Google Beyin - Google Brain

Google Beyin
Reklam? Evet
Proje türü Yapay zeka ve makine öğrenimi
Konum Dağ Manzarası , Kaliforniya
İnternet sitesi ai .google / beyin-takım /

Google Brain , Google'da yapay zekaya adanmış bir araştırma bölümü olan Google AI çatısı altında bir derin öğrenme yapay zeka araştırma ekibidir . 2011'de kurulan Google Brain, açık uçlu makine öğrenimi araştırmalarını bilgi sistemleri ve büyük ölçekli bilgi işlem kaynaklarıyla birleştirir. Ekip, birden fazla dahili AI araştırma projesi ile sinir ağlarının halk tarafından kullanılmasına izin veren TensorFlow gibi araçlar yarattı . Ekip, makine öğrenimi ve doğal dil işlemede araştırma fırsatları yaratmayı hedefliyor .

Tarih

Google Brain projesi, 2011'de Google üyesi Jeff Dean , Google Araştırmacısı Greg Corrado ve Stanford Üniversitesi profesörü Andrew Ng arasında yarı zamanlı bir araştırma işbirliği olarak başladı . Ng, 2006'dan beri yapay zeka sorununu çözmek için derin öğrenme tekniklerini kullanmakla ilgileniyordu ve 2011'de Google'ın bulut bilişim altyapısının üzerine büyük ölçekli bir derin öğrenme yazılım sistemi olan DistBelief'i kurmak için Dean ve Corrado ile işbirliği yapmaya başladı . Google Brain, bir Google X projesi olarak başladı ve o kadar başarılı oldu ki, Google'a geri döndü: Astro Teller , Google Brain'in Google X'in tüm maliyetini ödediğini söyledi .

Haziran 2012'de New York Times , insan beyni aktivitesinin bazı yönlerini taklit etmeye adanmış 1000 bilgisayardaki 16.000 işlemciden oluşan bir kümenin, YouTube videolarından alınan 10 milyon dijital görüntüye dayanarak bir kediyi tanımak için kendini başarıyla eğittiğini bildirdi . Hikaye ayrıca Ulusal Halk Radyosu tarafından da ele alındı .

Mart 2013'te Google , derin öğrenme alanında önde gelen bir araştırmacı olan Geoffrey Hinton'u işe aldı ve Hinton başkanlığındaki DNNResearch Inc. şirketini satın aldı . Hinton , gelecekteki zamanını üniversite araştırmaları ile Google'daki çalışmaları arasında böleceğini söyledi.

Ekip ve konum

Google Beyin başlangıçta Google Üyesi Jeff Dean ve Stanford profesörü Andrew Ng tarafından kuruldu . 2014 yılında ekipte Jeff Dean, Quoc Le, Ilya Sutskever , Alex Krizhevsky , Samy Bengio ve Vincent Vanhoucke vardı. 2017 yılında ekip üyeleri arasında Anelia Angelova, Samy Bengio, Greg Corrado, George Dahl, Michael Isard, Anjuli Kannan, Hugo Larochelle, Chris Olah, Salih Edneer, Vincent Vanhoucke, Vijay Vasudevan ve Fernanda Viegas yer alıyor . Apple'ın programlama dili Swift'i yaratan ve ardından altı ay boyunca Tesla'nın özerklik ekibini yöneten Chris Lattner , Ağustos 2017'de Google Brain'in ekibine katıldı. Lattner Ocak 2020'de ekipten ayrılarak SiFive'a katıldı .

2021'de Google Brain, Jeff Dean , Geoffrey Hinton ve Zoubin Ghahramani tarafından yönetiliyor . Diğer üyeler arasında Katherine Heller, Pi-Chuan Chang, Ian Simon, Jean-Philippe Vert, Nevena Lazic, Anelia Angelova, Lukasz Kaiser, Carrie Jun Cai, Eric Breck, Ruoming Pang, Carlos Riquelme, Hugo Larochelle, David Ha yer alıyor. Samy Bengio , Zoubin Ghahramani'nin sorumluluklarını alarak Nisan 2021'de takımdan ayrıldı .

Google Research, Google Brain'i içerir ve merkezi Mountain View, California'dadır . Ayrıca Accra , Amsterdam , Atlanta , Beijing , Berlin , Cambridge (Massachusetts) , İsrail , Los Angeles , Londra , Montreal , Münih , New York City , Paris , Pittsburgh , Princeton , San Francisco , Seattle , Tokyo , Toronto'da uydu grupları bulunmaktadır. ve Zürih .

