Opportunities and Challenges for UX and AI (PAIR UX Symposium 2018)

[알아들을 수 없는] CENNYDD BOWLES : 그리고 우리는 몇 사람 올라오고 있습니다 카렌 있어요? KAREN KAUSHANSKY : 네

CYNYDD BOWLES : 좋습니다, 환상적입니다 조쉬? 여기에, 그는 온다 좋습니다 그래서 케네 쓰는 방금 들었으므로 그를 소개하지 않겠습니다 카렌, 내가

오, 사라 미안 예

아뇨, 제발, 미안 해요 아니, 아니 미안 해요, 거의 당신을 그만 두지 Sarah와 Kenneth, 당신은 방금 오늘부터 들었습니다 그래서 나는 그들을 소개하지 않을 것이다

하지만 카렌, 나는 내가 믿는 지역 [[? 바젤 -?] 그리고 많은, 이들 중 일부에서 일하는 오랜 세월의 역사가 투기 적 미래의 – 진짜 착용 할 수있는 것, 로봇 공학, 음성 상호 작용 – KAREN KAUSHANSKY : 그것은 다시 시작되는 상호 작용입니다 1996 년, 길고 긴 길이었습니다 이것은 연설의 해입니다, 나는 약 7 번 들었습니다 지난 20 년 동안 CYNYDD BOWLES : 그리고 Josh Lovejoy, Google의 동료 인 많은 프로젝트에서 일했습니다 매우 일찍 예레미야에 의해 보여졌다

오늘 아침에, 특히 Google 클립, 당신이 말할지도 모른다라고 확신하는 작은 로보트 카메라 당신이 말하는 것에 대해 조금은 우리는 이제 PAIR 이니셔티브에서 많은 작업을하고 있습니다 학습 시스템 및 기계에서의 편향 및 공정성 문제 학습 시스템 자신을 소개하기 위해 더 많은 것을 말하고 싶습니까? 승인 그래서 우선, 나는 던지기를 원했습니다 카렌과 조쉬, 아마도 조금 불공평하게 그러나 오늘 말을하지 않은 사람들처럼, 그러나 청중에 있었던 사람들처럼 – 스레드에서 각각 2 분 정도면 가능합니다

당신은 하루 종일 등장한 것을 보았습니다 나는 내 자신의 노트를 가지고 있지만, 나는 사랑한다 어떤 회담에 당신의 반성이 무엇인지 듣기 너는 오늘 들었고, 너와 공감을 느꼈다 KAREN KAUSHANSKY : 오 그래, 나를 보내 주셔서 감사합니다

그리고 나는 항상 이것들을 좋아합니다 너겟 만 골라서 눈을 뜨기를 기대하지 마라 그래서, 나는 스레드의 많은 것을, 심지어 알렉스라고 생각합니다 합계의 종류는 많은 디자인이 서면에있다, 우리는 시몬 (Simone)과 그것을 보았습니다 우리는 그것을 보았습니다

하지만 블랙 박스를 가져가는 것이 그렇게 쉬운 경우 그리고 어떻게 일이 상자에 들어 왔는지 설명하면, 우리 일이 끝날 것입니다 일단 그렇게되면 43 %의 자신감으로 설명하거나 설명하기 시작, 누군가는 그것을보고 말합니다, 음, 그건 헛소리입니다 내가 43 %의 확신이라면 왜 그걸 사용하겠습니까? 그래서, 우리는 어떻게 그래서 두 가지 큰 일들 하나는 우리가 사람들과 함께 놀 수있게하는 방법입니다 신뢰가 낮을 때 우리는 점심 시간에 이것에 대해 이야기하기 어쩌면 안과 의사와 조금 다를 수 있습니다 좋아,이게 더 좋을까? 그렇지? 마찬가지로 우리는 사람들이 함께 놀고 참여하도록 어떻게 할 것인가? 그리고 오늘 제가 듣지 못한 큰 일이 있다고 생각합니다

그것은 항상 내가 뭘 – 내가 디자인하려고하는 많은 것입니다 우리가 모르는 것을 어떻게 알 수 있습니까? 어떻게 우리가 그것을 어떻게 설명 할 수 있을까요? 우리가 모르는 것들을 그것은 왜, 왜 그런가? 마찬가지로, 이것은 내가 아는 것입니다 그러나 이것은 내가 모르는 것입니다 그리고 어떻게 설계할까요? 그래, 많은 [INAUDIBLE] 목소리가 들린다 미래입니다

많은 스레드 – 마음에 봄이 몇 가지 그 중 하나는 근본적인 필요입니다 더 단순한 변증 법적 담론을 위해서 오늘은 검사와 뒤집기에 관한 것이 었습니다 다른 관점에서 다시 뒤집어 엎었습니다

그래서 저는 단지 한 가지 측면을 생각합니다 제가이 분야의 디자이너로서 깊게 깊이 생각하고, 페이지를 꺼내야 할 필요성이있다 일종의, 생각하고 특히 사회 제도의 관점 복용 특권을 인정하게되는 과정 어떤 환경에서도 너의 자신의 경험에서 벗어나 다른 사람들의 살아있는 경험에 발을 들여 놓았습니다 종종이 거대한 연결 끊김이 있습니다

우리가 기술자로서하는 일 사이 그리고 인간에 대한 실제 충격 영향을 받거나 소비한다 그리고 모든 경우에, 그것을 훈련시키는 사람들은, 마치, 완전히 익명 된 사람들 오늘 내가 본 다른 스레드의 종류와 종류 완벽하거나 정확한 단어에 대해 많이 알 수 있습니다 내가 완벽하거나 정밀도를들을 때 나는 조금 털다 거의 이야기 했으니 까

미래의 국가는 항상 과거의 상태에 기초하여 예측 될 수 있으며, 그리고 모든 사람들이 꽤 잘 알고 있다고 생각합니다 가장 흔한 것은 과거가 의롭다는 것을 나타내는 것이 아니라, 우리가 원하는 평등 주의적 미래 그래서 기계 학습이 미래의 상태를 예측할 수 없기 때문에 전례가 없는데, 어떻게 할거 니? 실제로 예측 모델을 만든다 점근 적으로 목표가 부족하다는 것을 설명해 주는가? 그래서 뭔가가없는 한 그것은 같습니다 과거의 역사적인 국가 너는 영원히 계속해서 편안함을 느낀다

그렇다면 완벽하거나 정확한 것과 같은 것은 없습니다 그래서 질문 할 것이 좋아 CENNYDD BOWLES : 그래서 우리 패널의 제목, 내가 그것을 발음 할 수 있다면, 기회와 도전이다 AI의 UX 용 그리고 제가 생각하기에 하나의 도전은 – 저를 위해 올라온 실 낮과 Kenneth를 통해 멋진 모자를 낀다

결국 사람들의 도전이됩니다 ~에 관여했다 방금 질문을 한 여인이 내 생각에 – 친절하게 말하면 제품을 만드는 사람들을 위해 조금은 도전입니다 결정, 상상 또는 구체화 적절한 척도로 사전 결정 그리고 저는 생각합니다

사실, 작년에 저는 원래이 사건에 대해 말하고 있었는데, 우리는 규모와 이야기에 대해 이야기하고있었습니다 이런 일이 일어나는 다른 비늘에 대해 케네스가 연설 한 하이퍼 연지 시스템의 규모 약 뭔가에요, 당신도 알다시피, 우리 모두는 우리가 지금 있음을 인정할 수 있습니다 그러나 우리는 그것의 가장자리를 보지 못합니다 우리는 구체적인 구체화를 할 수 없습니다 그리고 저는 – 나는 너희 각자가 아마도 그 협동 자에서 일하는 디자이너들에 관한 이야기 엔지니어 및 제품 관리자 등이 시작됩니다

유용하게도, 그리고 나서 시간 척도는 제품을 만들기 시작한다 이 비늘과이 비늘을 스케치 서로의 동적 시스템 중 뿐만 아니라 결국 – 나는 사용자라는 용어를 사용하는 것을 좋아하지 않는다 그러나이 각각의 장소에 관련된 인간 이러한 시스템에서 이 새라에게 돌아 가자 SARAH GOLD : 그래서 나는 너에게 구체적으로 무엇을 말할 수 있는가? 우리가 F에서 할 때, 우리가 피정 주간 떠나 갔던 때 다른 주 우리가하는 다른 종류의 디자인에 대해 토론합니다

우리가 그들에게 이름을 줄 수 있을까요? 우리가 생각해 낸 것들 중 하나는 서비스 다이어그램 당신에게 특정한 것이지만 우리가 이야기하는 것 우리가 무엇인가를 디자인 할 때입니다 우리는 그 서비스가 어떻게 될 것인지 생각하려고 노력합니다 더 넓은 시스템에 적합합니다 그래서 그 주위에서 또 무슨 일이 일어나는가? 예를 들어, 새로운 티켓을 디자인한다면 TFL 시스템을 사용하면 TFL을 그리지 않아도됩니다

그런 다음에는 법이 무엇입니까? 발권에 대해 말 하시겠습니까? 그리고 나서 현금을 꺼내는 누군가를 그려야 할지도 모릅니다 현지 ATM의 또는 그것은 모두 당신이하려고하는 일에 달려 있습니다 그러나 그것은 그 주위에있는 다른 모든 실체들을 그려내는 것에 관한 것이지만, 특히 규제에 대한 생각, 그 시스템에서의 적대적인 접근에 대해서도 생각해 보라 그리고 무엇이 잘못 될 수 있습니다 그리고 나는 우리를 위해 생각합니다

그것은 정말로 도움이되는 사고 방식입니다 다른 저울에 대해서 토론의 일부를 무언가로부터 끌어 내린다 그건 아주 작은 상호 작용 일거야 훨씬 더 많은 것을 알려주는 것으로 발견하기 대체로 그 결정이 의미하는 것 다른 개인 및 다른 기관 그 서비스의 한 부분 또는 다른 부분입니다 이것은 확실히 우리가 사용하는 기술입니다

그리고 그것은 꽤 쉬운 것 같아요 당신은 그것을 줘야합니다 LOVEJOY : 몇 가지, 하나, 나는 증명의 짐을 생각한다고 말한다 무언가를 자동화 할 수 있는지 여부 사람들 사이의 합의 수준 좋은 점이 무엇인지, 그리고 그 합의가 얼마나 튼튼한 지 관련된 사람들의 다양성에 그리고 사용의 맥락의 다양성 따라서 기본 가정을 뒤집을뿐입니다

자동화는 검증되어야 할 필요가 있습니다 두번째로, 최근에 제가 한 것입니다 세계 보건에 의한 장애 정의 읽기 조직, 그것을 설명하는 조직 개인의 특징 간의 불일치 및 환경의 기능에 대해 설명합니다 그리고 저는 그것에 대해 이야기하고, 우리는 모두 장애인이라고 생각합니다 우리 모두는 장애가 있습니다

약간의 지속성 또는 과도기가 있습니다 그러나 이것이 혁신 사고의 출발점입니다 제 생각에, 정말 심오합니다 매우 자주, 우리는 혁신 토론을 시작합니다 사람과 환경 사이의 완벽한 조화를 둘러싼 다

우리는 마치 달콤합니다 그들에게 통보 할 수 있습니다 그래서 저는 방금 그걸 방으로의 도발이라고 봅니다 나는 그것이 정말로 구체적인 장소라고 생각한다 나는 Google 팀을 향해 밀고 싶다

그리고 세 번째 것은이 개념을 둘러싼 것입니다 증가의 Google 팀에서 가장 자주 묻는 질문 아무도 추천을 신뢰하지 않는 이유는 무엇입니까? 내 시스템이 만들고있는거야? 여기에서 오는 것이 피트니스 프로그램인지 여부 당신은 계속 가야합니다, 아니면 여기 가야 할 일이 있습니다, 또는 당신이 가져 가야 할 비행기 또는 무엇이든, 그리고 그들 모두 다시 시작,이 가정 판결 될 수있는 훌륭한 대답이 있다는 것을 그래서 우리는 약간의 돌아가서 개개인의 신발을 신고, 이전에이 결정을 내 렸습니다 스스로 자신있게 그들은 스스로에게 책임이있다

자부심과 공예, 그리고 작가의 감각이 있습니다 그래서 그것이 의미하는 것의 스펙트럼에서 네가 무언가를 만든 것처럼 느껴지려면, 큰 공간이 있습니다 당신은 무언가를 수정할 수 있고 여전히 당신이 만든 것처럼 느낍니다 선택 영역에서 선택할 수 있습니다 그리고 당신이 그것을 만든 것처럼 여전히 느낀다

당신은 실제로 공예품을 건네 줄 수 있습니다 그러나 다시, 우리는이 지점에 뛰어 드는 경향이 있습니다 당신은 완벽한 것을 자동화 할 수 있습니다 그리고 그 시점에서, 당신은 저자권을 빼앗아갔습니다 당신은 공예품을 가져갔습니다

당신은 개인적인 표현을 버렸습니다 그러면 그 큰 장소에서 어떻게 시작하니? 누군가는 그들이 붙일 수있는 것처럼 느낀다 그들 만의 개인적인 접촉? 관객 : 그것은 케네스가 말한 것에 공감하는 것 같습니다 요한이 개념을 규정한다는 무지의 베일에 대해, 배우 네트워크에 자신을 배치 할 수 있음 사용자 중심 디자인의 디자이너가되기보다는 그리고 오늘 제가 생각 나는 스레드 중 하나가 생각납니다

우리는 여기에 오지 않고 사용자 중심의 디자인을 묻기 위해 여기에 온 것입니까? 그것을 칭찬해라 AI의 UX의 기회와 도전 중 하나입니다 더 이상 U가 없다는거야? 해서는 안됩니다 그리고 제가 프레젠테이션을 통해 들었던 것은 – 이런 종류의 사고 방식은 다르게 – 또는 사용자의 생각을 버리는 것 나는 당신의 생각을 듣고 싶습니다

CENNYDD BOWLES : 나는 그것에 대해 생각하고 싶습니다 Thomas Whent는 뉴욕시의 디자이너입니다 그는 상호 작용 17에서 위대한 발표를했습니다 나는 이것이 User Sense Design의 비판이라고 생각한다 그리고 그는 두 가지를 지적했습니다

하지만 여기서 초점을 맞출 것입니다 UCD는 더 좋든 나쁘 든간에, 종종 더 나 빠지고 집중적으로 집중했다 개인의 성공과 개인 생산성에 관한 그리고 Whent는 그렇지 않다는 것을 지적했다 생태계의 복리를 고려하여, 지역 사회, 민주주의, 사회 등 그래서 저는 그것이 분명히 뭔가라고 생각합니다

우리는 그 UCD에 초점을 잃어 버렸습니다 나에게 UCD는 몇 가지 과제를 안고있다 우리가 우리와 함께 사는 장치에 관해 말할 때 그 질문은, 당신이 매트를 지적하면서, 실제로 어떻게 이러한 기술을 사용하는지에 관한 것은 아닙니다 그러나 우리는 어떻게 그들과 함께 할 수 있습니까? 환경을 건강하게 공유하려면 어떻게해야합니까? 그리고 또한, 내가 할 수 있다면, 나는 그냥 가고있다

이전 질문으로 되감 으려면 나는 규모에 대해 조금 생각했기 때문에 나에게 스케일은 프로세스를 갖는 데 덜 유용합니다 프로세스는 문화뿐 아니라 규모도 확대되지 않는다고 생각합니다 그래서 저는 인간을 데려 오는 것에 더 관심이 있습니다 문화적 작업을 통해이 작품의 중심에 서 있습니다

그리고 나는 또한 디폴트를보고 싶다 기술 공동체의 이데올로기, 그것이 정말로 우리 문화를 결정 짓는 것이기 때문에, 프로세스 등을 시작합니다 그리고 나는 약한 호언 장담을하고 싶다 기술의 주류 이데올로기 지금은 희박한 신생 기업이며 캘리포니아 주입니다 관념론

마른 시동은 경험주의를 근거로 미래를 예언하는 것이 무의미하다는 사실이 제시됩니다 그러므로 우리는 경험주의를 통해서만 배워야합니다 측정을 만들고, 배우고, 구축하고, 측정하고, 배우십시오 이 시스템에는 윤리적 담론을위한 공간이 없습니다

예상 할 여지가 없다 그 시스템 내에서의 잠재적 인 해악 그것이 끝날 때까지, 나는 그것이 우리를 이끌었던 무엇인가라고 생각한다 윤리적으로 잘못된 길을 걷는다 그리고 캘리포니아 이데올로기는 – 나는 스위스에 있지만 Google에 있다는 것을 인정했다 거기에는 흥미로운 갈등이 있습니다

95 년의 초기 논문을 읽지 않았다면, 앤디 카메론 (Andy Cameron)과 리처드 바르 부룩 (Richard Barbrook) 약간 이상하지만 훌륭한 작품 근본적으로 실리콘 밸리의 정치적 의제에 관한 것입니다 그리고 그것은 여전히 ​​사실입니다 과도하게 정치적으로 지내지 않고, 필자는 그것이 반드시 모델이 될 것이라고 생각하지 않는다 우리가 더 윤리적이되고 보다 인간 중심적인 기술 다음 10 년 안에 그래서 런던, 베를린 등을들을 때, 실리콘 밸리 (Silicon Valley) 정신의 일부를 어떻게 포착 할 것인가? 내 반응은 항상 그렇지 않습니다 우리는 더 이상 필요하지 않습니다

우리는 좀 더 지역적인 것이 필요합니다 우리는 패턴을 바꾸기 위해 뭔가 다른 것이 필요합니다 우리가 타고있는 궤도를 바꾸는 것 KAREN KAUSHANSKY : 스케일 질문에, 나는 매일 매일의 작업을하는 디자이너라고 생각합니다 규모를 확장하기 전에 오늘 우리가 가진 것을 더 좋게 만듭니다

그리고 그 중 일부는 제가 생각하기에 솔기를 확인하는 것입니다 그래서 우리는 아름다운 솔기를 만들 수 있습니다 그리고 우리는 그 솔기를 보여줄 수 있습니다 그래서 식별하는 것이 중요합니다 방법의 모든 단계, 잘못 될 수있는 종류의

그리고 그것은 꽤 지루할 수 있습니다 나는 그것이 사라로 돌아 간다고 생각합니다 서비스 디자인에 대해 말하고 있었고 모든 다른 흐름과 모든 다른 방법들 그 일은 갈 수 있습니다 Chris Nestle, "Identative Design"을 썼다 그리고 "그렇게해라

"그는이 미래의 바퀴를 통해 우리를 걸었습니다 운동은 어떤 종류의 예측을 내려 놓았습니다 그리고 나서 그 예측에서 그 예측의 직접적인 결과를 써라 그리고 나서 각 결과에 대해 그 결과의 다른 직접적인 결과를 적어 라 그리고 간접적 인 결과를 연결합니다

그리고 당신은 솔기를 찾아 낼 것입니다 이 간접적 인 결과 이 간접적 인 결과가 함께 발생합니까? 너는 마치 너야 미래가 갈 곳이 어쩌면 어쩌면 그럴거야 우리는 그것을 깨닫지도 못했습니다 이것이 유용한 도구였습니다

CENNYDD BOWLES : U를 UX에 묻어 버릴 수는 있겠 니? 그리고 그 의견은? 그냥 내가 직업 교정을 받겠다는 뜻이야 고정식 및 끈 및 슬라이드 데크, 우리가 유엔을 가로 지르게되면 사라 골드 : 나는 그것에 대해 어떻게 생각해야할지 모르겠다 나는 누군가를 위해 디자인하고 있다는 것을 알고있다 나는 필요를 위해 디자인하고있다

내가 원하는 누군가를 디자인하고있어 어떤 경우에는 희망을 갖고 그것을 사용하기 그들의 삶을 더 좋게 만들 것입니다 나는 자율 차량을 디자인하기를 바랬다 Dan이 말하고있는 모든 것, 더 큰 도시, 더 나은 도시 내 사용자가이 일을하는 이유입니다

우리가 포기했다고 말하기가 힘듭니다 그것은 아마도 확장되어야합니다, 도시, 민주주의, 정치적 의제, 그런 것들 그러나 나는 내 사용자를 놓아 줄 수 없다 그래, 나는 동의 할거야 사용자 중심의 디자인에 대한 논거를 들었을 때, 종종 나는 듣는 것처럼 느껴진다

