Vonage CX Enablement Suite Integration with Google Cloud Contact Center AI

안녕, 아담 존슨 American Financing에 전화 해 주셔서 감사합니다

나는 자동화 된 봇이다 오늘 어떻게 도와 드릴까요? 리 파이 낸싱에 대한 전화 얼마나 걸릴까요? 시간은 대출 기관 및 문서 제출 속도에 따라 다릅니다 American Financing은 많은 차용자들이 10 일 만에 최대한 빨리 도움을 주었던 것을 자랑스럽게 생각합니다 2018 년 7 월 8 일 12시 19 분에 뉴저지 주에서 재 융자에 관해 전화를 드렸습니다

재 융자에 관해 다른 질문을하거나 고객 서비스 담당자에게 말할 것을 요청할 수 있습니다 고객 서비스 담당자와 통화 할 수 있습니까? 큰 이제 고객 서비스 담당자에게 연락하겠습니다 안녕하십니까, 제 이름은 Olive입니다 저는 American Financing의 고객 서비스 담당자입니다

리 파이 낸싱에 대해 몇 가지 질문을 할 수 있습니다 어떻게 도울 수 있습니까? 부채 상환을 위해 현금을 어떻게 이용할 수 있습니까? 현금 환급에 대해 물어보십시오 부채 상환을 위해 돈을 가져 가기 위해 주택 담보 대출을 사용하십시오 대학 대출, 주택 개선을 통해 주택 가치를 높일 수 있습니다 저는 모기지 컨설턴트와 약속을 잡을 수 있습니까? 좀 더 자세한 정보가 필요합니다

Introducing AIY: Do-it-yourself Artificial Intelligence (Google I/O ’18)

[음악 재생] 빌 루앙 : 안녕하세요 AIY 입문 세션에 오신 것을 환영합니다

지금까지 I / O에 대해 모두 어떻게 됐습니까? 오늘 모두 좋은 점심 먹었 니? 예 승인 화면에서 볼 수 있듯이이 세션의 이름 AIY 소개 그러나 AI는 무엇입니까? AIY는 Google의 새로운 제품 라인입니다 당신 같은 개발자, 전 세계의 제조사, 인공 지능을위한 응용 프로그램을 만드는 방법 혼자서

그것이 AIY의 이름입니다 오늘 나와 함께 합류했다 개발자 관계에서 내 이름은 Bill Luan입니다 나는 Dushyantsinh Sebastian이 나와 합류했다

우리는 당신에게 현재의 AIY 제품 계열 그래서 우리가 시작하기 전에 동료들을 소개하겠습니다 그럼, Dushyantsinh 재수정 : 감사합니다, 빌 안녕하세요

내 이름은 두샨 in입니다 저는 인도의 Google 개발자 관계 팀의 일원입니다 나는 정말로 당신에게 AIY에 대한 놀라운 데모들을 보여주기 위해 여기에 흥분하고있다 스크립트 하지만 우리가 시작하기 전에 세바스챤을 초대 할거야

AI가 무엇인지에 대한 간단한 개요를 제공합니다 이 대화의 배경을 설정하십시오 SEBASTIAN TRZCINSKI-CLEMENT : 감사합니다, Dushyantsinh 직접 여기에와 주셔서 대단히 감사합니다 YouTube에서 시청할 수도 있습니다

나는이 매우 복잡한 성을 가진 Sebastian입니다 나는 아주 최근에 구글에 합류했다 약 11 년 전 그리고 우리 팀과 함께, 우리가 전 세계에서 무엇을하는지, 특히 신흥 시장에서 우리는 개발자와 신생 기업이 더 잘 구축 할 수 있도록 지원합니다 모바일 및 웹 애플리케이션

오늘 저는 AIY에 관해 당신과 이야기하고 싶습니다 하지만이 전에 DIY에 대해 이야기 해 보겠습니다 너 스스로해라 이게 뭔지 알아? 그것은 UFO가 아닙니다 실제로는 악기예요

아주 좋은 소리를냅니다 그러나 아니, 그것은 선사 시대에 발명되지 않았습니다 그것은 실제로 스위스에서 2000 년에 만들어졌습니다 스위스는 실제로 나라입니다 나는 공식적으로 여기있다

음, 그 때 제가 다른 UFO 중 하나에 있지 않을 때입니다 우리는 비행기를 호출합니다 왜냐하면 저는 제 팀을 방문하기 위해 꽤 많이 여행하기 때문입니다 이게 뭔지 알아? DIY 문화의 창입니다 인류의 역사에 대해 아주 간단히 설명하겠습니다

DIY를위한 식욕 그리고 책 "사피엔스 (Sapiens) 인류의 간략한 역사, "당신은 내가 무슨 말하는지 알지 우리의 인간 조상들은 이미 도구를 만들고 있었고, 아마 너도 알다시피 무기들, 도구들 돌과 나무를 사용합니다 이제 우리가 몇 세대의 인간을 건너 뛰면, 우리는 여전히 나무를 사용하여 물건을 만듭니다 이것은 나의 형제 중 하나이다, Mattias, 그리고 여동생, 리디아, 약 30 년 전 너랑 네 형제들, 똑같은 일을 했어 물건이나 뭐든지 다뤄 봤어

당신 손을 얹을 수 있습니다 이제 내가 빨리 전화를 걸어 보자 전자 시대 90 년대에 데스크톱 컴퓨터가 어떻게 나는 노트북에 대해서도 말하지 않고있다 데스크톱은 너무 비쌌습니까? 너 중에 누가 손을 보여줄지, 보러

예비 부품이있는 컴퓨터를 누가 만들었습니까? 네 나도 그랬어 네가 꽤 많이, 나는 유일한 사람이 아니야 누가 이것을 위해 너무 오래 됐어 이 애니메이션 이미지에서 볼 수 있습니다

오버 헤드 프로젝터와 LCD 분해 방법 저렴한 수제 비디오 프로젝터를 만드는 스크린 그런데 분명히 우리 엄마는 짜증이났다 모든 전자 장치가 거실의 모든 곳에 있기 때문입니다 그래서 그녀가 외쳤다 신선한 공기가 필요해

좋아 그래서 나는 밖에 나갔다 쓰레기 봉지 재사용 태양열 풍선을 만들 쓰레기 봉투 1 달러 그것은 나를 거의 들어 올릴 수 있습니다 하지만 언젠가는 거기에 갈거야

그러나 전자 제품의 매력은 너무 강했다 그래서 형제들과 나는 내 형제들과 내 형제 중 한 명으로 돌아 왔습니다 다른 하나, 플로리안 – 3D 프린터, 수제 3D 프린터로 시작되었습니다 이것은 내 다른 형제, 오른쪽에있는 형제입니다 왼쪽은 사실 박물관에있는 사진입니다

제가 말했듯이, DIY는 매우 초기부터 우리의 DNA에 있습니다 Google의 DNA에도 있습니다 4 년 전, Google 엔지니어가 파리 사무소 – 나는 파리를 언급했다 왜냐하면 나는 사실 프랑스 사람이야 이 엔지니어는 VR 플랫폼을 표시하기 위해 I / O에 왔습니다

그는 20 %의 혁신 시간 동안 골판지를 사용하여 건축했습니다 그로부터 2 년 전, Google에서 Daydream VR 플랫폼이라고 부르는 것입니다 여기 재미있는 것이 있습니다 제작자 문화는 모두 하드웨어에 관한 것입니다 한 편에는 물리적 인 대상을, 다른 한편으로는, 소프트웨어 -이 DIY 문화의 조합 해커 문화와 2006 년 이래로 Maker Faire에 대해 들어 보셨을 것입니다

주변에 제작자 공간이있을 수 있습니다 당신이 살고있는 당신의 도시에서는 아무도 없습니다, 그렇다면 왜 시작하지 않으시겠습니까? 이 메이커 공간 중 하나? 이 메이커 문화에 대한 좋은 점 당신이 손으로하는 것을 통해 배우는 것입니다 너는 실수를 저지를거야 그래서? 상관 없어요 그것은 배우고, 새로운 것을 시도하는 아주 좋은 방법입니다

서로 배우고 새로운 응용 프로그램을 찾습니다 그 기술로 만들 수 있습니다 당신의 배경은 중요하지 않습니다 사실 믹스 앤 매치가 가능할 때 더 좋습니다 기술의 새로운 응용 프로그램을 찾는 다른 도메인

이제 무엇이 있는지 살펴 보겠습니다 지난 몇 년 동안 일어났다 이제 라스베리 파이와 같은 마이크로 컨트롤러가 생겼습니다 구름이 더 싸게되었습니다 리튬 배터리는 더 저렴 해졌습니다

당신은 리튬 배터리, 그 비용, 지난 8 년간 80 %가 감소 했습니까? 그리고 인공 지능, 인공 지능, 특히 어제부터, 그리고 개념들 기계 학습, 심 신경 네트워크와 유사합니다 복잡하게 들리는군요, 그렇죠? 그럴 필요는 없습니다 그럴 필요는 없습니다 그리고 이것이 AIY와 함께하는 이유입니다 우리가 작년에 소개 한 AI, 인공 지능, 너는 재미있게 놀 수있다

이 메이커 문화의 아이디어 무엇보다 먼저, 이 경우에는 인공 지능을 사용하여 재미를 느낄 수 있습니다 우리는 AI를 당신의 손에 문자 그대로 넣고 싶습니다 실제 문제를 풀 수 있습니다 우리의 AIY 키트는 오픈 소스입니다 그들은 하드웨어와 소프트웨어를 결합합니다

AI는 장치 자체에 직접 통합됩니다 앞서 언급 한 본질은, 쉽게 사용할 수있는 구성 요소를 사용하여 저렴한 비용으로 유지하는 것입니다 행성의 거의 모든 곳에서 찾을 수 있습니다 그리고이 키트는 조립이 매우 쉽습니다 Dushyantsinh, 얼마나 오래 걸릴까요? 이 키트 중 하나를 조립 하시겠습니까? 재서야 : 15 분에서 30 분

세바스챤 TRZCINSKI-CLEMENT : 15, 30 분 좋아요 한 시간은 엄마가 나는 매우 어색하다고 말하려고합니다 고마워 엄마 그녀가 지켜보고있는 것을 안다

따라서이 키트를 조립하는 데 한 시간 이상 걸리지 않도록하십시오 Dushyantsinh와 빌 바로 직후에, 단 몇 분만에, 이 키트 중 일부를 보여줄 것입니다 당신이 그들과 함께 할 수있는 것 – 보이스 킷과 비전 전부 그러나 우리와 함께있어 라 다가오는 몇 주와 앞으로 몇 달 안에, 그 공간에서 더 많은 발표가있을 것입니다

이제 한번 살펴보고 이것으로 마무리하겠습니다 당신 중 일부는 이미 만들었습니다 이 예에서는 몇 초 만에 여러분을 보여 드리겠습니다 프로그래밍 경험이없는 16 세 다음 유스 케이스를 제시했다 약 20 초 동안 비디오를 재생 해 봅시다

LAWRENCE : New York Yankees 야구 모자를 구입하십시오 이제 실제로 무슨 일이 벌어지고 있습니까? 음성 키트 : 완료 로렌스 : 그래서 그녀는 방금 말 했잖아, 그렇지? 그래 LAWRENCE : OK 그래서 실제로 무슨 일이 일어 났습니까? 그 일이 끝났을 때, 그것은 eBay에서 찾은 후 내 이메일에 대한 링크를 보냈습니다

따라서 온라인 결과를 찾고, 이메일에 링크를 보내고, 나는 그 사람들을 받게 될 것입니다 클릭하고 구입하십시오 세바스챤 TRZCINSKI-CLEMENT : 그렇다면 로렌스와 고등학교 아이와 여기서 일어났어 제품을 사러 갔다 처음에 그렇게 들었는지는 모르겠다

"나는 야구 모자를 사고있다" 그리고 그것은 결과를 위해 eBay에서 검색하고 있었고, 장치가 완료된 직후에 이메일로 전송되었습니다 그럼 코드를 살펴 보겠습니다 그것은 단지 여러분이 처음에 들었 으면, "나는 야구 모자를 사고있다 그리고 이베이에서 결과를 찾고 있었고, 바로 다음에 [오디오 출력]에 이메일이 전송되었습니다

장치가 완료되었습니다 그럼 코드를 통해 [오디오 아웃]을 가져 오도록하겠습니다 처음에 들었 으면 그냥 [오디오 출력]입니다 나는 야구를 위해 쇼핑 중입니다 [AUDIO OUT] 우리는 결과에 대해 eBay에서 검색하고 있습니다 [오디오 출력] [AUDIO OUT] 직후에 이메일을 통해 이메일을 받았습니다 처음에 들었 으면 그냥 [오디오 출력]입니다

나는 야구 모자를 사러 간다 [AUDIO OUT] 코드를 통해 그냥 들었 으면 [오디오 아웃]입니다 처음에는 나는 야구 모자를 사러 간다 [AUDIO OUT] 동영상에서 모든 결과가 기억납니다 이메일을 통해 전송됩니다

여기에 코드가 있습니다 우리는 각 결과를 처음부터 끝까지 살펴볼 것입니다 코드의 라인을 그곳에 올려 놓고 이것을 이메일로 포맷하십시오 경험이없는 사람이라도 인정할 수 있습니다 프로그래머, from, to, subject 등이 있습니다

그게 전부 야 아무것도 더 우리가 할 마지막 일은 바로 연결하는 것입니다 서버, 전자 메일 서버에 보내고 전자 메일을 보내면됩니다 장치가 "완료"라고 말하도록하십시오

그게 전부 야 더 이상 아무것도 없습니다 말 그대로 복사하여 붙여 넣을 수 있습니다 효과가있을 것입니다 이제 AIY로 일을 할 차례입니다

그리고 당신이 충분히 영감을받지 못했다면, 지금 Dushyantsinh를 무대에 올 테니 음성 키트로 데모를 할 수 있습니다 귀 기울여 주셔서 대단히 감사합니다 그리고 Dushyantsinh를 무대에 다시 맞이하십시오 JUSA : 더 감사합니다, Sebastian

내 이름은 Dushyantsinh이고 개발자 관계의 일부입니다 Google 팀 그리고 모두와 마찬가지로, 우리 모두는 가능성에 흥분하고 있습니다 인공 지능이 우리 앞에서 옳은가? 이것은 더 의미 있고 더 영향력있게됩니다 우리 모두가 접근 할 수있을 때 이 멋진 플랫폼 Google은 업무와 발전을 공유했습니다

인공 지능 분야 제품을 구축하고 연구 논문을 공유하며, AIY 키트를 사용하면 더 많은 사람들에게 더 장난기있는 방식으로 데려가, 그러나 그것은 당신이 풀 수있을 정도로 강하다 정말 좋은 문제들 그럼 우리가 그 중 일부를 해결할 수있는 방법을 보도록하겠습니다 그리고 우리가이 키트를 함께 생각할 때, 너의 생각, 무슨 말이, 무엇 이걸 사람들 앞에 놓는 게 옳은가? 그리고 물론, 목소리도 그 중 하나였습니다 그것은 아주 분명했습니다

우리 모두는 말하기를 좋아합니다 우리가 놀 수있는 힘이 있다고 상상해보십시오 목소리로 얼마나 즐거웠 을까요 기조 연설에서 언급 한 [INAUDIBLE] 어제 WaveNet에 대해, 당신이 다른 목소리를 어떻게 만들 수 있는지 그래서이 데모에서 나는 단지 이야기 할 것입니다

AIY 키트의 기능에 대해 클라우드 음성 API 및 Google Assistant API 사용 그러나 물론 이것보다 훨씬 많은 것이 있습니다 보이스 킷은 작년 중반에 출시되었습니다 내가 틀렸어도 많은 관심을 받았어 보이스 킷에는 기본적으로 몇 가지 소프트웨어가 결합되어 있습니다 일부 하드웨어가 있습니다

그것은 라스베리 파이 재단과 함께 판매되었습니다 우리는 기존 제조업체로부터 얻을 수있는 피드백을 확인합니다 지역 사회와 우리의 제안을 개선하려고합니다 우리는 음성 키트의 두 번째 버전을 출시했습니다 언젠가 1 월에 모든 피드백을 통합 할 것입니다

원 박스 구성 요소 키트로 모든 것을 만들 수 있습니다 그래서 그것이 당신이 오늘 얻는 것입니다 AI 웹 사이트에 가서 음성 키트를 살펴 본다면, 이것은 당신이 아마 거기에서 발견 할 것입니다 그러나 키트에는 무엇이 들어 있습니까? 하드웨어 관점에서 보면 Raspberry Pi Zero, 기본적으로 음성 보닛이 있습니다 당신을 위해 오디오 프로세싱을 수행하는 하드웨어 조각, 보이스 보닛에는 다른 구성 요소가 있습니다

마이크가 있고, 코덱, 마이크로 컨트롤러, 일반 다목적 입력 출력 및 아케이드 버튼 기본적으로 시각적 인 표시를 제공합니다 어떤 시점에서든 보이스 킷을 사용하면됩니다 그리고 소프트웨어 관점에서 볼 때, 기본적으로 Raspbian Linux에서 실행됩니다 Google Assistant API를 사용하고 Cloud Speech API를 사용합니다 그러나 물론, 당신은 그것으로 많은 것을 할 수 있습니다

이것은 단지 보이스 킷의 표면을 긁적입니다 그럼 어떻게 시작할 수 있니? 매우 간단합니다 3 단계 프로세스로 생각하십시오 1 단계는 키트 조립에 관한 것으로, 2 단계에서 기기를 설정하는 중입니다 3 단계는 모든 것을 설정 했으므로 당신은 스스로 해결할 수있는 몇 가지 솔루션을 만들 수 있습니다

키트를 여는 경우 이것이 보이는 모양입니다 우선 모든 요소가 올바른지 확인하십시오 골판지, 모든 다른 하드 우드 웹 사이트에 언급되어 있습니다 모든 구성 요소가 준비되어 있는지 확인하십시오 함께 조립하기 전에 확인한 후에는 다음 단계로해야합니다

엔진을 만드는 것입니다 자동차를 만드는 것으로 생각하십시오 당신은 엔진을 만들고있어 라즈베리 파이를 넣을거야 음성 보닛을 함께 사용하십시오 일단 당신이 엔진을 조립하면, 이제는 섀시를 만들고 있습니다

그래서 그것은 당신의 차를위한 구조의 종류입니다, 또는 보이스 킷을위한 구조 그래서 당신은 기본적으로 골판지를 가져 가야합니다 그것은 스피커의 구조를 갖게됩니다 골판지를 만든 다음에는 엔진을 넣으십시오 당신은 그 안에 라스베리 파이와 보닛 보닛을 넣습니다