Projeler

Yapay zeka tarafından tasarlanmış şifreleme sistemi

Ekim 2016'da Google Brain, sinir ağlarının güvenli simetrik şifrelemeyi öğrenebildiğini belirlemek için bir deney tasarladı . Bu deneyde üç sinir ağı oluşturuldu: Alice, Bob ve Eve. Üretken bir düşmanlık ağı (GAN) fikrine bağlı kalarak , deneyin amacı Alice'in Bob'a şifreli bir mesaj göndermesiydi, Bob bu şifreyi çözebilirdi, ancak düşman Havva bunu yapamazdı. Alice ve Bob, şifreleme ve şifre çözme için kullanılan bir anahtarı paylaştıkları için Havva'ya göre bir avantaj sağladılar . Bunu yaparken, Google Brain, sinir ağlarının güvenli şifrelemeyi öğrenme yeteneğini gösterdi .

Görüntü geliştirme

Şubat 2017'de Google Brain , 8x8 çözünürlüklü resimleri 32x32 çözünürlüğe dönüştürmek için olasılıksal bir yöntem belirledi . Piksel çevirileri oluşturmak için pixelCNN adı verilen halihazırda var olan bir olasılık modeli üzerine inşa edilen yöntem.

Önerilen yazılım , çevrilmiş görüntülerin piksel yapısı için yaklaşımlar yapmak için iki sinir ağı kullanır . "Koşullandırma ağı" olarak bilinen ilk ağ, yüksek çözünürlüklü görüntüleri 8x8'e düşürür ve orijinal 8x8 görüntüden bu yüksek çözünürlüklü görüntülere eşlemeler oluşturmaya çalışır. "Önceki ağ" olarak bilinen diğer ağ, orijinal görüntüye daha fazla ayrıntı eklemek için önceki ağdaki eşlemeleri kullanır. Ortaya çıkan çevrilmiş görüntü, daha yüksek çözünürlükte aynı görüntü değil, daha ziyade mevcut diğer yüksek çözünürlüklü görüntülere dayalı bir 32x32 çözünürlük tahminidir. Google Brain'in sonuçları, sinir ağlarının görüntüleri geliştirme olasılığını gösteriyor.

Google Çeviri

Google Beyin ekibi , yapay sinir ağlarını çok dilli metinlerden oluşan geniş veritabanlarıyla birleştiren yeni bir derin öğrenme sistemi kullanarak Google Çeviri projesine katkıda bulundu . Eylül 2016'da, çok sayıda örnekten öğrenebilen uçtan uca bir öğrenme çerçevesi olan Google Neural Machine Translation ( GNMT ) piyasaya sürüldü. Daha önce, Google Çeviri'nin Cümle Tabanlı Makine Çevirisi (PBMT) yaklaşımı, kelime kelime istatistiksel olarak analiz eder ve cümledeki çevredeki ifadeleri dikkate almadan diğer dillerdeki karşılık gelen kelimeleri eşleştirmeye çalışırdı. Ancak, istenen dilde her bir kelime için bir yedek seçmek yerine, GNMT daha doğru değiştirmeleri seçmek için kelime parçalarını cümlenin geri kalanı bağlamında değerlendirir. Daha eski PBMT modelleriyle karşılaştırıldığında, GNMT modeli, hatalarda %60'lık bir azalma ile insan çevirisine benzerlik açısından % 24'lük bir gelişme kaydetti. GNMT da benzeri oldukça zordur çeviriler, önemli bir gelişme göstermiştir Çince için İngilizce .