현재 최적화 전략에 대한 논쟁이다 그건 UCD에서 과장된 말입니다 특히 클릭을 통한 참여 또는 작업 시간, 또는 전환과 같은 일을합니다 그리고 너의 요점으로 돌아 가기 위해, 케네스, 나는 일반적인 통념이 지배적이라고 생각합니다 시장에 나오고 그 다음엔 종류의 일을 따를 것이다

대기업의 경우 실제로는 극단적으로 반대되는 것으로 생각하는 우리의 책임 너는 우리가 저기로 뭔가를 밀어 넣을거야 그리고 더 많은 사람들이 그곳에 와서 잘하면 문제가 발생할 때 문제를 해결할 것입니다 오히려 당신은 실상 일종의 실사를해야합니다

더 많은 사용자층을 생각해보십시오 기계 학습 관점에서 본 다른 측면 실제로 강력한 시스템을 구축하고 싶다면 시간이 지남에 따라 반복적이고 유용 할 것입니다 정말 넓은 스펙트럼을보아야합니다 및 사용자 행동의 교차 스펙트럼 그래서 당신은 그것을 통해 끝까지 생각해야합니다

기술의 응용, 따라서 사용자가 있습니다 그것은 우리의 전통적인 사용자가 일종의 놀이를했습니다 효율성을 모델링하는 데 유용하지 않을 것입니다 시스템의 사라 GOLD : 그래서 사용자 중심의 디자인, 제 생각에 당신 개인의 개념은 디자인은 여전히 ​​대단히 중요합니다 그리고 어떻게 그리고 왜 우리가 생각해야하는지에 대한 많은 견해를 가지고 있습니다

큰 그룹의 사람들에 대해서 그러나 인공 지능에 대해 매우 구체적인 것 사용자 중심의 디자인은 곧 제공됩니다 디자인에 데이터를 가져올 때, 나는 이것이 실제로 정말로 중요하다고 생각한다 규모에 대한 생각 또한 데이터 흐름에 대한 생각입니다 뿐만 아니라 일종의 사용자 여행에 대해 생각할 때 수집되는 데이터는 무엇입니까? 어떻게 수집 되었습니까? 이 데이터의 소유권이 어디에 있는지에 대한 아이디어입니다

그러나 실제로, 그것을 볼 권리가있는 사람은 누구입니까? 정말로 중요합니다 왜냐하면 – 나는 그것을 묘사하는 더 좋은 방법을 생각하려고 노력하고있다 나는 그걸로 가려고한다 우리가 개인을 위해 계속해서 디자인한다면, 그러나 우리가 근본적으로 그들에게 요구하는 데이터 동의를 구하거나 보거나 많은 사람들이 그것에 대한 권리를 가지고 있습니다 우리는 그것을 설계 할 수 없습니다

그래서 나는 사용자의 개념이 필요하다고 생각한다 당신이 물질적 인 것들을 깨달을 때 부서집니다 우리는 그들에게 요구하거나 그들에게 무언가를하도록 허락합니다 와 함께 소유하고 있지 않습니다 지금 우리는 나에 대해이 정말로 강한 이야기를 가지고 있습니다

내 데이터를 소유하십시오 음, 사실, 내가 소유하고있는 데이터는별로 없습니다 사실 그리고 나는 너를 모두 보도록 권하고 싶다 Open Data Institute의 소유권 종류에 대한 정의 이것에 관해서, 사실, 나에 관한 데이터 내 누나, 엄마, 아빠에 대한 데이터이기도합니다

이 방에있는 저에 관한 자료는 실제로 우리 모두에 관한 것입니다 그래서 우리에게는 그러한 종류의 집단적 권리가 있습니다 그리고 그것은 단지 내가 가진 것일뿐입니다 여기에 대해 생각해보십시오 사용자 요구가 매우 나에 대한 더 넓은 개념에 대해 생각하기 시작하는 어려운 개념 시스템, 왜냐하면 우리가 작업하고있는 재료가 개인 소유의 종류

우리는 많은 것에 대한 관점에서 이것을 생각해야합니다 관객 : 뭔가 다시 돌아 오는 것 같아요 Josh와 Fernando가 [INAUDIBLE] 너의 스폰서 인간 중심의 인공 지능을 가장 쉬운 방법으로 만드는 그런 종류의가요? 그리고 그것의 일부는 이것의 개업자에게 간다 그래서 제 전화는 우리가 할 수 있다고 생각합니다

당일에 쉽게 통합 할 수있게하십시오 하루 동안이 멀티 액터 네트워크 집단적 방식의 일부 사람들이 참여하는 방식을 보는 것 기술로 쉽게 만들 수 있습니다 다양한 훈련 장면을 통해 기술 및 회의 협의 및 도구 나머지는 15 일 동안 우리가 가진 것입니다 우리가 만들었던 것처럼 방식으로 사용자 중심 디자인? 우리 길을 나가는 길은 있나? 매우 바쁜 사람들에게 도구를주는 방식으로 그렇게 쉽게? 세니드 보울 : 예 그리고 사람들은 다음 5-10 일 동안 좋은 삶을 살 것입니다

년에 관한 책을 쓰고, 그것에 대해 이야기를 나누며, 훈련을하고 말하는데, 여기에 몇 가지 간단한 기술이 있습니다 보유하고있는 이해 관계자의 시각을 높이는 데 사용할 수있는 이해 관계자의 견해를 넓히고 싶다면 사회와 인구 등을 포함시킬 수 있습니다 그것은 우리가 실제로 원하는 것입니까? 그것은 우리가 원하는 것일 수 있습니다 그게 우리가 실제로 필요한 것입니까? 우리는 이러한 기술을 마찰이 적고, 또는 우리는 실제로 그들에게 정의를주기를 원합니까? 어쩌면 우리는 그 생각에서 뒤로 물러 설 필요가 있습니다 그것은 그 필요에 부합하는 것이어야한다

신속하게 전달할 수 있습니다 아마 그게 문제 일거야 어쩌면 우리가이 혼란에 빠지게 될지도 모릅니다 결정적인 속도의 변화를 느꼈으 며,이 명백한 운명 그 기술은 내일 밖에 나가야합니다 어쩌면 그게 처음부터 우리를 혼란에 빠지게 할 수도 있습니다

어쩌면 우리는 뒤로 물러나 이러한 문제를 해결해야 할 것입니다 마찰없는 방식보다는 마찰적 인 방법으로 LOVEJOY : 나는 그걸 덧붙일 수있을거야 그러나 그것은 그것을 만드는 성명에서 피벗의 종류입니다 가장 쉬운 방법은 인간에게 생긴 직접적인 피해를 보았습니다 그것으로부터 멀리 바라 보는 것은 불가능합니다 그리고 작업에 2 년, 3 년 동안 클립 작업, 시도 정보 프로그램이 무엇인지 알아 내려고 디자이너 인 나처럼 보입니다

실제로 사용자 연구였습니다 우리 모두가 해왔 던 근본적인 것이 었습니다 다시 와야합니다 UX 연구원, 그들의 주요 직업 제품 디자인의 일상과 출현 인간을위한 옹호입니다 그들은 상상의 단계에서 그들에게 가장 가깝다

연구 단계 그들은 평가 단계에서 그들과 가장 가깝습니다 그리고 우리가 위임 한 사람이 바로이 역할입니다이 역할 우리가 옹호자가되도록 위임했습니다 그리고 그들은 제품 관리자를지지합니다

그들은 엔지니어를지지합니다 디자이너 옹호자 UX 연구원이 될 수있는 가장 성공적인 타인의 결정에 영향을 미치고있다 누가 코드 나 금속을 모양 짓게되는지 인간에게 나간다 다른 모든 사람들은 간접 층과 같습니다

멀리 그들에게서 그리고 대부분의 교육 기계 학습 모델로 들어가는 데이터 실제 사용자 옹호와는 거리가 멀다 그것과 가장 가까운 사람들이 바로 그것들입니다 종종 이해에 가장 근접한 접근 권한을 갖고 있지 않습니다 사용자의 필요 또는 인간의 필요

그것은 사용자 연구에서 멀었습니다 프로토콜 설계를지지하는 사람은 아무도 없습니다 및 라벨링 프로세스, 데이터 수집 프로세스, 평가 과정 그리고 실제적인 것에 회귀하기 위해, 우리가 뭘 할 수 있을까? 우리는 어떻게 그것을 가장 쉽게 만드나요? 우리는 기존 시스템을 기반으로 구축하고 있다고 생각합니다 우리는 UX 연구에 있습니다

그리고 그 역할을 확장하여 데이터 수집을 포괄합니다 우리가 확장 할 수 있도록 프로토콜 설계 및 평가 옹호하고, 우리는 멀리 돌리기가 더 어렵게 만듭니다 우리가 내리는 결정의 영향으로부터 그 효과를 본 후에는 가장 쉬운 방법입니다 문제를 해결하는 것입니다 사라 골드 : 당신이 말하는 것과 정말로 동의합니다

특정 영역에 추가하고 싶습니다 일하고, 데이터가있는 곳으로 연구를하고 있습니다 특히 의학적 맥락에서 수집, 너무 어렵다 그래서 당신이 제품을 선적하려는 상황에서 당신이 할 수 없었기 때문에 완전히 테스트되지 않았습니다 그리고 데이터는 더미 데이터를 개발하더라도, 그것은 진짜만큼 부자가 될 수 없습니다

나는 또한 윤리적 인 절차에 대해 생각한다고 생각한다 우리가 더 많은 사람들 앞에서 어떻게 얻을 수 있는지 적절한 종류의 정보에 액세스 할 수 있습니다 우리가 확실히하고 있는지 확인하는 것이 중요합니다 내가 너를 완전히 들었다고 옳은 말을했다 그리고 나는 그것이 현재 윤리적 인 틀의 종류라고 생각합니다

우리는 개인에 관한 정보에 접근 할 수 있습니다 제품을 테스트하는 것이 필요하고 힘들어 야합니다 하지만 나는 그들이 그 과정에 맞다고 생각하지 않는다 지금 당장 만들고있어 그래서 그 시점에 도달하는 것은 매우 어렵습니다

네 카렌 카우산 스키 : 네 그냥 마찰 점으로 되돌아가 그래서 원래의 질문이 제기되었을 때, 나는 반대쪽에서 그것에 대해 실제로 생각했다 내가들은 바에 따르면, 그 과정에서 약간의 마찰이 생겼다

그리고 나서 나는 우리가 가고 있다고 걱정한다 마찰에 빠는 사람들을 향해 이것을 편향 시키려면, 하루 종일 더 많은 시간을 할애한다는 의미입니다 두 단계 더 수행 할 수 있습니다 그래서 그들은 후드를 들여다 보려고합니다 그리고 나서, 그렇지 않은 사람들, 그렇다면, 나는 그들이이 일의 일부가되지 않을 거라 생각해

CENNYDD BOWLES : 느린 음식은 쉽습니다 당신이 부자이고 많은 시간을 보내고 있다면 그래, 그렇지 따라서 저의 첫 번째 생각은 효과가 적고 더 많은 혜택을 얻었습니다 나는 이것을 매우 쉽게 사용할 수 있습니다

암묵적인 데이터 수집과 같습니다 그러나 제가 얻는 이익을보십시오 그리고 일단 내가 그걸 따라 왔으면 – 일단 내가 말했을 때, 나는 모든 이익을 이해한다, 나는 푹 빠져있다 어쩌면 당신은 그 마찰의 일부를 소개 할 수 있습니다 대니얼 보울 즈 : 조쉬, 너에 대해 논평하고 싶니? 관객 : 그래, 너희들은 내 질문에 좀 걸렸다

실제로 다시 방문하고 싶었 기 때문에 마찰에 관한이 점과 본질적으로 그것의 비용 누가 비용을 부담합니까? 나는 아주 많은 세상을 볼 수 있기 때문에 우리는 완전히 자유롭지 않은 인공 지능 AI를 가지고 있습니다 모든 것을 통해 생각 해왔다 나중에 시장에 나오면 보험료를 내야합니다 그리고 다른 것들은 본질적으로 가난한자를위한 세금이된다 그래서 지금은 광고라는 이론이 있습니다

가난한 사람들에게 세금이되고있다 우리가 할 수있을 때까지 그 돈을 지불 할 수없는 사람 비슷한 상황에 처하게된다 반면에, 당신은 또한 여분의 두 사람을하는이 사람은 누구의 장소에 들어 가라 매번 단계? 음, 하나는 부유 한 사람이고 그녀의 손에 시간 다른 하나는 실제로 체인을 통과 한 것입니다

그리고 그 사람들은 본질적으로 피해야 할 것입니다 일부 광고 또는 조금 더 AI 시간을 얻을 또는 그것이 무엇이든 부자는 본질적으로 그들의 노동 또는 그들의 보조금을 지불하는 것 그래서 나는 그 정말 행복한 주제를 버리고 싶다 그룹에, 그리고 만약에 – 사라 골드 (Sarah GOLD) : 지난주 또는 그 주 전, 나는 웹 1029와 Tim Berners Lee는 "The Guardian"에 기사를 썼다 그리고 나는 내 인생을 기억할 수 없다

그것의 정확한 표현 그러나 그것의 약간은 우리가 붙이게된다라고 말했다 광고가 유일한 길이라고 생각하는 곳에서 디지털 서비스 비용 그리고 우리는 좀 더 창의적인 생각이 필요합니다 그리고 나는 그것이 매우 좋았다고 생각했다 왜냐하면 나는 정말로 그것을 믿기 때문입니다

나는 다른 모델이 있다고 생각한다 그래서 토론 할 큰 경제적 인 부분이 있습니다 그냥 거기에 뛰어 들고 싶었어 CENNYDD BOWLES : 패널에서 불일치가있는 것이 좋다고 들었습니다 그래서 나는 동의하지 않을 것이다

나는 광고 유스 케이스가 불공평하게 비난 받았다고 생각한다 윤리적 위반, 특히 어떤 종류의 선동가와 사람들에 의해 특정 비즈니스 모델을 비난하는 사람 대체 비즈니스 모델의 이점을 누릴 수 있습니다 사실, 데이터는 현재 모든 비즈니스에 가치가 있습니다 광고 가치에 대해 독점적 인 것은 없습니다 사실, 그 가치는 점점 더 집중되고 있습니다

교육 데이터로서의 가치, 분석 데이터 등 그리고 광고에 대한 가치는 실제로 엄격하게 관련이 없습니다 우리가 보는 것은 우리는 아주 빨리 여기에서 매우 정치적으로 얻을 수 있습니다 – 하지만 항상 시스템의 자연스런 결과입니다 근본적으로 어떤 사람들을 축축하게 만든 어떤 사람들에게 보상을주었습니다 저는 항상 광고 자금 모델을 포기하라는 회의에 회의적입니다 광고 기금 모델이 자유로운 변형을 가져 왔기 때문에 기술을 수십억 달러로 끌어 올렸습니다 그리고 나는 그것을 버리고 싶지 않을 것입니다

근본적으로 기술을 명품으로 만드는 시스템을보기 위해 다시 관객 : 질문이 있습니다 CENNYDD BOWLES : 당신은 그 일을 후원했습니다 부디– 관객 : 설명 할 수있는 인공 지능에 대해 질문하고 싶습니다 그리고 이유가 있습니다

그래서 나는 두 가지 질문을 가지고 있으며 나는 의견이있다 그래서 제 질문은 전체 패널을 대상으로합니다 AI를 설명하는 것이 얼마나 유용하다고 생각합니까? 그리고 나는 그 질문에 자격을 줄 것이다 그래서 그것이 주석이있는 곳입니다 나는 설명력이 수련자들에게 매우 유용하다고 생각한다

빌더를 위해, 기본적으로 당신이 explainability 있다면, 당신은 시스템을 디버깅 할 수 있습니다 그래서 그것은 당연한 것입니다 그러나 최종 사용자의 경우, 내가 걱정하는 것은 이런 방에있는 것처럼 느껴져 나는 설명의 가능성이 있다고 생각합니다 최종 사용자는 매우 유용합니다

그리고 그것은 바람직한 것입니다 그리고 나는 그것을 믿는다 데이터 시각화 배경에서 왔습니다 데이터를 시각화 할 수 있다면 너에게 너 자신의 거울처럼 보여라 나는 행복 할거야

왜냐하면 나는 마치 당신이 더 많은 정보를 얻게 될 것입니다 당신은 더 나은 결정을 내릴 것입니다 그리고 나는 모두 설명하기 쉽습니다 그런 다음 Google에 왔습니다 그리고 대부분의 경우 최종 사용자가 신경 쓰지 않는다는 것을 알았습니다

그리고 그들은 그들의 역사에 대해 투명성을 보입니다 대부분의 사용자는 데이터를 보지 않습니다 그리고 그들은 상관하지 않습니다 그래서 제 질문은이 관점에서 비롯된 것입니다 추측하고있는 우리 같은 사람들인가? 최종 사용자는 실제로 explainability를 원합니까? 그렇다면 왜 그들이 그것을 원하니? 어떻게 유용합니까? 그리고 우리는 어떻게 그들을 돌보게합니까, 기본적으로, 하루의 끝에서? 관객 : 내가 데리러 갈 실 때문에, 나는 그것에 던지고 무슨 일이 일어나는지보고 싶습니다

패트릭의 말에서 인용 한 것이었지만, 우리가 오늘 아침에 들었던 것들 중 일부를 통해 울려 퍼졌습니다 패트릭은 글쓰기와 사용법 사이의 경계를 모호하게했다 소프트웨어 다시 한번 우리는 그 역할로 돌아갑니다 우리는 어떤 역할을합니까? 최종 사용자입니까, 아니면 저자 또는 대행사입니까? 그리고 그것은 explicability에 대한 요구를 변화 시키는가? 그리고 이런 종류의 것들

플러스 5 어려움 CYNYDD BOWLES : 글쎄, 나는 마이크를 먹고 싶지 않아 여기 나는 항상 사물이 들릴 때 걱정된다 우리가 어떻게 사람들을 무언가에 관심있게 만드는 것과 같습니다

저것은 꽤로드 된 코멘트로 나를 친다 아무런 의미가 없다 사용자가 상관하지 않더라도 규제 당국은 그리고 나는 그것이 단순히 좋은 인공 지능 인 지점이 있다고 생각합니다 설명하기 쉽도록 위생에 구운 것 또는 시스템 내에서 최소한 접근 방식을 갖기 위해, 비록 사소한 것이라 할지라도 나는 그렇게해야한다 치킨 카레가 있니? 예 아니오? 예? 큰 확인

어떻게하는지 알려줘 우리는 특정 시스템이 근본적으로 영향력이 큰 시스템 형사 사법, 알고리즘, 선고 알고리즘 등, 설명 할 수 있어야합니다 그리고 저는 손을 흔들며 질문하는 것을 결코 사지 않습니다 나는 때때로 데이터 과학자와 기계에서 듣는다 학습 전문가들은 말하지만, 깊은 학습 – 우리는 8 층 깊이입니다

우리는 단지 그렇게 할 수 없습니다 방법을 찾거나 해당 시스템을 사용하지 마십시오 관객 : 그것은 매우 활발한 연구 분야입니다 내가 말했듯이, 문맥 상으로 말하면, 우리가 왜 시나리오와 이유가 있다고 생각합니다 설명 가능한 인공 지능을 원합니다

형사 사법? 확실히 그러나 다시, 나는 우리에게 매우 위험하다고 생각한다 사용자가 특정 물건을 추측하는 커뮤니티 이걸 원해 그래서 저는 우리 모두가 생각하고있는 것에 도전 할 것입니다 이러한 것들이 실제로 가능할 수있는 창의적인 방법에 대해 필요한 것이 아니라 사용자에게 유용합니다

오늘 너의 브로콜리를 먹어라 너에게 좋을거야 그래서 저는 창조적 인 방법이 있는지 궁금합니다 그게 내가 생각하기에 디자이너가 그토록 잘하는 것은 당신이 지저분한 일에 몰두하는 것입니다 우리는 사용자의 현실과 사용자 요구에 연계합니다

그래서 나는 사용자가 필요로하는 것이 무엇인지 궁금해하고 있습니다 기계 학습을 할 때 부여되는 것 당신이 틀린 권고를 얻는 경우에 틀리게, 확실히 당신은 설명을 원할 것입니다, 그리고 절대적으로 하지만 나머지 99 %는 왜 우리가 필요합니까? KAREN KAUSHANSKY : 그것이 내가 말하고자하는 것입니다 그들이 돌볼 때까지 그들은 상관하지 않는다 그리고 뭔가 잘못되었을 때 그들은주의를 기울일 것입니다