그게 전부 야 그것은 아주 쉽고, 아주 재미 있습니다 나를 위해, 처음 시도했을 때 뭔가가 걸렸다 약 15 ~ 20 분 하지만 너희들은 많이, 많이 있다고 확신한다

당신보다 더 빨리 나아갈 수 있습니다 여기에서 중요한 것은 빨리하지 말고, 그렇게하십시오 그것에서 좋은 재미 방법으로 그래, 그래 그게 전부 야

음성 키트를 조립했습니다 2 단계는 기본적으로 기기를 설정합니다 이 시점에서, 당신이 원하는 것 할 일은 이제 내 장치가있다 또는 내 보이스 킷은 어느 정도 좋은 모양과 형태로 존재합니다 내가 그것에 목소리를 내 보자

모든 것이 잘 작동하는지 보도록하겠습니다 그래서 이미 음성 키트가 있습니다 여기, 그리고 내 보이스 킷으로 돌아갈거야 모든 것이 잘 작동하는지 확인하십시오 따라서 시작하기 전에 모든 것을 갖춰야합니다

너를 위해 달리기 따라서 네트워크에 연결되어 있다고 가정 해 보겠습니다 이것은 유선 네트워크이거나 무선 네트워크 일 수 있습니다 또는 휴대 전화에서 테 더링하는 경우, 본질적으로 어떤 종류의 연결이있다 보이스 킷을 인터넷에 연결해야하기 때문입니다

Google Assistant 및 Speech를 사용하고 있습니다 인식을위한 API 온라인 상태인지 보겠습니다 좋은 나는 인터넷 관점에서 모두 설정 한 것 같습니다

내 오디오가 잘 작동하는지 확인해 보겠습니다 키트의 오디오가 잘 작동하는지 확인하십시오 VOICE KIT : 프론트, 센터 재스민 : 자존심 내 목소리가 들리는 지 보자

테스트 하나 둘 셋 VOICE KIT : 테스트 하나 둘 셋 재스민 : 자존심이 좋아 보인다

이제 거의 다 됐습니다 좋은 점은 보이스 킷에는 미리 만들어진 데모도 포함되어 있습니다 그것들이 너보다 먼저 잘 보이는지 보는 것도 좋다 자신을 만들기 시작하십시오 Pi 디렉토리로 가서 Pi10 음성을 보면 여기 예제가 있습니다

그리고이 라이브러리 데모를 사용해 보겠습니다 안녕, 구글, 지금 뭐야? VOICE KIT : 1:50입니다 재수정 : 감사합니다 그래서 당신은 많은 것들을 시도 할 수 있습니다 내가 뭘하고 있었는지는 내가 방금 테스트 중이 었어

일이 잘 작동하면 지금 당연히 당신은이 시점에서 물어볼 수 있습니다 다른 질문들 이제 상황이 괜찮은 것 같습니다 내가 무언가를 만들 수 있는지 아닌지를 알려주지

다시 발표하겠습니다 슬라이드로 돌아갈 수 있을까요? 네 따라서 기기가 정상적으로 작동하는지 항상 확인하는 것이 좋습니다 혼자서 건물을 짓기 전에 저는 전형적인 쇼핑 경험을 쌓았습니다

잘하면 잘 작동하지만 잘보아야합니다 세트가 실제로 표까지 아니었기 때문에, 한 번만 더 해보 죠 데모로 전환 할 수 있습니까? Sebastian이 보여 주었던 것처럼, 그는 코드를 보여주고있었습니다 음성 조종사에게 명령을 내리는 것이 대부분이었습니다 말하라

뭔가 사러 가라 그리고 나서 그것은 텍스트를 식별하려고 시도하고있었습니다 API 중 하나를 호출하고있었습니다 내가 믿고 이베이에서 왔고 근본적으로 결과의 일부를 먹이려고 노력한다 이메일로 보내십시오

비슷한 행동을 모방하려고했습니다 데모 코드가 나와 함께 있는지 봅시다 그래서 지금이 시점에서 제가하고있는 일은, 그냥 쇼핑을하러 갈거야 어머니의 날이 다가오고 있기 때문에 그리고 나는 그 시간에 맞추지 않을 것이고, 나는 원한다 우리 엄마 한테 무언가를 보냈어

그리고 나는 생각하고 있었다, 무엇이 재미있을 수 있었느냐? 외관상으로는 smartwatch는 큰 것이다, 그래서 나는 생각했다, 좋아, 아마 내가 그녀에게 smartwatch를 줘 보자 보이스 킷을 사용하여 스마트 워치를 찾을 수 있는지 보겠습니다 안녕, 구글 smartwatch를 구매하십시오 시원한

음성 키트 : 완료 DUSHYANTSINH JADEJA : 그래서 당신이 한 일을 보면, 그것은 기본적으로 내 목소리 또는 내 명령을 인식, 특정 서비스와 연결되어, 나와 사용할 수있는 스마트 워치를 표시했습니다 구매에 그리고 지금,이 시점에서, 저는이 결과를 얻을 수 있습니다 세바스찬이 언급 한 것처럼 이메일을 보냅니다

또는 스마트 디스플레이 장치가있는 경우, 나는 기본적으로 그곳에 게시 할 수 있고, 좋은 시각적 인 목록을 줄 수 있으며, 이것들과 같은 것들이 있습니다 또는 나는 조금 더 대화에 참여할 수있다 그것으로 슬라이드로 다시 이동할 수 있습니까? 하지만 할 수있는 일이 많습니다 맞습니까? 내가 여기서 강조하려고했던 것 장치로 가능한 많은 것들이 있다는 것입니다

당신이 그걸 가지고 놀 수있는 곳 또한 소프트웨어를 하나의 소프트웨어로 볼 수는 없습니다 그것의 측면,하지만 당신은 또한 실험 할 수있는 몇 가지 하드웨어에있는 것들을 그래서 우리는 오래된 장난감을 가지고있는 사람들을 보았습니다 보이스 키트 (Voice Kits) 또는 다른 AIY 키트 시체를 소생 시키거나 그 장난감에 생명을 불어 넣으십시오 우리는 사람들이 보이스 킷용 선반을 사용자 정의하는 것을 보았습니다

기기 리믹스를 한 사람이 있습니다 Roomba 진공 청소기에 음성과 시각을 제공합니다 그럼 당신은 그들에게 말할 수 있습니다, 좋아, 하지마 집의 이쪽으로 가면서 다른쪽으로 가라 집 섹션의

또는 완전한 사용자 지정 음성 액션을 만들 수도 있습니다 그래서 많은 것들이 가능합니다 만약 당신이 그것에 대해 더 알고 싶다면, Instagram 또는 Twitter에서 우리를 팔로우 할 수 있습니다 또는 AIY 프로젝트로 Reddit에 대한 토론을 따르십시오 그걸로 빌에게 무엇이 더 필요한지 더 많이 알리도록하겠습니다

Vision Kit에서 발생합니다 빌 루앙 : 고마워 Dushyantsinh, 감사합니다 [INAUDIBLE] OK? 괜찮아 AIY 제품의 두 번째 제품 라인을 계속 사용하겠습니다

가족이 볼 수 있듯이 비전 키트입니다 비전 키트는 비교적 새로운 제품으로, 작년 말에 방금 발표되었습니다 우리는 새 버전 업데이트를했습니다 올해 1 분기 그래서 최신 버전은 1

1입니다 여러분이 보시다시피, 작년 12 월에 출시되었습니다 그것은 최신 라즈베리 파이 제로와 WH, 헤더가 보드에 납땜됩니다 따라서 초기 버전에서는 문제가 없습니다 핀을 직접 솔더링해야합니다

훨씬 쉽습니다 그것은 라스베리 파이 카메라 버전 2, Google에서 만든 Vision Bonnet 회로 기판, 그리고 그것은 모든 소프트웨어, 하드웨어, 인공물 인텔리전스에서 Google이이를 제품에 넣었습니다 비전 [INAUDIBLE]에 있습니다 이 특정 제품의 가장 독특한 것들, 인터넷에 연결할 필요가 없습니다 비전 인식 소프트웨어로 작업 할 수 있습니다

혼자서 그 상자에 따라서 시작하기 전에 자료 목록을 살펴 보겠습니다 Dushyantsinh가 보이스 킷 (Voice Kit)을 위해했던 것 – 비슷한 것 앞서 언급 한 것처럼 하드웨어 측면에서 볼 때, 그것은 최신 라즈베리 파이 제로 보드와 카메라를 가지고 있으며, Google이 Vision Bonnet을 제작했습니다 이 Vision Bonnet 회로 보드에는 Intel 비전이 포함되어 있습니다

인식 프로세서는 모든 컴퓨팅 기능을 갖추고 있습니다 비전 인식을 도와주는 힘 그 외에도 카메라 지원 기능이 있습니다 Raspberry Pi 케이블에 연결되어 있습니다 커넥터

또한 범용 입력 출력, 소위 GPIO 커넥터를 사용하면 나는 더 많은 일을 할 것이고, 나는 곧 다룰 것이다 또한 암호화 칩이 내장되어 있습니다 신호를 암호화하여 증권을 추가 할 수 있도록 도와줍니다 응용 프로그램의 측면에서 그런 다음 소프트웨어 측면에서 – 아, 버튼도 있습니다

골 판지 형태로 장치를 접을 수 있습니다 소프트웨어 측면에서 운영 체제는 동일합니다 그것은 Linux Raspbian 운영 체제에서 실행되며, TensorFlow, 이른바 Inception이 포함됩니다 그리고 사운드 장치 인 MobileNet 소프트웨어, 이 장치로 작업 할 인공 지능 모델을 만들 수 있습니다 AI에서 응용 프로그램을 수행 할 수 있습니다

그것은 얼굴 인식을위한 소프트웨어가 내장되어 있습니다 뿐만 아니라 일반 물체 인식 그래서이 모든 소프트웨어가 장치에있어 사용할 준비가되었습니다 그리고 그 구성 요소의 관점에서, 좀 더 자세히 설명해 드리겠습니다 비교적 새로운 제품입니다

하단의 하드웨어 수준에서 머리가 납땜 된 라스베리 파이 제로입니다 내가 말했듯이, 라스베리 파이 제로는 Wi-Fi가 내장되어 있습니다 및 블루투스 지원 인터넷에 연결할 수 있습니다 인터넷에 연결된 Wi-Fi가있는 케이블없이 원하는 경우 GPIO 연결을 통해 직접 연결할 수 있습니다

플렉스 케이블을 사용하여 Google Vision Bonnet 회로 보드에 연결합니다 추가 플렉스 케이블과 함께 그 회로 기판, 파이 카메라뿐만 아니라 추가 액세서리에 연결, LED, 푸시 버튼, 버저 등이 있습니다 기기에 부저가 있습니다 귀하의 신청서가 필요한만큼, 당신은 소리를 낼 수 있습니다 그런 다음 소프트웨어 측면에서 동일한 Linux Raspbian에서 실행됩니다

운영 체제 및 프로그램 파이썬 코드로 모두 실행되므로 파이썬 인터프리터가있다 그 위에 그리고 Google의 소프트웨어는 당신이 원한다면 3 개의 다른 모듈을 포함합니다 분할 프로세스의 측면에서 첫 번째는 TensorFlow 모듈입니다

비전 시작입니다 둘째, 안면 감지 기능이 있습니다 소프트웨어, 그리고 셋째, 그것은 객체 감지 소프트웨어를 가지고 있습니다 따라서 이러한 소프트웨어가 탑재되어 있고 이러한 모든 하드웨어를 사용하면, API 과정을 통해 애플리케이션 작성 이러한 구성 요소와의 인터페이스 이것이 모든 것을 하나로 모으는 방법입니다 그런 다음 같은 과정을 거치도록하겠습니다

Dushyantsinh는 보이스 킷의 관점에서 언급했습니다 그래서 첫째로, 당신은 그것을 조립합니다 조립 측면에서 매우 비슷합니다 상자를 구입했는데,이 부분, 판지 등이 있습니다 화면에서 볼 수 있듯이 프로세스 측면에서 볼 때, 건물은 비교적 쉽습니다

기본적으로 라스베리 파이를 비전과 연결합니다 보닛 – 오렌지색 케이블을 가진 케이블 – 그것들을 서로 연결하고 함께 쌓은 다음 골판지 상자를 접고이 모듈을 가운데에 삽입하십시오 거의 당신이 자동차에 엔진을 넣은 것처럼, Dushyantsinh가 언급했듯이 – 버튼을 연결하면됩니다 처음 40 분 동안 이걸 만들었습니다 두 번째로 그것을 만들었지 만 20 분 밖에 걸리지 않았습니다

그래서 매우 간단합니다 사실, 나 자신을위한 플러그가있다 나는 그것을 YouTube에 조립하는 방법에 대한 비디오 튜토리얼을 만들었습니다 따라서 지침을 읽지 않으려는 당신의 경우, 당신은 비디오를 볼 수 있습니다 그러나 그것은 매우 쉽고 간단합니다

승인 괜찮아 축하합니다 한 시간도 채 안되면 단숨에 빌드 할 수 있습니다 그런 장치

확인의 측면에서 설정, 이것은 매우 간단합니다 내가 말했듯이 이것은 반드시 인터넷에 연결해야합니다 따라서 연결은 전원 공급 장치 만 있으면됩니다 전원 공급 장치가 연결되어 준비가되었습니다 얼굴 인식 소프트웨어 때문에 우리는 당신이 힘을 얻은 후 장치에 내장했습니다

그것은 자동으로 얼굴 탐지 소프트웨어를 실행합니다 그래서 지금, 책상 위에, 나는이 Vision Bonnet을 가지고있다 나랑 그리고 당신이 볼 수 있듯이, 최고의 LED가 푸른 빛 – 버튼이 켜졌다 이제 내가 이걸 내 얼굴을 가리키면 볼 수 있듯이, 카메라를 나타내는 푸른 빛이 내 얼굴을 잡아 먹고 있습니다

웃는 얼굴, 행복한 얼굴로 카메라에 보여 주면, LCD의 밝은 색이 노란색으로 바뀝니다 그리고 내가 얼굴을 찡그린다면, 그것은 푸른 색으로 되돌아 갈 것입니다 그래서 이것을 설명하겠습니다 다들 볼 수 있니? 권리? 색상이 바뀝니다 자, 이것이 어떤 종류의 마술이 아니라는 말입니다

일할 때 인공 지능입니다 무슨 일이 있었는지, 그것은 AI와 함께 내부 소프트웨어입니다 얼굴 인식이있는 TensorFlow 모델 – 사실, 나는 1 분 안에 그것에 갈거야 얼굴 인식 소프트웨어를 만들 수 있습니다 따라서 설정이별로 없습니다

전원을 켜고 전원을 연결 한 다음, 얼굴 인식도 할 수 있습니다 이 데모를 Joy Detection이라고합니다 이는 기기와 함께 제공되는 제품의 일부입니다 괜찮아 그래서 조립이 매우 쉽고, 셋업이 매우 쉽습니다

자신 만의 솔루션을 만드는 방법 당신이 할 수있는 많은 소프트웨어가 있습니다 그리고 또 다른 데모를 해보 죠 화면을 다른 장치의 출력으로 전환하십시오 지금 볼 수 있듯이 나는 Raspbian 소프트웨어를 실행하고 있습니다

운영 체제가 있고 소프트웨어를 보여주는 창이 있습니다 간단한 데모를 시작하여 객체 분류입니다 그래서 데모부터 시작하겠습니다 오른쪽에있는 화면에서 볼 수 있습니다 옆에 카메라가 있고 비디오 이미지가 캡처됩니다

카메라로 그리고 테이블 위에 나는 사과와 바나나를 가지고 있는데, 코카콜라도 할 수 있습니다 이것은 내가 조합 한 임의의 객체입니다 이제 보시다시피 화면 왼쪽에 시작 아웃 출력 스트림이 있습니다 물체 분류에 따라 화면에 둡니다

우리가 장치에 넣은 소프트웨어 이제, 나는 그 모든 것을 잠시 후에 설명 할 것입니다 먼저 데모를 해 보겠습니다 이 점을 바나나에게 알려주지 그리고 당신은 스크린의 왼편에서보아야합니다

이 물건을 발견했다고 말할 겁니다 바나나, 바래요 이제 사과를 가리키면 사실 사과인지 알게 될거야 할머니 스미스라고해야합니다 실제로 사과의 종류를 인식합니다

그리고 이미 이전에 시도 했었는데, 나는이 코카콜라가 할 수 있음을 지적했다 나는 그것이 무엇을 말할 지 모르지만, 더 일찍 나에게 말하고 있었다 그것은 펀치 백이라고 생각합니다 글쎄, 펀치 백은 붉은 색이야 이렇게 생겼어

그러니 그 신청서를 중단하고 이 창은 조금 더 커 그리고 왼쪽에서 볼 수 있듯이, 첫 번째 열 번호, 그것은 물체 인식입니다 그것은 그것을 인식합니다 그것은 그것이 바나나라고 말합니다 그 이후의 숫자는 소위 신뢰 점수입니다

AI가 이것이 바나나라고 생각하는 것에 대해 자신감을 갖거나 유사하게, 할머니 스미스 사과 인 사과에게 이 신뢰 수준은 인식 부분을 알려줍니다 진정으로 그것이 발견하는 대상이라고 생각합니다 이 숫자들, 소프트웨어로부터의 이러한 종류의 피드백, 당신은 많은 응용 프로그램을 만드는 데 사용할 수 있습니다 슬라이드로 다시 전환하십시오

당신이 볼 수 있듯이 화면의이 이미지는 아주 비슷 하죠? 그것은 신뢰 점수와 함께 물체를 인식했다 이 번호를 사용하여 응용 프로그램을 디자인 할 수 있습니다 비전 키트로 정확히 무엇을 할 수 있습니까? 음, 제가 말했듯이, 당신은 이미 그것을 볼 수 있습니다 객체 탐지를 수행합니다 그리고 그것은 얼굴 탐지를 가지고 있습니다 – 이것들에 내장 된 소프트웨어와 API 과정을 통해 당신은 이것을 활용할 수 있습니다

자동으로 사진, 비디오 및 사진을 찍을 수 있습니다 응용 프로그램에 출력을 보냅니다 이미지 분류가 있습니다 보았다, 사과와 바나나에게 말할 수있게, 그리고 다른 것들을 한꺼번에 그러나 조이 디텍트 (Joy Detect)가 입증 한 것처럼 가장 중요한 것은, 당신은 자신의 인공 지능 기계 학습 소프트웨어를 실행할 수 있습니다 이 장치에서 사용자 정의 된 TensorFlow를 작성하여 모델