GNMT'nin tanıtılması, Google Translate'in pilot diller için yaptığı çevirilerin kalitesini artırırken, 103 dilinin tamamı için bu tür iyileştirmeler yapmak çok zordu. Bu sorunu ele alan Google Beyin Ekibi, birden çok dil arasında çevirileri etkinleştirerek öncekini genişleten Çok Dilli bir GNMT sistemi geliştirmeyi başardı . Ayrıca, sistemin daha önce açıkça görmediği iki dil arasındaki çeviriler olan Zero-Shot Çevirilere izin verir. Google, Google Translate'in artık sinir ağlarını kullanarak deşifre etmeden de çeviri yapabildiğini duyurdu. Bu, bir dildeki konuşmayı, önce metne dönüştürmeden doğrudan başka bir dildeki metne çevirmenin mümkün olduğu anlamına gelir. Google Brain'deki Araştırmacılara göre, sinir ağları kullanılarak bu ara adımdan kaçınılabilir. Sistemin bunu öğrenmesi için, onu karşılık gelen İngilizce metinle birlikte saatlerce İspanyolca sese maruz bıraktılar. İnsan beynini kopyalayan farklı sinir ağları katmanları, karşılık gelen parçaları bağlayabildi ve ardından ses dalga biçimini İngilizce metne dönüştürülene kadar manipüle edebildi. GNMT modelinin bir diğer dezavantajı, cümledeki kelime sayısı ile çeviri süresinin katlanarak artmasına neden olmasıdır. Bu, Google Beyin Ekibinin yeni çeviri sürecinin hala hızlı ve güvenilir olmasını sağlamak için 2000 işlemci daha eklemesine neden oldu.

robotik

Bir robotun yeni becerilerinin elle programlanması gereken geleneksel robotik kontrol algoritmalarını geliştirmeyi amaçlayan Google Brain'deki robotik araştırmacıları, robotların kendi başlarına yeni beceriler öğrenmelerini sağlamak için makine öğrenimi teknikleri geliştiriyor . Ayrıca, bulut robotik olarak da bilinen öğrenme süreçleri sırasında robotların birbirlerinden öğrenebilmeleri için robotlar arasında bilgi paylaşımı için yollar geliştirmeye çalışırlar . Sonuç olarak Google, bulut bağlantılı işbirlikçi robotlar aracılığıyla verimli robotik otomasyon sağlamak için robotik , yapay zeka ve bulutu birleştirme çabası olan 2019'da geliştiriciler için Google Cloud Robotics Platform'u kullanıma sundu .

Google Brain'deki robotik araştırmaları, çoğunlukla robotların deneyimlerden, simülasyondan, insan gösterilerinden ve/veya görsel temsillerden öğrenerek görevleri tamamlamasını sağlamak için derin öğrenme algoritmalarını geliştirmeye ve uygulamaya odaklanmıştır. Örneğin, Google Beyin araştırmacıları, robotların önceden programlanmadan bir ortamda deneyler yaparak katı nesneleri seçip seçilen kutulara atmayı öğrenebileceğini gösterdi. Başka bir araştırmada, araştırmacılar robotları bir bardaktan sıvı dökmek gibi davranışları öğrenmek için eğittiler; robotlar, birden fazla bakış açısından kaydedilen insan gösterilerinin videolarından öğrenildi.

Google Beyin araştırmacıları, robotik araştırmaları konusunda diğer şirketler ve akademik kurumlarla işbirliği yaptı. 2016'da Google Beyin Ekibi , robotik kavrama için el-göz koordinasyonunu öğrenmeye yönelik bir araştırma için X'teki araştırmacılarla işbirliği yaptı . Yöntemleri, kendi kendine düzeltme ile yeni nesneleri kavramak için gerçek zamanlı robot kontrolüne izin verdi. 2020'de Google Brain, Intel AI Lab ve UC Berkeley'den araştırmacılar, robotların ameliyat videoları ile eğitimden dikiş atma gibi ameliyatla ilgili görevleri öğrenmesi için bir AI modeli oluşturdu.

Takviyeli Öğrenme ile Etkileşimli Konuşmacı Tanıma

2020'de Google Beyin Ekibi ve Lille Üniversitesi, Etkileşimli Konuşmacı Tanıma adını verdikleri otomatik konuşmacı tanıma modelini sundu. ISR modülü, belirli bir konuşmacı listesinden bir konuşmacıyı yalnızca kullanıcıya özel birkaç kelime talep ederek tanır. Model, Metin-Konuşma Eğitimi bağlamında konuşma bölümleri seçmek için değiştirilebilir . Verileri korumak için kötü niyetli ses oluşturucuları da önleyebilir.

