Com o TensorFlow, o Google abre seus recursos de aprendizado de máquina

O Google anunciou o TensorFlow ontem, divulgando sua pesquisa e o dimensionamento interno bem-sucedido do aprendizado de máquina como um projeto de código aberto sob uma licença Apache 2.0. O TensorFlow acelerará a adoção do aprendizado de máquina por milhares de equipes de desenvolvimento de produtos criativos que não possuem os recursos de pesquisa de aprendizado de máquina em larga escala do Google.

Um bom exemplo das implicações do aprendizado de máquina por meio de interações de seres humanos e sistemas é o Autopilot beta da Tesla. À medida que os motoristas interagem e corrigem o piloto automático, eles relatam que o sistema de orientação melhora.

O Google investiu em pesquisa avançada em aprendizado de máquina, aplicando os principais talentos de inteligência artificial / aprendizado profundo da empresa ao Google Brain Project, lançado por Andrew Ng e agora sob John Giannandrea em conjunto com os principais laboratórios acadêmicos, como Stanford e Carnegie Mellon, para melhorar os produtos do Google.

Google

Os usuários de dispositivos móveis aceitaram e esperam reconhecimento preciso de fala, tradução de idiomas, interpretação de fotos e vídeos em forma humana e resultados de pesquisa previstos. Tudo isso é resultado do aprendizado de máquina do Google, produto da pesquisa de redes neurais do Google, que ganhou as manchetes quando aprendeu a identificar gatos em vídeos sem etiqueta. No início, a experiência pode parecer assustadora, mas eventualmente as pessoas aceitam sistemas que antecipam necessidades e apresentam opções no contexto de metáforas de "recomendação".

O princípio é simples - as máquinas programadas da maneira certa podem aprender com os dados (quanto mais dados, melhor) e tomar decisões em velocidades sem precedentes. Por exemplo, os sentidos humanos se sentem pressionados a seus limites ao dirigir a 100 quilômetros por hora, mas a essa velocidade o piloto automático da Tesla pode detectar, calcular e tomar uma decisão em uma fração de tempo. Quando os sistemas baseados em aprendizado de máquina projetados com sucesso encontram uma interação humana, a inteligência humana é transferida e o sistema melhora.

Em 2011, o Google criou o DistBelief para que seus pesquisadores de aprendizado de máquina e inteligência artificial usassem na construção de redes neurais cada vez maiores de milhares de núcleos que aprenderam com grandes conjuntos de dados complexos para realizar tarefas complexas, como reconhecer imagens e interpretar linguagem mal articulada. O DistBelief demonstrou que a inteligência da máquina poderia operar na escala de bilhões de usuários do Google.

Criar um sistema como o DistBelief para uso dentro dos limites do Google foi um sucesso interno, mas não pôde ser liberado para o aprendizado de máquina independente ou comunidades de desenvolvedores independentes em geral. O DistBelief era direcionado para redes neurais, difíceis de configurar e fortemente associadas à infraestrutura interna do Google. O que estava faltando era o envolvimento da comunidade de aprendizado de máquina para aprender uns com os outros através do compartilhamento de código e experimentação dinâmica, a maneira como as máquinas aprendem da interação com humanos, melhorando recursivamente o desenvolvimento de aprendizado de máquina através da interação dos desenvolvedores..

O sistema de aprendizado de máquina de código aberto de segunda geração do Google, TensorFlow, foi projetado especificamente para corrigir as falhas do DistBelief. O Google criou o TensorFlow para que aplicativos mais gerais sejam mais flexíveis, portáteis e estejam ao alcance de mais desenvolvedores. Criado para aplicativos de aprendizado de máquina de produção, ele se destina a ser rápido e escalável. Em alguns benchmarks, o TensorFlow foi duas vezes mais rápido que o DistBelief.

Aprendizado profundo, aprendizado de máquina e inteligência artificial são algumas das principais competências do Google, onde a empresa lidera a Apple e a Microsoft. Se for bem-sucedida, a estratégia do Google é manter essa liderança, divulgando sua tecnologia para melhorá-la com base na adoção em larga escala e nas contribuições de código da comunidade em geral..

Participe das comunidades do Network World no Facebook e LinkedIn para comentar sobre os tópicos mais importantes.