이제 여러분 중 일부는 생각할 수도 있습니다 어떻게해야합니까? TensorFlow 모델을 구축한다는 측면에서 다소 혼란 스럽습니다 그것은 매우 강력한 것입니다 어떻게 그걸합니까? 괜찮아 그래서 당신에게 과정을 소개하겠습니다

맞춤형 모델은 어떻게 처리합니까? 그래서 우선, 첫 번째 숫자 – TensorFlow로 구축 한 모든 기계 학습 모델, 당신은 훈련 할 모델을 만들고 있습니다 따라서 자신의 모델을 지정하고 교육하는 것이 첫 번째 단계입니다 두 번째 모델은 다른 TensorFlow 모델과 마찬가지로, 당신은 최종 결과를 얻는다, 당신은 소위 수출 모델을한다 소위 고정 그래프로 어떤 모델이든, 고정 된 그래프를 생성 할 수 있습니다 그러나 고정 그래프는 자체 포맷을 가지고 있습니다

이 형식은 Vision Bonnet 하드웨어에서는 이해할 수 없습니다 그렇게 여하튼, 우리는 경기를해야합니다 일치가 다음 단계 일 때, 소위 컴파일러입니다 Google은 이른바 보넷 모델 컴파일러를 제공합니다 고정 그래프 바이너리 코드 가져 오기 컴파일 된 코드를 통해 컴파일을 실행하십시오

자신 만의 맞춤형 컴퓨터 그래프를 생성합니다 따라서 사실상 다른 것은 최종 결과에서, 당신은이 세 단계를 거치고 있습니다 바이너리 파일이 있습니다 이 파일은 귀하의 기계 학습 모델을 정의합니다 그런 다음 하드웨어 측면에서 물론 우리는 Raspberry Pi, 비전 보닛이 있습니다

Raspberry Pi에는 Python 프로그램이 있습니다 API 과정을 사용하고,이 컴퓨터 그래프를 보내고, 원한다면 Vision Bonnet에 다음 단계는 코드를 작성하는 것입니다 자습서 및 예제 모델을 살펴볼 수 있습니다 모델 함수의 코드, 기본적으로 이 컴퓨터 그래프를 Vision Bonnet으로 보냅니다

이 특별한 경우에, 컴퓨터 그래프 비전 보닛이 일치합니다 그들은 무슨 일이 일어나고 있는지 이해합니다 그리고 나서 카메라를 타고 가다 모든 입력 이러한 입력은 2 진수로오고 있습니다

그러나이 컴퓨터 그래프 때문에, 우리는 기계 학습에 관계없이 이러한 입력을 조정합니다 기본적으로 묶이는 텐서 다차원 어레이 이제 다음 단계는 일치해야합니다 이 텐서, 배열 묶음, 당신의 모델로 이미지 이것이 바로 우리가이 컴퓨팅이라고 부르는 것입니다 기본적으로 단계는 프로그램을 작성하는 것입니다

당신은이 Vision Bonnet 하드웨어를 가지고 있습니다 계산을 수행하고 신호를 보냅니다 출력합니다 여기 코드가 있습니다 당신이 볼 수 있듯이 어떻게 당신의 얼굴을 정의합니까? 얼굴 개체는 경계 상자, 얼굴 점수 및 기쁨 점수

당신은 그와 같은 인수 코드를 작성합니다 이것이 당신의 구조입니다 당신은 그것을 구조로 보내고, 나의 모델에서는, 4 명이 있으려면이게 필요해 그리고이 4 가지 숫자는 제 기계 학습 모델과 일치합니다 마지막으로 애플리케이션 코드에서 방금 말한대로,이 텐서에서 결과를 얻도록하겠습니다

여부를 기쁨 점수, 얼굴 점수, 뭐든간에, 당신은 그것을 최종 결과로 가져갑니다 그리고 당신은 결정을 내리고 말할 수 있습니다, 점수는 어떤 숫자보다 큰 숫자를 기반으로합니다 내 색 빛을 바꿔라 그래서 이것은 당신이 말한 것과 정확히 똑같습니다 자신의 기계 학습 모델 사용하기 비전 키트와 함께

괜찮아 그래서 프로젝트를 확장하는 것에 대해 이야기 해 봅시다 우리는 소프트웨어에 대해 이야기했지만 하드웨어는 어떻습니까? AIY 보드에는 내가 지적한 빨간색 원이 있습니다 추가 GPI 핀이 있습니다 이러한 핀을 사용하면 출력을 제어 할 수 있습니다

불을 켜고, 팬을 켜고, 네가 할 수있는 일이라면, 소리내어 보내라 따라서 이러한 것들을 통해 프로젝트를 확장 할 수 있습니다 그리고 그 컨트롤을 보드에 추가하면 더 많은 일을 할 수 있습니다 하드웨어 적으로 대부분의 일을 할 수있는 제작자입니다 괜찮아

그래서 우리는이 모든 것을 통과했습니다 우리는 조립에 대해 이야기했습니다 어떻게 설정합니까? 어떻게 자신의 일을합니까? 그리고 가장 중요한 것은, 나는 AIY를 사용하기를 원한다 AIY의 힘은 정말로 연결되어있다 Google과 같이 제공되는 많은 서비스 TensorFlow와 같은 조수

이 모든 서비스 기능을 활용하고 싶습니다 AIY는 글로벌 오픈 소스 커뮤니티의 일원입니다 우리는 GitHub에 이것을 게시하고, Raspberry Pi와 함께 작업합니다 Foundation, 우리는 Hackster, 그래서 온라인 메이커에 몰두하십시오 전세계 커뮤니티

그리고 이것은 제작자를 만드는 재미의 일부입니다 알았어 나는이 기회를 빌어 서 모두에게 말하고 싶다 여기 관중 들어, 미국에서 온 사람들, 지금 진행중인 콘테스트에 참가할 수 있습니다 해커 스터 (Hackster)와 중국 교육부 (Ministry of Education) 이른바 영미 중공업 대회 (Young-China Makers Contest)라고 불린다

우승자는 중국으로 모든 비용을 지불해야합니다 방 안에있는 당신들, 당신은 미국 제조사들입니다 이 콘테스트에 참가하십시오 Hackster의 웹 사이트에 대한 자세한 내용 괜찮아

오늘 우리의 대화에서 가져온 열쇠, Sebastian과 Dushyantsinh의 언급 그 이야기의 일부에서, 그리고 나의 것, 중요한 테이크 아웃은, 자원별로, 글로벌 AIY 웹 사이트 이 주소는 aiyprojectswithgooglecom입니다 키트는 지금 구매할 수 있습니다 미국의 대상 상점에서 그리고 다음 주말 베이 지역에서도 Maker 's Faire가 있습니다

Maker 's Faire에 가입하는 지역에 계시다면, Maker 's Faire에서 키트를 얻을 수 있습니다 Python 프로그래밍을 사용하여 Raspberry Pi를 사용하여 학습 당신이 필요로하는 것의 일부입니다 귀하의 응용 프로그램을 확장하기 위해 자신을 참여 시키려면, TensorFlow 기계 학습 모델 사용 AI의 힘을 응용 프로그램에 실제로 구현할 수 있습니다 그리고 그것은 AIY의 힘입니다 그리고 마침내, 요약에, 나는 행동 촉구를 말할 것이다

네가 할 수있는 일들 모두가 할 수있는 우리의 키트를 가져 와서 건물을 시작하십시오 많은 재미와 물론 많은 Google 서비스를 배우게됩니다 Google I / O에는 Google Cloud, Google에 세션이 있습니다 TensorFlow의 어시스턴트 그 지식과 기술을 배우는 데 참여하십시오 다양한 센서, 컨트롤을 얻을 수 있습니다

해당 장치의 GPIO 포트에 연결합니다 재미있는 응용 프로그램을 많이 만들 수 있습니다 AI 기능을 활용할 수 있습니다 마지막으로 온라인 커뮤니티에 가입하십시오 우리는 곧 글로벌 AIY 모델 교환을 발표 할 것입니다

그 위에 응용 프로그램을 넣으십시오 전 세계 개발자 커뮤니티와 지식을 공유하십시오 그래서 세바스찬과 두샨 in과 함께, 오늘 우리 세션에 참여해 주셔서 감사드립니다 오늘 당신의 여행을 시작하십시오 고맙습니다

AdScale: Smart Bidding & Automated Budget Allocation with AI

광고 예산을 나눌 수있는 가장 좋은 방법은 무엇입니까? 구글과 페이스 북 사이?! 음, 그 대답은 그렇게 간단하지 않습니다! 광고 예산을 효과적으로 할당하려면 다음 사항을 고려해야합니다 제품 유형, 대상 고객, 고객 인구 통계 또한 요일, 시간

및 장치 및 위치! 경쟁 우위를 확보하려면 캠페인 상단에 있어야합니다 24 시간 연중 무휴 또는 AdScale이 당신을 위해 그것을 할 수 있습니다! 목표를 정의하고 캠페인 및 AdSet을 할당하고 최대 예산을 정의하십시오 그리고 그게 다야! AdScale의 AI는 전략적으로 입찰가를 조정하고 24/7 예산을 현명하게 할당합니다 결과를 극대화하면서 계정 실적을 최적화하십시오! 오늘 무료 평가판을 시작하려면 AdScalecom으로 이동하십시오!

Google AI with Jeff Dean: GCPPodcast 146

[음악 재생] MARK MANDEL : 안녕하세요 에피소드에 오신 것을 환영합니다

주간 Google Cloud Platform 팟 캐스트 번호 146 내 이름은 마크 만들이고 나는 언제나처럼 여기에있다 내 동료 인 멜라니 워릭과 멜라니, 어떠니? 안녕, 마크 잘하고있어 잘 지내? 나는 잘하고있어

나는 아주 잘하고있다 오늘의 에피소드에 매우 흥분됩니다 멜라니 워릭 : 예, 이번 주, 특히, 우리는 제프 딘, 우리가 가질 수있는 당신이 구글과 AI에 대해 조금 안다면 그 사람에 대해 들었습니다 TensorFlow 및 TPUs와 대형 데이터 시스템 및 CATS가 있습니다 [CAT PURRING] 너는 그것에 대해 들었을지도 모른다

마크 맹델 : 고양이? 멜라니 워릭 : 고양이 어쨌든, 모든 것 MARK MANDEL : 괜찮습니다 괜찮습니다 멜라니 워릭 : 컴퓨터 시스템, 하드웨어 및 모든 것

그래서 우리는 그와 큰 대화를 나누었습니다 이 주제들을 많이 다루었습니다 이번 주 인터뷰가 있었던 이유 중 일부는 이번 주는 Deep Learning이기 때문에입니다 Indaba, South의 Stellenbosch에서 일어나고 있습니다 아프리카

그리고 그것은 연구원들을 모으고 있습니다 아프리카 대륙 내의 여러 나라에서 온 지식을 공유 할 수 있습니다 제프 딘 (Jeff Dean)이 거기에서 말하려고합니다 나는 또한 에피소드를 녹음 할 예정이다 그래서 우리는 조금 강조하고 싶었습니다

우리는 실제로 그것에 대해 팟 캐스트에 들어 가지 않습니다 나중까지,하지만 당신은들을 수 있어요 그가 이야기 할 내용을 들어보십시오 회의에서 언제나처럼, 우리가 그것에 들어가기 전에, 우리는 일주일의 멋진 것들로 시작할 것입니다

우리는 일주일에 한 번 질문을 끝낼 것입니다 그리고 우리는 특별한 손님이 합류했습니다 우리는 그주의 질문을 돕기 위해 IoT Core에서 표시 할 데이터를 얻는 방법 웹 프런트 엔드에서 실시간으로? MARK MANDEL : 예, 우리는 Gabe Weiss를 오늘 우리와 함께합니다 GABE WEISS : 안녕 친구 멜라니 워릭 : 멋진 일을 시작하려면 주중에 내가 잡은 뭔가 Google이 최근에 베타 데이터 세트 검색을 시작한 것입니다

그래서 저는 이것을 실제로 잡았습니다 Ben Hamner, Kaggle의 CTO 인 CTO는 오늘이를 트윗했습니다 그리고 구체적으로, 그는 어떻게 이렇게하면 열린 데이터 세트에서 메타 데이터를 색인화하는 데 도움이됩니다 연구자 인 사람들에게 매우 유용 할 것입니다 공개 데이터 세트에 대해 궁금한 사람들, 그들을 탐험하고 싶다

그래서 우리는 그것에 대한 링크를 포함시킬 것입니다, 그러나 그것은 꽤 많이 있습니다 검색 도구 Google 검색 도구로 데이터 세트에만 사용됩니다 MARK MANDEL : 굉장해 나는 이것에 대해 이야기하고 싶었다 – 이것은 내가 좋아하는 정말 멋진 일이다

우리는 공개 데이터를 확대하고 있습니다 지형 공간 및 ML 기반 분석을 설정합니다 그래서 BeckIT Cloud Next를 들었을 것입니다 BigQuery 스토리지 5 페타 바이트를 추가로 발표했습니다 공개 데이터 세트에 사용할 수 있습니다

블로그 포스트에서 우리는 쇼 노트에 링크 할 것입니다 이 추가 저장 용량도 향후 5 년 동안 사용할 수 있습니다 정말 멋지다 다음부터는 7 개의 새로운 데이터 세트가 내장되어 있습니다 미국의 경계를 정의하는 우편 번호와 같은 매개 변수와 같은 것들, 기본적으로 지형 공간 질의를 지원합니다

우리는 거기에 새로운 데이터를 가지고 있습니다 [INAUDIBLE] 공간적인 것들을 할 수 있도록 ML 기반 분석, 새로운 ML 도구 키트 사용 이제 BigQuery에서 사용할 수 있습니다 그리고 만약 당신이 그 중 하나를 이용하고 싶다면, Google Cloud Platform으로 이동하십시오 시장 이동할 수있는 데이터 세트 필터가 있습니다

그리고 마지막으로, 우리는 당신을 위해 약 101 개의 다른 공개 데이터 세트가 있습니다 BigQuery에서 재생할 수 있습니다 그리고 최대 1 테라 바이트까지 갈 수 있습니다 BigQuery에서 무료로 제공됩니다 월간 매우 놀라운 기능입니다

멜라니 워릭 : 다시 한번 우리가 언급하고 싶은 또 다른 것은, Kaggle을 참조하고 또한 Google AI, Kaggle Google을 통한 새로운 도전이 있다는 것입니다 인공 지능은 특히 격려하기 위해 게시했습니다 사용자와 Kagglers가 개발할 수 있도록 사각 지대에보다 견고한 모델 데이터 세트에 존재합니다 우리는 과거에 이것에 대해 이야기했습니다 많은 사람들이 기계 학습 편견과 공정성에 대해 토론하는 것을 보았습니다

특히 데이터 자체에서 실제로 발생합니다 수집 한 데이터에서 데이터가 실제로 어떻게 편향 될 수 있는지 그러면 이것이 어떻게 구축 된 모델에 영향을 미칠 수 있는지에 대한 것입니다 그래서 그들의 도전은 구체적입니다 그것을 설명하기위한 기술과 접근법을 확인하는 것을 돕는다 모델을보다 견고하게 만들 수 있습니다

이 과제는 특히 두 단계로 실행되도록 설정됩니다 그들은 웹 사이트에서 정보를 얻었습니다 우리가 링크를 유지 하겠지만 NIPS의 시간을 감싸 안을거야 올해 말, 12 월, 그래서 당신은 그것을 체크하고 실험 할 수 있습니다 마크 AND델 : 훌륭합니다

나는 또한 우리가 체크 아웃했다는 것을 언급하고 싶다 최근 아이튠즈에서 뽑은 기술의 톱 100 팟 캐스트 우린 그 안에있어 [트럼펫 게임] 친절하니, 모두에게 정말 고마워 누가 듣고 있었는지, iTunes에서 우리를 평가 한 사람들, 기본적으로 팟 캐스트를 지원했습니다 정말 멋진 일입니다

멜라니 워릭 : 네 그리고 마지막으로,하지만 적어도, 당신이 원한다면 깊은 학습을 위해 TPU를 미세 조정 한 이유는 무엇입니까? 우리는 공유 할 블로그 게시물을 가지고 있습니다 당신이 이것을 들여다 볼 수 있습니다 그리고 우리는 이것이 오늘날과 관련이 있다고 생각했습니다 에피소드지만, 신경망이 무엇인지를 단계별로 안내해줍니다

TPU, CPU와 비교할 때 유용합니다 그리고 멋진 그래픽을 볼 수 있습니다 너를 밟아서 좋은 일을해라 시각적으로 보입니다 좋아요

멜라니 워릭 : 그리고 일부 가격 정보 하단에도 마크 멘델 : 아주 멋지다 알았어, 마크, 나는 우리가 나아가서 그것에 들어가야한다고 생각합니다 제프와 좋은 인터뷰를했습니다 MARK MANDEL : 친구 인 Jeff와 이야기하러 가자

멜라니 워릭 : 네, 제 친구 우리는 카드를 사용합니다 우리와 함께 오늘 제프 딘 (Jeff Dean) Google AI를 이끌고 있습니다 제프와 함께 해주셔서 감사합니다 제프 딘 : 저를 아주 많이 보내 주셔서 감사합니다

멜리안 워릭 : 제프, 제 말은, 많은 사람들을 알고 있습니다 너는 누구인지 알고 있지만, 우리는 항상 묻는다 쇼에 오는 모든 사람들 그들 자신에 대해 조금 말하면, 당신의 배경은 무엇입니까? 물론이지 따라서 현재 Google의 AI 부서를 이끌고 있습니다 내부적으로 Google은 Google Research in Machine 지능형이지만 외부 적으로는 때로 Google AI를 사용하십시오

우리가 누구와 얘기하고 있는지 그리고 그 조직은 많은 다른 종류를합니다 컴퓨터 과학 연구 근본적인 연구를하고 있습니다 새로운 로그를 생성하고 문제를 해결하는 새로운 기법

Google은 Google 제품 영역에서 상당한 업무를 수행합니다 흥미로운 연구 문제를 해결하기 위해 제품의 맥락에서 우리 연구의 일종을 얻습니다 모두가 알고 사랑하는 Google 제품으로 사용합니다 우리는 또한 시스템에 대해 더 많은 작업을 해왔습니다 우리 연구를 가능하게하는 인프라, 하지만 내부 개발자가 사용할 수있는 도구를 만들 수도 있습니다

Google뿐 아니라 외부 개발자 우리가 소스 물건을 열 때 그래서 TensorFlow는 우리 그룹에서 나왔습니다 인기있는 기계 학습 도구 키트입니다 우리는 이것이 실제로 확장하는 좋은 방법이라고 생각합니다 우리 연구의 영향 사람들이 쉽게 할 수있게하는 것입니다

