento automatico. Abbiamo iniziato con risposte intelligenti in Inbox e abbiamo avuto un buon successo con Gmail, e questo ha portato alla funzione Esplora in Documenti, Fogli e diapositive ".

Distribuito lo scorso autunno, Explore applica l'elaborazione del linguaggio naturale (NLP) all'esperienza di produttività in-app. In Documenti, Esplora fornisce suggerimenti immediati in base al contenuto del documento e consiglia automaticamente argomenti e risorse correlati. In Presentazioni, genera suggerimenti di progettazione per ridurre la formattazione della presentazione. Il caso d'uso più interessante, tuttavia, è in Fogli. Livingston ha spiegato come Explore utilizza ML per semplificare l'analisi dei dati e le informazioni di business intelligence (BI).

"Molti utenti non sanno cosa sia una tabella pivot o come utilizzarla per visualizzare un foglio di dati", ha spiegato Livingston. "Supponiamo che tu abbia a che fare con i dati di vendita di un cliente, in cui ogni riga è un articolo che è stato venduto. Esplora ti consente di digitare query in linguaggio naturale come" Qual è l'articolo principale del Black Friday? " e sputa una risposta del tipo "Hai venduto 563 paia di pantaloni". Stiamo affrontando l'analisi dei dati in modo da risparmiare tempo nel prendere decisioni basate sui dati, utilizzando l'apprendimento automatico per migliorare un problema comune in modo naturale."

Una demo della funzione Explore in Sheets, della conferenza NEXT di Google Cloud dello scorso marzo.

Secondo Livingston, Google prevede di estendere questo tipo di ricerca cloud basata su ML a terze parti e iniziare a costruire un ecosistema attorno ad esso. L'idea generale è un tema comune nell'intelligenza artificiale pratica: automatizzare i processi manuali per liberare gli utenti per un lavoro più creativo. Questa idea è al centro della maggior parte delle app di ML: automatizzare i processi aziendali ripetibili e le attività quotidiane, incluso lo smistamento dei cetrioli.

"Nel mondo degli affari e con i consumatori, gli utenti hanno questi modelli di interazione naturale. Il passaggio al cloud e alla produttività mobile sta davvero cambiando il modo in cui le persone lavorano e queste tecniche di apprendimento automatico applicate sono fondamentali per questo", ha affermato Livingston. "A causa della nostra forza nell'apprendimento automatico, a causa dei nostri prodotti che fungono da base, a causa di tutti i dati nel nostro cloud, siamo in una posizione unica per applicarlo e ridimensionarlo all'infinito."

Alimentare una rivoluzione dell'apprendimento automatico

La base di tutto ciò che Google fa intorno all'intelligenza artificiale è radicata nelle sue API, algoritmi e strumenti open source. La libreria TensorFlow dell'azienda è lo strumento ML più utilizzato su GitHub, che genera app come la selezionatrice di cetrioli di Koike. La suite di API alla base di Google Cloud - algoritmi che spaziano da visione computerizzata, intelligenza video, parlato e PNL, modellazione predittiva e ML su larga scala tramite il Google Cloud Machine Learning Engine - è la tecnologia che alimenta ogni funzionalità AI integrata nelle app e nei servizi di Google e ora anche la piattaforma Google.ai.

Francisco Uribe, Product Manager per il team AI / ML di Google Cloud, lavora al centro del motore che sta riscrivendo il funzionamento di Google. Uribe sovrintende al summenzionato ML ASL di Google, un laboratorio con un programma coinvolgente in cui gli esperti di Google ML lavorano direttamente con le aziende per implementare soluzioni di intelligenza artificiale. Utilizzando le API di Google e il Cloud ML Engine, il laboratorio lavora con le aziende per formare e distribuire i propri modelli nella produzione.

Uribe ha lavorato nello spazio AI per più di un decennio. Ha fondato BlackLocus, una startup basata sui dati che ha creato un motore di determinazione dei prezzi automatizzato per i rivenditori, che è stato acquisito da Home Depot nel 2012. Successivamente, è entrato in Google e ha lavorato per quattro anni nel team di Search Ads applicando ML per migliorare l'esperienza pubblicitaria. Nel 2016, è passato a un ruolo di ricerca con ML ASL e come mentore in Launchpad Accelerator di Google. Uribe ha dichiarato di essere continuamente sorpreso dal modo in cui aziende e sviluppatori utilizzano gli strumenti di Google.