다시 말하지만, 당신이 모르는 것을 아는 것과 거의 같습니다 우리는 언제 우리가 틀린 지 알 것입니다 그리고 우리는 모든 것을 설명합니까? 하지만 물론 다른 렌즈를 원할 것입니다 무엇인가가 잘못되었을 때, 어떤 것이 옳을 때, 그리고 당신이 어떻게 설명하는지 그래서 나는 이전에 말하기 시작했던 것들로 돌아 간다

우리가 언제 틀린 지 어떻게 알 수 있습니까? 우리가 모르는 것을 어떻게 알 수 있습니까? 어쩌면 괜찮을 수도 있습니다 일이 잘못 될 때 설명 만하면됩니다 LOOSJOY : 그리고 많은 것들이 좋아 이 지역에서, 그건, 음, 당신이 설명 할 수있는 것이 무엇을 의미하는지에 달려 있습니다 공정성을 파악하는 과정에서 Google 질문 및 공정성 구현 방법 파악 라이프 사이클, 실행 프로세스, 그것은 항상 나를 괴롭혔다

모두를위한 출발점 이 문제는 보편적 척도를 파악하는 것이 었습니다 그러나 인간의 일상적인 대화에서, 우리는 누군가로부터 답을 얻으려고 노력합니다 누군가에게 묻는 것은 우스꽝스러운 일입니다 왜 그런 짓을 한거야? 특히 아이에게 물어 보는 것은 정말 웃기는 일입니다 그럼에도 불구하고 나는 매번 그렇게한다

내 6 살짜리가 내 3 살짜리 물건을 밀어 붙입니다 그런 식으로 왜 그런 짓을 한거야? 그는 어떤 일이 일어날 지 이유를 만들어 낼 것입니다 그러나 더 위험한 지역에서 우리가하는 일 우리는 교정 및 인증의 일부 계층을 수행하고 있습니까? 차를 운전하려면 시험을 치러야합니다 변호사가 되려면 변호사 시험에 합격해야합니다

시스템이 있습니다 의사가 되려면, 그냥 나타나서는 안됩니다 좋은 생각이 있다고 생각합니다 당신은 인증을 받아야합니다 그래서 재미있는 질문입니다

나는 우리가 지역 사회로서 가지고 있다고 생각한다 뭔가 좋은 일이 무엇을 의미하는지에 대해 이야기합니다 충분히 좋은 데이터 세트처럼 또는 충분한 종류의 품질 또는 철저 함을가집니다 또는 그것의 representativeness, 그래서 우리가 알고있는 그것은 신뢰할 수있는 데이터 원천입니다 어떻게 우리는 그것을 받아 들일 것인가? 그 모델은 충분히 믿을 만하다

주어진 맥락에서? 따라서 나는 의도를 통해 추적 할 수있는 능력이 있다고 생각합니다 응용 프로그램으로, 그리고 소스, 유로 수집, 수집에 관여 한 사람들, 진행된 근본적인 가정 그것을 모으는 방법론에 제작자 인 사람들에게 중요합니다 나는 이것이 우리의 첫 번째 사용자라고 생각합니다 어쩌면 하나 또는 두 가지 질문에 대답하기 위해 – 우리가 명중해야 할 첫 번째 사용자 – 우리가 왜 쌍으로 그것에 집중하는지 – 코드를 발송하는 사람들, 누가 그것을 봐야하는지, 누가 입어야하는지 그 철제 반지는 말할 수있게 만들고 신중하게 결정 데이터 세트를보고 말할 수 있다면 예, 의도 한 응용 프로그램의 대표입니다

나는 내 모델을 훈련시키고 싶다고 생각한다 그렇다면 우리가 시작할 수 있다고 생각되는 라이프 사이클입니다 그리고 그것으로, 설명력이 나옵니다 생각해라 Sarah GOLD : 사용자 층이 있다고 생각합니다

그리고 그것은 우리가 일종의 장소라고 생각합니다 이전의 질문에 도달했다 그 질문 사용자의 필요에 따라 프로젝트에 해를 끼칠 수 있습니다 또한 적시에 정말 유용 할 수 있습니다 그러나 또한 일을 죽일 수 있습니다

그래서 나는 그것이 현명하게 질문으로 사용되어야한다고 생각합니다 사실 너무 광범위하게 사용 된 것 같습니다 분명히 설명 할 수있는 사용자 요구가 있기 때문에 일이 잘못 될 때와 관련이 있습니다 전혀 그리고 그것들은 많은 것들과 많은 것들을 통과합니다

그 여부의 다른 사슬들 조직의 한 개인, 또는 의회위원회 다양한 수준의 사용자가 필요합니다 설명 내 생각에 일반적으로 일종의 최종 사용자는 말하자면, 실제로, 많이 있습니다 민속에 대해 말하게된다 우리가 기술의 마법에 대해 스스로 말하는 그리고 어떻게 일을하는지, 그리고 그 종류 우리가 끝내는 이야기의 이야기 왜냐하면 우리는 단지 그것을 얻지 못하기 때문입니다

그것은 확실히 계속 될 것입니다 하지만 우리는 노력해야 할 의무가 있다고 생각합니다 사람들이이 물건을 얻을 수있게 도와주세요 그 마법의 위험 그리고 저는 개인에 대해서 항상 생각합니다

내가 시도한 사람을 본 적이있다 그들의 조부모를 위해 iPhone을 설치하는 것을 돕기 위해 그 일에 많은 신경을 쓰고 싶습니다 다른 사람을 대신하여 결정을 내린다 그리고 때로는 그것이 어디에 있다고 생각합니다

당신은 사용자가 설명 할 필요가있는 것을 얻을 수 있습니다 그것은 당신이 올바른 결정을 내릴 수 있도록하는 일종의 것입니다 그래서 당신은 그것을 통제 할 수 있습니다 그리고 저는 종종 당신이 이야기 할 때 저는 상관하지 않는다고 생각합니다 음, 엄마가 도와 준 모든 시간을 생각해 보라

기술을 사용하거나 딸을 도왔습니다 또는 아들이 뭔가 작동하도록하십시오 당신은 이해와 신뢰의 수준을 가져야합니다 당신이 다른 사람들을 위해 결정을 내릴 수 있다는 점에서 그것은 인간이되고 건물을 짓는데있어서 정말로 중요한 부분입니다

신뢰와 관계 그래서 저는 그것을 잊어 버리는 것이 인간성이 무엇인지를 잊는 것이라고 생각합니다 정말 나는 그것이 정말로, 정말로 메타가된다는 것을 안다 그러나 그것이 내가 믿는 것입니다

사실 패트릭 한테서 또 다른 에코 야 프레젠테이션에서 당신은 가르치는 것에 대해이 시도의 과정이라고 이야기했습니다 당신이 달성 한 과정을 다시 조각 낸다 처음에는 지식

하지만 당신이 가르치려고하는 다른 사람 공유 된 경험이 없습니다 그리고 그곳에는 당신의 요지에 대한 마법과 지저분함이 있습니다 관객 : 사설서 작성, 설명 초대장입니다 다른 사람들을 더 좋게 만드는 초대장입니다 비록 그것이 잘못되지 않았더라도

그리고 나는 그것이 마법의 피난처 인 곳이라고 생각한다 기술 설계에 대한 은유로서 – 나는 그것이 잘못 된 곳이라고 생각한다 나는 우리가 마술과 같은 해로운 것을 고려해야한다고 생각한다 진술 설명은 초대장입니다

우리가이 물건을 가져갈 수있는 곳에 대한 희망을주는 것 나는 Dan이 코멘트를했다고 생각한다 관객 : 나는 내가 무엇을 말할 것인지를 안다고 생각한다 당신이 질문했을 때 그러나 사라는 인류의 본질에 관한 것이라고 말했다

그래서 나는 길을 잃었다 나는 이것이 – 일종의 반쯤 형성된 생각 일까 – 디자이너로서, 인터넷으로 자란 우리들, 오랜 시간 동안 사용자 중심의 디자인 작업이 근본적이었습니다

우리가 어떤 종류의 물건을 다루기 때문에 우리 [? outpolled ?] 처음 15 년, 20 년의 인터넷 또는 웹 – 나는 웹이 구체적 일 것이라고 말할 것이다 우리는 특정 유형의 자료를 다루고 있습니다 그것은 언론의 일종이거나 음악 산업이었습니다 또는 검색 결과이거나 광고 시스템 관련 그걸로

그리고 우리 중 몇몇이 오늘 어디로 갔는지 생각해 봅니다 이제 그 시스템이 시작됩니다 일상 생활의 구조에 스스로를 매몰 시키지만, 정말 육체적 인 것들 그것은 다르다 그리고 그것이 당신의 에너지 시스템을 운영한다면 그것은 다릅니다

버스가 돌아서는지 여부에 영향을 주면 다릅니다 또는 아닙니다 당신이 주택 조합에 들어갈 지 여부는 다릅니다 그리고 우리가 볼 수 있듯이, 실제로 변경 될 수 있음을 이해했습니다 국가 정치, 모든 종류의 것들

그리고 몇 년 전에는 그렇지 않았습니다 레이더 밑에서 뛰었 기 때문일 수도 있습니다 우리는 명시 적으로 언급하지 않았습니다 그래서 UCD와 우리가 할 수있는 기술은 오랫동안 할 수있었습니다 매우 개인주의적인 견해를 가져라

그리고 그냥 슈퍼 명확하게, 나는 한 번 스파이스 걸즈 웹 사이트를 디자인했습니다 그것은 처음 10, 15 년 동안 에 대해서 밝혀졌습니다, 그것은 분명히 중요합니다 14 살짜리 소녀들에게 하지만 이제는 임베디드로 바뀌 었습니다

일상적인 인프라로 우리가해야 할 디자인의 유형을 높였습니다 그래서이 explainability 질문은 지금 엄청나게 중요합니다 사람들이 왜 관심을 가지지 않은지 알 수 있기 때문에 꽤 오래 동안 Google 검색 데이터에 그러나 그것이 내 삶의 방식에 실제로 영향을 준다면 매우 직접적인 방식으로 작동하며, 근본적인 것들 음식 트럭의 출현 여부와는 다른 것입니다 그래서 그것은 당신의 요점을 고집합니다 사용자 중심 디자인이지만 시스템 센터 디자인, 또는 시민 센터 디자인

이 두 시스템은 각각 외부의 영향을 많이받습니다 버스 정류장의 설명 능력이 중요합니다 그래서 나는 기획서를 그곳에 올려 놓은 것입니다 그래서 정말, 그 종이는 정말로 햄 주먹 시도입니다 스트림에서 어떤 일이 발생할 것이라고 설명합니다

이것은 의사 결정 과정입니다 뒤에 누가 그 사람이야 그리고 여기 누가 그 중재자인가? 지방 정부와 마찬가지 그리고 여기에 가서 그것에 대해 누군가 이야기 할 곳이 있습니다 매트가 말했듯이 그것은 참여를위한 초청장입니다

그것이 지금 다른 모든 것을 위해 무엇인지 알아 내려고합니다 관객 : 나는 당신의 기회를 사용하여 모두에게 감사 할 것입니다 공유 한 모든 것을 공유하기위한 오늘 아침과 오늘 오후에 우리가 많은 선을 흐리게하는지 궁금합니다 왜냐하면 나는 우리가 심문하고 있다고 생각하지 않기 때문에 explainability의 가치

UCD의 다른 층이 있는지 궁금합니다 때때로 규제 당국이 사용자가되는 것입니까? 아니면 실제 최종 소비자가 우리 사용자 인 다른 시간입니까? 그래서 나는 그것에 대한 당신의 생각을 듣고 싶었습니다 왜냐하면 저는 많은 투명성, 개방성과 같은 느낌 우리가 요구하는 것, 우리는 또한 거의 책임이나 사용을 밀고있다 사용자에게 그리고 그것이 공정하다고 생각하지 않습니다 왜냐하면 교육 우리 지역 사회의 수준은 같은 수준에 있지 않습니다

우리가 많은 교육 개혁을 할 때까지, 우리는 그 수준에 있지 않습니다 그래서 저는 많은 인구가 공평하다고 생각하지 않습니다 사람들에게 이런 것들에 대해 경계를 요구하십시오 나는 슈퍼마켓에 들어가고 싶지 않아 천장이 나에게 떨어질 까봐 두려워합니다

그러나 법률과 정책 및 책임 규정이 있습니다 그게 나를 보호하고있어 그래서 우리가 선들을 흐리게하고있는 것입니까? 우리는 UCD의 다른 층을 생각해야합니까? 그리고 그 다른 수준을 위해 디자인하는 방법? 관객 : 안녕하세요 나는 레이첼이야 나는 런던에서 [INAUDIBLE]이라고 불리는 싱크 탱크를 운영한다

우리는 사람들의 감정을 조사하는 연구를했습니다 기술에 대한 태도로 그리고 제가 생각하기에 정말 중요한 것은 내가 만져 본적이 없다 나는 느낄 수있다 즉시 20 가지 다른 것들 나는 그것을 빨리해야하기 때문에 나는 전혀 신경 쓸 수 없다

그리고 동시에, 도덕적으로, 그리고 윤리적으로 깊은 관심 그리고 나는 그것이 끝났다고 생각합니다 그리고 우리가 어떻게 규제하고 어떻게 우리가 규제 당국을위한 디자인, 규제에 관한 실질적인 문제가 있습니다 예기 할 수없는 것들에 대해서 그래서 모두들 다리가 위로 올라가는 것을 의미한다는 것을 압니다

문제는 그 두 가지를 예상하는 것입니다 잘못 될 가능성은 거의 없으며 실제로 사람들의 사물에 대한 반응을 어떻게 이해할 수 있습니까? 우리가 추정한다면 그들은 관심이 없다? 그리고 그것은 쉬워야 만합니다 내가 추가 할 수있는 유일한 것 같아 아마 모든 사람들이 모든 것을 가질 시간이 없다는 것입니다 그들에게 설명했다

그러나 누가 선택을 담당합니까? 그리고 그것은 회사가 아닙니다 그것은 [비 숙련 된] 디자이너가 아닙니다 거기에 민주적 책임 성이 있어야합니다 불행히도 다른 국가가 될 가능성이 있습니다 사라 골드 : 정말 좋은 예가 – 나는 정말로 내 머리에서 벗어나기 전에 머물고 싶다

왜냐하면 이 휴양지에 우리가 있었고, 우리는 발렌시아에 있었다 인터넷 자유 축제 (Internet Freedom Festival) 그것은 내가 매년 가려고하는 것입니다

그리고 그것은 실제로 꽤나 가슴 아픈 사건입니다 그리고 매년 점점 더 근이가 많아지고 있습니다 나 간다 그러나 올해는 인도 여성들에 대한 학대에 관한 것이 었습니다 작년에 있었던 것 같아요

여자에 대한 끔찍한 이야기가있었습니다 버스에서 공격 받고있다 그리고 그 기간에 무슨 일이 일어 났습니까? 갑자기 여러 앱에 홍수가 닥쳐서 여성들이 어디에서 왔는지 말할 수있는 상점 그리고 그들은 안전했다 하지만 그 앱의 대부분은 안전하지 못했습니다 그들은 학대자에게 직접 데이터를 보내고있었습니다

그리고 공격자 그룹에게 이제 이것은 [INAUDIBLE] 코멘트의 실제 예입니다 나는 슈퍼마켓에 들어가고 신뢰한다 지붕이 떨어지지 않을 것입니다 Google Play 스토어입니까? 그런 다음 그 앱을 금지 한 것은 그들의 책임입니까? 어떻게 규제가 사실과 보조를 맞출 수 있습니까? 24 시간 내에 시장에 앱이 넘쳐났다

그 때 여자들은 다운로드하여 사용하기 시작 했습니까? 여기에는 투명성에 관한 실질적인 질문이 있습니다 그리고 내가 전에 언급했듯이, 코스 교정의 종류 우리는 사람들이 더 나은 결정을 내릴 수 있도록 어디에서 도움을 줄 수 있습니까? 해결하기가 정말 어렵습니다 그러나 그것은 매우 중요합니다 정말로 덜 특권을 가진 개인들에게 영향을줍니다

매일 진지한 방법 그래서 확실히 우리가 될 수 없습니다 완전히 동의 해 [알아들을 수 없는] 글쎄, 하나의 작은 메모, 흥미로운 점은 – 완벽하지는 않습니다 그러나 다른 모든 가짜 뉴스와 이상한 필터의 거품 같은 대화 – Wikipedia는 거의 그대로 유지되었습니다

살펴볼 흥미로운 사례 연구입니다 뭔가를 말할 위험이 있습니다 나는 아마 400의 변명을 말하기로되어 있지 않다 YouTube에 매시간 업로드 된 백만 시간 분량의 동영상 또는 무엇이든– 그래서 논쟁 하기엔 너무 많은 것이 있습니다 나는 우리가 아마 더 잘할 수 있다고 생각한다

너무 많다고 말하는 것 그래서 실제로 어떻게 받아 들일지에 대한 질문이 있습니다 일부 페이지는 대화에 기대고있다 사람들이 실제로 할 수있는 방법에 기대고 있습니다 자기 규제

항상 역동적 인 힘이 될 것입니다 또는 모두의 권력 법칙이 진행되고있다 깊은 내성을 갖고 싶다 그러나 시스템의 신뢰와 근본적인 장점이 있습니다 희망적으로 생각한 사람 시스템의 구조적 완전성에 대해 그리고 나는 그것이 단지 기업 일 수 없다고 생각합니다

그리고 그것은 규제 당국 일 수 없습니다 항상 개인이 될 수는 없습니다 그래서 생각을위한 음식 관객 : 안녕하세요 나는 그저 말한 것들 중 일부를 기반으로하고 싶었다

또는 내가 관심을 보였던 특정 물건에 대해 이야기해라 당신의 반응은 무엇 이었습니까 나는 우리 모두가 디자인과 기술에 대해 이야기 해 왔다고 생각한다 및 진행 그리고 우리는 그것의 모든 종류의 개발자입니다

그것은 기회 주의적입니다 그리고 우리가 그러한 기회를 창출하는 방식으로, 우리는 그들에 대한 책임을진다 그래서 그것은 토론을 가득 채우고 있습니다 우리는 개발자로서 책임이있다 및 창조자

그리고 나는 내가 토론하고 싶은 것 시간 경과 문제가있는 것처럼 보였습니다 제작자와 개발자를 확보하고, 기업 내부의 사람들 회사는 아니지만 회사 내부 사람들은 이러한 기회를 개발합니다 그리고 일종의 시간이 흐릅니다 그리고 나서 다른 사람들이 정치 기회 주의자 일 수있는 이러한 기회, 우리가 지난 주에 보았던 것처럼

나는 당신이 그것을 비뚤어진 왜곡으로 묘사하고 있다고 생각합니다 예 그래서 당신은 저것을 가지고 있습니다, 나는 그것이 시간 지연의 종류라고 생각합니다, 두 번째 물결입니다 그리고 마지막으로 일종의 최종적인 웨이브가 있습니다 법률 및 법률과 관련이 있습니다

뒤에 알렉스의 이야기를 듣고 매우 재미있었습니다 종류의 입장을 취하는 것에 대해 사물을 확인하고 인증하려고 노력하는 첫 번째 물결에 관심을 보였습니다 그래서 첫 번째 허물의 일종의 공동체 사물에 대한 책임의 입장을 취함 그들이 만들고있는 것입니다 그리고 그게 재미 있다고 생각 했어

하지만이 시간 지연에 대해 어떻게 생각하니? 어떻게 작동합니까? 왜냐하면 그것은 잘못 되었기 때문입니다 러브 조이 : 그것에 관한 한가지 일화 최근 워싱턴 포스트 (Washington Post) Google 클립을 출하 한 후에는 구글의 효과에 아직 모든 눈을 짓지 않았지만, 당신이 클릭 미끼 제목을 가지고 있어야하기 때문에 그러나 일반적인 도발 또는 기사의 자만 카메라가 인종 차별 주의자인지 확인하려고했습니다 우리 그룹의 모든 사람들은 서로간에 높이 날뛰는 것이 었습니다