우리가하고있는 일을 토대로 좋은 도구를 얻으십시오 유효한 그리고 우리가 일반적으로하는 네 번째 일 Google이 현재없는 새로운 영역을 찾으려고합니다 우리의 연구가 큰 영향을 줄 수 있다고 생각하는 곳에서 일하십시오 그래서 우리는 많은 일을 해왔습니다

건강 관리, 기계 학습을위한 기계 학습 우리는 로봇이 새로운 신흥 기술이라고 생각하기 때문에 기계 학습 및 연구 분야 큰 차이를 만들 것입니다 멜라니 워릭 (MELANIE WARRICK) : 당신 팀이하는 일의 관점에서, 너에게 어떤 의미가 있니? 그리고 지금 당신을 위해 어떻게 생겼습니까? 나는 이것이 어느 정도 새로운 위치에 있다는 것을 알고 있기 때문에, 올해 Google AI의 리더가 되셨습니까? 네, 그렇습니다 저는 3 월 말, 4 월 초에이 역할을 맡았습니다 기본적으로, 우리의 목표는 위대한 연구자들에게 영감을주는 것입니다 훌륭한 연구를하고 태클을하기 중요하고 야심적인 문제

우리가 일해야한다고 생각해 월요일 코딩을 보내고 있습니다 와우 와우 제 동료 인 Sanjay Ghemawat와 함께, 저는 수년 동안 함께 일해 왔습니다

나는 아마 4 ~ 5 개의 다른 프로젝트를 갖고있을 것입니다 나는 실제 기술 수준에 관여하고있다 나는 매주 회의에 가서 기술적 인 제안을한다 등등 그리고 나서 나머지 시간은 보냈습니다

합리적으로 큰 조직을 조종하려고 시도하다 올바른 일을하고 확실하게하기 우리는 올바른 문제에 집중하고 영향력을 행사할 수 있습니다 MARK MANDEL : 굉장해 멜라니 워릭 : 나는 궁금한데, 무엇을 코딩하고 있니? 제프 딘 : 대부분 C ++ 오, 재미 있네

그래서 저는 사람들을 위해이 질문을하는 것을 좋아합니다 AI와 ML에서 일하는 사람들은 다양한 대답을 얻습니다 너에게 어떤 의미가 있니? JEFF DEAN : 기본적으로, 존재한다는 의미입니다 문제를 해결할 수있는 컴퓨터 시스템을 가질 수있다 당신은 인간의 지능이 필요하다고 생각할 것입니다

Mark MANDEL : 사실 그것은 우리가 가진 가장 간결한 대답 멜라니 워릭 : 예, 꽤 간단합니다 글쎄, 당신이하는 일의 관점에서, 당신은 무엇을합니까? 당신이하는 가장 큰 도전 과제 중 하나라고 생각합니다 반대? 제프 딘 : 정말로, 그것은 흥미로운 시간입니다 컴퓨터 과학 연구 및 기계 분야에 종사하다 관심의 폭발이 있기 때문에 연구 이 분야에서는 마지막 7 ~ 8 년 정도가 될 것입니다

공동으로, 연구 공동체로서, 우리는 컴퓨터가 할 수있는 것을 정말로 추진해 왔습니다 저는 이것이 컴퓨터 비전 분야에서 가장 두드러 지다고 생각합니다 본질적으로 컴퓨터를위한 심층 학습 모델 사용 비전은 갑자기 컴퓨터를 변형 시켰습니다 지금부터 잘 볼 수 없다는 것에서 실제로 볼 수 있습니다 그리고 세계에 대한 영향을 생각한다면 그 것이다, 이미있다

그게 변형 적입니다 갑자기 자동 기계를 가질 수 있습니다 그들 주위의 세계를 인식 할 수 있고, 그들이 무엇을보고 있는지 이해할 수 있고, 이는 일반적인 컴퓨터 비전에 큰 영향을 미칩니다 따라서 많은 경험을위한 핵심 원동력입니다 Google 포토는 Google 사용자에게 제공됩니다

그게 도버맨의 사진이라는 것을 우리는 이해할 수있다 그리고 그것은 산이다 그러나 그것은 또한 건강 관리에서 변형적인 것들을 의미합니다 따라서 수 많은 영상 의학 관련 문제 이제 자동화 된 기계로 다룰 수있다 알고리즘 학습 및 의료 전문가 지원 그런 식으로

멜라니 워릭 : 네 로보틱스, 아주 분명해 로봇을 만들고 싶다면 매우 도움이됩니다 로봇이 볼 수 있다면 멜라니 워릭 : 네

그래서 그게 큰 의미가 있습니다 그리고 나는 우리가 중대한 진전을 이루고 있다고 생각한다 기계 학습과 관련된 다른 분야에서, 자연어 이해와 연설 같은 것들 인식 지난 6 ~ 7 년 동안 엄청난 발전을 보았습니다 그게 정말로이 모든 기회가 있다는 것을 의미합니다

우리가 어떻게 이러한 새로운 기능을 사용해야하는지에 대해 세상이 더 나은 곳으로 나아가도록 지금 우리가 이전에 만들 수 없었던 새로운 것을 만들어야합니다 그리고 그것은 그것이 흥분과 홍수라고 생각합니다 이 분야를 공부하는 데 관심이있는 사람들이이 분야에서 어떻게 연구합니까? 더 많은 사람들이 어떻게이 분야에 들어가 연구를 할 수 있을까요? 멜라니 워릭 : 그래서 우리는 올해 초에 클라우드 인공 지능을 대상으로하는 Faith [INAUDIBLE] 박사와 함께 나는 너무 오래 전에 DeepMind에서 [INAUDIBLE]와 이야기하지 않았다 일부 로봇 연구에 대해 이야기했습니다 그들이하는 일

Brain과 Google AI는 어떻게 협력합니까? 다른 그룹들과? 네 맞습니다 그래서 우리는 실제로 강력한 협력 관계를 유지하고 있습니다 Google 전체에서, 심지어 알파벳, 그리고 많은 분야 예를 들어 Cloud AI를 사용하면 그들이 시장에 가져 오는 것들의 Google AI 연구에서 연구 프로젝트로 시작되었습니다

분할 그리고 우리는 지금 긴밀히 협력하고 있습니다 자동차 ML 연구와 같은 것들을 가져 오는 것 이제 Cloud AutoML과 같은 제품으로 시작되었습니다 컴퓨터 비전을 가진 고객, 또는 다른 종류의 문제 일 수 있습니다 직원이 정교한 기계 학습 개발자를 보유하고 있으며, 그러나 활용할 수 있기를 원한다

이제는 존재하는 기계 학습 기능 중 하나입니다 우리는 자동적으로 고객이 제기 할 수있는 새로운 문제를 해결하기위한 훈련과 학습 있다 어셈블리에 깨진 부품이있을 수 있습니다 라인과 깨진 부분이 아니며 구별 할 수 있기를 원한다 기본적으로 이미지를 업로드 할 수 있습니다

그 (것)들을 돕는 훈련 한 모형을 얻으십시오 그 특별한 일로, 심지어 석사 학위가없는 것 직원에게 기계 학습 전문가 멜라니 워릭 : 의미가 있습니다 나는 열정의 당신의 분야 중 하나를, 특히, 그리고 당신이 중요한 영향을 미쳤던 곳에서, 특히 텐서 처리 장치 인 TPU 주변에 있습니다 TPU의 초기 개발을 주도하거나 고무 시켰던 것은 무엇입니까? 그리고 전에 네가이 대화를 나눴다는 것을 안다

그러나 특히 당신의 경험에서 네가 따라 와서 기술로 시작합니다 어떻게 그게 당신에게 왔습니까? 네 맞습니다 그래서 저는 항상 컴퓨터가 어떻게 흥미로운 문제를 해결하십시오 그리고 그 일을하는 흥미로운 방법 중 하나는 당신이 할 수있는 문제에 더 많은 계산을 필요로한다

그런 다음보다 정교한 알고리즘을 사용하고, 또는 더 큰 데이터 세트를 사용하여 더 나은 통찰력을 얻을 수 있습니다 따라서 더 많은 계산을하는 것이 일반적입니다 컴퓨팅에서 좋은 점 그리고 어쩌면 2011 년, 2012 년경에, 내가 공동 설립 한 Google Brain Project 시작하기 만하면 시작했습니다 여러 제품 팀과 공동 작업 Google에서 일부 제품에 대한 심층 학습을 사용합니다

그리고 우리가 가장 긴밀하게 협력 한 음성 인식 팀, 이전 스타일의 기계 학습 모델을 대체하는 방법 음성 인식에 사용하고 있었다 그것의 어쿠스틱 부분에 대한 깊은 학습 기반 모델로, 모델의 다른 부분은 단어의 일부분에 작은 오디오 녹음은 "바"또는 "ff"에 있습니다 또는 "ss" 그래, 맞아 제프 딘 : 그리고 다른 모델이있었습니다

우리가 처음에 집중하지 않은 처리의 그 단계 후에 그러나 어쿠스틱 모델을 심층 학습 기반으로 대체하는 것은 음향 모델은 많은 이득과 인식 정확성을 제공했습니다 그래서 우리는 음성 인식이 향상됨에 따라, 사람들은 점점 더 그것을 사용할 것입니다 그래서 저는 봉투 계산을 다시 시작했습니다 사람들의 하루에 3 분간 전화로 이야기하기 시작 했나요? 연설로 모든 이메일을 초안으로 작성하기 때문에 또는 뭔가 그리고 당시에는 많은 CPU가있었습니다

우리의 데이터 센터에서 그리고 얼마나 많은 계산을했는지 1 억 명의 사용자가 그 일이 시작되었는데, 그것은 실제로 발굴과 무서운 것이 었습니다 우리는 본질적으로 컴퓨팅 풋 프린트를 두 배로 늘려야합니다 약간 더 나은 연설을 지원하는 Google의 사용자의 겸손한 부분에 대한 인식 모델 MELANIE WARRICK : 합법적 인 것 같습니다

네, 조금 무서운 것 같아요 하지만 사용자에게 배포하려는 것이 확실합니다 당신이 보았던 인식의 이익 때문에 사실 꽤 중요합니다 그래서 우리는 우리가 무엇을 할 수 있는지 살펴보기 시작했습니다 이런 종류의 심층 학습 모델을 위해 더 계산 상 효율적 일 것입니다

그리고 정말 좋은 두 가지 속성이 있습니다 깊은 학습 모델에는 있습니다 그래서 처음에는 정밀도가 떨어지는 것에 매우 관대합니다 근본적으로, 당신이 정밀도를한다면 10 진수의 정확도를 좋아하기 위해, 이것은 실제로이 모델들에 대해서는 완벽하게 훌륭합니다 6 자리 또는 7 자리의 정밀도가 필요하지 않습니다

부동 소수점 연산에서와 마찬가지로, 또는 두 배 이상의 조합이 가능합니다 그리고 그들이 가지고있는 두 번째 재산 모든 알고리즘이 구성되어 있다는 것입니다 빌딩 블록의 소수의 다른 구성의, 근본적으로 행렬은 벡터 점을 곱합니다 제품, 선형 대수학 작풍 따라서 하드웨어 만 만들 수 있다면 저 정밀 선형 대수학을 가속화하도록 설계된, 당신은 황금이에요

그리고 그 덕분에 당신은 정말로 재단사가 될 수 있습니다 그걸 할 수있는 하드웨어 모든 종류의 꼬인 C ++ 코드를 필요로하지 않습니다 임의적 인 것들을 포인터 역 참조는 저 정밀 선형 대수입니다 그럼 갑자기, 당신은 완전히 디자인하는 방법을 재고 할 수 있습니다

그 일을하는 컴퓨터 MARK MANDEL : 정확히 무엇에 집중했는지 그것이 할 수 있는지, 특정 응용 프로그램이 있음을 의미합니까? TPU가 더 좋거나 나쁘다 네가 뭔가를 사용할 수 있다고 또는 어떻게 작동합니까? 네 맞습니다 그래서 이것은 양날의 칼 중 하나입니다

전문화에서, 당신이 과도하게 특화한다면 일반적으로 적용 할 수 없습니다 그러나 당신이 무언가를 매우 일반적으로 적용 가능하게 만든다면, 다음 모든 성능 이점을 얻을하지 않습니다 전문화에서 얻을 수 있습니다 그리고 우리는 실제로 TPU에 대해 꽤 좋은 균형을 택했다고 생각합니다 그들은 본질적으로 가속하도록 설계되었습니다

깊은 학습에서 발견 한 것과 정확히 같은 종류의 작업 모델 그래서 그들은 범용 컴퓨터 장치가 아닙니다 그러나 그들은 특정 모델에 맞춰져 있지 않습니다 그들은 모든 종류에 맞춰져있다 일반적으로 심층 학습 모델에서 발견되는 작업 그래서 당신은 그들에 비전 모델을 실행할 수 있습니다

음성 모델을 실행할 수 있습니다 반복적 인 언어 모델을 실행할 수 있습니다 최초의 TPU 인 TPU V1이 목표였습니다 오직 추측에서만, 당신이 실제로 어디에서 교육 과정보다 정확도가 떨어집니다 그리고 그것은 우리의 가장 시급한 문제였습니다

그것이 우리가 음성 인식 모델을 얻는 방법이었습니다 Google의 데이터 센터 공간을 두 배로 늘리지 않고도 그리고 나서 두 번째 TPU는 정말로 훈련과 추론을 모두 목표로합니다 그리고 우리가 그걸 처음부터 물지 않은 이유는 그 훈련은 훨씬 더 복잡한 하드웨어 디자인이었습니다 문제 추론을 위해서, 보통 당신 하나의 모델이 하나의 칩에 장착 할 수 있으며 더 많은 용량이 필요한 경우, 당신은 그 시스템의 모든 사본을 우표 처리합니다

많은 보드와 많은 컴퓨터를 넣고, 갑자기, 당신은 많은 음성 인식을 가지고 있습니다 생산 능력 교육을 위해 대형 모델에서는 거의 사용하지 않습니다 당신은 하나의 칩이 모델을 훈련시키기에 충분히 빠르며, 매우 빠르다 그리고 당신이 정말로 훈련에서 원하는 것 기계 학습 실험을위한 빠른 처리 시간이며, 또는 거대한 확장 성을 제공하므로 매우 큰 모델을 매우 대용량 데이터 세트는 매우 신속하고 반복 가능하며, 연구 관점에서 학습하는 기계

또는 배포 된 시스템 일 수도 있습니다 10 분마다 모델을 재교육하기 때문에 데이터가 변경 칩 설계 문제 만은 아닙니다 실제로는 전체 컴퓨터 시스템입니다 이것은 슈퍼 컴퓨터 설계 문제와 더 비슷합니다

너는 칩을 가지고 있고 너는 가지고있다 그 (것)들을 함께 연결하는 몇몇 복잡한 상호 연락, 또는 방법에 대한 냉각 문제가 있습니다 이 거대한 일을 식히 시나요? 여러 개의 랙으로 구성됩니다 그래서 우리가 첫 번째 시스템에서 그 것을 물지 않은 것입니다 TPU의 두 번째 반복까지 기다리기로했다

교육에도 착수하는 디자인 멜라니 워릭 : 그리고 당신은 올해 버전 3을 발표했습니다 TPUs의뿐만 아니라 네 네

과 멜라니 워릭 : 나는 냉기가 시스템, 이제 액체 야? 네 멋지다 그래, 그래, 멋지다 컴퓨터와 물을 섞을 때마다 언제나 흥미 진진합니다 [LAUGHS] 그래서 우리 센터가 Google I / O에서 발표 한 TPU v3 2018 년 5 월에 근본적으로 수랭이 발생했습니다

그래서 보드에는 4 개의 칩이 있습니다 수냉은 이들 칩의 표면으로 간다 과도한 열을 방출합니다 가장 큰 설치 면적 – 우리는 이것들을 포드라고 부릅니다 TPU v2 포드는 본질적으로, 64 개 장치, 256 TPU v2 칩으로 구성됩니다

그리고 TPU v3의 포드 스케일은 훨씬 더 큽니다 그래서 우리는 약 8 배의 계산량을 가지고 있습니다 우리가 TPU v2 포드에서했던 것처럼 TPU v3 포드에서 너의 팀에있는 몇명의 사람들을 안다 특히 Stanford DAWNBench를 실행하고있었습니다

그들은 차이점을 보여주고있었습니다 그것의 성과의 점에서 지금 당장처럼 내 머리 속의 모든 일이 바로 지금은 ImageNet입니다 할 수 있어요 멜라니 워릭 : 제발

제프 딘 : DAWNBench는 새로운 기계 학습입니다 벤치 마크는 스탠포드, 새벽 연구 그룹, 설계되었습니다 다양한 종류의 기계를 보는 것 학습 문제, 훈련과 추론, 그리고 측정 몇 가지 다른 통계 그래서 그들 중 하나는 특정 기계에 대한 것입니다 학습 문제, 얼마나 빨리 일정 수준의 정확성을 얻다 그 문제의 정확도가 좋습니다

그리고 그 중 하나는 ImageNet 처리 벤치 마크이며, 여기서 당신은 76 %의 최고 1 정확도를 얻어야합니다 MELANIE WARRICK : 그리고 이것은 이미지를 분류하는 것입니다 분류, 맞아 MELANIE WARRICK : ImageNet과 매우 비슷합니다 이것은 이것이 해결 된 것입니다

제프 딘 : 당신은 컬러 이미지를 얻습니다 그것을 1,000 개의 카테고리 중 하나로 분류해야합니다 실제로는 꽤 어렵습니다 최고 1 정확도의 인적 오류율은 약 5 %입니다 오우 와우

제프 딘 : 개 품종이 40 종류 나 되었기 때문에 당신은 구별 할 수 있어야합니다 마크 맹델 : 그럼 TPU가 꽤 괜찮은 것 같아요? 네, 그래서 TPUs는 3 위를 차지했습니다 포드 (Pod)로 전체 시간 메트릭의 스팟, 그리고 나서 상위 두 곳은 비용으로 믿습니다 퍼블릭 클라우드 컴퓨팅 리소스를 사용합니다 멋지다

WARRICK : 멋지다 자,이 칩들과 함께 일하는 것에 대해 가장 즐기는 것은 무엇입니까? 그리고 병렬 처리 작업? 제프 딘 : 사실 나는 흥분했습니다 꽤 오랜 시간 동안 병렬 처리에 대해, 대학에서 내 고등학교 1 학년 때부터 미네소타에서 병렬 처리 그리고 그 당시 나는 그것에 대해 정말로 흥분했습니다 왜냐하면 나는 더 많은 계산이 답이라고 느꼈기 때문에 더 많은 문제를 해결할 수 있습니다