"Abbiamo visto casi d'uso su tutta la linea: dalla sanità e dalla finanza alla vendita al dettaglio e all'agricoltura", ha affermato Uribe. "Stiamo cercando di aiutare i clienti a migliorare le capacità di percezione. Traduzione vocale, analisi delle immagini, API video, linguaggio naturale: fanno tutti parte della democratizzazione dell'accesso alla macchina e degli algoritmi di apprendimento profondo, che sono finalmente entrati nell'applicabilità."

ML ASL ha collaborato con HSBC Bank plc, una delle maggiori organizzazioni bancarie e di servizi finanziari al mondo, su soluzioni ML per il riciclaggio di denaro e il punteggio predittivo del credito. ML ASL ha inoltre collaborato con la United Services Automobile Association (USAA), un gruppo di società di servizi finanziari Fortune 500, per formare gli ingegneri dell'organizzazione sulle tecniche ML applicate a specifici scenari assicurativi. eBay ha utilizzato gli strumenti di Google per addestrare il suo assistente digitale ShopBot. Quando ML ASL lavora con un'azienda, Uribe ha spiegato i quattro pilastri che compongono il processo.

"È necessaria una forte offerta di elaborazione per far fronte ai requisiti estremi dei lavori ML e la spina dorsale in fibra ottica distribuita di GCP sposta i dati da un nodo all'altro in modo molto efficiente", ha affermato Uribe. "Abbiamo il Cloud Machine Learning Engine per aiutare i clienti a formare modelli. Aiutiamo i clienti a eseguire i dati con accesso alla community di Kaggle di oltre 800.000 scienziati di dati attivi. Infine, hai bisogno del talento per essere lì, quindi per quanto riguarda la ricerca, abbiamo il Brain Residency Program per formare gli ingegneri su un curriculum ML complesso. Li vediamo come i mattoni per aiutare i clienti a costruire applicazioni intelligenti ".

Tutto ciò si nutre della comunità open source e dell'ecosistema di terze parti che Google sta costruendo attorno alla sua tecnologia AI. La società ha persino annunciato una competizione di startup ML all'inizio di quest'anno, che assegna investimenti fino a $ 500.000 alle startup ML. Uribe ha parlato di alcune delle applicazioni innovative che ha già visto della tecnologia di Google e dove potrebbero esserci altre possibilità.

"Supponiamo che tu sia una società di analisi del servizio clienti. Pensa a un'API vocale per trascrivere il contenuto delle chiamate e quindi all'analisi del sentiment per migliorare la qualità del tuo servizio clienti", ha affermato Uribe. "Usa l'API di visione per scattare una foto di un segnale stradale in un paese straniero e quindi l'API di traduzione per tradurre quel contenuto in tempo reale attraverso un'esperienza app. Non si tratta solo di aumentare l'efficienza, ma di creare esperienze utente nuove e uniche."

Uribe vede strumenti come TensorFlow come il miglior fattore abilitante per l'adozione ML su larga scala sul mercato. Non solo queste tecnologie sono diventate il fulcro di ciò che Google è e di come il gigante della tecnologia si avvicina allo sviluppo del prodotto, ma Uribe ritiene che la tecnologia ML ampiamente disponibile aiuterà a ottimizzare le aziende, aprire nuovi flussi di entrate e inventare una nuova classe di app intelligenti.

"Pensala come una nuova rivoluzione industriale", ha detto Uribe. "Stiamo vedendo che questi strumenti consentono agli ordini di grandezza di aumentare l'efficienza e le esperienze che non hai mai visto prima. È incredibile vedere come le startup lo stanno applicando. Guarda l'agricoltore di cetrioli in Giappone. Ha usato TensorFlow per costruire un modello per la classificazione e ordinare i cetrioli in base a motivi, dimensioni, trame, ecc., e quindi creare hardware specializzato per eseguirlo. Quel livello di democratizzazione è incredibile da vedere e abbiamo appena graffiato la superficie."