Tout ce que vous devez savoir sur TensorFlow de Google Brain

Quiconque a essayé Google Photos conviendrait que ce service gratuit de stockage et de gestion de photos de Google est intelligent. Il intègre diverses fonctionnalités intelligentes telles que la recherche avancée, la possibilité de classer vos photos par lieu et date, de créer automatiquement des albums et des vidéos en fonction des similitudes et de vous guider dans le chemin de la mémoire en vous montrant des photos du même jour il y a plusieurs années. Il y a beaucoup de choses que Google Photos peut faire qui, il y a plusieurs années, seraient automatiquement impossibles. Google Photos est l'un des nombreux services «intelligents» de Google qui utilise un technologie d'apprentissage automatique appelé TensorFlow. Le mot apprentissage indique que la technologie deviendra plus intelligente avec le temps au point que nos connaissances actuelles ne peuvent pas imaginer. Mais qu'est-ce que TensorFlow? Comment une machine peut-elle apprendre? Que pouvez-vous en faire? Découvrons-le.

Qu'est-ce que TensorFlow?

TensorFlow est l'open-source et puissant de Google logiciel d'intelligence artificielle, qui alimente de nombreux services et initiatives de Google. Il s'agit de la deuxième génération d'un système pour les implémentations d'apprentissage automatique à grande échelle, conçu par l'équipe Google Brain. Cette bibliothèque d'algorithmes succède à DistBelief - la première génération.

La technologie représente le calcul sous forme de graphiques de flux de données avec état. Ce qui rend TensorFlow unique, c'est sa capacité à modéliser des calculs sur une vaste gamme de matériel, des appareils mobiles grand public aux serveurs multi-GPU de classe mondiale. Il peut fonctionner sur différents GPU et CPU et promet l'évolutivité de l'apprentissage automatique entre les différents appareils et gadgets sans avoir à modifier une quantité importante de code..

TensorFlow est né du besoin de Google d'instruire un système informatique pour imiter le fonctionnement d'un cerveau humain dans l'apprentissage et le raisonnement. Le système, connu sous le nom de réseaux de neurones, devrait être capable de fonctionner sur des tableaux de données multidimensionnels appelés «tenseurs». L'objectif final est de former les réseaux de neurones à détecter et déchiffrer les modèles et les corrélations.

En novembre 2015, Google a fait de cette technologie Open source et lui a permis d'être adopté dans toutes sortes de produits et de recherches. N'importe qui, y compris les chercheurs, les ingénieurs et les amateurs, peut aider à accélérer la croissance de l'apprentissage automatique et à l'amener à un niveau supérieur en moins de temps..

Cette décision s'est avérée être la bonne car il y a tellement de contributions des développeurs indépendants à TensorFlow qu'elles dépassent de loin les contributions de Google. Wikipédia mentionne qu '«il y a 1500 dépôts sur GitHub qui mentionnent TensorFlow, dont 5 de Google. " Cela étant dit, l'une des discussions à Quora soupçonne que le code open source publié est la version «nettoyée» de celle que Google utilise dans ses services..

Comment fonctionne TenserFlow?

En utilisant le langage humain normal simple et une simplification lourde, nous pourrions voir un côté de TensorFlow comme une technologie de filtrage autonome avancée. En son cœur, la technologie est une énorme bibliothèque de logiciels d'apprentissage automatique. Il utilise la base de données pour l'aider à «prendre une décision».

Par exemple, quelqu'un télécharge une photo sur Google Photos. La technologie comparera tous les détails de l'image à sa base de données et décidera s'il s'agit d'une image d'un animal ou d'un humain. Ensuite, si c'est un humain, il essaiera de déterminer le sexe, l'âge jusqu'à qui est la personne. Le même processus est répété pour les autres objets de la photo.

Il utilise également les données de l'utilisateur telles que l'identité de la personne sur la photo et le lieu où la photo est prise, pour améliorer sa bibliothèque afin qu'elle puisse donner de meilleurs résultats à l'avenir - à la fois pour la personne qui a téléchargé la photo et pour tout le monde. autre. D'où le terme «apprentissage». Mais il ne s'agit pas simplement de connaître et d'apprendre des données à partir de photos. Il y a tellement de choses que la technologie peut faire avec les informations d'une photo. Par exemple, il peut regrouper des photos avec des détails similaires tels que la même personne, le même endroit, la même date; voir le motif des visages pour déterminer à quelle famille et amis appartient la personne sur la photo et utiliser les informations pour créer des vidéos de vacances en famille ou des animations à partir de prises de vue en continu.

Cela efface à peine la surface du fonctionnement de TensorFlow, mais j'espère que cela pourra vous donner une image générale de la technologie. De plus, utiliser un seul exemple ne peut pas rendre justice à ce dont il est capable.

Et pour tous les passionnés d'intelligence artificielle, il convient de mentionner que Google a déjà créé une technologie de puce informatique optimisée pour l'apprentissage automatique et y intégrant TensorFlow. C'est appelé Puce ASIC de l'unité de traitement de tenseur (TPU).

Ceux qui souhaitent en savoir plus sur TensorFlow peuvent visiter sa page de tutoriel.

Applications de TensorFlow

Nous sommes à un stade précoce de la technologie d'apprentissage automatique, donc personne ne sait où cela nous mènera. Mais il y a quelques applications initiales qui pourraient nous donner un aperçu de l'avenir. Comme il provient de Google, il est évident que Google utilise la technologie pour bon nombre de ses services.