그리고 이것은 흥분의 첫 번째 물결에서 일종의 것이 었습니다 80 년대 후반에 발생한 신경망에 대해 새로운 알고리즘이 개발 된 90 년대 초반 잠재적으로 흥미로운 것처럼 처음으로 부상했습니다 어려운 문제를 해결하는 방법 그리고 그 당시, 기본적으로, 신경망 장난감 크기의 문제에 대한 흥미로운 결과를 얻을 수 있습니다 정말 흥미로운 문제로 확장 할 수 없습니다

그래서 흥분의 물결이있었습니다 이것에 대해,하지만 그때 흥분의 파도, 나는 더 많은 계산을 느꼈다 시키는데 도움이 될 것 같았 어 우리는 더 큰 문제를 해결합니다 그래서 저는 교수와 함께 일하는 학부 논문을 만들었습니다

병렬 및 분산 컴퓨팅 클래스 강의 나는 독립적 인 논문을 만들었다 신경망의 병렬 교육 그래서 우리가 64 프로세서를 사용할 수있는 것처럼 느껴졌습니다 우리 부서에서 가지고있는 기계와 평행 방법을 적용해라 그것에 우리는 60 배 더 많은 계산을 할 수 있었고 그것을 적용 할 수있었습니다 이 일에, 그리고 나서 우리는 더 큰 문제를 해결할 수 있습니다

되돌아 보면, 우리는 백만 배나 더 많은 계산이 필요했습니다 60이 아닙니다 근본적으로 그냥 기다리면 더 많은 무어의 법칙으로, 적어도 약 5까지 또는 무어의 법칙이 크게 둔화 된 10 년 전 하지만 그 전에는 지난 25 년, 40 년, 심지어 우리는 일관된 2 배 성능을 얻고있었습니다 개선 2 년마다 당신은 단지 충분히 길게 그리고 갑자기 모든 것을 기다립니다

수백만 배나 많은 계산을하면 황금이됩니다 그리고 2008 년, 2009 년과 같은 일이 시작되었습니다 우리는 갑자기 처음에는 GPU 카드를 사용하여 충분한 계산을했고, 게임을 위해 디자인되었지만 분명히 밝혀졌습니다 깊은 학습 모델을 훈련하는 데 아주 유용 할 것입니다 당신이 원하는 많은 가속도가 있기 때문에 그래픽 처리를 위해 할 일 깊은 학습 모델을 훈련 할 수 있어야한다

그래서 사람들이 시작했을 때였습니다 학계에서 우리가 시작했다는 것을 정말로 알기 위해 실제 문제에 대한 흥미로운 결과를 얻기 위해 신경망 그래, 맞아 제프 딘 : 그래서 흥분이있었습니다 백업을 구축하기 시작했습니다

멜라니 워릭 : 가장 힘든 일은 무엇인가요? 당신의 경력에 ​​부품? AI가 수년 동안 잘 받아 들여진 것은 아니 었습니다 당신이 당시와 2006 년 사이에 공부할 때, 정말로, 맞습니까? 그래서 가장 어려운 순간은 무엇 이었습니까? 이 관심을 추구하는 측면에서, 이 연구를 추진하고 있습니까? 제프 딘 : 예, 사실 저는 온 것 같습니다 이것에 일반 컴퓨터 시스템 사람 그래서 저는보기를 좋아합니다 내가 가지고있는 렌즈의 종류 흥미로운 문제가 있습니까? 우리는 그 문제를 해결할 컴퓨터 시스템을 구축 할 수 있습니다

종종 표현을위한 좋은 추상화 우리가 수행하고자하는 계산, 또는 많은 양의 계산 및 병렬화 방법 파악 많은 컴퓨터에서 계산을 분산하거나 배포 할 수 있습니다 그래서 우리는 계산을 확대 할 수 있습니다 그래서 나는 학부생으로 일하고 있었지만 이 병렬 신경 훈련 [INAUDIBLE] 훈련 나는 그 관점에서 바라보고 있었다

컴퓨터 시스템을 어떻게 구축 할 수 있을까요? 그런 다음 기계 학습에 관심을 갖기 시작했습니다 2011 년에 앤드류와 충돌했을 때 Google의 마이크로 부엌에서 멜라니 워릭 : 나는 말할 것이다 그 이야기는 당신이 마이크로 부엌에 있었습니까? 네, 그렇습니다 그래서 나는 그를 조금 알고 있었다

그리고 나는 이렇게 말했습니다 아, 여기서 뭐하고 있니? 그는 오, 그리고 하루, 일주일, Google X에서 그리고 나는 내가 여기서 뭘하는지 알지 못했다 아직,하지만 스탠포드의 제 학생들이 시작하고 있습니다 어떤 종류의 문제가 신경망으로 풀릴 수 있는지보기 그들은 꽤 좋은 결과를 얻고 있습니다

나는 오, 정말? 꽤 괜찮은데 나는 학부생으로서 신경망에 대해 약간의 연구를했다 나는 그들이 지금 정말로 일하고 있다고 말했다 그리고 그는 좋아, 그렇습니다 그래서 저는 우리가 정말로 큰 신경망을 훈련해야한다고 말했습니다

그래서 그것이 어떻게 생겨 났는가? 우리는 Greg와 함께 Global Brain Project를 구성하기로 결정했습니다 코라도 그리고 우리는 근본적으로 그 당시 가속기가 없었습니다 또는 데이터 센터, 그러나 우리는 컴퓨터가 아주 많다고 말했습니다

컴퓨터 시스템을 만드는 방법을 알아 봅시다 CPU를 사용하여 정말로 큰 신경망을 훈련시킬 수 있습니다 MARK MANDEL : 그 순간이 어땠는지, 이것은 정말로 큰 일이 될 것입니까? 그렇게 생각 했니? JEFF DEAN : 우리가 조금은 조금은 한 번 같은 느낌 이었어 더 많은 일, 어쩌면 또 다른 한달의 물놀이, 그렇다면 실제로 문제를 해결할 수있는 것처럼 보였습니다 사람들이 느낀 신경망 오랫동안 올바른 추상화처럼, 하지만 어쩌면 그들은 진짜 문제에서 갑자기 일하기 시작할 것입니다

우리가 많은 계산을 적용 할 수 있다면 그리고 그것은 정말로 제 많은 관심사였습니다 지난 6 ~ 7 년 간 어떻게 문제를 계산할 수 있을까요? 당신은 기계 학습으로 태클하고 싶습니다 특히 깊은 학습? 멜라니 워릭 : 오늘 우리가 이것을 녹음 중입니다 신경 정보 처리 시스템 회의 후

11 분과 너무 많은 초처럼 매진되었습니다 제프 딘 : 48 세 멜라니 워릭 : 48 초 제프 딘 : 11 분 48 초 멜라니 워릭 (MELANIE WARRICK) : 이것을 예로 들면, 이 분야에서 분명히 많은 흥분이 있습니다

이 모든 흥분에 대해 어떻게 생각하세요? 제프 딘 : 상당한 과대 광고가 있습니다 그러나 다른 한편으로, 과대 광고 – 그것의 일부 실제로 우리가 실제로이기 때문에 실제로 정당화됩니다 우리가 할 수없는 문제를 해결할 수있는 시스템을 만들 수있다 5 년 또는 10 년 전에 해결하십시오 나는 컴퓨터 비전에 대해 언급했다

음성 인식은 엄청나게 발전했습니다 번역이 향상되었습니다 이러한 종류의 많은 응용 프로그램 실질적인 개선 또는 새로운 기능을 보여 주었으며, 어떤 컴퓨터가 할 수 있는지 그래서 나는 그것이 사람들이 흥분하는 이유의 일부라고 생각합니다 많은 사람들이 현장에 들어가고 싶어합니다

그래서 기계 학습 수업에 등록하는 것을 보았습니다 학부 및 대학원 레벨 그냥 지붕을 통과합니다 주요 기계를 다니는 사람들이 점점 더 많아지는 것을 보았습니다 회의를 배우기 연구 논문의 수를 봅니다

실제보다 빠른 지수 비율로 성장하는 아카이브 지난 7 ~ 8 년 동안 무어의 법칙보다 그것은 아주 주목할만한 일입니다 사람들의 기대를 완화시키는 것이 중요하다고 생각합니다 누가 우리가 초월적인 것들을 가질 것이라고 생각하니? 인간이 할 수없는 일반적인 문제를 해결할 수있다 다음 6 개월 내에 해결할 수 있습니다 그건 한 마디의 마약 중독이야

그것은 분명히 정당화되지 않았습니다 그러나 인식하는 것도 중요합니다 컴퓨터가 이제 볼 수 있습니다 그것은 꽤 큰 일이며, 이것은 중요한 의미를 가지고 있습니다 다른 영역, Google 또는 Alphabet, 자율 차량에 대한 작업 – 분명히, 컴퓨터 비전과 인식은 중요한 구성 요소입니다

안전한 자율 차량을 만드는 것 – 로봇 공학, 의학 이미징을위한 기계 학습, 기계 기타 의료 응용, 건강 관리를위한 학습 응용 프로그램 이것들은 세계의 주요 문제들을 변형시킬 것입니다, 좋았어 그것이 과장된 이유입니다 과도한 과대 광고를 줄이는 것이 중요합니다 내가 과대 광고해서는 안된다는 말은하지 말라

우리가 어떤 컴퓨터에서 중요한 발전을하고 있다고 생각하십니까? 할수있다 멜라니 워릭 (MELANIE WARRICK) 특히, 당신은 당신이 많은 관심을 얻지 않는 것 같은 느낌, 그러나 꽤 영향력이 있습니까? 네 내 말은, 실현이 있다고 생각해 내가 몇 가지 다른 문제를 보러왔다 우리 그룹의 연구자들은, 그리고 계속되고있는 다른 일들, 많은 과학적 문제에서 예를 들어, 전통적이며, 고성능이며, 일부 속성의 컴퓨팅 기반 시뮬레이션, 어떤 과학적인 것

어쩌면 당신은 화학적 상호 작용을 시뮬레이션하고있을 것입니다 매우 미세한 입자 수준 어떻게 전자가 흐르고 어떤 성질을 갖는가? 그게 있니? 또는 어쩌면 당신은 지진 결함을 시뮬레이션하고 있습니다 매우 상세한 물리학 기반 모델을 가지고 있습니다 미끄러짐과 지진이 어떻게 발생 하는지를 그리고 종종 이러한 계산 모델 계산적으로 매우 비싸다

그래서 당신은 당신의 시뮬레이터와 1 시간 동안 하나의 화학 물질을 사용합니다 나중에 퀀텀에 대한 정보를 얻습니다 이 화학 물의 특성, 또는 무엇이 결합 하는가? 무엇, 또는 그런 것들 그리고 실제로 시뮬레이터를 교사로 사용할 수 있습니다 그리고 만약 당신이 정말로 비싼 과학 시뮬레이터를 가지고 있다면, 종종 시뮬레이터의 기능을 수행하기 위해 신경망을 훈련 할 수 있습니다

완전히 [INAUDIBLE] 당신은 당신이 먹었을 입력을 시뮬레이터에 가져 가고, 출력을 얻었고 많은 예제를 실행했습니다 시뮬레이터를 통해 이제 당신은 [INAUDIBLE] 몇 가지 다른 도메인에서 Google은 실제로 보이는 사람들은 이것을합니다 예를 들어, 양자 화학 영역에서, George Dahl 및 우리 연구 그룹의 다른 사람들은, 다른 대학의 일부 화학자들과 함께 일했다

그들이 사용하고 있던 시뮬레이터를 가져 갔고, 티를하기 위해 신경망을 훈련했고, 지금 그들은 정확도와 원래의 HPC 스타일을 구별 할 수 없다 모의 실험 장치 그러나이 도구는 30 만 배 더 빠릅니다 MARK MANDEL : 와우 제프 딘 : 그리고 언제든지 당신의 도구를 가져 가세요

그리고 당신은 그것을 30 만 배 더 빨리 만든다 그것은 당신이 과학을 어떻게 할 것인지를 변화시킵니다 좋아, 너 상상할 수있어, 오, 커피를 만들거야 1 억 개의 분자를 가려 내고 내가 돌아 왔을 때, 나는 10,000을 볼 것이다 가장 흥미 롭습니다

그리고 같은 일이 브렌든 미드에게 일어났습니다 방문 하버드 대 교수진 1 년 동안 케임브리지에서 우리 그룹을 방문했습니다 지진 과오 시뮬레이션에 많은 노력을 기울였습니다 그는 중개했다, 직장에서 그는 단지 그가 우리를 방문하기 전에, 그가 지진 결함 시뮬레이션 대체 세계에서 가장 얇은 신경망의 내부 루프 그것은 각각 10 개의 뉴런으로 이루어진 4 개의 층이었고 갑자기, 그 일은 10 ~ 10 만 배 더 빨랐다

와우 와우 제프 딘 : 정확성의 차이를 말할 수 없었습니다 그래서 나는 그것이보기에 좋은 렌즈라고 생각합니다 과학적 컴퓨팅이나 시뮬레이션을하고 있습니까? 어떤 종류의? 그런 다음 신경망을 훈련시켜 그 근사치를 계산할 수 있습니까? 정확할 가능성이 매우 높습니다

교육 자료가 충분하다면? Mark MANDEL : 이제 저는 생각합니다 – 멜라니 워릭 : 아이디어를 줘? MARK MANDEL : 글쎄, 나는 게임, 그래서 지금 당신은 그런 종류의 공연을 얻을 수 있다면 나는 같아요 그 수준의 시뮬레이션을 위해서는 정말 흥미로운 일을 할 수 있습니다 네 맞습니다 네

멜라니 워릭 : 그리고 나는 네가 이것에 대해 말한 것을 보았다고 생각한다 신경망을 사용하여 도움을 얻고 있다는 것을 시스템의 실제 성능 향상과 함께 그들 자신 제프 딘 : 일반 컴퓨터에는 큰 기회가 있습니다 시스템 따라서 운영의 핵심에 대해 생각한다면 시스템 또는 컴파일러, 또는 스토리지 시스템, 또는 다른 컴퓨터 시스템, 그들은 일반적으로 손으로 쓴 경험적 방법을 사용합니다

어떤 프로세스가 운영 체제 여야합니까? 사용할 수있는 준비된 프로세스 중에서 다음 일정을 예약 하시겠습니까? 또는 컴파일러의 경우 코드를 내야합니까? 이 루프와 함께 주문, 또는이 루프 주문? 또는 이것이 어떤 변수가 메모리에 구축되어야하는지 그것들을 모두 레지스터에 넣을 수 없을 때? 그리고 많은 경우에, 나는 이것이 실제로 있다고 믿습니다 학습 문제 그래서 사람들이 손으로 쓰는 경향이있는 발견 적 방법 일반적인 경우에 잘 작동해야하며, 그런 식으로는 실제로 개발 될 수 없습니다 시스템이 사용되는 방식에 완전히 적응할 수 있습니다 그래서 우리의 거대한 테이블 스토리지 시스템에서 여러분에게 모범을 보이기 위해서 – 이것은 본질적으로 핵심 가치 저장소입니다

그리고 클라이언트 요청은 큰 테이블 서버로 들어옵니다 특정 데이터를 요청할 수 있습니다 다른 테이블에서 읽습니다 그런 일이 발생하면 큰 테이블 서버 그것을 이름 메모리 캐시에 넣기로 결정하고, 그 데이터가 다시 필요할 경우, 캐시에 있습니다 디스크에 가서 가져올 필요가 없습니다

그리고 보시면 많은 정보가 있습니다 결정을 내릴 때 사용할 수 있습니다 디스크의 데이터 우리는 예를 들어 내부 사용자 그룹을 알고 있습니다 그 프로세스를 실행중인 작업의 데이터를 요청했습니다

우리는 아마도 이것을 요구 한 직무를 알고 있습니다 그리고 당신은 결코 휴리스틱을 쓰지 않을 것입니다 따라서 순차적 인지도 제작에서부터 많은 처리가 이루어집니다 스타일 처리 작업 데이터를 한 번 읽으십시오 한 시간이 지나기 전에 다시 사용하지 마십시오

나중에 비슷한지도 제작이 시작됩니다 하지만 실제로 캐시에 삽입하고 싶지는 않습니다 왜냐하면 당신은 즉시 모든 사용을 얻지 못할 것이기 때문입니다 하지만 당신은 결코 휴리스틱을 쓰지 않을 것입니다 큰 테이블 서버의 중간에 즉, 작업 이름이 MapReduce 대시로 시작하는 경우, 그런 다음 캐시에 삽입하지 마십시오

그러나 학습 추론이 할 수있는 것을 살펴 본다면, 꽤 빨리 패턴을 배울 것입니다 MapReduce 대시로 시작하는 것처럼 보이는 이러한 작업 캐시에 삽입 한 데이터를 재사용하는 것처럼 보이지 않습니다 그래서 저는 삽입하지 않을 것입니다 그리고 수천 명의 사람들에게 거대한 잠재력이 있다고 생각합니다 수천 및 수천의 발견 적 방법 컴퓨터 시스템에서, 정말로, 대부분은 배우고 실제 사용 방법에 적응하십시오

멜라니 워릭 : 정말 멋지고 흥미 롭습니다 이것이 개선 될 수있는 방법에 대해 생각해보십시오 너에게 묻고 싶은 것들이 너무 많아 우리는 확실히 제한 될 것입니다 그래서 나는 공간을 확보하고 싶다

네가 우리가 이것을 발표 할 때 남아프리카에있을 것입니다 그리고 구체적으로 말하면 당신은 거기에 있습니다 딥 러닝 인다 바에서 케이프 타운 바깥에 위치 그럼 어떻게하면되는지 알려주시겠습니까? 너는 이것에 연루되어있어, 회의 자체, 그리고 당신은 무엇에 관해 말하고있을 예정입니까? 물론이지 그래서 나는 도전적인 문제를 푸는 것에 대해 이야기 할 것입니다

깊은 학습이나 뭔가의 세계에서 좋아요 사실, 프레임 된 방식은 주위에 있습니다 국립 공학 아카데미 2008 년 중요한 문제 목록을 발표했다 엔지니어링 공동체를 위해, 커다랗고, 21 세기에 일하기

그리고 그것은 14 가지 영역의 목록입니다 의료 정보학 향상, 더 나은 약을 개발하고, 태양 에너지 생산을 향상시킵니다 그리고 만약 당신이 그들을 보았다면, 저는 실제로 기계 학습이 태클에 유용 할 것이라고 생각한다 그 다른 모든 것들의 크고 작은 조각 그래, 맞아