그 결과 때문에,하지만 그 기사는 쓴 우리는 그 제품을 그 기사는 쓰여질 수 있습니다 3 ~ 4 년 동안의 아웃 – 뷰 우리는 근본적으로 어떻게 제품을 디자인하십시오 우리는 기본적으로 집단적으로 생각했다 가능한 최악의 응용 프로그램에 대해 범용 감시 기술, 특히 그것이 어떻게 사용될 수 있었는지를 인생에서 더 민감한 장소에있는 사람들에게 해롭다

그리고 나는 단지 페르소나 중 한 명을 말할 것입니다 우리가 우리의 모든 생각을 몰아 내기 위해 사용했던 많은 사람들이 있었지만 그들 중 하나 개인을 통해 생각했다 사람들 중 일부에게 말한 사람이 전환 될 수 있습니다 그들의 삶에서, 그리고 다른 모든 사람들에게서 의도하지 않게 어떻게 피하겠습니까? 그 사람을 데리고 나니? 그래서 그게 몇 가지 물건의 예입니다

우리가 생각한 것 그저 그런 것들이 보급되었습니다 그래서 저는 팀이 성장함에 따라 Jess는 아마도 팀에서 다섯 번째 또는 여섯 번째 사람이었을 것입니다 그것이 두어 백 가지가 된 것처럼 – 모든 사람이 그 핵심 질문을 받았다 폭포 나 눈덩이처럼 보이지 않습니다

그것은 그것에 들어갑니다 그래서 3 ~ 4 년이 지나면, 대답은 '아니오'였습니다 우리는 인종 차별적 인 카메라를 만들지 않았습니다 가장 냉철한 적수였다 좋아, 그래! 우리가 원했기 때문에 누군가가 우리의 일을 깨뜨 렸습니다

CENNYDD BOWLES : 나는 단지 빨리 논평하려고했다 에릭 마틴 [INAUDIBLE]이 책을 썼다 "실제 생활을위한 디자인" 그리고 그들이 말하는 기술 중 하나 지정된 하강에 대한 아이디어입니다 어쩌면 일종의 것입니다

이 건설적인 적대와 약간 비슷하다 팀 내의 직책 그리고 그것은 훌륭한 모범이됩니다 이 시차의 아이디어는 사실입니다 그것은 존재합니다

그러나 그것은 여전히 ​​우리의 문제입니다 우리는 여전히 그것을 처리해야합니다 우리는 이제 더 나은 이해를 얻고 있습니다 기술의 궤적 인생의 4 년 5 년 동안 진화하는 경향이있다 우리가 집중하는 것의 한계를 인식 할 때 초기 초기 채택 사례에 대해 그러나 그러한 모든 결과는 반드시 그런 것은 아닙니다

직접적으로 예상 할 만하다 가능성의 영역 내에서, 그리고 그 자체로, 우리가 봐야 할 것입니다 따라서 지정된 중심점은 질문입니다 클립 제품의 경우와 마찬가지로, 스테핑으로 이동합니다 그 방향으로 나는 생각한다

KAREN KAUSHANSKY : 그리고 저는 몇 가지 기사가 있습니다 저는 지난 주에도 데이터 과학자들에 대해서 생각합니다 그리고 함께 일하는 디자이너들 그리고 우리가 더 많이 함께 일한다면, 우리는 그 시간을 가져올 것입니다 나는 이것이 협동이라는 것을 이해하고 있다고 생각합니다

함께 일하는 전체 팀입니다 시장에 뭔가를 가져다 줄 것입니다 관객 : [INAUDIBLE] 그래서 나는 R이라는 단어를 들었습니다 몇 번 던져 그것은 GDPR의 맥락에서 규제입니다

그러나 이것은 인터넷의 첫 번째 물결이 될 수는 없습니다 입법의 약간을 제외하고, 중간 책임, 당신은 좋은 큰 인터넷을 성장할 수 회사와 혼자있게 규제 당국은 인공 지능을 노리고있다 부정적 감각 물론, 긍정적 인 변화도 많이 있습니다

그 일이 일어나야 만합니다 자가 운전 자동차를 원한다면 도로 규정을 변경하십시오 그러나 걱정 때문에 그래서 EU는 나올 것입니다 다음 달 큰 AI 전략으로 처음에 개발할 것입니다

윤리에 대한 자발적인 지침의 연질 손실, 언젠가는 가을에 유럽 ​​평의회 러시아와 터키도 포함되며, 신이나 심지어 스위스도 금하고있다 글쎄, 그건 다시 한 번 같은 사람들에게 달려있다 Brexit을 결정한 사람 유럽 ​​인권 재판소이기 때문에 유럽 ​​협의회입니다

그래서 그들이 관할에서 벗어나고 싶다면 유럽 ​​인권 재판소 그러나 어쨌든, 그들은 또한 지침을 개발하고 있습니다 [부적절한] 전문가 그룹이 있습니다 카렌 영 (Karen Young)은 내년까지 무언가를 생산할 것입니다 그래서 당신은이 초기에 부드러운 법칙을 보게 될 것입니다 지침이 될 수 있지만, 그들은 어려운 법이 될 수있다

AI의 윤리적 인권 및 인권 측면에 대한 나는 그 사람들이 어떻게 생겼는지 모두 물어보고 싶다 그것은 토론이 완전히 다른 날이기 때문입니다 그리고 많은 아이디어를 알고 있습니다 거기에 정말 나쁜 아이디어가 있습니까? 모든 좋은 아이디어 이외에 정책 입안자들이 행동하기를 원한다 우리가하지 말아야 할 해로울 원칙이 없는가? 정책 결정자로서 당신이 우리에게 경고 해줄 뭔가를 만지십시오

꺼져? Sarah GOLD : 아마도 많이 쿠키 법의 3D 예제에 대해 이야기 할 수 있습니다 그것은 끔찍했고 e- 개인 정보 보호법으로 더욱 악화되었습니다 나는 쿠키 법의 역사를 설명하려고 시도조차하지 않을 것입니다 하지만 나쁜 디자인 특허입니다

아무도 그것을 정말로 읽지 않습니다 정말 짜증나 그걸 이해하는 데 도움이되지 않습니다 그들은 당신에게해야한다고 말하고 있습니다 그러나 그 때 그것은 정책으로 쓰여졌다

모든 웹 사이트에 쿠키 통지가 있어야합니다 그래서이 정말 나쁜 디자인 패턴 모든 웹 사이트에서 규제가되었습니다 그리고 꽤 많이 아, 아니야 네가 내 물건을 클릭 할 때까지 나에게 아직 말하지 마라 너는 너의 휴대용 퍼스널 컴퓨터에이 과자를 둘 수 있는다 것을 너는 동의했다 정말 이상한 상호 작용

우리는 쿠키 법이 절대로 안됩니다 일어났다 그러나 이제는 브라우저에 중점을 두었습니다 브라우저를 설치하자마자, 그런 다음 전체 쿠키를 거쳐야합니다 당신의 허가를 결정하는 종류의 과정 브라우저 앞쪽에

그리고 그것은 또한 문제를 해결하는 것이 아닙니다 다른 곳에서 문제를 일으키고 다른 문제들로 가득 차있다 그래서 내가 말할 수있는 것이 있다면 더 이상하지 마십시오 마찬가지로 기본적으로 문제를 이동합니다 한 지역에서 다른 지역으로 그렇게하면 다른 문제도 많이 발생합니다

나는 정말로 대담 할 수 있었다 나는하지 않을 것이다 나는 좋은 정책이 실제로 정책에 의해 만들어진다고 생각한다 제조사, 법률 팀, 디자이너, 개발자 모두가 함께합니다 우리는 무엇에 대한 지식을 공유 할 수 있습니다

서로가해야 할 일이 있으므로 서로 도울 수 있습니다 나는 정책이 배달과 너무 연관되어 있다고 생각합니다 그것은 좋은 정책이 만들어진 방식입니다 프라이버시 법이나 쿠키 배너는 더 이상 필요하지 않습니다 맞아

CENNYDD BOWLES : 아니오라고 말하려고합니다 당신이 만지지 말아야 할 것은 없습니다 당신은 좀 봐야합니다 모든 것은 아무것도 테이블에서 없어야합니다 당신은 영리한 사람들이 있습니다

업계에서 온 사람들이 있습니다 너는 학계 사람들이있어 나는 네가 옳은 일을 할 것을 믿는다 나는 반드시 모든 기술이 업계는 반 규제 또는 친 자체 규제입니다 나는 그 근원을 기억하고 싶다

나는 그것을 조사해야 할 것이다 일반 대중의 83 % 기술에 대한 규제 강화에 찬성했다 산업 이 수치는 기술 업계에서 근무한 경우 93 %입니다 나는 93 %에있다

LOVEJOY : 어쩌면 일종의 어쩌면 특정 지역에서 어떤 뉘앙스를 물어볼 수도 있습니다 또는 많은 지역 그러나이 개인 정보 보호 개념에 대해 염두에 두는 것이 있습니다 우리가 효과와 유용성을 평가할 수있는 방법에 관한 것입니다 기계 학습 모델의 거기에는 넓은 간격이 있습니다

그리고 더 많은 실무자가 생겨납니다 대화에서 기계 학습 모델은 최적화만큼이나 우수합니다 접근 그리고 그 정밀도가 무엇인지 알아내는 방법을 아는 방식입니다

리콜 측정은 다음과 같습니다 모델의 결과를 슬라이스 할 수있는 좋은 방법이 있습니다 모델의 결과를 슬라이스 할 수있는 유일한 방법 의도적으로 데이터 세트를 갖는 것입니다 특정 그룹 대표 이상 신경 쓸 필요가 있습니다 그래서 사람들을 어떻게 돌보아야하는지에 대한 질문입니다

서로 돌보고, 우리는 우리가 누가 돌보고 있는지 알기 위해서 우리는 정체성의 개념을 가지고 있어야합니다 표준 개인 정보 보호는 우리를 익명의 방향으로 인도합니다 및 데이터 실명 이것이 기본값입니다

그리고 우리는 어떻게해야하는지에 대해 양심적이어야합니다 우리는 사람들을위한 고려 사항을 다룹니다 잊혀 질 권리가 필요하다 그리고 그들의 프라이버시에 대한 권리는 우리가 어떻게 그룹에서 실적이 저조했는지 이해할 수 있습니다 정의 상, 항상 마진에있을 것입니다

관객 : 아주 마지막 질문을 할 시간이 있습니다 KAREN KAUSHANSKY : 저는 그저 말하고 싶었습니다 누가 조종하고 퍼팅하고 있는지 확인합시다 이 과정에서 다양한 그룹을 포괄합니다 우리가 가지고있는 것뿐만 아니라 그 디자인은 그것의 일부입니다

왜냐하면 우리가 사람들을 위해 이것을 디자인하고 있다고 생각하기 때문입니다 그리고 너무나 자주 공학 만이 아닙니다 누가 운전을해야하는지 관객 :여보세요? 그것은 효과가있다 유용한 의견을 보내 주셔서 감사합니다

그래서 이것은 단지 설명의 문제에 불과합니다 사람들이 원하든 원치 않든간에 그래서 저는 사람들이 사물에 빚을지고 있다고 생각합니다 그들이 그들을 원하지 않으면 그러나 두 번째로 고려해야 할 점은 사람들이 설명을 원하는지 여부 우리는 어떤면에서는 그들이하지 않는다고 생각할 수도 있습니다

말뚝 이해하기 정보를 원하지 않는 이유가 그들은 그들이 그것을 가지고 있다고 믿기 때문에, 그들에게는 통제권이 없다 그래서 그들은 그 상황에 대해 어떤 것도 바꿀 수 없습니다 그게 장기적 일지 모르겠다 이 공동체에 대한 열망은 설명으로 옮겨 간다

실제로 사람들에게주는 제품 설계 그들의 삶에 대한 의미있는 통제? 사라 골드 : 네 나는 그것을 정말로 좋아한다 그 의견에 관한 모든 것, 나는 생각했다 우리가 사람들의 위험에 대한 정신 모델을보고 일을 마쳤을 때 의료 정보에서 – [INAUDIBLE] 지금은 인용 부호를 사용할 수 없습니다 연구 세션에서

이 일에 대해 이야기하는 것은 어렵습니다 니가 닮았 기 때문에 오! 그것에 대해 말할 수없는 그런 것 사람들은 위험에 대해 잘 알지 못했습니다 위태로운, 나는 생각한다 사람들에게 정말 힘들다는 것을 의미합니다

그것에 대한 설명을 신경 쓰지 그래서 나는 당신의 요점이 자리 잡았다 고 생각합니다 Joe LOVEJOY : 우리는 또한 가을이라고 생각합니다 인공 지능을 설계하려고하는 함정에 빠지게 일종의 보편적 인 자산으로서 빈 화면까지 표시 할 수 있습니다

그런 다음 그저 뭔가를 말하십시오 그리고 그것은 단지 좋아할 것입니다 당신이 원하는 것은 없습니다 그것은 미친 것입니다 그리고 오늘 아침에이 경험을했습니다

나는 이런 것들을 활발한 결정으로 묶고 싶다 나는 만들어야 만한다 나는 보도를 따라 걷고 있었다 그리고 그녀는 어제 나에게 통찰력을주었습니다 그 애들이 여기 학교에 다닙니다

놀랍다 그것은 미국에서 일어나는 일이 전혀 아닙니다 KAREN KAUSHANSKY : 6 살이에요 LOVEJOY : 믿기지 않습니다 그래서 이것은 작은 아이들의 무리입니다

나 한테 온거야 그것은 4 살이었다 – 작은 스쿠터에 그리고 나는 마비 상태에 빠졌습니다 나는 어느 길을 걸어 가야 할까? 내가 그랬던 그 순간이있었습니다

오른쪽이나 왼쪽으로 가야합니까? 나는 유럽에있다 나는 무엇을해야할지 모른다 그래서 저는 그 순간에 저는 깨달았습니다 이 보편적 인 인터페이스를 걷고 있었다 그리고 나는 어리 석다

그래서 저는 여전히 서서 애들이 저를지나 가게했습니다 UX 용 시스템을 설계 할 때 매우 자주 느낍니다 우리는 사람들이 그것을 어떻게 사용 하는지를 알기를 기대하고 있습니다 기울이기 변형 및 UI 디자인을 제안합니다 이 문제를 해결할 수 있습니다

우리는 개성과 대화 디자인을 제안합니다 사람들에게 그것에 대해 무엇을 말할 지에 대한 감각을 주려고 노력합니다 그러나 종종 시스템은 사람들에게 실패합니다 또는 인간의 필요에 대해 사려 깊지 않습니다 그래서 사람들이 테이블에 가져 오는 기준점 그 일은 아마도 실패 할 것입니다

그래서 나는 아무 것도하려고하지 않을 것입니다 그래서 나는 우리가 할 수있는 일 중 하나를 생각한다 더 구체적이고 디자인 시스템을 인공 지능이 아니라 도구와 제품 일뿐입니다 정상적인 언어를 사용합니다 그리고 마술에 관한 요점으로 돌아 가기 위해, 나는 성공 상태라고 생각한다

우리는 생성 시스템에 대해 이야기하고 있습니다 또는 적응을 돕는 기계 학습 또는 적응 유용한 상호 작용, 그리고 누군가에게 도움을줍니다 자기 효능감이 좋아 졌다고 느끼고, 시스템에 대한 신뢰가 아닙니다 타겟팅 및 디자인의 정확성이 더욱 높아졌습니다 유스 케이스가 더 집중됩니다

이것에 관해서는 사용자가 알아낼 수 있도록하자 그리고 나서 그것을 통해 우리는 더 다루기 쉽다고 생각합니다 KAREN KAUSHANSKY : 그리고 우리가 그렇게한다면, 우리가 시스템이 할 수있는 것에 대한 기대를 설정한다면, 정말 잘하는 것, 그 다음에 사용자에 대한 기대치를보다 잘 우리는 더 많은 실패 대신에 더 많은 성공을 거둘 것입니다 우리가 일을 시도 했으니 까 정말로 그렇게하도록 설계되지 않았습니다

CENNYDD BOWLES : 나는 그 감정에 동의한다 네, 시도하고 제공해야합니다 사람들은 이러한 시스템을 통제합니다 그러나 현실적으로 모든 사람이 그들의 운명을 지배하다 사회 시스템 내에서 가능하면 가능합니다

우리는 그것을 시도하고 도전 할 수 있습니다 우리는 그러한 현실을 시도하고 변경할 수 있습니다 그 사용자에 대한 경험 그러나 나는 또한 거짓 희망을 제안하는 것에 조심 스럽다 우리가 직접 통제 할 수없는 많은 것들이 있습니다

그리고 저는 어깨를 으 explain하지 않고 설명 할 수 있다고 생각합니다 그러나 그것은 확실한 종류의 방법입니다 될거야, 나는 두려워, 친구, 가끔 가고있다 해결책이기도합니다 관객 : 잘 모르겠습니다! [웃음] KAREN KAUSHANSKY : 이제 우리는 가고 있습니다

기회에 대해서 이야기하는 거지? [웃음] 청중 : 기회가 있습니다 음료와 무거운 애피타이저가 일어날 것입니다 그 무거운 애피타이저가 지방 취리히의 펑크 밴드가 아니기 때문에 우리가 고용 한 것, 그것은 우리가 먹을 것입니다 그러나 기회 측면에서 보면 한 가지를 편집하기 위해서 – 나는 네 질문에 한가지를 생각한다 마음에 품는 것에 대해 – 내가 좋아하는 것을 적어도 내 자신을 제정신으로 유지하기 위해 기술이하는 일 중 하나입니다

선과 악을 위해 사물의 구조가 바뀌는가? 비즈니스 모델에 접근해서는 안된다고 생각합니다 프레이밍의 사용을 위해 우리는 앞으로 20 년 동안 제품을 만들 것입니다 우리는 지난 20 년 동안 우리는 새로운 기술이 창을 내리고 있습니다 기계 학습 및 학습 시스템 측면에서뿐만 아니라, 컴퓨팅의 기본 요소 중 일부에 관해서도, 우리가하는 일의 토폴로지가 바뀔 것입니다 그리고 우리는 그것을 유도하여 우리가 원하는 사회로 만들 수 있습니다

또는 우리는 다른 방법으로 그것을 어깨를 으 and하고 대할 수 있습니다 그래서 필자는 미래를 반드시 모델링하지 않는 방법으로 모델링한다고 생각합니다 과거의 언어를 반영하는 것은 디자이너입니다 꽤 잘합니다 회의 중 일부에 초대합니다

고맙습니다 음, 맥주와 전채 관객 : 예 그 전에 우리 패널 토론자 들께 감사드립니다 관객 : 네, 고마워요

[박수 갈채] 관객 : 모두와 주셔서 감사합니다 나는 이것이 훌륭한 기회라고 생각한다 이기적으로 말하기 – UX 커뮤니티에 권한 부여 더 고의적으로 인식하고 유혹하는 우리가 실제로 생태계를 형성하는 방식으로 사회에 깊은 인상을 심어주고 싶다 그리고 나는 제품에 깊이있는 사람으로 생각합니다 정말 고맙습니다

정말 고마워요 이것은 컸다 [INAUDIBLE]에게 큰 감사를드립니다 [INAUDIBLE]은 어디에 있습니까? 평소대로 고마워요 취리히 시설과 스폰서 덕분에, [? 쌍,?]뿐만 아니라 실제로 [INAUDIBLE] ,, 광고 및 지불에 대한 사용자 경험 팀 그리고이 못생긴 것들

농담이야 농담이야 그러나 이것은 정말로 산뜻합니다 정말로 종류의 담론을 만들려는 의도 디자이너와 연구원에게 권한 부여 우리가 어떻게 기술을 선적하고 있는지 생각해보십시오 우리 제품에서

그리고 나서 마지막으로 –

Montezuma’s Revenge still too tough for AI, new Google Brain office, and other bits and bytes

Roundup 안녕하세요, 이번 주부터 AI에 대한 간단한 발표가 있습니다 한 연구원은 Montezuma의 복수에 대한 과장된주의가 필요함을 상기 시키며 Google과 Microsoft의 새로운 프레임 워크 업데이트와 암스테르담의 새로운 Google Brain 사무소가 있습니다 Montezuma 's Revenge는 아직 해결되지 않았습니다