TensorFlow

Ana madde: TensorFlow

TensorFlow , Google Brain tarafından desteklenen ve herkesin kendi sinir ağını eğitmek için araçlar sağlayarak makine öğreniminden yararlanmasına olanak tanıyan açık kaynaklı bir yazılım kitaplığıdır. Araç, çiftçiler tarafından, insan tarafından sıralanmış bir görüntü veri seti ile eğiterek, verimlerini sıralamak için gereken el emeği miktarını azaltmak için kullanıldı.

macenta

Macenta, mevcut verileri sınıflandırmak ve sıralamak yerine sanat ve müzik biçiminde yeni bilgiler oluşturmak için Google Brain'i kullanan bir projedir. TensorFlow , kullanıcıların sinir ağını görüntü ve müzik oluşturmaları için yönlendirmeleri için bir dizi araçla güncellendi . Bununla birlikte, Valdosta Eyalet Üniversitesi'nden bir ekip , yapay zekanın , çeviride karşılaşılan sorunlara benzer şekilde, sanatta insan niyetini mükemmel bir şekilde kopyalamak için mücadele ettiğini buldu .

Tıbbi Uygulamalar

Google Brain'in görüntü sıralama yetenekleri, insan doktorların daha erken teşhis sağlamak için fark etmeyebilecekleri kalıpları arayarak belirli tıbbi durumların tespit edilmesine yardımcı olmak için kullanılmıştır. Meme kanseri taraması sırasında, bu yöntemin, her bir fotoğrafa bakmak için daha fazla zamana ihtiyaç duyan ve tüm odaklarını bu tek göreve harcayamayan insan patologlarının yanlış pozitif oranının dörtte birine sahip olduğu bulundu. Sinir ağının tek bir görev için çok özel eğitimi nedeniyle, bir fotoğrafta bulunan ve bir insanın kolayca fark edebileceği diğer rahatsızlıkları tanımlayamaz.

Diğer Google Ürünleri

Google Beyin projelerinin teknolojisi şu anda gibi çeşitli diğer Google ürünlerinde kullanılan Android İşletim Sistemi s’ konuşma tanıma sistemine yönelik fotoğraf arama , Google Fotoğraflar , akıllı cevapta içinde Gmail'de de ve video önerileri YouTube .

Resepsiyon

Google Brain, Wired Magazine , National Public Radio ve Big Think'te yer aldı . Bu makaleler, kilit ekip üyeleri Ray Kurzweil ve Andrew Ng ile yapılan röportajları içeriyor ve projenin hedeflerine ve uygulamalarına ilişkin açıklamalara odaklanıyor.

tartışma

Aralık 2020'de AI etik uzmanı Timnit Gebru Google'dan ayrıldı. İşi bırakmasının veya kovulmasının tam olarak ne olduğu tartışılırken, ayrılış nedeni “Stokastik Papağanların Tehlikeleri Üzerine: Dil Modelleri Çok Büyük Olabilir mi?” başlıklı bir makaleyi geri çekmeyi reddetmesiydi. Bu makale, çevresel etki, eğitim verilerindeki önyargılar ve halkı aldatma yeteneği dahil olmak üzere Google Brain gibi yapay zekanın büyümesinin potansiyel risklerini araştırdı. Gazeteyi geri çekme talebi Google Brain başkan yardımcısı Megan Kacholia tarafından yapıldı. Nisan 2021 itibariyle, yaklaşık 7000 mevcut veya eski Google çalışanı ve sektör destekçisi, Google'ı “araştırma sansürü” ile suçlayan ve Gebru'nun şirkete yönelik muamelesini kınayan bir açık mektup imzaladı.

Şubat 2021'de Google, şirketin AI etik ekibinin liderlerinden biri olan Margaret Mitchell'i görevden aldı. Şirketin açıklamasında Mitchell'in Gebru'ya destek bulmak için otomatik araçlar kullanarak şirket politikasını çiğnediği iddia edildi. Aynı ay, etik ekibi dışındaki mühendisler, Gebru'nun “yanlış” feshini gerekçe göstererek işten ayrılmaya başladılar. Nisan 2021'de Google Brain kurucu ortağı Samy Bengio şirketten istifa ettiğini duyurdu. Gebru'nun menajeri olmasına rağmen, Bengio işten çıkarılmadan önce bilgilendirilmedi ve hem onu ​​hem de Mitchell'i desteklemek için çevrimiçi olarak yayınladı. Bengio'nun duyurusu ayrılma nedeni olarak kişisel gelişimine odaklanırken, anonim kaynaklar Reuters'e AI etik ekibindeki kargaşanın değerlendirmelerinde rol oynadığını belirtti.

Ayrıca bakınız

Referanslar