제프 딘 : 그러니까 그 얘기는 약간 짜 맞춰져 있습니다 이봐 요, 여기 있습니다 우리가 해낸 흥미로운 일들 그것은 일부를 풀기위한 길의 일부입니다 이 웅대 한 도전 지역의 좋았어

제프 딘 : 그리고 딥 레이디 인다 바 (Deep Learning Indaba) 정말 흥미 진진한 사건입니다 그것은 모임입니다, 나는 약 400 명 또는 500 명이라고 생각합니다 거의 아프리카 대륙에서부터, 다른 나라에서 그리고 정말로, 급성장하고 흥미로운 커뮤니티가 있습니다 기계 사용에 흥분되는 아프리카에서 학습 및 기계 학습 연구, 아프리카 국가의 문제를 해결하기 위해 기계 학습을 사용 전 세계에 걸쳐 그리고 나는 이것이 정말로 흥미 롭다고 생각한다

아프리카의 연구 공동체의 팽창을보기 위해, 다른 나라들도 마찬가지입니다 그래서 그 일에 참여하게 된 것을 기쁘게 생각합니다 나는 실제로 우간다와 소말리아에서 어렸을 때 살았습니다 와우 와우

마크 AND델 : 멋지다 그래서 나는 단지 – 멜라니 워릭 : 그것은 당신에게 중요합니다 이 그룹에 참여하고보고 성장할 수 있어야합니다 마크 멘델 : 환상적입니다 멜라니 워릭 : 두뇌가 확장 된 것도 알고 있습니다

가나에, 그리고 복장이 있어요 무스타파 시세 (Moustapha Cisse)가 이끌고 있는데, 우리는 어느 시점에서, 잘하면 포드 캐스트에 올 것입니다 내가 그를 만났기 때문에 그는 훌륭합니다 대단한데 멜라니 워릭 : 알아, 그는 위대해

그리고 나는 그들이 바닥에서 떨어져 있고 우리가 말하는 것처럼 달리고 있다는 것을 알고 있습니다 당신이 다른 그룹이 있습니까? 성장할 것, 또는 다른 사무실 너는 심지어 말 할 수있는 회전을 찾고 있니? 아니면 우리가 제대로 이야기 할 수없는 것입니까? 제프 딘 : 우리는 가나 사무소에 대해 매우 흥분하고 있습니다 우리는 사무실 공간을 혁신하기위한 마지막 골목에 서 있습니다 우린 사무실에 사람들을 고용 했어 내가 생각하기에는 큰 도움이 될 것 같아

우리의 글로벌 연구 기관에 그들은 두 기계 모두에서 환상적인 작업을 수행 할 것입니다 학습 연구, 흥미로운 적용을보고 가나와 그 나머지 지역에 특유한 문제들 아프리카 나는 그것이 무스타파를 아주 좋아할 것이라고 생각한다 그는 훌륭한 지도자이며 훌륭한 사람입니다 우리 사무실에 그를 데려 간다

멜라니 워릭 : 그는 멋진 사람입니다 내가 너에게 묻고 싶었던 다른 것, 또는 다른 몇 가지 그래서 Deep Learning Indaba를 기대합니다 누가 거기에 관심이있는 사람, 쇼 노트에 제공 할 리소스가 있습니다 우리가 만져보고 싶은 마지막 몇 가지 너를 풀어주기 전에

최고의 조언 중 하나 인 것을 알고 싶다 당신이 당신의 경력에서받은 것 제프 딘 : 특정 조언이 필요한지 모르겠습니다 나는 받았지만, 내가 만든 관찰은 내 경력은 재미있는 일을하는 정말 좋은 방법입니다 당신이하지 않는 것을 알고있는 사람들과 파트너가되기 위해서

그리고 저는 종종 비슷한 프로젝트, 3 가지 프로젝트 또는 네 사람, 각자 다른 종류의 전문성 그리고 집합 적으로, 당신은 함께합니다 당신 누구도 흥미로운 문제를 해결할 수는 없어요 개별적으로 해결할 수 있습니다 하지만 집단적으로 할 수 있습니다

기술의 전체가있다 또는 그들을 개발할 수 있습니다 정말 중요한 이유가 계속해서 새로운 것을 배우는 것이 좋은 방법인가요? 학교를 졸업 한 후에도 나는 당신이 학부 때 생각한다 또는 대학원에서, 또는 무엇이든, 당신은 분명히 학습 것들

그러나 일을 계속 배우고 픽업하는 것이 중요합니다 새로운 아이디어와 일종의 뇌 자극, 이것은 정말 좋은 방법입니다 그리고 나서 당신은 그 프로젝트로 떠납니다 당신은 다른 프로젝트로 진행합니다 다른 사람들의 전문 지식 중 일부 너에게 빛나는 문양이있어, 지금 적어도 문제를 볼 수 있습니다

그들이 가지고있는 전문 지식의 렌즈를 통해, 오, 그래, 그렇게 많이 생겼어 내가 물어볼 질문이나 올바른 접근법을 안다 그게 아니라해도 당신의 공식적인 배경 그래, 확실히 당신은 무어의 법칙과 연구의 양에 관해 언급했습니다

그게 나오고 특히 서류들 당신은 어떻게 자원과 연구를 유지합니까, 그리고 그 모든? 그래, 다시 말하자면, 나는 이것이 너 자신을 둘러싼 곳이라고 생각해 당신이하지 못하는 것을 아는 사람들은 정말로 좋은 길입니다 네가 좋은 사람들의 네트워크를 가지고 있다면 당신이 상호 작용한다는 것은 부분적으로 당신의 눈과 귀가 될 수 있습니다 관심있는 분야에서 흥미로운 것을주의 깊게 살펴보십시오

말하자면, 오, 예, 그것은 재미 있습니다 누군가 오늘이 사실을 말해 줬어 그리고 서로 다른 영역간에 도트를 연결할 수 있습니다 여기에서 개발 된 기법의 잠재력을 확인하십시오 그것이 어떻게 여기에서 사용될 수 있는지, 그것이 어떻게 잘 결합되는지 다른 기술과 함께, 그리고 실제로 서로를 기반으로합니다

그래서 나는 모든 것을 따라 잡는 것이 매우 어렵다고 생각합니다 그래서 당신은 집단적으로 당신이 정말로 당신이 어떤 것을 발견 할 필요가 있습니다 너 자신을 따르고 그 후에 대담한 정보 수준을 얻으십시오 다른 것들에 대해서 제가 관찰 한 한 가지는 많은 사람들이 정말로, 정말로 깊이 연구 논문을 읽었습니다 때로는 중요하다고 생각합니다

그러나 일반적인 학습을위한 잘못된 접근 방법입니다 나는 네가 훨씬 더 잘 봉사 할거라 생각한다 100 개의 초록 100 개를 읽을 시간이 필요하다 다른 서류와 최고 수준의 이해 그들 각각이 가지고있는 개념 너는 항상 더 자세히 읽을 수 있기 때문에 당신이 그것에 대해 더 많이 알아야 할 필요가 있다면, 100 개의 정보를 가질 수는 있습니다

좋아, 오, 그래, 그건 기술이야 그게 문제 야 우리는 그런 것을 할 수 있습니다 그 점을 실제로 연결하는 방법입니다 필드를 가로 질러 연결하기 또는 다른 문제에 걸쳐

좋아요 멜라니 워릭 (MELANIE WARRICK) : 특정 공공 연구 너는 최근에 들어 봤어, 특히 그게 마음에오고, 당신이 맘에 든다면, 나에게 흥미 롭습니다 제프 딘 : 글쎄, 나는 생각한다 자동으로 컴퓨터를 사용할 수있는 방법 실험을하고, 그 결과를 측정하고, 결과를 지속적으로 흡수합니다 첫 번째 실험 집합의 새로운 실험을 생성합니다

그래서 모든 신경 건축물 검색 작업, 또는 우리 그룹이 가지고있는 자동차 직업 해왔다, 강화 학습 기반의 많은 Go와 같은 게임을 풀 때 약속을 보여주는 작품 또는 우리의 [INAUDIBLE] 나는이 모든 것들이 그 일반적인 방향을 지적한다고 생각한다 자동으로 컴퓨터를 사용할 수있는 방법 문제 해결을위한 다양한 접근 방법을 모색한다 중요한 일이 될 것입니다 컴퓨터는 50,000 회의 실험을 실행할 수 있기 때문에, 인간이 50을 돌리는 동안, 결과를보고, 그 다음에 실행해야 할 다음 50 가지 항목을 파악합니다 MARK MANDEL : 네

멜라니 워릭 : 좋아, 그리고 다른 질문 나는 모든 인터뷰에서 너에게 묻고 싶다 너는 해본 적이있다 무슨 질문을 할까? 사람들이 너에게 물어 보길 바란다 흥미로운 점 하나 알려 드리겠습니다 어떤 사람들은 모른다

그래서 저는 실제로 아이처럼 많이 움직였습니다 나는 12 년 동안 11 개 학교에 다녔다 그리고 나는 생각한다 멜라니 워릭 : 그건 학교 다 제프 딘 : 학교가 많습니다

오, 새해, 새 학교처럼 멜라니 워릭 : 너는 많은 친구들을 사귀는 법을 배웠다 확실해 네 제 말은 제게 도움이되었다고 생각합니다

내가 다른 곳에서 살게했기 때문에 환경의 종류에 관계없이 하와이, 보스톤, 우간다, 보스톤, 아칸소, 하와이, 미네소타, 소말리아, 애틀란타, 제네바, 시애틀, 베이 지역 멜라니 WARRICK : 당신은 전혀 개방적이어서는 안됩니다 제 도움이되는 것 같아요 그 장소들 어디에서나 정말 훌륭한면을 발견 할 수 있습니다 나는 그것이 좋은 전망이라고 생각합니다

마크 멘델 : 환상적입니다 마무리하기 전에 모든 리소스를 우리 청취자들에게 추천하고 싶다 깊은 학습을 원하는 사람들, TPUs, Google 두뇌, 줄기 세포 연구 그래, 나는이 질문을 많이 받았다 그것의 많은 것은 전문 지식의 수준에 달려 있습니다

이미있다 그래서 나는 하나의 대답을 가지고 있지 않다고 생각하지만, 나는 추천한다 많은 블로그가 있습니다 크리스 Olah의 블로그와 distillpub 저널 그는 숀 카터 (Sean Carter) 특정 수준의 사람들을위한 정말 좋은 박람회입니다

전문 지식 내 생각에는 기계가 크래시를 배우는 것과 같아 Google이 제시 한 과정 Udacity와 Coursera에는 많은 코스가 있습니다 다양한 수준의 전문 지식, 깊은 학습 Ian Goodfellow, Yoshua Bengio 및 Aaron 교과서 쿠르 빌은 아주 좋은 것입니다

목표로 삼는 자료가 많이 있습니다 수학이 덜 진보 한 사람들 같은, 고등학생 및 중학교의 기술 학생 거기에는 풍부한 정보가 있습니다 공동체가 생산하고있는 것이 정말 좋습니다 너무 많은 입문 자료와 고급 자료 모두를위한

마크 AND델 : 훌륭합니다 멜라니 워릭 : 좋아 글쎄, 우리는 당신이 말하고 있다는 사실을 다뤘다 딥 러브 인더 바에서 우리가 너를 풀어주기 전에 말하고 싶은게 있니? 아니, 정말 흥분 돼

나를 보내 주셔서 감사하고 대화에 감사드립니다 멜라니 워릭 : 와줘서 고마워 고맙습니다 MARK MANDEL : 정말 고마워요 물론이지

MARK MANDEL : 다시 한번 Jeff에게 감사드립니다 그냥 모든 일에 참여하는 것이 정말 좋았습니다 그리고 내가 그 점에서 정말로 감사하는 많은 것들 중 하나 그가 아직도 코드하는 것을 듣고 있었다 네 그 애가 오늘 하루 야

MARK MANDEL : 월요일에, 나는 암호를 썼다 MELANIE WARRICK : 그것이 바로 내가 코딩 할 때입니다 당신이되는 것처럼 그렇게하기가 어렵습니다 네 인생에서 그 유형의 공간을 만들기 위해 더 많은 노인 어쨌든, 고마워

MARK MANDEL : 네 알았어 주의 질문 마크 맹델 : 그래서 우리 멋진 친구, 게이 게이 와이즈 : Whee

헤이 게이브, 너를위한 멋진 질문이있어 왜냐하면 우리는 당신이 코어에서 물건을 다룬다는 것을 알고 있기 때문입니다 GABE WEISS : 준비 됐어 MARK MANDEL : IoT Core가 있다면, IoT Core에서 데이터를 얻는 방법 웹 프런트 엔드에 실시간으로 표시 하시겠습니까? 나는 당신이 이런 식으로 일했다고 믿습니다

GABE WEISS : 나는 최근에있다 IoT에서 일하는 사람은 누구나 알고 있습니다 이것을하기위한 다양한 방법이 있습니다 다른 종류의 장치가 있습니다 다른 프로토콜이 있습니다

다른 모든 것이 있습니다 그래서 해변에 얼마나 많은 모래 덩어리가 있습니까? 이것이 얼마나 많은 방법으로 이것을 할 수 있느냐입니다 우리가 황금 경로의 일종으로 그 일을 한 방법 Cloud at 2018 년에 무대에 전체 엔드 앱을 만들었습니다 우리 다섯이 있었어

그래서 우리는 장치에서 나왔습니다 일부 센서와 함께 Raspberry Pi를 사용했습니다 우리가 한 일은 심장 박동수를 측정하는거야 그리고 그것은 프로토콜로서 MTTT와 통신 할 것입니다 우리는 IoT Core를 사용하여 수신 방법을 이해합니다 따라서 장치에서 원격 측정 데이터를 전송할 수 있습니다

IoT 코어로 IoT Core에서 브리지됩니다 모든 원격 측정 데이터가됩니다 이벤트 스트림 관리자 인 Cloud Pub / Sub의 이벤트입니다 Cloud Pub / Sub에서 Cloud 기능을 트리거 할 수 있습니다

Pub / Sub에서 원격 측정 데이터를 끌어 내려면 데이터웨어 하우스에 저장합니다 클라우드 파이어 스토어 (Cloud FireStore)였다 우리는 FireStore를 SQL 데이터베이스가 아니기 때문에 선택했습니다 그것은 매우 낮은 대기 시간이고 특별한 소스가 있습니다 푸시 메커니즘이있어 프런트 엔드 앱에서 데이터베이스에서 데이터가 변경되면 콜백에 등록하십시오

따라서 실시간 응용 프로그램의 경우 이것은 엄청납니다 그래서 우리의 프런트 엔드는 Angular 앱이었습니다 FireStore에서이 콜백에 가입 한 우리가 작성한 그것을 끌어 당겨 우리의 심장 박동수를 그래프에 그립니다 끝까지 끝까지, IoT Core까지 디바이스였습니다 Cloud Pub / Sub에서 브리징됩니다

Pub / Sub에는 클라우드 기능이 있습니다 그것을 Cloud FireStore로 밀어 넣습니다 FireStore는 콜백을 통해 각도 앱으로 실행됩니다 좋았어 GABE WEISS : 예

MARK MANDEL : 와우 GABE WEISS : 꽤 근사했습니다 MARK MANDEL : 그 말을 세 번 빨리하십시오 GABE WEISS : 나는 할 수 없다는 것을 안다 내가 한 번 해냈어

충분히 좋았지, 그렇지? MARK MANDEL : 그게 효과가 있습니다 공개 샘플이 있습니까? 사람들이 실제로 가서보고 볼 수 있습니까? GABE WEISS : 예 그래서 그것을 찾는 가장 쉬운 방법은 YouTube에 있다면, 당신은 "IoT 애플리케이션 구축"에 대한 검색을 수행합니다 Google Cloud에서 " 그곳에있는 유일한 사람

컨퍼런스 비디오를보실 수 있습니다 설명의 링크 모든 코드를 사용하여 GitHub에 연결됩니다 MARK MANDEL : 굉장해 멜라니 워릭 : 잘 됐네 고마워, 게이

와 주셔서 감사합니다 우리는 그주의 질문을합니다 게이브 와이즈 : 나를 보내 주셔서 고마워요 알았어, 마크, 너 어디 갈거야? MARK MANDEL : 내가 뭘하고 있니? 너 뭐하고 있니, 뭘 안다고? MARK MANDEL : 그래서 나올 때, 나는 도쿄에있을거야 멜라니 워릭 : 네

MARK MANDEL : 도쿄 다음 준비하기 매우 흥분했습니다 나는 거기에 대해 이야기 할 것이다 [INAUDIBLE] 나는 일부 게임 사람들과 이야기하고 있습니다 그래서 당신이 마을에 있다면, 인사하러와

너 무슨 일이야? 멜레 니 워릭 : 그리고 나는 스텔 렌 보쉬에있을거야 나는 아마 내가이 시점에서 많은 것을 말했을 것이라고 생각한다 예, 그렇습니다 MELANIE WARRICK :하지만 몇 가지 인터뷰를 할 예정입니다 그리고 너와 나는 둘 다 Strange Loop에있게 될거야

월말 MARK MANDEL : 그래, 정말 좋을거야 게이브, 다음 달에 특별한 곳으로가는거야? GABE WEISS : 나야 우리는 유럽 여행을하고 있습니다 나는 런던, 파리, 바르셀로나를하고있다

일련의 회의를 위해 오, 그게 어렵다고 들었어 MARK MANDEL : 어느 회의에 갈 건데? GABE WEISS : 그래서 London은 Cloud Next입니다 이는 우리 시리즈의 다음 반복입니다 그리고 파리는 팀 메이트를 방문하고 있습니다

나는 이상한 5 일이 있기 때문에, 나는 유럽으로 앞뒤로 날아 다니고 싶지 않다 그리고 바르셀로나는 큰 IoT 회의 인 IoT Solutions World 의회, 일종의 큰 유럽의 IoT 회의입니다 좋았어 마크 멘델 : 환상적입니다 GABE WEISS : 예

멜라니 워릭 : 음, 좋은 여행을해라 GABE WEISS : 고마워 마크, 나는 이번 주에 그것이 우리를위한 것이라고 생각한다 MARK MANDEL : 네 Melanie와 Gabe, 우리와 함께 해줘서 고마워

Podcast에서 또 다른 주간 고마워요 GABE WEISS : 고마워 MARK MANDEL : 그리고 모두 들어 주셔서 감사합니다 우리는 다음주에 모두 만날거야

[음악 재생]