OpenAI와 DeepMind 연구원은 AI 에이전트를 사용하여 이전 Atari 게임에서 기록 점수를 달성하는 것에 대해 자랑스러워했지만 도전은 끝나지 않았습니다 Unity의 강화 학습 연구원 인 Arthur Juliani가 블로그 게시물에서 Montezuma의 Revenge가 왜 기계를 가르치는 것 같은 어려운 게임인지 설명합니다 보상은 드물고 OpenAI와 DeepMind는 괜찮은 점수에 도달했지만 두 가지 방법 모두 학습보다는 인간 모방에 의존하기 때문에 DeepMind와 OpenAI는 인간의 게임 플레이를 비디오로 복사하여 게임을하기 위해 봇을 훈련하는 데 의존했습니다 모방을 통해 학습함으로써 상담원은 올바른 동작 순서를 암기 할 가능성이 더 높으며 처음부터 배우는 경우 동일한 높은 점수를 얻지 못합니다 "게임 플레이에 대한 범용 솔루션을 개발하는 대신 (두 개의 DeepMind 논문 제목에서 알 수 있듯이) 실제로 개발 된 것은 Montezuma 's Revenge의 핵심 약점을 실험 플랫폼으로 활용하는 지능적인 방법입니다 "인간이나 에이전트가 Montezuma 's Revenge를 할 때마다 정확한 동일한 세트의 장애물과 퍼즐을 포함하는 동일한 세트의 방이 제공됩니다 따라서 각 방의 움직임을 간단히 암기하면 높은 점수를 얻는 데 충분하며 레벨을 완료 할 수 있습니다 "그래서, 거기서 모든 과대 광고를 믿지 마라

새로운 TensorFlow 케이크 : TensorFlow 1 90이 출시되었으며 Keras API와보다 원활하게 작동하는 새로운 기능이 추가되었습니다 또한 Python 용 인터페이스가 향상되었으며 몇 가지 버그를 수정하고 새로운 Estimator 모델을 추가했습니다 여기에서 다운로드하십시오 Google Brain Amsterdam : Google Brain이 암스테르담에 새 사무실을 개설했습니다

연구 과학자들이 자연 언어 처리, 검색, 하드웨어, 모바일 컴파일러에서 일하기를 기대하기 시작했습니다 "우리 작업의 대부분은 기계 학습의 '심층 학습'하위 분야의 일부로 가장 잘 이해되지만, 진화 컴퓨팅, 참신 탐색 또는 강화 학습과 같은 기계 지능의 기능을 발전시키는 모든 방법에 관심이 있습니다 우리는 자원을 가지고 있으며 다른 곳에서는 찾을 수없는 프로젝트에 접근 할 수 있습니다 "라고 말했습니다 Tim Salimans, Durk Kingma, Nal Kalchbrenner 및 Lasse Espeholt를 포함한 OpenAI 및 DeepMind의 일부 연구원은 지금까지 합류했습니다 가역 생성 모델 : 필터를 사용하여 얼굴을 보강하기 위해 기계 학습을 사용하는 데 집착합니다

OpenAI는 두 얼굴을 쉽게 융합하거나 특정 속성을 변경하고 모든 변경 사항을 되돌릴 수있는 모델 인 Glow를 출시했습니다 글로우를 조작하여 사람을 더 많게 또는 더 작게 보이게하거나, 나이가 많거나 어리게 보이거나, 더러워 지거나 넓어지는 눈을주고, 수염을 두들기조차 할 수 있습니다 더 재미있는 옵션은 한 사람의 얼굴을 다른 사람의 얼굴에 점점 더 매핑하는 일련의 이미지를 만듭니다 이러한 모든 변경 사항을 원래 입력을 검색하기 위해 되돌릴 수 있습니다 영리한 인코딩에 이르기까지 모두 입력이 인코딩되고 입력 간의 평균 잠복 벡터가 두 사람의 얼굴이든 머리카락을 더럽 히든간에 서로 다른 속성간에 계산됩니다

이 둘 사이의 벡터 방향을 조작하여 원하는만큼 특정 피쳐를 작게 또는 많이 추가 할 수 있습니다 아이디어는 잠시 동안 주변에 있었고 OpenAI의 연구자들은 아키텍처를 단순화하여 모델을 더욱 효율적으로 만들었습니다 Glow는 각기 8 개의 GPU가있는 5 대의 컴퓨터를 사용하여 30,000 개의 얼굴 이미지를 학습했습니다 추측 단계는 Nvidia 1080 Ti 카드를 사용하여 256×256 이미지를 생성하는 데 약 130 밀리 초가 걸립니다 모델을 가지고 여기를 돌아 다닐 수 있고, 연구와 코드로 바로 갈 수 있습니다 업데이트 된 Microsoft 프레임 워크 : Microsoft Research가 ML

Net03을 출시했습니다 이제 프레임 워크에서 사용자가 Windows 10 장치에서 실행되도록 모델을 내보낼 수 있습니다 Facebook, Amazon, Microsoft, ARM 및 Huawei와 같은 소프트웨어 및 하드웨어 회사 간의 오픈 소스 협력 업체 인 ONNX (Open Neural Network Exchange)를 지원합니다 목표는 개발자가 Caffe 2, PyTorch 또는 Microsoft의 Cognitive Toolkit과 같은 다양한 프레임 워크로 작성된 모델을보다 쉽게 ​​전송할 수 있도록하는 것입니다

"이번 MLNET v03 릴리스를 통해 특정 MLNET 모델을 ONNX-ML 형식으로 내보낼 수 있습니다 ONNX 모델은 하드웨어 가속을 이용하는 Windows 10 장치에서 ONNX 모델을 기본적으로 평가하는 Windows ML과 같은 플랫폼에서 기계 학습 기능을 주입하는 데 사용될 수 있습니다 " ML

Net의 세 번째 반복에는 바이너리 및 멀티 클래스 분류 및 회귀 알고리즘을 더 쉽게 포함 할 수있는 새로운 기능이 포함되어 있습니다 프레임 워크의 첫 번째 버전은 올해 Build 컨퍼런스에서 소개되었습니다 업데이트에 대한 자세한 내용을 보거나 여기에서 코드 샘플을 볼 수 있습니다 ®

Cloud OnAir: Extensible AI with H2O-3, Google Cloud Platform and KubeFlow

[음악 재생] ANTHONY HYLICK : 클라우드 OnAir에 오신 것을 환영합니다 Google Cloud에서 웹 세미나를 생방송하십시오

매주 화요일마다 웨비나를 개최합니다 내 이름은 Anthony Hylick이고, 오늘 나는 확장 성 AI에 대해 이야기 할 것입니다 H2O, Google Cloud Platform 및 Kubeflow가 있습니다 플랫폼에서 언제든지 질문 할 수 있습니다 우리는 구글이 그들을 기다리고있다

시작하자 그래서 오늘 우리는 확장 성 AI에 대해 이야기 할 것입니다 나는이 첫 번째 부분을 Nick Png과 함께 발표 할 것입니다 그래서 우리는 분산 휴대용 기계 학습을 만들고 싶었습니다 사람들이 쉽게 배포, 개발 및 관리 할 수있는 Kubernetes 그 설치

그리고 이것은 우리가 Kubeflow의 사명으로 제시 한 것입니다 컨테이너 및 컨테이너 배치의 경우, 2014 년에 우리가 극복 한 비슷한 문제가있었습니다 우리가 Kubernetes를 개발했을 때 우리는 API를 표준화하려고했습니다 사람들이 개발하고 관리 할 수있는 이러한 배포는 훨씬 간단합니다

그러나 Kubernetes만큼 쉽게 컨테이너를 만듭니다 배치, Kubernetes에서 기계 학습 설치 쉬운 일이 아닙니다 먼저 전문가가되어야합니다 이 모든 분야에서 컨테이너, 패키징, 영구적 볼륨, 스케일링, GPU, 클라우드 API 등 세 테라 Kubeflow를 입력하십시오

Kubeflow는 이것을보다 쉽게하기 위해 개발되었으며, 모든 사람들, 예, 모두가 발전 할 수 있도록 분산 휴대용 기계 학습 컨테이너 및 Kubernetes에 따라서 워크 플로우가 있었던 곳의 배포 왼쪽과이 클러스터의 수명주기 오른쪽에있는 다음 대체됩니다 Kubernetes 설치 및 Kubeflow의 추상화에 의해, 그런 다음 랩톱에서 개발할 수 있습니다 장소 상에서 온 – 프레스 클러스터에서 교육을받을 수 있으며, 클라우드에 배포 할 수도 있습니다

그래서 그걸로 비 노드와 닉에게 넘겨 줄거야 우리에게 H2Oai에 대한 소개를하기 위해, 그리고 그들이 Kubeflow로 무엇을했는지 VINOD IYENGAR : H2Oai는 누구입니까? 우리는 실리콘 밸리가 자금을 지원하는 회사입니다

우리는 약 6 년 동안 존재 해왔다 지금, 2012 년에 태어났습니다 우리 투자자는 Wells Fargo, Nvidia, Nexus, Paxion입니다 우리는 약 90 명의 ​​전문가 팀으로, 세계 5 대 그랜드 마스터와 데이터를 포함하여 과학자 우리는 여러 제품을 가지고 있습니다 – 대부분의 사람들은 우리의 물로 열심히 알고 있습니다

소스 기계 학습 플랫폼, 14,000 개 이상의 조직에서 사용하고 있습니다 자동화 된 기계 학습 인 H2Oai 플랫폼 우리는 거리 건너편 마운틴 뷰에 본사를두고 있으며, 우리는 런던, 프라하, 인도 가장 최근에 H2O는 2018 년 Gartner의 리더로 선정되었습니다

데이터 과학 및 매직 기계 매직 쿼드런트 학습 우리는 가장 많은 것을 가진 지도자로 선정되었습니다 비전의 완성 우리는 준 산업 분야에서도 인정 받았다 표준 및 기계 학습 플랫폼 간의 마인드

많은 기계 학습 프레임 워크 후드 아래에서 H2O 오픈 소스를 사용하십시오 H2O 고객은 또한 우리에게 가장 높은 전체 점수를주었습니다 판매, 성공 및 지원에 대한 모든 공급 업체 중 하나입니다 H2O 제품군에는 여러 줄이 있습니다 우리는 H2O 오픈 소스를 H2O 코어라고도합니다

이것이 메모리 내 분산 형 기계 학습입니다 플랫폼 우리는 스파클링 워터 (Sparkling Water)를 가지고 있습니다 아파치 스파크 (Apache Spark) 위에서 실행되는 물; 기본적으로 기계 학습 알고리즘 인 H2O4GPU GPU에서 실행되도록 이식되었습니다 그들은 모두 Apache v2 라이센스에서 100 % 오픈 소스이며, 데이터 과학자를 위해 제작되었습니다

우리는 R과 Python에서 인터페이스를 가지고 있습니다 데리러와 배울 정말 쉽습니다; 인터 액티브 노트북 인터페이스 인 H2O Flow 우리는 해당 소프트웨어에 대한 엔터프라이즈 지원을 제공합니다 오른쪽에서 상업용 엔터프라이즈 오퍼링을 볼 수 있습니다 Driverless 인공 지능으로 불리는, 우리가 본질적으로 기계를 사용하여 자동 기능 수행 학습 해석 능력

상업용 라이센스 소프트웨어입니다 도메인 사용자, 분석가, 데이터 과학자, 비즈니스 사용자 그것은 완전한 GUI 기반 인터페이스를 가지고있다 엔드 투 엔드 (end-to-end) 기계 학습 및 데이터 과학 먼저 우리의 오픈 소스 플랫폼 인 H2O-3에 대해 이야기 해 봅시다

H2O 란 무엇인가? 따라서 H2O는 본질적으로 수학 플랫폼입니다 기본적으로 오픈 소스와 메모리 AI를 제공합니다 전체적으로 병렬화 된 엔진 및 분산 알고리즘 – GLM, Random Forest, GBM, Deep Learning, 등등 또한 Java로 작성된 API이기도하지만, 프로그래머가이를 활용할 수 있도록 응용 프로그램 내부 매우 가벼운 설치입니다

모든 환경에서 작동 할 수 있습니다 기본 Java 환경 그것을 지원할 수 있습니다 그것은 큰 데이터를 위해 제작되었습니다 당신은 그것으로 많은 모델을 만들 수 있습니다 샘플링없이 많은 데이터를 사용할 수 있습니다

그래서 H2O의 알고리즘은, 잠깐 보시면, 우리는 가장 일반적으로 사용되는 기계 통계 알고리즘을 포함한 학습 알고리즘 선형 모델처럼, 순진한 베이 즈 (Bayes) 앙상블 치료법 – 거기에, 랜덤 포레스트, 그라데이션 부스팅 머신, 우리는 또한 스태킹과 슈퍼 러닝을 가지고 있습니다 알고리즘이 내장되어 있습니다 우리는 또한 깊은 학습 깊은 신경 네트워크를 지원하며, autoencoders, 신경망에있는 사람들 등이 포함됩니다 오른쪽에서, 당신은 자율 학습의 무리를 보았습니다 K- 수단과 같은 클러스터링 방법을 포함한 알고리즘

또한 PCA와 같은 차원 감소 기술을 지원합니다 일반화 된 낮은 순위 모델 또한 Word2Vec 및 시간을 통해 NLP를 지원합니다 ISax라는 직렬 알고리즘을 사용합니다 또한 모든 Google 알고리즘 조정할 다양한 하이퍼 매개 변수가 있어야합니다

우리는 조기 정지 및 AutoML 기능을 제공하며, 모든 다른 알고리즘을 조정할 수 있습니다 최고의 모델들의 앙상블을 얻으십시오 그러니 잠시 동안 봐 주시면 전형적인 엔터프라이즈 기계 학습 워크 플로우에서, 당신은 단순히 다른 사일로에 앉아있는 데이터를 가지고 있습니다 그들은 모두 모여있다 그리고 당신이 어떤 종류의 상세한 작업을 수행 한 후에, 데이터 품질 및 변환 기술 그 다음 그것에 적용됩니다

그리고 나서 당신은 당신이 부르는 것을 가지고 있습니다 모델링 준비 데이터 프레임, 여기서 당신은 기능 공학을합니다 종종 변형을 의미 할 수있다 기존 기능을 더 나은 기능으로 기계 학습 알고리즘에보다 적합합니다 그 후에는 일반적으로 기계 학습과 시험을하면서 시간을 보냅니다

다른 알고리즘을 사용하면 최종 모델 아티팩트가 생깁니다 그러면이 워크 플로우에 H2O가 어떻게 맞습니까? 따라서 H2O를 사용하면 다양한 데이터를 섭취 할 수 있습니다 가장 일반적인 온 – 더 – 및 클라우드 데이터를 포함한 데이터 소스 출처 따라서 HTFS 또는 Google Cloud Storage에 데이터가있는 경우, 예를 들어, 또는 다른 데이터베이스, 우리가 지원하는 다른 커넥터로 데이터를 가져올 수 있습니다 데이터가 물에 들어 오면 기본적으로 분산 키 값으로 변환됩니다

저장 공간이 데이터 프레임에 첨부됩니다 데이터가 입력되면 전체 묶음을 적용 할 수 있습니다 탐험 기술, 기능 공학 및 모델 건물 알고리즘 완전히 병렬화되어 배포됩니다 그리고 그것은 플랫폼의 합계입니다 사용자는 REST를 통해이를 사용할 수 있습니다

API를 사용하면 R, Python 또는 H2O Flow를 사용할 수 있습니다 프로그래머라면 직접 할 수 있습니다 Java 또는 Scala에서 작업하십시오 하지만 최종 사용자의 경우 완전히 [? DC?] 그리고 그들이 작동하고 적용 할 수있는 단일 H2O 프레임 이 모든 다른 기술들 일단 모든 다른 모델을 실행하면, 기본적으로 모델을 POJO로 내보낼 수 있습니다

또는 MOJO로서, 기본적으로 Java 아티팩트 인 전체 모델을 캡슐화합니다 그리고이 유물들은 생산에 들어갈 준비가되었습니다 스트리밍 환경에 배포 할 수 있습니다 서버리스 아키텍처와 같이 배치하십시오 원하는 경우 람다 아키텍처 – 또는 코드를 가져 와서 모든 애플리케이션에 삽입 할 수 있습니다

당신이 가질 수도 있습니다 그러면 Kubeflow 패러다임에 어떻게 들어갈 수 있을까요? 그래서 전형적으로 H2O에서, 당신은 베어 머신 (bare metal machines) H2O 모델을 실행하는 H2O 클러스터를 생성하십시오 그렇게하는 대신에, 추상 레이어로 Kubeflow 사용하기 베어 메탈과 물 위로 당신이 할 수있는 것은 근본적으로 데이터 과학자 팀이 모두 할 수있다 동일한 Kubeflow 및 Kubernetes 클러스터를 공유하여 다중 H2O 클러스터 그리고이 클러스터들은 모두 병렬로 실행될 수 있습니다

여러 명의 데이터 과학자가 H2O 클러스터를 회전시킬 수 있습니다 그들의 일을하고, 그들의 작업 부하를 제출하고, 그 후에 그것을 끄고 계속하십시오 원할 경우 확장 할 수도 있습니다 예를 들어, 작업 부하가 증가하면 기본 Kubernetes에 더 많은 노드를 추가 할 수 있습니다 또는 Kubeflow 클러스터

이것은 분명히 클라우드 또는 온 – 프레스 (on-prem)에서 실행될 수 있습니다 이제 Driverless AI에 대해 알아 보겠습니다 우리의 상용 엔터프라이즈 소프트웨어입니다 Driverless AI는 무엇을합니까? Driverless AI는 상자에 전문가 데이터 과학자를 제공합니다 우리가 한 것은 전문 AI 시스템을 만들었습니다

세계에서 가장 유명한 카글 마스터 (Kaggle masters)에 의해 지어졌습니다 AI 전문가 등이 있었고, 목표는 기업에 권한을 부여하는 것이 었습니다 종단 간 장비 학습 및 데이터를 달성하는 방법 단일 플랫폼으로 과학을 그것은 데이터 과학자의 작업을 모든 기능 엔지니어링 및 모델 제작 활동을 수행합니다 전문가 데이터 과학자가 수행 할 그리고 매우 정확한 모델을 제공합니다 생산에 갈 준비가되었습니다

또한 다양한 시각화 기술을 사용합니다 이해를 돕기위한 해석 기술 모델로부터 생성 된 결과, 따라서 모델에 대한 신뢰를 구축 할 수 있습니다 따라서 일반적인 엔터프라이즈를 살펴보고 이전에 본 머신 학습 워크 플로우, Driverless AI가 지금하는 일은 자동화하는 것입니다 그 시점부터 전체 워크 플로우 데이터 프레임을 준비했습니다 따라서 기능 엔지니어링, 모델 구축, 배포, 해석 가능성은 모두 Driverless 인공 지능에 의해 처리

따라서 데이터를 생산에서 생산에 이르기까지, 우리는 전체 워크 플로를 자동화했습니다 그리고 이것은 물론 마케팅 소프트웨어입니다 InfoWorld Technology of the Year 상을 수상했습니다 그렇다면 왜 Driverless AI는 기업을위한 게임 체인저입니까? 따라서 엔터프라이즈의 세 가지 일반적인 문제에 대해 생각해 보면 AI 옵션은 AI 재능이 부족합니다 숙련 된 전문가 데이터의 심각한 교역이 있습니다

과학자 데이터 과학자에게는 많은 시간이 걸리고, 훈련되고 경험이있는 사람들조차도, 모델을 만들 수 있습니다 이 모델을 만드는 데 수 주에서 수 일이 걸릴 수 있습니다 그들이 만든 모델은 종종 블랙 박스 모델입니다 해석하기가 어렵습니다

따라서 기업은이 모델을 신뢰하는 데 어려움을 겪습니다 생산에서 그래서 우리는 Driverless AI로 무엇을합니까? 디지털 데이터를 제공하여이 세 가지 문제를 해결하십시오 과학자 – 본질적으로 상자 안에있는 데이터 과학자 우리는 전체 기계 학습 워크 플로우를 자동화하고, GPU 가속 기계 학습을 사용하여, 따라서 모델을 만드는 데 걸리는 시간은 수 주에서 수 시간으로 늘어납니다

