Con TensorFlow, Google abre sus recursos de aprendizaje automático

Google anunció ayer TensorFlow, lanzando su investigación y escalamiento interno exitoso del aprendizaje automático como un proyecto de código abierto bajo una licencia Apache 2.0. TensorFlow acelerará la adopción del aprendizaje automático por parte de los miles de equipos creativos de desarrollo de productos que no cuentan con los recursos de investigación de aprendizaje automático a gran escala de Google.

Un buen ejemplo de las implicaciones del aprendizaje automático a través de las interacciones de humanos y sistemas es el Autopilot beta de Tesla. A medida que los conductores interactúan y corrigen el piloto automático, los conductores han informado que el sistema de orientación mejora por sí mismo..

Google ha invertido en investigación avanzada en aprendizaje automático, aplicando el mejor talento de inteligencia artificial / aprendizaje profundo de la compañía al Proyecto Google Brain, lanzado por Andrew Ng y ahora bajo John Giannandrea junto con los principales laboratorios académicos, como Stanford y Carnegie Mellon, para mejorar los productos de Google.

Google

Los usuarios de dispositivos móviles han aceptado y esperan un reconocimiento de voz preciso, traducción de idiomas, interpretación humana de fotos y videos y resultados de búsqueda anticipados. Todos estos son el resultado del aprendizaje automático de Google, el producto de la investigación de redes neuronales de Google, que fue noticia cuando aprendió a identificar gatos en videos sin etiquetar. Al principio, la experiencia puede parecer espeluznante, pero eventualmente las personas simplemente aceptan sistemas que anticipan necesidades y presentan opciones en el contexto de metáforas de "recomendación"..

El principio es simple: las máquinas programadas de la manera correcta pueden aprender de los datos (cuantos más datos, mejor) y tomar decisiones a velocidades sin precedentes. Por ejemplo, los sentidos humanos se sienten presionados al límite cuando conducen a 70 millas por hora, pero a esas velocidades el piloto automático de Tesla puede detectar, calcular y tomar una decisión en una fracción de tiempo. Cuando los sistemas basados ​​en el aprendizaje automático diseñados con éxito encuentran una interacción humana, la inteligencia humana se transfiere y el sistema mejora.

En 2011, Google creó DistBelief para sus investigadores de aprendizaje automático e inteligencia artificial para usar en la construcción de redes neuronales cada vez más grandes de miles de núcleos que aprendieron de grandes conjuntos de datos complejos para llevar a cabo tareas complejas, como reconocer imágenes e interpretar un lenguaje mal articulado. DistBelief demostró que la inteligencia artificial podía operar en los miles de millones de usuarios de Google.

La creación de un sistema como DistBelief para su uso dentro de los límites de Google fue un éxito interno, pero no se pudo lanzar al aprendizaje automático independiente ni a las comunidades de desarrolladores independientes en general. DistBelief estaba estrechamente dirigido a redes neuronales, difícil de configurar y estrechamente relacionado con la infraestructura interna de Google. Lo que faltaba era la participación de la comunidad de aprendizaje automático para aprender unos de otros a través del intercambio de código y la experimentación dinámica, la forma en que las máquinas aprenden de la interacción con humanos, mejorando recursivamente el desarrollo del aprendizaje automático a través de la interacción de los desarrolladores.

El sistema de aprendizaje automático de código abierto de segunda generación de Google, TensorFlow, fue diseñado específicamente para corregir las deficiencias de DistBelief. Google creó TensorFlow para que las aplicaciones más generales sean más flexibles, portátiles y estén al alcance de más desarrolladores. Creado para aplicaciones de producción de aprendizaje automático, está destinado a ser rápido y escalable. En algunos puntos de referencia, TensorFlow fue dos veces más rápido que DistBelief.

El aprendizaje profundo, el aprendizaje automático y la inteligencia artificial son algunas de las competencias centrales de Google, donde la compañía lidera a Apple y Microsoft. Si tiene éxito, la estrategia de Google es mantener este liderazgo al poner su tecnología a la intemperie para mejorarla en función de la adopción a gran escala y las contribuciones del código de la comunidad en general.

Únase a las comunidades de Network World en Facebook y LinkedIn para comentar temas que son lo más importante.