KAIST and SNU nominated as Google AI Focused Research Awards Program researchers

서울 대학교와 KAIST는 한국 AI 대학에 처음으로 입학하였습니다 집중 연구 상 프로그램

내년에이 두 기관의 참가자들은 기술과 협력 할 것입니다 자이언트의 연구원 및 엔지니어링 팀이 클라우드 기술, 연설 인식, 그리고 깊은 학습 임기가 끝나면 Google은 연구 프로젝트를 계속할 것인지 여부를 평가합니다

Google aims to power up Korean homes with smart speaker, stirring local competitors

Google은 AI 전원 스마트 스피커를 위해 한국어 서비스를 공식 출시했습니다 장치가 다른 시장에서 밝혀진 지 2 년 후에 그들은 경쟁에 뛰어 들고 있지만

IT 거대 기업이 서울의 경쟁 업체를 인수 할 준비가 된 것 같아 보인다 수영은 그 이유를보다 깊게 파헤친다 Google 홈은 조만간 AI를 제공하여 한국 가정에 진출 할 예정입니다

현지 언어로 된 연사 서비스 세계적인 IT 거대 기업인 화요일 (현지 시간) 한 달 전에 한국어 서비스를 공개했다 선반에 부딪쳤다 "현재 세계 시장에서 2 위를 차지하고 있습니다 아마존의 Alexa 이후 Google Assistant 이 기대되는 발사와 더불어 한국에서 꽤 튀어 나오게 할 것으로 예상됩니다

구글이 AI 스피커를 세계의 다른 지역에서 처음 발표 한 지 2 년 후에 나온 것이다 " 잃어버린 시간을 만회 할 준비가되어 있습니다 음악을 스트리밍하는 것과 같은 일반적인 음성 제어 AI 기능 외에도 불빛을 어둡게합니다 Google은 전 세계적으로 사용되는 풍부한 데이터 및 플랫폼을 활용합니다 차별화 된 서비스를 제공합니다 "휴대 전화, 집, 심지어 Android를 통해 운전하는 동안에도 사용할 수 있습니다 자동 동시에 두 가지 언어를 사용할 수 있습니다

Google Homewill은 귀하가 말하는 언어를 알고 그 언어로 답합니다 또한 귀하의 목소리를 이해하고 귀하가 누구인지 알기 때문에 우리는 누구를 기반으로 대답을 제공합니까? 너는" AI 스피커 분야에서 가장 큰 시장 중 하나 인 한국은 전 세계적으로 2018 년 1/4 분기 매출액 스마트 스피커가 설치되면서 수요가 더욱 늘어날 것으로 예상됩니다 이 나라에서 올해는 3 백만 배로 늘어났습니다

이제 한국 서비스 개시에 따라 Google은 현지 기업을 탈퇴 할 수있는 좋은 위치에 있습니다 삼성, 네이버, 카카오 등 데이터베이스의 규모가 큽니다 그 나라의 스마트 폰 중 90 퍼센트가 회사의 안드로이드 플랫폼 전문가들은 한국 기업들이 보유 할 현지화 된 서비스와 콘텐츠를 개발해야한다고 말한다 그들의 호소

"Google은 세계 최고 검색 엔진이지만 Naver와 같은 현지 포털이 가장 많이 사용됩니다 한국에서 Google은 빠른 속도를 요구하는 한국 소비자의 다양한 요구에 신속하게 대응할 수 없습니다 서비스 그래서 그걸 반영하는 더 많은 서비스를위한 잠재력이 있습니다

현재뿐만 아니라 음식 배달 및 언어 학습 서비스를 제공합니다 " LG와 SK의 핵심 기술을 개발하고있는이 전문가는 또한 강조했다 기업이 음성 인식을 향상시키고 처리 속도를 향상시킬 필요성 정확한 서비스,

경쟁이 예상보다 더 강해질 것으로 예상되기 때문에 미래 오수영, 아리랑 뉴스

Google aims to power up Korean homes with smart speaker, stirring local competitors

Google은 AI 전원 스마트 스피커를 위해 한국어 서비스를 공식 출시했습니다 장치가 다른 시장에서 밝혀진 후 2 년 후에 출시 될 예정이지만

IT 거대 기업이 서울의 경쟁 업체를 인수 할 준비가 된 것 같아 보인다 수영은 완전한 이야기를 가지고있다 Google 홈은 조만간 AI를 제공하여 한국 가정에 진출 할 예정입니다

현지 언어로 된 연사 서비스 세계적인 IT 거대 기업인 화요일 (현지 시간) 한 달 전에 한국어 서비스를 공개했다 선반에 부딪쳤다 "현재 세계 시장에서 2 위, 아마존의 Alexa 이후 Google Assistant 이 기대되는 발사와 더불어 한국에서 꽤 튀어 나오게 할 것으로 예상됩니다 구글이 AI 스피커를 세계의 다른 지역에서 처음 발표 한 지 2 년 뒤에 나왔다 " 잃어버린 시간을 만회 할 준비가되어 있습니다 음악을 스트리밍하는 것과 같은 일반적인 음성 제어 AI 기능 외에도 불빛을 어둡게합니다

Google은 전 세계적으로 사용되는 풍부한 데이터 및 플랫폼을 활용합니다 차별화 된 서비스를 제공합니다 "휴대 전화, 집, 심지어 운전 중에도 사용할 수 있습니다

동시에 두 가지 언어를 사용할 수 있습니다 그것은 또한 당신의 목소리와 당신이 누구인지를 이해하므로 우리는 누구를 기반으로 대답을 제공합니까? 아르" AI 스피커 분야에서 가장 큰 시장 중 하나 인 한국은 전 세계적으로 2018 년 1/4 분기 매출액 스마트 스피커가 설치되면서 수요가 더욱 늘어날 것으로 예상됩니다 이 나라에서 올해는 3 백만 배로 늘어났습니다

이제 한국 서비스 개시에 따라 Google은 현지 기업을 탈퇴 할 수있는 좋은 위치에 있습니다 삼성, 네이버, 카카오 등 데이터베이스의 규모가 큽니다 그 나라의 스마트 폰 중 90 퍼센트가 회사의 안드로이드 플랫폼 전문가들은 한국 기업들이 보유 할 현지화 된 서비스와 콘텐츠를 개발해야한다고 말한다 그들의 호소

"Google은 세계 최고 검색 엔진이지만 Naver와 같은 현지 포털이 가장 많이 사용됩니다 한국에서 Google은 빠른 속도를 요구하는 한국 소비자의 다양한 요구에 신속하게 대응할 수 없습니다 서비스 그래서 그걸 반영하는 더 많은 서비스를위한 잠재력이 있습니다

현재뿐만 아니라 음식 배달 및 언어 학습 서비스를 제공합니다 " LG와 SK의 핵심 기술을 개발하고있는이 전문가는 또한 강조했다 기업이 음성 인식을 향상시키고 처리 속도를 향상시킬 필요성 정확한 서비스,

경쟁이 예상보다 더 강해질 것으로 예상되기 때문에 미래 오수영, 아리랑 뉴스

Bringing AI and machine learning innovations to healthcare (Google I/O ’18)

[음악 재생] 릴리 펭 : 안녕 모두들 내 이름은 릴리 펭이야

나는 의사로서 훈련을하고 있으며 나는 Google 의학에 종사하고있다 잘, Google 인공 지능 건강 관리 팀 저는 제품 매니저입니다 그리고 오늘 우리는 몇 가지 프로젝트에 대해 이야기 할 것입니다 우리 그룹에서 우리가 해왔 던 그래서 처음에는, 당신이 많은 것을 얻을 것이라고 생각합니다

그래서 나는 이것을 너무 많이 지나치지 않을 것입니다 그러나 우리는 깊은 학습을 적용하기 때문에 의료 정보에, 나는 원하는 종류의 조금만 사용되는 몇 가지 용어를 정의하는 것 그러나 다소 불충분하게 정의됩니다 그래서 처음으로, 인공 지능 – 이것은 꽤 광범위한 용어이며 그 거대한 프로젝트를 포함합니다 비인간적 인 지능을 구축한다 기계 학습은 특별한 유형입니다 인공 지능에 대해서, 그것은 더 똑똑해질 수있는 기계를 가르치고 있습니다

그리고 깊은 학습은 특별한 유형입니다 너희들 기계 학습의 아마 꽤 많이 들었고 꽤 많이 들었습니다 우선 무엇보다 깊은 학습이란 무엇입니까? 그래서 인공 신경 네트워크의 현대 환생입니다 실제로 1960 년대에 발명되었습니다 그것은 조직 된 단순한 훈련 가능한 단위의 모음입니다 레이어에서

그리고 그들은 함께 작업하여 복잡한 작업을 해결하거나 모델링합니다 따라서 일반적으로 데이터 세트가 작고 계산이 제한적일 경우, 우리가 1980 년대와 90 년대에 가진 것입니다 일반적으로 다른 접근 방식이 효과적입니다 그러나 더 큰 데이터 세트 및 더 큰 모델 크기 더 많은 컴퓨팅 성능을 제공한다면, 우리는 신경 네트워크 훨씬 더 잘 작동합니다 실제로 두 가지 테이크 아웃이 있습니다

너희들이이 슬라이드에서 나가길 바란다 하나는 깊은 학습 열차 알고리즘입니다 충분한 데이터가 주어지면 매우 정확합니다 두 가지, 깊은 학습이 이것을 할 수 있습니다 기능 공학없이 그리고 그것은 명시 적으로 규칙을 쓰지 않고 의미합니다 그럼 그게 무슨 뜻이야? 글쎄, 전통적인 컴퓨터 비전에서, 우리는 규칙을 쓰는 데 많은 시간을 할애한다

특정 예측 작업을 수행하기 위해 기계가 따라야한다는 것을 의미합니다 길쌈 신경 네트워크 (convolutional neural networks) 우리는 실제로 기능에 거의 시간을 소비하지 않습니다 이러한 규칙을 작성하고 작성합니다 우리가 데이터 준비에 소비하는 대부분의 시간 수치 최적화 및 모델 아키텍처 그래서 나는이 질문을 꽤 많이 받는다

그리고 문제는 얼마나 많은 데이터가 충분한 데이터인지입니다 깊은 신경 네트워크? 일반적으로 더 많은 것이 좋습니다 그러나 특정 시점을 넘어선 수익이 감소하고 있습니다 일반적인 경험 법칙은 클래스 당 약 5,000 개의 긍정적 인 것을 좋아합니다 그러나 중요한 것은 좋은 관련 데이터입니다

쓰레기통에, 쓰레기통 이 모델은 예측하기 위해 무엇을 요구 하는지를 매우 잘 예측합니다 그래서 당신이 기계 학습을 어디에서 생각하는지, 특히 깊은 학습은 가장 큰 영향을 미칠 수 있습니다 실제로 장소에 있습니다 살펴볼 많은 데이터

우리 이사 중 한 명인 Greg Corrado가 최선을 다합니다 깊은 학습은 당신이 해낸 일에 정말 좋습니다 시간, 그리고 10,001 번째 시간에, 당신은 단지 그것의 아플 뿐이에요 더 이상하고 싶지 않아 그래서 이것은 검진에서 건강 관리에 정말 좋습니다

많은 환자를 볼 수있는 응용 프로그램 잠재적으로 정상입니다 전문 기술이 제한되어있는 곳에서도 좋습니다 오른쪽에 그래프가 나타납니다 세계 각국의 방사선과 의사 부족의 부족 그리고 이것은 다른 의학 전문 분야에도 해당됩니다

그러나 방사선과 의사가 여기 있습니다 그리고 우리는 근본적으로 의료 전문 지식의 세계적 부족을 봅니다 그래서 심사 신청 중 하나 우리 그룹이 당뇨병 성 망막증을 앓고 있습니다 더 쉽기 때문에 우리는 이것을 DR이라 부릅니다 당뇨병 성 망막증보다

그리고 예방 가능한 실명의 가장 빠른 성장 원인입니다 당뇨병 환자는 모두 4 억 5 천만 명에 달합니다 1 년에 한 번 상영됩니다 이것은 뒤의 사진을 찍음으로써 이루어진다 특별한 카메라로 눈의 모습을 볼 수 있습니다

그리고 그림은 그 것처럼 조금 생겼습니다 의사가 이런 이미지를 얻을 때 의사가하는 일 질병없이 1에서 5 단계로 등급을 매기 는가, 건강하고, 질병을 번식시키고, 그것은 마지막 단계입니다 그리고 그들이 등급을 매길 때, 때로는 매우 미묘하게 보입니다 결과, 미세 동맥류라고하는 작은 것들 그것은 눈의 혈관에 outpouchings입니다 그리고 그것은 당뇨병이 얼마나 안 좋은지를 나타냅니다

당신의 비전에 영향을 미치고 있습니다 그래서 불행히도 세계의 많은 지역에서, 이 일을하기에 안과 의사가 충분하지 않습니다 그래서 인도에있는 한 파트너와 함께, 또는 실제로 인도에있는 우리의 파트너 몇, 전국에 127,000 명의 안과 의사가 부족합니다 결과적으로 환자의 약 45 % 질병이 감지되기 ​​전에 시력 손실의 일종을 겪는다 네가 회상 한대로이 질병이 완전히 예방할 수있었습니다

다시 한번 이것은 일어나서는 안되는 것입니다 그래서 우리가하기로 결심 한 것은 우리가 파트너가 된 것입니다 인도에 몇 군데 병원을두고, 미국의 선별 서비스 제공 업체입니다 그리고 우리는이 첫 번째 시도에 대해 약 130,000 개의 이미지를 얻었습니다 우리는 54 명의 안과 의사를 고용하고 라벨링 도구를 만들었습니다

그리고 54 명의 안과 전문의는 실제로 이 스케일에서이 이미지의 등급을 매겼는데, DR에서 증식으로 흥미로운 점은 실제로 의사가 이미지를 호출하는 방법에 약간의 변동성이 있습니다 그래서 우리는 실제로 약 880,000 건의 진단을 받았습니다 이 레이블이 지정된 데이터 세트를 사용하여 알려진 콘볼 루션 신경망 이것은 시작이라고합니다

나는 너희들 중 많은 사람들이 그것에 익숙하다고 생각한다 일반적으로 사진 앱을 위해 고양이와 개를 분류하는 데 사용됩니다 또는 다른 검색 애플 리케이션을 위해 그리고 우리는 그저 안저 영상을 재사용했습니다 그래서 우리가 배운 다른 것 우리가이 일을하는 동안 그게 정말 유용했던 동안 이 5 점 진단, 그것은 또한 믿을 수 없을만큼 의사에게 유용하다

이미지 품질과 같은 하우스 키핑 예측에 대한 피드백, 이것이 왼쪽 눈인지 오른쪽 눈인지, 또는 이것이 망막의 어느 부분인지 알 수 있습니다 그래서 우리는 그것을 네트워크에도 추가했습니다 그럼 얼마나 잘하는거야? 이것이 우리 모델의 첫 번째 버전입니다 우리가 2016 년 의학 저널에 발표 한 내용은 제가 믿습니다 여기 왼쪽에는 차트가 있습니다

총계에있는 모형의 성과의 약 10,000 개 이상의 이미지 민감도는 y 축에 있고, 1 마이너스 특이성 x 축에있다 감도는 시간의 백분율입니다 환자가 질병에 걸렸다면 그 모델이 그 질병을 부르고 있었을 때, 맞았습니다 그리고 특이성은 비율입니다

모델에 질병이없는 환자들 또는 의사가 옳았다 그리고 당신은 뭔가를 원한다는 것을 알 수 있습니다 높은 민감도와 높은 특이성을 지니고 있습니다 그리고 위아래로 – 또는 위로 그리고 왼쪽으로 좋다 그리고 차트에서 여기를 볼 수 있습니다

작은 점들이 그 의사들이라고 동일한 세트를 채점하고있었습니다 그래서 우리는 의사와 매우 가까워졌습니다 그리고 이들은 보드 인증을받은 미국의 의사들입니다 그리고 이들은 안과 의사, 일반 안과 의사들입니다 훈련으로

사실 F 점수를 보면 감도와 특이성의 결합 된 척도이며, 우리는 중앙 안과 전문의보다 조금 나아졌습니다 이 특별한 연구에서 그래서 그 이후로 우리는 모델을 향상 시켰습니다 그래서 작년에 약 2016 년 12 월 우리는 일종의 동위에 있었다 일반인들과

그리고 올해는 – 이것은 우리가 발행 한 새로운 논문입니다 우리는 실제로 망막 전문가를 사용했습니다 이미지를 채점하기 위해 그래서 그들은 전문가입니다 우리는 또한 그들이 동의하지 않을 때 논쟁하도록했습니다

진단이 뭔지에 대해서 그리고 우리는 모델을 언제 사용 하는지를 볼 수 있습니다 그 사실을 근거로 모델은 매우 잘 예측했습니다 게다가 올해 우리는 일종의 동위에 있습니다

망막 전문가와 그리고이 가중 카파는 단지 5 수준의 합의 그리고 본질적으로 우리는 안과 의사와 망막 사이의 일종 사실 전문가들 사이에 망막 전문가 우리가 작업 해 왔던 또 다른 일 모델을 개선하는 것을 넘어서 실제로는 네트워크를 설명하려고 애쓰다 그것이 어떻게 예측을하고 있는지 다시 한번, 연극이나 연극을 가져 가라

소비자 세계의 플레이 북에서, 우리는 show me where라는 기술을 사용하기 시작했습니다 그리고 이것은 이미지를 사용하는 곳입니다 실제로 열 화상지도를 생성합니다 관련 픽셀은이 특정 예측을위한 것입니다 그래서 여기 포메라니스트의 그림을 볼 수 있습니다

그리고 히트 맵은 거기에 당신을 보여줍니다 포메 라니아 사람의 얼굴에있는 무언가이다 그것은 Pomeranian-y를 보게합니다 그리고 여기 오른쪽에는 아프간 인의 사냥개가 있습니다 그리고 네트워크는 아프간 인 사냥개를 강조했다

그래서 이와 비슷한 기술을 사용하여, 우리는이를 안저 이미지에 적용했다 우리가 말했지, 어디 있는지 보여줘 이것은 가벼운 질병의 경우입니다 그리고 나는 가벼운 질병이라고 말할 수 있습니다 왜냐하면 – 잘, 그것은 나에게 완전하게 정상적으로 보인다

나는 거기에 어떤 질병이 있다고 말할 수 없다 하지만 고도로 숙련 된 의사라면 미세 동맥류 라 불리는 작은 것을 골라 낼 수있다 녹색 지점이있는 곳 다음은 중등도의 질병 사진입니다 그리고 이것은 당신이 볼 수 있기 때문에 조금 더 나쁩니다

여기 끝에 약간의 출혈 그리고 실제로 나는 신호 할 수 있는지, 하지만 거기에 피가 나옵니다 그리고 열지도 – 히트 맵이 있습니다 출혈을 일으킨다는 것을 알 수 있습니다 그러나이 이미지에는 두 가지 유물이 있습니다