따라서 우리는 소요 시간을 크게 줄입니다 그리고 마지막으로 우리는 설명을 제공합니다 모든 모델에 대한 해석 우리는 Driverless 인공 지능으로 구축하므로 도움이됩니다 신뢰와 투명성을 기른다 그래서 당신은 어떻게 그리고 왜 알면서도 생산에 이러한 곰팡이를 넣을 수 있습니다

예측이 이루어지고있었습니다 그래서 Driverless 인공 지능을 볼 때 우리는 얼마나 잘 수행 할 수 있습니까? 우리는 Driverless AI를 참여 시켜서 작업하게했습니다 이 Kaggle 경쟁 중 일부에서는, 우리가 발견 한 것은 상자에서 꺼낸 것입니다 Driverless AI는 상위 5 백분위 수에 들어갑니다 대부분의 대회에서 그리고 몇몇 대회에서는 1 백분위 수위에 올 수 있습니다

그리고 당신이 Driverless 인공 지능을 이길 사람들을 보면, 모든 데이터 과학자 전문가들은 며칠과 몇 주 동안의 작업을했으며, Driverless AI는 성능과 일치 할 수있었습니다 몇 시간 만에 그래서이 자동 피처 엔지니어링을 제공합니다 모델 구축을 통해 모델에 가장 정확한 결과를 제공 할 수 있습니다 그래서 어떤 종류의 기능 공학 이죠? 우리가 수행합니까? 아주 빨리, 만약 당신이 그것을 보았다면 – 나는 Nick이 그것을 데모에서 조금씩 커버하려고한다는 것을 알고있다

본질적으로 우리는 일을하고 있습니다 자동 텍스트 처리, 주파수 인코딩, 크로스 유효성이 검증 된 타겟 인코딩, 절단 된 SVD, 클러스터링 이것들은 경험 한 것들입니다 전문가 데이터 과학자들이 시간을 할애했다 다시 한 번 모델의 정확성을 향상시키는 데 도움이됩니다

피쳐 엔지니어링을 적용하고, 모델 구축을 한 다음 어떤 기능이 나왔는지 확인하십시오 중요하다 그리고 반복적으로이 작업을 수행합니다 Driverless AI가 자동화하는 것 이 전체 과정을 반복적으로 진행합니다

경험 많은 데이터 과학자의 힘을줍니다 마지막으로 배포에 대해 잠깐 이야기 해 보겠습니다 그것이 H2O-3 또는 Driverless AI이든간에, 우리는 항상 전체 배포 옵션을 제공합니다 H2O 또는 Driverless AI로 제작 된 모든 모델 JAVA 아티팩트와 함께 제공됩니다 POJO 또는 MOJO 파일입니다

생산에 들어갈 준비 이러한 아티팩트는 지연 시간이 짧은 추론을 위해 제작되었으며, 그래서 우리는 몇 밀리 초 추론을 할 수 있습니다 그런 다음이 모델을 배포 할 수 있습니다 다른 환경으로 클라우드 또는 온 – 프레미엄에 배치 할 수 있습니다

그것을 REST API 서비스 뒤에 넣고, 그래서 귀하의 응용 프로그램은 그것을 활용할 수 있습니다 전체 라이프 사이클 모델 교육에서부터 관리 및 배포 그리고이 시점에서 랩입니다 너에게 끝이야, 닉 NICHOLAS PNG : 다음은 일부 제품에 대한 간단한 데모입니다

우리가 Kubeflow에서 운영하고있는 왼쪽 편에서 볼 수 있듯이, 우리는 단지 빠른 레포를 가지고 있습니다 이것이 Google의 Kubeflow와 Google이 한 일입니다 팀뿐만 아니라 물 그리고 오른쪽에는 터미널 창이 있습니다 우리 Kubernetes 마스터에게 열려있어

예를 들어 Kubernetes 부부의 노예와 연결되어 있습니다 그래서 당신이 여기서 살펴 본다면 kubectl 노드를 얻을 수 있습니다 그리고 그것은 내가 마스터뿐만 아니라 두 노예 연결 준비 그리고 kubectl이 노드를 설명한다면, 당신은 각자가 사용할 수있는 것을 정확히 볼 수 있습니다 그래서 당신은 기억의 양을 가지고 있습니다

다수의 CPU로 사용할 수있는 최대 포드 수가 있습니다 노드 당 3 개의 노드가 있음을 알 수 있습니다 그래서 우리가 처음부터 끝까지 다룰 것입니다 드라이버리스 AI의 간단한 데모입니다 우리의 엔터프라이즈 플랫폼입니다

그래서 여기를 보시면, ks component – 또는 죄송합니다 ls 구성 요소를 나열합니다 몇 가지 다른 구성 요소가 있음을 알 수 있습니다 이리 첫 번째는 Driverless이며 이는 구성 요소입니다

우리가 배포 할 것입니다 이제 Driverless AI는 엔터프라이즈 플랫폼이기 때문에, 라이센스를 추가 할 수 있도록 사전 배포했습니다 우리는 그것을 사용할 수 있습니다 그래서 우리가 kubectl 포드를하면, 당신은 실제로 볼 수 있습니다 그리고 Driverless 인공 지능이 바로 여기에서 달리고있는 것을보십시오 그래서 우리가 할 첫 번째 일은 – 사전 배포 된 이후로 이미 여기에 있습니다

기본적으로 이것은 운전자없는 인공 지능과 GUI입니다 그것은 그것과 관련된다 데이터를 수집하는 몇 가지 다른 방법이 있습니다 Google Cloud Storage 및 Big Query 미리 만들어진 커넥터가 있어야합니다 Google Cloud Storage를 사용하는 경우, 실제로 공개 데모 데이터로 바로 갈 수 있습니다

우리가 원하는 데이터 세트를 가져올 수 있습니다 따라서 가져 오는 데이터 세트 신용 카드 열차라고합니다 – 그것은 기본적으로 중국의 신용 카드 회사를위한 데이터 세트입니다 그리고 우리가 예측하고있는 목표 다음 달에 기본값입니다 그래서 분류 문제입니다 여기에서 예측을 클릭하면 실험 GUI로 바로 이동할 수 있습니다

따라서 실험을 클릭하는 경우, 이것은 데이터 세트를 선택한 후 얻을 수있는 것입니다 대상 열을 기본 지불로 선택하려고합니다 이제, 우리는 몇 개의 튜닝 노브를 가지고 있습니다 정확성, 시간 및 해석 가능성에 대해 조정할 수 있습니다 그리고 Go를 누르면 실험이 시작됩니다

여기에서 실험이 실행되고 있음을 실제로 볼 수 있습니다 그리고 이것이 진행되는 동안 우리는 우리 데모의 다른 부분을 살펴보십시오 그리고 그 안에있는 실제 구성 요소를 살펴 본다면, 여기에서 구성 요소를 볼 수 있습니다 – 환경, 이는 네임 스페이스 영역 일뿐입니다 배포 위치가 다른 여러 위치를 가질 수 있습니다 그래서 환경을 가질 수 있습니다

클라우드 또는 온 – 프레미엄 용 구성 요소가 중요한 부분입니다 구성 요소는 구성 요소 일 경우, 모든 다른 구성 요소를 보여줄 것입니다 지금 우리에게 사용 가능합니다 그래서 저는 Driverless AI를 가지고 있습니다

driverlessjson 구성 요소로 사용할 수 있습니다 그리고 H2O Static은 H2O-3입니다 클러스터를 다른 구성 요소로 사용할 수도 있습니다 이들은 repo를 통해 제공됩니다

그러므로 만약 당신이 H2O Kubeflow 아래를 살펴 본다면, 당신은 Driverless package H2O가 있음을 알 수 있습니다 프로토 타입 인 스케일링과 정적 인 H2O 정적 우리가 가지고있는 표준 클러스터입니다 그리고 내가 ks pkg list를한다면, 우리는 실제로 이것들이 사용할 수있는 패키지들이다 이 (가) 여기에 추가되었습니다 Kubeflow repo를 본 적이 있다면 – 그것은 github

com/kubeflow입니다, 저는 믿습니다 – 실제로 가져 오기 또는 설치하는 가장 좋은 방법을 볼 수 있습니다 패키지는 ks pkg install이 될 것이며, 그런 다음 레지스트리 이름 바로 여기 파일 이름입니다 H2O Kubeflow slash– 나는 이미 다른 것들을 설치했기 때문에, H2O-3 스케일링을 설치합니다 보시다시피 설치되어 있습니다 그리고 내가 ks pkg list를 다시한다면, 너는 기본적으로 다른 별표가 있다는 것을 알 수 있습니다

그것은 설치되었습니다 이제 저는 두 가지 구성 요소를 미리 구운 것입니다 당신은 여기에서 그들을 볼 수 있습니다 하지만 ks 프로토 타입 유형을 사용하려면 ioksonnet

pkgh2o3-static– H2O-3 데모 슬래시를 다른 이름으로 바꿉니다 필요한 매개 변수를 추가하십시오 네임 스페이스, 우리는이 기본값을 호출 할 것이다 그런 다음 여기에 매개 변수를 추가 할 위치입니다

얼마나 많은 기억을주고 싶니? 클러스터 – 또는 오히려 – 클러스터의 각 노드? 얼마나 많은 CPU를 클러스터의 각 노드에 제공 하시겠습니까? 이것은 장난감 구성 요소이므로 – 이미 다른 하나는 미리 구워 먹으십시오 단지 1 기가의 메모리를 제공하십시오 그건 그렇고, 추천하지 않습니다 CPU– 하나의 CPU 만 제공하십시오 그리고 복제본의 수 – 그래서 많은 복제본들 H2O-3 클러스터에서 원하는 노드의 수입니다

그래서 이것을 4라고 부를 수 있습니다 이 특정 구성 요소에 대해서는 별 문제가되지 않습니다 중요한 것은 모델 서버 이미지이며, 이건 그냥 레포 일거야 저장된 도커 허브 레포 배포 될 Docker 이미지 따라서이 경우 Repo를 실제로 되돌릴 수 있습니다

그것은 존재합니다 – 도커 파일들 – Docker 파일을 사용할 수 있습니다 여기 Docker Hub 중 하나를 만들고 호스팅 할 수 있습니다 Docker 허브 저장소 또는 다른 위치에서 로컬로 – H2O-3 Kubeflow 오타가 존재합니다 – 모델 서버 이미지 우리는 거기에 갈

기본적으로 구성 요소를 만드는 것입니다 이제 내가 ls 컴포넌트를 다시 간다면, 이제 H2O-3 데모가 있음을 알 수 있습니다 H2O-3 Static뿐 아니라 Driverless도 있습니다 이제는 Driverless AI를 사전 배포했는데, 라이센스가 부여 된 제품이기 때문에, 그래서 우리는 보여줄 수있게하고 싶었습니다 라이센스가없는 제품이 표시됩니다

그래서 내가 kubectl 포드를하면, 당신은 실제로 Driverless 인공 지능이 실제로 벌써 달리고있는 것을 안다 이미 존재합니다 그리고 내가 kubectl pod Driverless AI를 묘사한다면, 우리는 실제로 우리가 할당 한 것을 볼 수 있습니다 일정량의 메모리 – 노예 때문에 GPU가 필요 없습니다 GPU가 처음에는 없었습니다 그러나 드라이버리스 AI는 GPU에 최적화되어 있습니다

실제로 5 배 정도 빠르기 때문에 실제로 GPU 사용을 권장합니다 그래서 이것은 Driverless AI GUI입니다 그래서 이것은 당신이 Kubernetes에 붙을 때 얻는 것입니다 인스턴스를 통해 Kubeflow 이제 몇 가지 다른 방법으로 데이터를 수집 할 수 있습니다

Google Cloud Storage에 내장 된 커넥터가 있습니다 Google BigQuery 등이 있습니다 지금은 Google Cloud Storage를 사용하겠습니다 H2O GCS 공개 데이터 – 데모 데이터 gs, H2O, gcs 공개 데모 데이터 – 이게 효과가있다

그냥 여기에서 다시 시도해 보겠습니다 나는 네트워킹이 있다고 생각한다 H2O GCS 데모 데이터 우리는 거기에 갈

그래서 저는 가져올 것입니다 – 이것은 우리가 사용하는 기본 데이터 세트입니다 신용 카드 데이터 세트라고합니다 기본적으로 신용 카드 데이터가 있습니다 네가 가고 있는지 아닌지 예측하기 다음 달에 기본값으로 설정됩니다

그리고 나머지 데모를 실행하는 동안, 실제로 백그라운드에서 실행 해 보겠습니다 결국 우리는 그것이 어떻게 생겼는지에 대한 아이디어를 얻을 수 있습니다 따라서 기본적으로 Predict를 클릭하면됩니다 기본적으로 열을 선택합니다 예측을하고 싶다

우리가하는 검증 데이터 세트를 가지고 있다면, 우리는 그것을 추가 할 수 있습니다 원하는 튜너와 일부 튜너를 토글합니다 얼마나 오래 걸릴지, 얼마나 정확한지 – 또는 당신이 정확도를 위해 가지고있는 체중 해석과 비교하여 실행을 클릭하십시오 이 프로그램이 실행되는 동안 나는 실제로 H2O-3의 빠른 전개를 거칠 것입니다 따라서 우리가 다시 한 번 구성 요소를 살펴 본다면 H2O-3 Static jsonnet을 사용할 수 있음을 알 수 있습니다

그리고 여기에서 패키지는 간단합니다 componentsparams를 사용하면 실제로 살펴볼 수 있습니다 사전에 구운 모든 매개 변수를 설정했습니다 일단 구성 요소를 설정하면, 당신은 실제로 이것을 배포 할 수 있습니다

하지만 네임 스페이스에서 원하는 것은 당신은 어느 환경에서나 원한다 리디렉션을 통해 사용할 수 있어야합니다 kubectl에 연결 그래서 kubectl을 연결하도록 설정할 수 있습니다 온 – 인 (on-prem) 리소스, 몇 가지 실험 실행, GCE 또는 GCP로 클라우드에 연결 온 클라우드 실험도 실행해야합니다

그래서 여기에서 우리가해야 할 일은, 여기에 이미 설정되어 있습니다, ks 기본값을 적용, 우리가 원하는 구성 요소에 대해 빼기 c, H2O-3 Static으로갑니다 이제는 잠시 후에 볼 수 있습니다 실제로는 미리 정의 된 서비스를 만들고 있습니다 실행에 필요한 배치뿐 아니라 H2O-3를 만들고 클러스터를 만듭니다 자, 여기 셋은 세 개의 클러스터로 구성되어 있습니다

노드 당 2 개의 CPU와 노드 당 6 기가 바이트의 메모리 이제는 일반적으로 데이터 양에 대해 약 4 배의 메모리를 가지고있다 당신이 원하는 그 그래서 당신이 데이터의 공연을 사용하는 경우, 다음 약 4 기가 메모리를 사용할 수 있습니다 H2O-3 클러스터는 필요한 모든 일을 할 수 있습니다

그리고 이제 우리가 살펴 본다면 큐브 트는 포드를 가져옵니다 다시 한 번 살펴보면 여기에 몇 가지 배치가 있음을 알 수 있습니다 데모 버그가있는 것처럼 보입니다 아닙니다 kubectl는 포드를 얻는다, 거기에서 우리는 간다

거짓 경보입니다 이제 우리가 서비스를 보면 – svc – 당신은 실제로 볼 수 있습니다 그리고 우리는 사용 가능한 노드 밸런서를 가지고 있습니다 그것은 우리가 노출하는 포트를 전달하는 것입니다, 54321, 사용 가능한 다른 포트에 연결합니다 그래서 우리가 Kubernetes 주인에게 붙이면 여기에 우리가 필요로하는 포트를 추가하십시오

우리는 볼 수 있습니다 – 지금 이것은 기본적으로 물 흐름입니다 H2O를 실행하기위한 옵션 중 하나입니다 뿐만 아니라 R을 통해 실행할 수도 있습니다 또는 파이썬 해석기를 통해 기본적으로이 방법은 훨씬 더 많은 포인트 앤 클릭 방식을 제공합니다

데이터 수집 및 기계 수행 학습 연습 또는 기계 학습 실험 차이점은 파일 가져 오기를 클릭하기 만하면됩니다 또는 [프레임 가져 오기]를 클릭하거나 [예측], [ 실제로 그렇게 할 것입니다 너를 줄거야 코드는 모두 자기 구워집니다

그리고 실제로해야 할 일은 작은 매개 변수를 추가하는 것입니다 R이나 Python으로 작성하는 것이 아니라, 그래서 당신은 반드시 그 언어를 알 필요가 없습니다 자, 여러분이 파이썬 사용에 관심이 있다면, 그러면 파이썬 클라이언트가 있습니다 그리고 전 Jupyter 노트북을 미리 만들어 냈습니다 기본적으로, 당신이해야 할 일은 물을 가져 오는 것입니다, 그래서 이것은 로컬에 설치되어야합니다

그리고 물에서, 당신은 할 수 있습니다 – H2Oout에서 H2O AutoML을 가져 오겠습니다 그리고 이것은 AutoML 패키지 중 하나입니다 매우 심층적 인 그리드를 실행할 패키지 여러 알고리즘을 검색 가장 효과적인 것들을 찾기 위해서, 본질적으로 귀하의 데이터를 그래서 여기에서 우리는 실제로 물을 수입했습니다 – 실제로 H2O 흐름을 살펴볼 수 있습니다

여기에 내가 관리자를하고 클러스터 상태를 얻는다면 실제로 세 개의 노드가 연결되어 있음을 볼 수 있습니다 사용 가능한 메모리를 볼 수 있습니다 이전에 할당 한 메모리 양입니다 그리고 일단 여기에 연결되면 실제로 볼 수 있습니다

그래서 h2oinit 포트는 다음과 같습니다 포트를 다시 복사하여 붙여 넣기 만하면됩니다 또는 오히려 IP 및 포트,이 바로 여기에 있습니다 오, 우리가 간다

그래서 기본적으로, 이것은 미리 굽는 것입니다 그냥 클러스터라고 부르지 만 이름을 바꿀 수 있습니다 보시다시피, 3 개의 노드 – 총 여유 메모리 18에 가까운 집계 하지만 당신이 H2O-3에 최대 힙 메모리를 사용하지 않으려합니다 자바로 작성 되었기 때문입니다

그래서 Java는 실제로 실행하기 위해 약 10 %의 시간이 소요됩니다 그래서이 시점에서 당신은 연결되어 있습니다 그리고 기본적으로 같은 것을 할 수 있습니다 H2O Flow에서 할 수있는 것처럼하지만 파이썬 만 있으면됩니다 통역사

그래서 열차는 H2O와 같습니다 파일 가져 오기, 그러면 데이터를 얻을 수 있습니다 GCS에서 전달하면됩니다 GCS 커넥터가 있습니다 이제 이것은 오픈 소스 제품입니다

GCS 커넥터가 실제로 만들어집니다 외부로부터, 내가들은 것을, 곧 통합 될 것입니다 하지만 아시다시피 s3 커넥터가 있습니다 지역 출처뿐만 아니라 대부분의 H2O에 대해 공개적으로 사용할 수있는 한 어디서든 사용할 수 있습니다 연결하고 잡아라

지금은 불행히도 사소한 버그가있었습니다 우리가 이전에이 문제를 다루고 있었던 바로 오늘 아침에 데이터를 가져올 수 없었습니다 그러나 우리는 빨리 돌아볼 수 있습니다 우리의 실험에서 이미 끝나야 만합니다 유효성 검사 집합이 없습니다

따라서 유효성 검사 세트가 여기에있는 것 같습니다 필요한 열이 없으므로 실제로는 그냥 재방송을해야 할 것입니다 실험을 재실행 할 수도 있지만 가서 정말 빨리 설명 할 수 있습니다 우리는 그것을 통과하는 동안 빨리 이해할 수 있습니다

여기에있는 것은 두 개의 튜닝 노브가 있다는 것입니다 기본적으로, 정확도는 얼마나 높은가? 정확성을 평가하고 싶습니까? 따라서 10 점이 가장 높을 것입니다 하나는 가장 적을 것입니다 그리고 모델 자체는 실제로 이것을 바탕으로 만들어 져야한다 따라서 정확도를 낮게 설정하면 더 빠른 실행 우선 순위를 정할 것입니다