• En savoir plus sur l'analyse d'image

Nous avons discuté de l'exemple d'utilisation de la technologie pour l'analyse d'images dans Google Photos. Mais l'application d'analyse d'image est également utilisée dans la fonction Street View de Google Maps. Par exemple, TensorFlow est utilisé pour connecter l'image avec les coordonnées de la carte et pour brouiller automatiquement le numéro de plaque d'immatriculation de toute voiture qui est accidentellement incluse dans l'image..

• Reconnaissance de la parole

Google utilise également TensorFlow pour son logiciel de reconnaissance vocale d'assistant vocal. La technologie qui permet aux utilisateurs de donner des instructions n'est pas nouvelle, mais l'inclusion de la bibliothèque toujours développée de TensorFlow dans le mélange pourrait augmenter la fonctionnalité de quelques crans. Actuellement, la technologie de reconnaissance vocale reconnaît plus de 80 langues et variantes.

• Traduction dynamique

Un autre exemple de la partie «apprentissage» de la technologie d'apprentissage automatique est la fonction de traduction de Google. Google permet à ses utilisateurs d'ajouter de nouveaux vocabulaires et de corriger les erreurs dans Google Traduction. Les données sans cesse croissantes peuvent être utilisées pour détecter automatiquement la langue d'entrée que les autres utilisateurs souhaitent traduire. Si la machine fait des erreurs dans le processus de détection de la langue, les utilisateurs peuvent les corriger. Et la machine apprendra de ces erreurs pour améliorer ses performances futures. Et le cycle continue.

• Alpha Go

Un exemple amusant d'utilisation de TensorFlow est Alpha Go. C'est une application qui est programmée pour jouer au go. Pour ceux qui ne connaissent pas Go, c'est un jeu de société abstrait pour deux joueurs originaire de Chine il y a plus de cinq mille cinq cents ans, et c'est le plus ancien jeu de société qui est encore joué en continu aujourd'hui. Bien que les règles soient simples - entourer plus de territoire que l'adversaire, le jeu est incroyablement complexe et, selon Wikipédia: «possède plus de possibilités que le nombre total d'atomes dans l'univers visible».

Il est donc intéressant de savoir ce qu'une technologie de machine d'apprentissage peut faire avec les possibilités infinies. Lors de ses matchs contre Lee Sedol - le 18 fois champion du monde de Go, Alpha Go a remporté 4 matchs sur 5 et a reçu le plus haut rang honorifique de grand maître de Go..

• Projet Magenta

Une autre application intéressante de TensorFlow est le projet Magenta. C'est un projet ambitieux à créer art généré par la machine. L'un des premiers résultats tangibles de l'expérience est la mélodie pour piano de 90 secondes. À long terme, Google espère générer de l'art généré par machine plus avancé via son projet Magenta et construire une communauté d'artistes autour de lui..

En février 2016, Google a également organisé une exposition d'art et une vente aux enchères à San Fransisco montrant 29 œuvres d'art générées par ordinateur - avec un peu d'aide humaine -. Six des plus grandes œuvres ont été vendues jusqu'à 8 000 $. L'ordinateur a peut-être encore un très long chemin à parcourir avant de pouvoir imiter un véritable artiste, mais le montant d'argent que les gens sont prêts à payer pour l'art nous montre jusqu'où la technologie est allée..

Prise en charge d'iOS

Alors que nous avons déjà vu les capacités de TenserFlow sur Android, avec sa dernière version, TensorFlow ajoute enfin des supports pour les appareils iOS. Comme il existe des tonnes d'excellentes applications mobiles disponibles exclusivement pour iOS, ou publiées pour la première fois sur iOS, cela signifie que nous pouvons nous attendre à ce que davantage d'applications mobiles adoptent l'apprentissage automatique dans un proche avenir. La même chose peut être dite pour les possibilités d'adoption et d'applications plus larges de TensorFlow.

L'avenir de TensorFlow

Que peut-on faire avec une machine capable d'apprendre et de prendre sa propre décision? En tant que personne qui s'occupe de plus d'une langue dans le cadre de la vie quotidienne, la première chose qui me vient à l'esprit est la traduction des langues. Pas dans le niveau mot par mot, mais plus dans le niveau de texte plus long comme des documents ou même des livres. La technologie de traduction actuelle est limitée aux vocabulaires. Vous pouvez facilement découvrir ce qui «dort» en chinois et vice versa, mais essayez de jeter un chapitre du Musashi d'Eiji Yoshikawa dans son japonais original et de traduire le chapitre en anglais. Tu verras à quoi je veux en venir.

C'est aussi amusant de voir ce que l'avenir de l'intelligence artificielle peut faire avec la musique. Bien que ce soit encore très basique, l'application Music Memo d'Apple peut déjà donner un accompagnement automatique de basse et de batterie à votre chant enregistré. Je me souviens d'un épisode d'une émission de télévision SciFi où un personnage de l'émission a créé une machine qui analyse toutes les meilleures chansons des charts et capable d'écrire ses propres chansons à succès. Arriverons-nous jamais là-bas?

Et en guise de conclusion, j'aimerais mentionner Sunspring. C'est un court métrage de science-fiction entièrement écrit par un scénariste IA qui s'est fait appeler Benjamin - qui a même composé l'intermède musical pop-song. Le film a été réalisé par le réalisateur Oscar Sharp pour l'événement 48 heures Film Challenge of Sci-Fi London.

Maintenant, je ne peux pas arrêter de penser au Terminator. Bienvenue dans le futur.

Crédit d'image: Wikipedia, TechInsider, The Verge, Wall Street Journal