211service.com
Google essaie de rendre l'apprentissage automatique un peu plus humain
Le PDG de Google, Sundar Pichai, a déclaré le mois dernier aux investisseurs que les progrès de la technologie d'apprentissage automatique auraient bientôt un impact sur tous les produits ou services sur lesquels l'entreprise travaille. Nous repensons tout ce que nous faisons, a-t-il dit.
Une partie de cette poussée pour rendre ses services plus intelligents implique de repenser la façon dont il utilise l'apprentissage automatique, qui permet aux ordinateurs d'apprendre par eux-mêmes à partir des données. En bref, Google s'efforce d'apprendre à ces systèmes à être un peu plus humains.
Google a discuté de certains de ces efforts lors d'un briefing mardi à son siège à Mountain View, en Californie. Nous sommes au stade Commander Data, a déclaré l'ingénieur de recherche Pete Warden dans une référence à l'androïde sans émotion dans l'émission télévisée. Star Trek : La Nouvelle Génération. Mais nous essayons de faire entrer un peu plus le conseiller Troi dans le système - le vaisseau spatial Entreprise 's conseiller empathique.
Warden fait partie de l'équipe qui a développé Google Photos, qui vous permet de rechercher des choses comme la plage ou un chien dans vos clichés. La technologie sous-jacente a émergé d'un long effort de recherche pour permettre à un logiciel d'identifier des objets sur des photos. Mais Warden et ses collègues ont découvert que le simple fait de pouvoir repérer, par exemple, des enfants, des œufs ou des paniers ne suffisait pas. Les gens voulaient rechercher la chasse aux œufs de Pâques. De même, le système devait être formé pour comprendre que les photos avec une dinde et des assiettes prises fin novembre devaient être associées à Thanksgiving.
Un autre projet de Google, surnommé GlassBox, tente d'empêcher les logiciels qui apprennent à partir d'un échantillon limité de données de faire ce qui ressemble aux humains comme de simples erreurs stupides. Dirigé par la chercheuse senior Maya Gupta, il vise à donner au logiciel quelque chose de bon sens qui permet aux humains d'écarter les exemples trompeurs.
Par exemple, une personne a montré quelques exemples de maisons et leurs prix associés pourrait voir immédiatement que les grandes maisons coûtent généralement plus cher, même s'il y avait une valeur aberrante, comme une petite maison offert pour 1,8 million de dollars dans la ville chère de Palo Alto, en Californie. Mais cette même valeur aberrante peut amener un système d'apprentissage automatique à la recherche d'une relation dans le même échantillon de données à attribuer des prix élevés à un autre facteur, comme la couleur de la maison. Gupta a développé des méthodes mathématiques pour lisser l'influence de ces valeurs aberrantes qui peuvent déclencher un système d'apprentissage automatique. Nous essayons de remettre autant de connaissances humaines que possible, a déclaré Gupta Examen de la technologie MIT .
Google a augmenté ses investissements dans la recherche sur l'apprentissage automatique ces dernières années, après l'émergence d'une technologie connue sous le nom d'apprentissage profond, qui utilise des réseaux de neurones grossièrement simulés (voir 10 Breakthrough Technologies 2013 : Deep Learning ). Il a produit des améliorations frappantes dans la reconnaissance vocale et la reconnaissance d'images. Facebook, Google, IBM, Microsoft et Baidu étudient tous comment l'apprentissage en profondeur peut permettre aux machines de comprendre le langage, et peut-être même de converser avec nous (voir Enseigner aux machines pour nous comprendre).
Au cours de la semaine dernière, Google a confirmé que son service de recherche principal traitait désormais une grande partie des requêtes à l'aide d'un nouveau système basé sur l'apprentissage en profondeur appelé RankBrain . Et mardi c'est a lancé un service appelé Smart Reply qui utilise l'apprentissage automatique pour proposer automatiquement plusieurs choix courts de réponses aux messages électroniques.
Greg Corrado, chercheur principal et cofondateur de l'équipe d'apprentissage en profondeur de Google, affirme que le logiciel d'écriture d'e-mails n'est qu'un exemple précoce de la façon dont l'apprentissage automatique crée désormais des produits entièrement nouveaux, et pas seulement améliore ceux qui existent déjà, comme le filtrage anti-spam. ou rechercher.