보다 간단한 모델을 만드는 것이 우선시 될 것입니다 시간도 어느 정도 다른 시간에 의존합니다 하지만 기본적으로 의미는 당신이 10 시간 동안 그것을 허용한다면, 그것은 당신이 영원히 달리는 것을 꺼리지 않는다는 것을 의미합니다 – 영원히는 아니지만 오랜 시간 동안 – 그러면 좀 더 복잡한 모델을 선호 할 것입니다 더 높은 정확도 이것이 Driverless AI가 우선시하는 것입니다

그리고 마지막으로, 해석 가능성이 있습니다 통역 가능성은 본질적으로 말하면, 10 XGBoost 모델의 누적 된 앙상블 모델 또는 어쩌면 하나 또는 아이디어는 신경망 또는 선형 회귀 – 그래서 선형 회귀가 더 해석하기 쉽다 그래서 당신의 해석력이 10 인 경우 – 대 하나 더 복잡한일지도 모른다 – 신경망 또는 누적 된 앙상블 여러 XGBoost 모델 중 따라서 실제로 무슨 일이 일어나고 있는지 볼 수 있습니다 그래서 지금 우리는 몇 가지 다른 차트를 가지고 있지만 기본적으로 이것은 당신이 얼마나 많은 양력을 얻고 있는지를 보여줍니다

정확도와 리콜 비교 분류입니다 당신의 바위 곡선의 그리고 이것은 여러 신기원에 걸쳐 있습니다 – 기계가 출력하는 성능 만 귀하의 유효성 검사 데이터 따라서 검증 데이터 세트에 컬럼이 누락되어 있기 때문에, 실제로는 교차 검증 분할을 수행 할 것입니다 그래서 기본적으로 훈련에서 벗어나는 부분입니다

각 반복마다 데이터 세트와 실행 유효성 검사 점수가 있습니다 이것이 바로 우리가 여기서 보는 것입니다 데이터 세트 만 가져가는 것이 아닙니다 그것 자체에 반복적으로 훈련하십시오 여기서 정말 멋진 부분은 가변적 인 중요성입니다

이것은 Vinod가 이전에 강조한 것입니다 근본적으로, 그것이 무엇인지는 당신이 한 쌍을 볼 수 있다는 것입니다 열은 Pay 1과 같습니다 이것은 실제로 정상 데이터 세트에 존재하는 컬럼이며, CVTE Pay 1과 같은 다른 데이터 세트도 있습니다 그것은 교차 유효성이 검증 된 대상 인코딩입니다

특정 열 – 나는 그것이 실제로 Pay 10이라고 믿습니다 실례합니다 이것이 교차 검증 된 대상 인코딩입니다 열 10 지불 차이점은 실제로 모델과 Driverless AI 자체에 의해 생성 된 – Pay 1과 비교하면 데이터 세트와 함께

그리고 이것은 매우 작은 데이터 세트이기 때문에, 그것은 꽤 빨리 훈련 된 것 같습니다 일단 완료되면 실제로 MOJO 또는 POJO로 출력 할 수있는 최종 모델을 교육하십시오 그래서 우리는 그것이 가고 있기 때문에 실제로 그것을 기다릴 수 있습니다 잠시 후에 끝내라 그리고 마지막으로, 이 훈련을받은 후에는 실제로 MLI를 실행할 수 있습니다

MLI는 기계 학습 해석 가능성 (Machine Learning Interpretability)의 약자입니다 그리고 그것이하는 일은 기본적으로 여러분이나 더 복잡한 모델을 필요로합니다 10의 정확도가 있다면 해석의 가능성이 1이라면 그 모델을 실제로 가져갈 수 있습니다 그리고 그것은 여러 번 실행됩니다 – 같은 선형의 여러 선형 보다 복잡한 XGBoost 모델과 일치하는 회귀 분석 후드 아래에서 당신이 실제로 무슨 일이 일어나고 있는지 볼 수 있습니다

추론과 결정을 보아라 우리의 더 복잡한 모델을 만들었습니다 대부분의 경우 특정 카테고리와 같이 재정적 인 수직 같이, 이것은 아주 중요 할 것입니다 그래서 여기에서 당신은 실제로 볼 수 있습니다 – 그래서 이것은 MLI가 될 것입니다 이 모델 해석을 클릭하면, 실제로 그것을 해석하기 시작할 것입니다

실행 중일 때 실제로 닫을 수 있습니다 그래서 MLI가 지금 운영 중입니다 실제로 실험으로 돌아갈 수 있습니다 봐봐 실험을 다운로드 할 수있는 곳입니다

요약, 일부 로그 다운로드 – MOJO 채점 파이프 라인을 만드는 경우 이 또는 POJO가 될 파이썬 채점 파이프 라인에서, 이 위치에서 배포를 얻을 수 있습니다 배포 할 수 있습니다 아마도 가장 좋은 장소는 클라우드에있을 것입니다 또는 Kubernetes에서 수요가 늘어날 수있는 곳 예측을 위해 그것을 사용할 수 있습니다 그래서 우리는 시간이 없어 보이는 것처럼 보입니다

그래서 저는 생각합니다 라이브 Q & A를 위해 계속 지켜봐주십시오 우리는 1 분 안에 돌아올거야 그리고 Q & A로 다시 오신 것을 환영합니다 그래서 첫 번째 질문 Kubeflow에서 어떤 기계 학습 플랫폼을 실행할 수 있는지, TensorFlow로 제한됩니까? 내 대답은 아니오 야

TensorFlow에만 국한되지 않습니다 사실, 나는 Kubeflow repo를 믿는다 이미 여러 패키지가 있습니다 거기뿐만 아니라, 포괄적 인 Caffe, Karas, 나는 믿는다, 기계 학습을 통한 심층 학습을위한 TensorFlow를 제공합니다 이것은 H2O가하는 일이며 Kubeflow에서 지금 실행 중입니다

아마 그렇게 될 것입니다 많은 기회가 있습니다 바로 여기에 H2O는 더 나은 것을 위해 그것을 활용 해 왔습니다 우리가 파트너쉽을 시작한 지 2 개월이 지난 후, 그것은 꽤 잘 돌아 간다

그래서 예, H2O-3는 기계의 또 다른 옵션입니다 Kubeflow에서 배우기 ANTHONY HYLICK : 다음 질문입니다 Kubeflow를 온 – 맨으로 돌릴 수 있습니까? 물론, 그것은 디자인의 일부였습니다 이식 할 수있는 무언가 분산 된 기계 학습에 적합합니다

온 – 프레미엄으로 운영 할 수 있습니다 미니 큐브를 통해 노트북에서 실행할 수 있습니다 클라우드에서 실행할 수 있습니다 Kubernetes가있는 곳이면 누구나 Kubeflow를 실행할 수 있습니다 우리가 가진 다음 질문은 무엇입니까? Kubeflow의 보안 개인 정보 보호 준수 클라우드에서 실행 중입니까? 이것은 VM 실행과 다른 것입니까? 추가 보안 또는 개인 정보 보호 관련 사항은 없습니다

그 Kubeflow 열립니다 따라서 사용자가 가지고있는 동일한 컨테이너 또는 VM 관련 문제가있는 경우, 이것들은 유지 될 것입니다 Kubeflow를 사용할 때 동일하게 유지됩니다 그리고 우리가 가진 마지막 질문은 – Gube에서 실행중인 Kubeflow와 함께 GPU / TPU를 사용할 수 있습니까? 물론, 두 GPU를 모두 사용할 수 있습니다 또는 작업에 필요한 TPU를 사용할 수 있습니다

당신이 끝내야 할 일, 또는 성과, 또는 당신이 겪고있는 정확성 이 경우 GPU와 TPU를 사용할 수 있습니다 니콜라스 PNG : 사실, 한 번 더 자세히 설명 할 수 있다면 2 번 질문에 그래서 Kubeflow와 함께 on-premade를 실행합니다 우리가 현재 작업하고있는 것들 중 하나 – 프로토 타입, 만약 네가 원한다면 – Kubeflow 팀과 실제로는 기회가 구름을 터트려, 온 프레미스에서 시작한다는 의미입니다

예를 들어 4 대의 기계 또는 3 대의 기계 또는 많은 그리고 수요가 자원의 양을 초과하는 경우 사용할 수있는 온 – 아마, 그럼 당신은 실제로 다른 GCP에있을 머신 그래서 GCE를 통해 그리고 그것은 Kubernetes 클러스터에 붙을 것입니다 Kubernetes 클러스터를위한 새로운 리소스 역할을합니다 그리고 나서 그것은 기본적으로 일류 시민이 될 것입니다

궁극적으로 한 번 리소스 하중이 감소된다 이것이 실제로 우리가 작업하고있는 것입니다 실제로 몇 가지 스크립트가 있습니다 H2O Kubeflow 레포에있는 이 프로토 타입의 종류입니다, 시간이 지남에 따라 계속 업데이트 될 것입니다 ANTHONY HYLICK : 그래, 절대적으로 구름에 터지다

동적 인 용량 증가를 가능하게한다 작업 부하가 필요할 때 감소합니다 니콜라스 PNG : 네 ANTHONY HYLICK : 그것은 Q & A를위한 것입니다 나는 다음 세션에서 계속 지켜봐야겠다

99 GPU가 아닌 문제 [음악 재생]

Google offers to leave robocallers hanging on the telephone

EU의 콘텐츠 필터에 대한 새로운 대응으로 Google은 스팸없는 거품으로 사용자를 보호하는 최고의 콘텐츠 필터를 개발하고 있습니다 Android에 내장 된 불편 발신자 감지 기능으로 의도하지 않은 결과가 발생할 수 있습니다

최근에 안드로이드 오픈 소스 프로젝트 (AOSP)에 위탁 된이 기능은 "실시간 오디오 녹음 및 빠른 응답으로 원치 않는 전화를 화면에 표시" 커밋은 XDA에서 날카로운 아이드 devs에 의해 여기에 목격되었다 많은 전화 앱에는 이미 블랙리스트 기능이 포함되어 있으며 Drupe 및 Truecaller와 같은 제 3 자 전화 앱은 발신자 번호를 사용하여 원치 않는 전화를 차단합니다 그러나 이것은 다르다 실시간 AI는 Android AOSP 전화 판매점에 배치되어 발신자가 로봇인지 여부를 감지합니다 AI가 컴퓨터가 사용자에게 전화를 걸 었음을 감지하고 컴퓨터와 통화하고 싶지 않으면 전화 응용 프로그램이 전화를 끊을 수 있습니다

두려움을 완화시키기 위해 개발자는 오디오 파일을 제안하고 녹음 내용을 장치에 남겨 둡니다 Google은 이미 픽셀 폰에서 발신자 정보를 묻지 않고도 알 수없는 번호를 입력합니다 구글은 공개적으로 이용 가능한 정보원으로부터 정보를 추출한다고 말했다 이는 Google을 세계에 대한 실질적인 디렉토리 문의 서비스로 간주합니다 그러나 거부 기능은 더 많은 질문을 제기합니다

여기에서는 플랫폼 자체가 Drupe와 같은 타사 앱 (선택 사항)이 아닌 필터 버블을 생성합니다 플랫폼은 누가 사용자에게 도달했는지 식별합니다 편리함에 사로 잡혀 누가 알려지지 않은 발신자에게서 다시 전화를 받겠습니까? 그리고 온보드 인공 지능은 Google의 자체 로봇 발신자를 검색 할 수 있습니까? 그렇다면 해당 로봇을 허용 목록에 포함시킬 것입니까? Google은 최근 로봇 – 인간 전자 상거래 시스템 인 Duplex를 시연했습니다 마운틴 뷰 (Mountain View)는 인간이 로봇이 아니라고 생각하도록 로봇을 연설하기 위해 로봇 연설에 주저했다 전화 앱의 실시간 인공 지능도 속지 않을까요? 안드로이드가 모바일 OS 시장의 80 % 이상을 즐기고 있다면, 아마도 지금까지 얻은 유일한 로코 콜은 구글의 것이다

어떤 것이 좋을까요? Android Dialer의 통화 중 기능에 대한 코드는 여기에서 찾을 수 있습니다 ®

Google will be one of the winners in AI: Eddie Ghabour

STUART : REMARKABLE 하드 라인 트럽 오프 다시 지불 적어도 잠시 동안

나는 그것을 얻었다 괜찮아 지금이 한 명, 알파 판 및 FACEBOOK은 FACEING FROM FINES입니다 유럽 ​​조정자 유럽인도 다시 있습니다

무손실, 자판기, 그 것이다 그것들은 아무것도 없습니다 >> 그들은 많은 현금을 창출하지만, 너무 많은 이익, 아무것도 정말로 그들을 처치 할 것입니다 EU, FINES, FACEBOOK만큼이나 친화적 인 팁 팁 그들을 위해 나는 그것이 영향을 미칠 것이라고 생각하지 않는다

GOOGLE ALPHABET 중 하나 STUART : EDDIE, 나는 생각하지 않는다 인공 지능 공간 이것이 미래의 과학 기술 인공 지능의 승리 지도자가 될 것입니다

나는 GOOGLE이 승자가 될 것이라고 생각합니다 >> 나는 전체 공간을 생각한다 모든 회사가 어떻게되는지 나타냅니다 사람들이 찾는 것에 대해 이야기하기 숙련 된 노동 24 시간 일하는 로봇들

생산을 돕는 1 일 우리가보고 만지는 것 지금 당장, 인위적으로 인텔리전스가 A를 플레이하려고합니다 큰, 큰 역할 미래가 아주 밝다 그 공간

STUART : GOOGLE IS YOUR COMPANY 그것을 위해? >> 예 많은 투자

Google’s creepy AI phone call feature will disclose it’s a robot, after backlash

구글의 소름 끼치는 인공 지능 전화 기능은 반동 후에 로봇을 공개 할 것이다 이번 주 초에 데모 버전이 발표되었을 때 인간을 상대로 전화를 걸 수있는 AI 보조 장치 인 Google Duplex가 우리를 기절 시켰습니다

인상적인 반면 Duplex는 지난 며칠간 반발을 불러 일으켰으며 Google은이 기술의 투명성에 대한 강조를 CNET에보고했습니다 또한 Googles AI Assistant는 실제 전화를 걸고 무서워하는 것을들을 수 있습니다 구글의 대변인은 전자 메일을 통한 성명서에서 공개 기능을 통해이 기능을 설계하고 시스템이 적절하게 식별되는지 확인했다 우리가 I / O에서 보여 주었던 것은 초기 기술 데모였습니다 우리는 이것을 제품으로 개발할 때 피드백을 통합하기를 기대합니다

Google이 이러한 공개를하는 방법이 명확하지 않습니다 AI 보조원이 미장원 예약을 예약하기 위해 실제 전화를하는 Googles 데모에서는 컴퓨터에서 전화가 걸렸다는 표시가 없었습니다 로봇의 기원을 깬 현재 인공 지능 보조기의 목소리와 달리 Duplex는 자연스럽게 들렸다 통화의 음소거와 같은 음성 불투명도의 사용과 대화의 지연은 사람의 말을 정확하게 흉내냅니다 그로 인해 기술 사회 학자 Zeynep Tufekci는 컴퓨터를 사용하여 실제 인간을 속이기 위해 도덕적으로 지저귐에서 잃어버린 인공 지능 조수를 묘사 한 비평가를 이끌어 냈습니다

트위터의 다른 사람들도 관심사를 공유했거나 효과적인 보급 된 AI 보조원을위한 보폭의 일부로 간주했습니다 워싱톤 포스트 (Washington Post)는 저임금 노동자들에게 미칠 수있는 영향과 기술이 사람들을 속일 수있는 능력에 주목하면서 우리가 도대체 ​​무엇을하고 있는지 물었다 Google의 CEO 인 Sundar Pichai는 Duplexs 윤리에 대한 논의를 환영한다고합니다 기술은 긍정적 인 힘이 될 수 있으며 전 세계 수십억 명의 사람들의 삶의 질을 향상시킬 수 있습니다 그러나 우리가 만드는 것에 대해 눈을 뜨게 될뿐 아니라 블로그 포스트에 썼다는 것도 똑같이 분명합니다

기술의 영향과 그것이 우리 삶에서 수행 할 역할에 대해 제기되는 매우 실제적이고 중요한 질문이 있습니다 우리는 앞서가는 길은 조심스럽게 그리고 신중하게 진행되어야한다는 것을 알고 있습니다 우리는이 권리를 얻으려는 깊은 책임감을 느낍니다

Why artificial intelligence has no common sense

– 나는 베지와 함께 베카 야 그리고 내가 최근에 듣고있는 것 같아

– 인공 지능 – 인공 지능 – 인공 지능 인공 지능이야 – 우리가 AI에 관해 말할 때가 된 것 같아

(낙관적 인 음악) 좋아, 내 Google 길잡이가 마음에 들어 그리고 나는 심지어 그것에 굿나잇을 말한다 어느 정도 가볍게 창피하다 그러나 나는 그것을 위해 여기에있다 내일 날씨와 크리켓 소리 재생 나는 실제로 더 잘자는 것을 돕고 있다고 생각합니다

그리고 저도 제게 익숙해지고 있습니다 그래서 그것은 열차가 언제 나에게 알려줍니다 아침에 떠날거야 그리고 내가 좋아할만한 노래도 추천하고있어 그리고 오랫동안 기업 이것을 인공 지능으로 밀어 내고있다

나는 항상 마케팅 용어로 생각했다 시리가 지적이라고 나는 생각하지 않는다 그러나 그 때 Google는 저희에게 이것을 보여 주었다 – Google Assistant의 목소리입니다 너를 부르는데

이것은 내가 인공 지능이라고 생각하게 만들었습니다 내가 생각했던 것보다 인간의 지능을 복제하는 것에 더 가깝다 그래서 나는 James Vincent에게 전화했다 그리고 그는 분개에있는 기자입니다 그것은 AI 모든 것을 다룹니다

나는 AI가 지금 당장에 있었는지 알고 싶었다 그리고 그것은 어디로 가고 있습니다 – 분야의 인공 지능은 용어입니다 그것은 일종의 우산이다 그리고 그것은 많은 종류의 인공 지능을 포함합니다

그런 종류의 파벌이 수년간 들어 왔습니다 그런 다음 테스트를 거치면 한계에 도달하게됩니다 그리고 그들은 다음으로 나아 간다 그리고 매우 독창적 인 것은 현장에서 현재 기계 학습입니다 시스템에 많은 양의 데이터 제공에 관한 것입니다

그런 다음 그 데이터를 살펴 봅니다 그 안에있는 패턴을 학습합니다 그리고 기계 학습의 맛 깊은 학습이라고하는 것입니다 깊은 학습은 근본적으로, 당신도 알다시피, 기본적으로 기계 학습이지만 많은 양의 데이터를 사용합니다 그리고 그것은 많은 계산 능력을 사용합니다, 우리는 이제 인터넷 덕분에 액세스 할 수 있습니다

싸구려 칩 덕택입니다 그래, 제임스, 진짜 얘기 야 터미네이터 봤니? 우리가 세계의 Skynets에 얼마나 가깝습니까? 그게 다가오는거야? – 사실이 아니에요 제 말은 영화, 대중 문화, 그것이 보통 불리는 것입니다 인공 지능

거대한 한걸음 앞으로 나아가 야지 우리가 현재 가지고있는 것에서 AI는 필드이기 때문에 일종의 설립되었습니다 이 신념에 따라 컴퓨터를 만들 수 있습니다 그것은 본질적으로 인간이었습니다

그것은 마치 인간처럼 생각합니다 행동, 인간처럼 반응, 계속해서 우리는 깨달았습니다 저것이 진짜로 곤란한 이것 기다리는 저것 기본적으로 그 근처에 있지 않습니다 – 그래서 Google Duplex는 매우 인간적으로 들리지만 사실 우리가 좁은 AI라고 부르는 것입니다 지금 당장 당신에게 팔리는 모든 것이 있습니다

AI가 좁은 AI이기 때문에, 제한된 사전 계획하에 지어졌습니다 기능 집합 귀하의 휴대 전화에 팝업, Google 홈 또는 에코 페이스 북이 당신의 얼굴을 어떻게 인식하는지 자동으로 사진을 찍습니다 이 AI 형식은 매우 구체적인 작업을 완료하도록 설계되었으며, 다른 일은 할 수 없습니다 이제 그것이 인상적인 것을 할 수 없다는 것을 의미하지는 않습니다 예를 들어, Deep Mind 's Alpha Go, GO 게임을하기 위해 훈련 된 AI 프로그램입니다

Now Go는 전략 게임과 같습니다 체스와 비슷합니다 그것은 가능한 결과가 더 길다는 것을 제외하고는 그리고 2016 년 AI 시스템이 붕괴되었습니다 전설적인 Go 선수 인 Lee Sedol 그를 4 대 1로 격파했다

그리고 2017 년, Deep Mind는 AlphaGo AI를 퇴역 시켰습니다 세계 최고의 Go Player를 3 대 0으로 격파시킨 후 -하지만이 프로그램 AlphaGo 계속 놀 것입니다 그것이 있던 건물이 불 붙었다 고해도, 방에 불이 났더라도 그건 Oren Etzioni 박사입니다

Allen 인공 지능 연구소 CEO 시애틀에있는 워싱턴 대학 (University of Washington)의 교수이다 – 이것은 훌륭한 상징입니다 매우 좁고 잘 짜여진 보드 게임 같은 작업 우리는 초인간적 인 성과를 달성 할 수 있습니다 그러나 더 미묘한 것에 관해서는, 언어와 관련이있는 것들, 우리는 실제로 심지어 어린이의 능력조차도 매우 멀리합니다 – 그래서 상식은 누락 된 링크로 생각할 수 있습니다

AI와 AGI 사이 그리고 상식을 말할 때 우리는 모든 역량을 언급하고 있습니다 인간은 가지고 있고 컴퓨터는 그렇게하지 않는다 Etzioni 박사는 많은 연구자 중 한 명입니다 컴퓨터 상식을 가르치기위한 프로그램 작업 그러나 공동체 안에서는 커다란 논쟁이 있습니다

이 똑똑한 컴퓨터가 위험 할 수 있는지 여부 오늘날 좁은 인공 지능은 매우 현실적인, 의사가 암 진단을 돕는 것과 같은 매우 심각한 문제 또는 미래의 기상 재해를 예측할 수 있습니다 그러나 그것은 또한 사물에 사용되고 있습니다 사람들은 걱정을 느끼고 이해할 수 있습니다 나는 이것들이 얼굴 인식과 같은 것들이라는 것을 의미한다

대량 감시 또는 무기 보강 용 어떤 질문을 제기, AI가 규제를받는다면 어떻게 될까요? -이 세상은 너무 빠르게 진화합니다 이 정책을 시행하기 란 매우 어렵습니다 내가 대신 제안 할 것입니다 AI의 응용 프로그램을 식별한다는 것입니다

예를 들어 AI 차량이나 인공 지능 무기, 우리는 매우 신중한 규정을 정의한다고 이러한 특정 애플리케이션을 중심으로 – 그래, 그래, 나는 구글 듀플렉스 (Duplex) 그러나 우리가 영화에서 가지고있는 인공 지능과는 거리가 멀다 이것은 매우 특정한 지적 AI입니다 그것이 보안이나 무기에 적용될 때 그것은 무서울 수 있지만 우리가 할 수있는 것은 모두 자신을 교육하는 것입니다 우리가 지금 가지고있는 AI에 대해 알고 있어야합니다 어쩌면 그렇게 될지도 모릅니다

– 아직 초창기입니다 사람들의 열정을 평가해야합니다 그들이 가지고있는 두려움의 일부 주의와 회의주의의 메모와 함께 AI가 실제로 할 수있는 일과 불가능한 일을 알고 싶다면 Siri와 Alexa와 채팅하기 만하면됩니다 현실이 멈추는 곳을 빨리 볼 수 있습니다

과대 광고가 시작됩니다 – 지켜봐 줘서 고마워 아래 의견에 대해 알려주십시오 AI의 지금까지 좋아하는 용도 하루 하루를 어떻게 돕고 있습니까? 200 만 명의 가입자에게 감사드립니다

그게 시원한데, 다음에 또 보자 – 안녕

How Apple is acting more like Google

– 캘리포니아 주 산호세에 있습니다 애플의 WWDC 2018 개발자 기조 연설 중 이것은 애플의 가장 큰 기조 연설이었다

이제까지 선물했다 그게 무슨 뜻이야? 애플은 엄청나게 많은 것들을 발표했다 지난 달 Google I / O에서 Google이 발표 한 것과 마찬가지입니다 기능과 마찬가지로 기능도 동일합니다 내가 뭘하고 싶은지, 나는 모두를보고 싶다

애플과 구글이 발표 한 기능 지난 몇 달 동안 그들을 비교하고, Google이 어떻게 Google의 방식대로 작동하는지 확인하십시오 애플은 애플의 방식대로한다 그러나 당신도 알다시피, 한 가지는 동일했습니다 보통 Apple은 당신에게 명확한 전반적인 주제를 제공합니다 기조 연설에서 당신은 이야기의 스레드를 얻습니다

그러나 이번에 그들은 많은 재료를 발표하는 것을 좋아합니다! 기조 연설에서 Google이하는 것과 정확히 일치합니다 이것이 가장 Google-y Apple 기조 연설 이었지만 꽤 오랫동안 나를 믿어 애플은 여전히 ​​애플이다 좋아, 우리는 스튜디오에 돌아 왔고 솔직히 우리가 통과 할 수있는 많은 것들이 있습니다 정말 급한 불을 뛰어 넘고 싶다

몇 명만 시작하면됩니다 그리고, 잘 여기에 나는 당신이 여기에서 약간의 재료를 볼 수 있도록 이것을 할 것입니다 좋아요, 그래서 첫 번째는 시간을 낭비하는 것입니다 애플은 스크린 타임, 구글이라고 부른다

Digital Wellbieng이라고 부르지 만 기본적으로 얼마나 많은 시간을 볼 수있는 앱 휴대 전화의 모든 앱에서 사용하고 있습니다 그리고 그것은 매우 유사합니다 매우 유사하고 또 다른 것은? 오 세상에, 나는 그들이 ios에서 고정 된 알림을 가짐; 나는 너무 흥분한다 이전에이 동영상에 대한 동영상을 만들었지 만 이제 그룹 알림을 설정하고 사용 중지 할 수 있습니다 알림에서 직접 알림 설정을 파고 들지 않고 그리고 지금, 내가하고 싶은 마지막 일, 정말로 빨리, 애플 포토와 요, 그것은 Google 포토를 똑바로 찢어

그들은 똑같은 특징을 가지고 있습니다 그들은 당신을 위해 이것을 가지고 있습니다 Google Assistant 섹션과 같습니다 마술처럼 재미있게 사진을 만들 수 있습니다 그들은 내부를 들여다 볼 수있는 고급 검색 기능을 가지고 있습니다

서로 다른 검색의 사진 및 문자열 체인을 함께 표시합니다 그리고 그들은 공유를 제안했습니다 사진에서 공유 앨범을 만들 것을 제안합니다 그 사람들과 함께, Google 포토처럼 그러나 차이점은 Apple Photos입니다

공유 앨범, 엔드 투 엔드 암호화, 애플은 클라우드에서 그것을보고있다 Google 포토, Google 퍼팅을 알고 있습니다 구름 속의 그들의 물건 이제 애플의 엔드 – 투 – 엔드 암호화 여기에 큰 이야기가 있습니다 Google이하는 방식과 다르게하십시오

그리고 그 차이는 전반적으로 매우 중요합니다 이 모든 이야기 정말 좋은 또 다른 예 증강 현실 공유, 양사 발표 공유 할 수 있다고 여러 장치 간의 증강 현실 경험 구글의 플랫폼이 다르다 애플은 그렇지 않다

그리고, 그거 알아? 내가 그것에 대해 이야기하기보다는, 이것이 내가 WWDC에서 시도해야 할 한 가지입니다 그래서 한번 살펴 보겠습니다 호스팅되는 게임에 참여했습니다 저쪽에, 그래서 지금 너는 전체 테이블을 볼 수있다 이 점에 대해 흥미로운 점은 공유 된 AR 경험이 모든 지역에서 일어나고 있습니다

이것은 모두 Wifi를 통해 직접 완료됩니다 그래서이 모든 것들의 위치에 관한 모든 데이터 나는 그것을 본다, 그는 그것을 본다, 그는 그것을 본다, 그것은 모두 일어나고있다 클라우드로 올라갈 필요없이 Google과 다른 방식입니다 그들은 "구름 앵커 (Cloud Anchors)"라고 불리는 것을 사용합니다 그것을 클라우드에 동기화 한 다음 다시 다운시킵니다

애플은 또한 그것을 잘 알고있다 너는 알다시피,이 물건과 그 물건, 이것들 두 개의 Ipads는이 테이블이 여기에 있고 이것이 공유 된 세상이라는 것 내가이 녀석에게 뭔가를 보낼 때 그는 그것을하는 법을 배우고있다, 나는 단지 지금 그에게 가서 덩크하자 좋아요 그래서 Verin과 Felicia가 내가 그 게임에서이긴 곳을 보여주고 잃어버린 대부분의 게임 게임을 잃었을 때의 진정한 이야기 단어 "승리"철자가 뒤로 '원인, 아시다시피, 그것은 공유 된 증강 현실입니다 실제로 올바른 시각을 가지고 있습니다

어쨌든, 내가 너와 정말로하고 싶은 말 약 두 가지 기능이 있다고 생각합니다 애플이 WWDC에서 발표 한 중요한 것들 첫 번째는이 새로운 바로 가기 기능입니다 Android P에있는 것과 매우 유사합니다 Axes and Slices라고 불리며 앱의 기능입니다

앱에서 나머지 운영체제로 나옵니다 검색 또는 위젯 패널에서 또는 무엇이든간에 이제 애플이하는 방식은 실제로 당신입니다 그것을 스스로 설정하십시오, 그것은 더 많은 구성입니다 안드로이드 P가하는 일은 당신이 신뢰해야한다는 것입니다

Google은 모든 것을 알아서 알아낼 것입니다 너를 위해서 그것들은 매우 비슷하지만 애플의 방식대로, 더 많은 설정이 필요합니다 Google 방식으로 Google을 신뢰해야합니다 그러나 가장 중요한 것, 가장 큰 뉴스 제 생각에 WWDC는 새로운 패러다임입니다

애플 리케이션이 앞으로 맥 오에스에서 작동 할 수있는 방법에 대해 실제로 이것은 기조 연설의 가장 좋아하는 순간이었습니다 Craig Federighi가 거기에있을 때 그는 그가 물어 보았습니다 마침내 맥 OS와 IOS를 병합 할 것인가? 대답은 아니오였다 "아니!" 아니

뭔가있을거야 훨씬 더 복잡하고 솔직하게, 훨씬 더 흥미 롭습니다 그러나 우리가 그것에 들어가기 전에, 나는 어떻게 이야기하고 싶은가? 이미이 작업을 수행했기 때문에 Google에서이 작업을 수행합니다 그들은 Android 앱을 가져 와서 Chrome OS에 올려 놓았습니다 그러나 Google은 그것을 극적인 Google-y 방법으로했습니다

그들은 문자 그대로 단지 janky 베타 버전을 발표했습니다 전화 응용 프로그램을 가져 와서 바탕 화면에 쳤습니다 Chromebook에는 터치 스크린이있어서 스크롤 할 수 있습니다 또는 무엇이든간에, 마우스 클릭으로 작동했습니다 그리고 그들은 그것을 단지 세계에두고 사람들에게 그것으로 주변을 어지럽히고, 시간이 지남에 따라 운영체제를 진화 시켰고 천천히 진화하고 있습니다

Android 앱이므로 궁극적으로 할 수 있습니다 윈도우 크기 조정 및 적절한 윈도우 잉, 나머지 모든 것들이 있지만 Google의 그저 그런 방법 일뿐입니다 "스크류처럼! 그것을 밖으로두고 사람들이 어떻게 보는지 우리가 그것에 반응하면, 우리는 그것을 해결할 것입니다 " 애플이 일하기를 원하는 방식이 아니다 Apple이이 작업을 수행하는 방식은 다음과 같습니다

iOS와 Mac OS 동일한 유닉스 토대를 가지고 있죠? 그러나 그들은 사용자 인터페이스를 만드는 다른 방법을 가지고 있습니다 그래서 애플이하는 일은 ios 용 사용자 인터페이스 빌더 Mac OS, UI 킷이라고합니다 그래서, 당신은 많은 것들을 가져갈 수 있습니다 당신이 당신의 아이오스 앱을 만들기 위해했던 것, 앱 개발자 플랫폼에서 몇 가지 조정을 해보면 X-Code를 클릭하면 Mac 앱으로 바뀝니다 맥 애플 리케이션, 당신이 창문의 크기를 조정할 수있는 느낌, 적절한 스크롤 기능이 있으며 작동하지 않습니다

터치 스크린을 사용하면 Mac에 터치 스크린이 없기 때문입니다 나는 조금 긴장 되네 나는 홈 애플 리케이션으로 하나를 연주했다 Ipad 앱처럼 느껴졌습니다 그냥 Mac 화면에 넣어, 당신은 창 크기를 조정할 수 그리고 그것은 위대했지만 그것은 단지, 버튼을 만져보고 싶었어

터치 스크린 용으로 설계된 버튼 인터페이스였습니다 하지만 여기에 핵심적인 부분이 있습니다 데스크톱 운영 체제는 놀라 울 정도로 훌륭합니다 심지어 초기에, 안드로이드 애플 리케이션과 janky 크롬 OS 베타 놀랍게도 조금만 가지고 있으면 유용했습니다 Instagram 앱 또는 약간의 To-Do 앱 대신 본격적인 데스크톱 앱 또는 웹 앱을 컨테이너 전자 일, 문자 그대로 수백만, 수백만, 수백만, 나는 그 인기있는 맥 오에스 중 일부를보고 싶다

그래, 우리가 뭘 배웠어? 우리는 Google에 관해 많은 것을 배웠습니다 매우 Google-y 방법으로 Google 물건 개발자가 준비하기 전에 물건을 놓습니다 그것으로 돌고, 그것을 고치려면, 그리고 그들은 시간이 지남에 그것을 알아 낸다 그들은 Google Assistant를 많이 신뢰하라고합니다

모든 것이 클라우드로 올라가고, Google은 그것을 분석합니다 그들의 기계 학습 알고리즘이나 뭐든지간에, 당신은 내가 좋아하는 많은 구성을 할 필요가 없다 실제로 애플의 방식보다 조금 간단합니다 하지만 그 모든 것들이 제대로 작동하려면 Google Assistant에 1 톤을 제공하십시오 데이터 및 정보에 대한 액세스

자, 애플의 방식은 매우 다르다 특히 많은 구성을해야합니다 지름길 물건 그리고 그것이 저를주는 것을 사랑하는 동안, 사용자로서 더 많은 통제 나는 많은 통제가 필요하다고 확신하지 못한다

나는 그 모든 것들을 정리할 시간을 갖기를 확신하지 못합니다 물론 애플이해야 할 일은 모든 엔드 – 투 – 엔드 암호화, 그래서 아무도 당신과 당신을 제외한 당신의 물건을 볼 수 있습니다 그것을 공유 할 수도 있습니다 이것이 내가 무슨 일이 일어나는가를 보는 것에 대단히 기뻐하는 이유입니다 이번 가을에 ios12와 모하비가 나왔을 때, 두 가지 접근 방식을 비교할 수 있기 때문입니다

우리가 할 수없는 것 말고는, 가장 중요한 것 이 두 회사의 차이점은 ios가 새 버전을 출시 할 것이라고 말하면 운영체제의 경우, 수백만에 달하며, 수백만 명의 고객이 업그레이드 할 때마다 곧 반면 안드로이드 P와 달리별로 사람들의 작은 조각은 안드로이드의 최신 버전을 얻습니다 다른 모든 사람들은 정말 오랜 시간을 기다려야합니다 따라서이 두 가지 접근 방식의 큰 차이점은 솔직히 애플 배송입니다

이 웜은이 Apple에서 돌아 왔습니다 이것이 Google의 기조 연설이지만, 애플은 나무에서 멀리 떨어진다! 우리는이 비디오를 훨씬 더 많이 만들거야 애플이 하루 종일 구글을 지키기 때문이다

PlantVillage: AI Helping Farmers Detect Plant Diseases

[음악 재생] 데이비드 허스 : 카사바는 정말로 중요한 군중입니다 매일 5 억 명이 넘는 아프리카 인들을 지원합니다

LATIFA MISHRO : 카사바는 영양소의 좋은 원천입니다 가혹한 조건에서도 견딜 수 있습니다 그 때문에 많은 사람들이 양식을하고 있습니다 LATIFA MISHRO : 카사바에 영향을 미치는 몇 가지 질병이 있습니다 그들은 뿌리를 먹을 수 없게 만든다

이 질병으로 인해 카사바 작물이 줄어들고 있습니다 40 %에서 100 % 그래서 우리는 기계 학습을 사용하려고합니다 그 질병에 대응합니다 AMANDA RAMCHARAN : 우리가 디자인 한 앱 여러 질병을 진단 할 수 있습니다 특정 리프 위에 휴대 전화를 흔들면, 증상이 나타나면 상자가 나타납니다

이 문제가 있다고 말 했잖아 진단을 받으면 최고의 관리에 대해 배웁니다 관행 우린 아주 시골에있어 사람들은 인터넷에 접속할 수 없습니다

그리고 TensorFlow는 유일한 플랫폼입니다 이러한 고급 모델을 구축 할 수 있습니다 그것들을 전화기에 배치하십시오 현장에서 나가기 때문에, 우리는 농부들에게 접근 할 필요가있다 즉시 정보에

AMANDA RAMCHARAN : 인공 지능 도구와 기계 학습을 통해, 당신은 더 많은 작물을 재배 할 수 있습니다 당신은 그들을 보호 할 수 있고 훨씬 더 신뢰할 수 있습니다 음식의 근원 DAVID HUGHES : AI는 잠재 고객을 제공합니다 수억의 생명을 근본적으로 변화시키다 전 세계 농민의 LATIFA MISHRO : 실제로 볼 수있는 제품을 볼 수 있습니다

누군가의 삶을 더 좋게 만들어라 이것은 일종의 혁명적 인 일입니다

Google Genomics: Qwik Start – Qwiklabs Preview

[음악 재생] MIRCHANDANI MARK MIRCHANDANI : 당신은 퀘스트에서 마지막 실험실로 만들었습니다 Quiklabs에서이 실험을 완료 한 후, 마침내 배지를 잠금 해제합니다

이 에피소드에서 우리는 이 최종 실험실에서 배우게 될 것, Google Genomics Quik 스타트 Google Genomics는 생명 과학 커뮤니티를 지원합니다 세계의 게놈 정보를 정리하다 유용하고 유용하게 만드십시오 거대한 게놈 데이터는 오늘날 페타 바이트 급 성장세를 보이고 있습니다

엑사 바이트 단위 Google Genomics는 Google Cloud의 일부인 API입니다 플랫폼 이 부가 기능과 다른 부가 기능을 통해 Google 검색을 강화하는 것과 동일한 기술을 적용 할 수 있습니다 및지도를 안전하게 저장, 처리, 탐색 및 공유 할 수 있습니다

크고 복잡한 데이터 세트 이 실습에서는 Google의 구현을 사용합니다 htsget 프로토콜과 SAMtools를 사용하여 프로젝트 만들기 자신을 위해 공개 데이터를 볼 수 있습니다 Google Cloud Storage에 저장된 게놈 데이터에 액세스하려면 Google 구현을 사용할 수 있습니다 글로벌 얼라이언스에 의해 정의 된 htsget 프로토콜 유전체학 및 건강 Google의 htsget 구현으로 인해 자신의 클라우드에 저장된 데이터에 액세스하고 공유하기 쉽습니다

Compute에서 큰 파일을 복사하지 않고 프로젝트 가상 컴퓨터 엔진 또한 htsget 서버를 사용하여 데이터에 액세스 할 수 있습니다 공개 소스 (예 : Google의 1,000 대 거울) 게놈 프로젝트 이거 야? 이것이 당신의 탐구에서 마지막 실험입니까? 치하 우리는 당신에게서 소식을 듣고 싶습니다

이 Quiklabs 퀘스트를 수행 한 경험에 대해 알려주십시오 네가 한 일을 어떻게 적용하는지 아래 주석에 자신의 응용 프로그램에서 배웠습니다 다음 달 퀘스트 GCP에 착수하면 다음 달에 보자 골자