그래서 작은 얼룩처럼 먼지가 있습니다 그리고이 작은 반사가 있습니다 이미지의 중간에 그리고 당신은 그 모델이 근본적으로 그것을 무시합니다 그럼 다음은 뭐니? 우리는 모델을 훈련 시켰습니다

우리는 다소 설명 할 수 있음을 보여주었습니다 우리는 그것이 올바른 일을한다고 생각합니다 무엇 향후 계획? 음, 우리는 실제로 의료 시스템에 이것을 배치해야합니다 우리는 의료 공급자와 제휴하고 있습니다 그리고 회사는이를 환자에게 제공해야합니다

실제로 제게 메가 박사님, 누가 저를 대담하게 말할 것입니까? 이 노력에 대해 좀 더 자세히 설명 할 것입니다 그곳에 그래서 심사 신청서를 제출했습니다 그리고 여기 진단의 응용이 있습니다 우리가 작업하고있는 그래서이 특별한 예에서 우리는 질병에 대해 이야기하고 있습니다

우리는 유방암에 대해 이야기하고 있습니다 그러나 우리는 유방암의 전이에 대해 이야기하고 있습니다 근처 림프절로 따라서 환자가 유방암 진단을 받았을 때 원발성 유방암이 제거되면, 외과의 사는 밖으로 약간 시간을 보낸다 우리가 림프절이라고 부르는 것을 조사 할 수 있도록 유방암이 전이되었는지 아닌지보기 그 노드들에게 그리고 그것은 환자를 어떻게 대하는가에 영향을 미칩니다

이 림프절을 읽는 것은 쉬운 일이 아닙니다 그리고 실제로 그들이 돌아올 때의 생체 검사의 약 24 % 그들을보기 위해, 24 %는 마디 상태의 변화를 가지고 있었다 이는 긍정적 인 경우 부정적인 것으로 읽음을 의미합니다 그리고 그것은 음성적이었고, 긍정적이었습니다 그래서 그것은 정말로 큰 문제입니다

4 분의 1에요 흥미로운 점은 다른 연구 결과에 따르면 무한한 시간을 가진 병리학 자, 실제로 데이터에 압도 당하지 않았다 매우 민감하기 때문에 94 %의 감수성 종양 환자에게 시간 제약을 가하면, 그들의 감수성 – 또는 미안, 공급자에, 병리학 자에게는 감도가 떨어집니다 그리고 사람들은 내려다보기 시작할 것입니다

거의 전이가 없을 수도 있습니다 그래서이 그림에 바로 거기에 작은 전이가 있습니다 그리고 그것은 보통 놓친이 작은 것들입니다 많은 정보가 주어지면 놀랍지도 않습니다 각 슬라이드에 있습니다

따라서 이러한 슬라이드 중 하나가 디지털화 된 경우, 약 10 기가 픽셀입니다 그리고 그것은 말 그대로 건초 더미에있는 바늘입니다 흥미로운 점은 병리학 자들이 실제로 그들이 자신의 모든 시간을 보면서 암의 73 %를 찾는다 슬라이드마다 오진 (false positive)이 발생합니다 그래서 우리는이 작업을 도울 수있는 모델을 교육했습니다

실제로 암 병변의 약 95 %를 찾습니다 슬라이드 당 8 개의 가양 성이 있습니다 그래서 이상적인 시스템은 분명히 하나입니다 모델을 사용하여 매우 민감하지만 매우 구체적입니다 병리학자를 실제로 훑어 보는 것에 의존하는 거짓 긍정 (false positive)과 오탐 (false positive)이라고합니다 그래서 이것은 매우 유망하며 우리는 지금 클리닉에서 유효성 검사를하고 있습니다

독자 연구의 관점에서, 이것이 실제로 어떻게 의사와 상호 작용하는 것은 정말로 중요합니다 그리고 분명히 다른 조직에 응용할 수 있습니다 나는 림프절에 관해 이야기했지만 초기 연구가있었습니다 실제로 이것은 전립선 암에서 효과가 있음을 보여줍니다 글리슨 그레이딩에 대해서도 마찬가지입니다 그래서 이전 예제에서 우리는 말했습니다

얼마나 깊이있는 학습이 매우 정확합니다 그리고 그들은 의사가 이미 만들었던 전화를하는 경향이 있습니다 그러나 의사가 현재하지 않는 것들을 예측하는 것은 어떨까요? 이미징에서 할거야? 그래서 당신이 이야기의 처음부터 기억하고 있듯이, 깊은 학습에 대한 위대한 것들 중 하나 매우 정확한 알고리즘을 훈련시킬 수 있다는 것입니다 명시 적으로 규칙을 작성하지 않아도됩니다 그래서 우리는 완전히 새로운 발견을 할 수 있습니다

그래서 왼쪽 그림은 종이에서 나온 그림입니다 우리가 최근에 출판 한 다양성을 예측하는 훈련 된 심층 학습 모델 의 심혈관 위험 요인 여기에는 나이, 자기보고 섹스, 흡연 상태, 혈압, 일반적으로 의사들 환자의 심장 혈관 위험을 평가하기 위해 지금 고려해보십시오 적절한 치료 권고를하십시오 그래서 우리는 우리가 이러한 요소 중 많은 것을 예측하고, 매우 정확하게, 실제로 5 년 위험을 직접 예측할 수 있습니다

심장 사건의 그래서이 연구는 아주 일찍, 정말 폐활 적이었고, 이 예측을위한 AUC는 07이다 이 숫자가 의미하는 것은 두 장의 그림이 주어지면 심혈관 사건이없는 환자의 사진 그리고 한 환자의 사진은 약 70 % 그 시간의 대부분의 의사들은 약 50 %의 시간을 보냈고, 그것은 무작위 적이기 때문에 – 마치 혼자 망막 이미지를 기반으로하기가 어렵습니다 그렇다면 왜 이것이 흥미로운가? 일반적으로 의사가 시도 할 때 심혈관 질환 위험을 평가하기 위해, 관련된 바늘이 있습니다

그래서 나는 누군가가 혈중 콜레스테롤을 섭취했는지 모른다 상영 전에 밤에 금식하고 혈액 샘플을 가져가 그런 다음 위험을 평가합니다 다시 한번, 저는 이것이 정말로 초기에 있다는 것을 강조하고 싶습니다

그러나 이러한 결과는 아이디어를 뒷받침합니다 우리가 뭔가를 사용할 수 있을지도 몰라 우리가 할 수 없었던 새로운 예측을하기 위해 이미지처럼 전에 만들어라 그리고 이것은 정렬로 수행 될 수 있습니다 비 침습적 인 방식으로

그래서 몇 가지 예를 들어 보았습니다 세 가지 예가 있습니다 얼마나 깊은 학습이 실제로 두 가지 가용성을 증가시킬 수 있는지 건강 관리의 정확성 그리고 내가 원하는 종류의 것들 중 하나 이것이 여기에있는 이유가 여기에 있음을 인정하십시오 TensorFlow는 점점 더 흥미 진진합니다

오픈 소스입니다 일반적인 기계 학습에서 이런 종류의 개방형 표준 어디서나 적용되고 있습니다 그래서 저는 Google에서 한 일의 예를 들었습니다 커뮤니티 전체에서 수행되는 많은 작업이 있습니다 매우 유사한 다른 의료 센터에서

그래서 우리는 무엇에 대해 정말 흥분하고 있습니다 이 기술은 건강 관리 분야에 도움이 될 수 있습니다 그리고 그걸로 Jess Mega를 소개하고 싶습니다 저와 달리, 그녀는 진짜 의사입니다 그리고 그녀는 Verily의 최고 의료 책임자입니다

제시카 메가 : 여기에와 주셔서 감사합니다 그리고 우리를 걷어차 기 위해 릴리에게 감사드립니다 나는 AI와 건강 관리에 대한 흥분을 생각한다 더 커질 수는 없다 들으 셨던 것처럼, 제 이름은 메스 제스입니다

나는 심장 전문의이고, 너무 기쁘다 알파벳 가족의 일부입니다 Verily는 Google과 Google X에서 성장했습니다 그리고 우리는 전적으로 의료 및 생명 과학에 중점을두고 있습니다 우리의 사명은 세계의 건강 정보를 취하는 것입니다

환자가보다 건강한 삶을 누릴 수 있도록 유용하게 만듭니다 그리고 오늘 제가 이야기 할 예제는 당뇨병에 초점을 맞추고 있습니다 릴리가 시작한 대화에 정말로 도움이됩니다 하지만 일시 중지하는 것이 매우 중요하다고 생각합니다 건강 데이터를 광범위하게 생각해보십시오

현재 청중에있는 모든 개인 약 몇 기가 바이트의 건강 데이터가 있습니다 그러나 수년 동안 건강에 관해 생각한다면 유전체학에 관해서 생각해보고, 분자 기술, 이미징, 센서 데이터, 환자보고 데이터, 전자 건강 기록 우리는 엄청난 액수에 대해 이야기하고 있습니다 데이터, 기가 바이트의 데이터 그리고 Verily와 Alphabet에서 우리는 우리가 환자들을 도울 수 있도록이 일에 앞장설 것입니다 우리가 초기에 우리의 노력 중 일부를 집중하고있는 이유 당뇨병에 이것은 긴급한 건강 문제입니다

약 10 명 중 1 명이 당뇨병을 앓고 있습니다 당뇨병에 걸릴 때 시체에서 설탕 포도당을 어떻게 다룰 지 그리고 당신이 prediabetes에 대해서 생각한다면, 누군가 당뇨병에 걸리기 전에 조건, 3 명 중 1 명입니다 오늘 청중의 전체 중앙 섹션이 될 것입니다 이제 몸이 처리 할 때 어떤 일이 발생합니까? 포도당은 다른 방법으로, 당신은 다운 스트림 효과를 가질 수 있습니다

릴리가 당뇨병 성 망막증에 대해 이야기하는 것을 들었습니까? 사람들은 심장, 신장, 말초 신경 병증 이것이 우리가 앞서 나아갈 필요가있는 질병의 유형입니다 그러나 우리는 우리가 다루려고하는 두 가지 주요 쟁점을 가지고 있습니다 첫 번째는 정보 격차입니다 따라서 당뇨병 환자 중 가장 견고한 환자들조차도 – 우리 할아버지는이 중 하나 였어

하루에 네 번씩 혈당을 확인합니다 오늘이 누구인지 모르겠다 어떤 간식을 먹을 수 있습니다 나는 캐러멜 팝콘을 실제로 가지고 있었다 누구든지 그 중 하나가 있었나요? 그래, 대단하다

우리의 생물학과 우리의 포도당은 위아래로 가고 있습니다 그래서 제가 그 순간에 포도당을 검사하지 않으면, 우리는 그 데이터를 포착하지 못했을 것입니다 그래서 우리는 생물학이 항상 일어나고 있다는 것을 압니다 심장병 전문의로 병원에있는 환자를 볼 때, 나는 누군가의 심장 박동수, 혈압, 모든 것을 볼 수있다 이 생체 신호 중 실시간으로 그리고 사람들은 집으로 돌아가지만 생물학은 여전히 ​​일어나고 있습니다

따라서 정보 격차가 있습니다 특히 당뇨병 환자와의 차이 두 번째 쟁점은 의사 결정 갭입니다 1 년에 1 회, 1 년에 2 회, 그러나 매일 건강에 대한 결정이 내려지고 있습니다 그들은 매주, 매일, 매시간 일어나고 있습니다

그리고 우리는 어떻게이 격차를 좁히기로 결정합니까? 진실로 우리는 세 가지 핵심 사명에 집중하고 있습니다 그리고 이것은 거의 모든 프로젝트에 적용될 수 있습니다 우리는 교대하는 법을 생각하고 있습니다 에피소드 및 반응 치료에서 훨씬 예방적인 치료에 이르기까지 다양합니다 그리고 그 일을하고 요점을 이해하기 위해 우리는 실제로 AI의 힘을 사용할 수 있습니다

우리는 세 가지를해야합니다 올바른 데이터를 수집하는 것에 대해 생각해야합니다 그리고 오늘 저는 지속적인 포도당 모니터링에 대해 이야기 할 것입니다 그런 다음이 데이터를 어떻게 구성하여 형식으로되어 있는지 확인하십시오 우리는 환자의 잠금을 해제하고 활성화하여 진정으로 도움을 줄 수 있습니까? 그래서 우리가 당뇨병 분야에서 이것을 행하는 지 여부 오늘 또는 우리의 수술 로봇에 대해 듣게 될 것입니다

이것은 일반적인 전제입니다 생각할 첫 번째 사항은 데이터 수집입니다 그리고 릴리가 쓰레기를 말하면서, 쓰레기가 나옵니다 이해하지 못하면 통찰력을 찾을 수 없습니다 우리가보고있는 것

그리고 절대적으로 혁명적 인 한 가지 매우 작은 생체 적합성에 대해 생각하고있다 전자 제품 따라서 우리는 차세대 감지 기술을 연구하고 있습니다 그리고 여기에서 데모를 볼 수 있습니다 이것이 예를 들어, 매우 작은 연속 포도당 모니터가있는 곳에서 이러한 도구 중 일부를 만들기 위해 협력하고, 이것은보다 매끄러운 통합으로 이어질 것입니다

다시 한번, 당신은 단지 포도당 값이 얼마되지 않습니다 그러나 우리는 당신 몸이 어떻게 취급하고 있는지 이해합니다 설탕, 제 2 형 당뇨병 환자, 보다 지속적인 방식으로 그것은 또한 우리가 인구 수준에서 일어나는 일 그러나 개인적인 차원에서 일어날 수있는 일 특정 음식을 섭취 할 때 그리고 마지막으로 장치 비용을 줄이려고 노력합니다 그래서 우리는 건강을 정말로 민주화 할 수 있습니다

다음 목표는이 모든 데이터를 어떻게 구성 할 것인가입니다 그리고 저는 환자와 의사로서 말할 수 있습니다 사람들이 말할 수있는 것은 데이터가 놀랍고, 쓰나미로 데이터를 압도하지 마십시오 당신은 그것을 조직해야합니다 그래서 우리는 사노피와 파트너십을 맺었습니다

Onduo라는 회사에서 그리고 그 생각은 환자를 그들의 보살핌과 도움의 중심에 당뇨 관리를 단순화합니다 이것은 정말 누군가의 마음에 도착합니다 누가 더 행복하고 건강해질 것인가 그렇다면 실제로 무엇을 의미합니까? 우리가하려는 일은 사람들에게 힘을 실어주는 것입니다 그들의 포도당 제어와 함께

그래서 우리는 미국 당뇨병 협회 권장 포도당 범위를 살펴보십시오 그러면 사람들이 당신에게 보여주는 그래프를 얻습니다 하루의 모습과 시간의 비율 너는 범위 안에있다 다시, 환자 또는 사용자에게 제공 그 데이터는 그들이 결정의 중심이 될 수 있도록 – 마지막으로 Google 피트니스를 통해 단계를 추적합니다 다음 목표는 이해하려고 노력하는 것입니다

포도당이 당신의 활동과식이 요법과 어떻게 조화를 이루고 있는지 여기에는 프롬프트를 표시하는 앱이 있습니다 음식 사진 그리고 이미지 인식을 사용하고 Google의 TensorFlow를 사용하여, 우리는 음식을 식별 할 수 있습니다 그리고 이것이 진정한 개인적 통찰력이있는 곳입니다

진짜가되기 시작하십시오 왜냐하면 당신이 특정 식사를 먹으면, 몸이 어떻게 끝나는 지 이해하는 것이 도움이됩니다 그것과 관련있다 그리고 흥미로운 예비 자료가 있습니다 미생물이 변할 수 있음을 시사한다

내가 바나나에 반응 한 방식, 예를 들면, 그렇지 않으면 응답 할 수 있습니다 그리고 그것은 모두가 중요하기 때문에 중요합니다 우리가 만드는 일반적인 권고 사항이 갑자기 의사로서 누군가 나를 클리닉에서 보러 오면 2 형 당뇨병이 있습니다

여기 당신이해야 할 일들이 있습니다 당신은 당신의 다이어트, 운동, 구두 약을 복용하십시오 인슐린, 운동도 받아야합니다 당신은 당신의 발 의사, 당신의 눈을보아야 만합니다 의사, 주치의, 및 endocrinologist

그리고 그것은 통합 할 것이 많습니다 그래서 우리가하려고하는 것은 쌍입니다 이 모든 정보는 간병과 함께 간단한 방법으로 제공됩니다 이 여행을 돕는 사람입니다 이 정보가 떠오르면 내가 여기서 너에게 보여준 것의 가운데를 들여다 보면 의료지도와 그 사람이 보는 것, 당신은 여러 다른 라인을 볼 수 있습니다

드릴 다운하고 살펴보기를 바랍니다 이것은 데이터 간의 차이점을 보여줍니다 에피소드 식 포도당 예제에서 볼 수 있습니다 또는 지속적인 포도당 모니터로보고있는 것 이 새로운 감지로 가능합니다 그리고 우리가이 연속 포도당을 뚫어 말하며 모니터하고 우리는 일의 클러스터를 봅니다

이것은 하나의 예입니다 우리는 패턴을보기 시작할 것입니다 릴리가 언급했듯이 이것은 유형의 것이 아닙니다 개별 환자, 간병인 또는 의사가 파고 있지만, 여기가 당신은 학습 모델의 힘을 풀기 시작합니다 우리가 볼 수있는 것은 클러스터입니다

다른 아침의 우리는 긍정적 인 연관성을 만들거야 모두가 여기에서 믿을 수 없을만큼 건강하게 먹는다고 Google I / O에서 빨간색 아침의 클러스터가 될 수도 있습니다 하지만 우리는 일상 생활로 돌아가서 스트레스를받습니다 우리는 다른 종류의 음식을 먹고 있습니다

그러나 대신에, 일반적인 조언을하는 대신에, 우리는 다른 모델을 사용하여 지적 할 수 있습니다 뭔가 진행되고있는 것처럼 보입니다 예를 들어 환자 한 명과 수요일 즈음에 군집이 보였다 그래서 수요일에 무슨 일이 일어나고있는거야? 그 사람이 가고 멈추고 있는가? 특정 위치 또는 어쩌면 거기에 있습니다 그날 많은 스트레스

그러나 다시 한번, 일반적인주의를 기울이지 않고, 가장 포괄적 인 방법으로 치료를 시작할 수 있습니다 실용 가능한 예 다시 한번 우리가 말하는 것에 대해 생각해보십시오 데이터 수집, 구성 및 활성화 매우 관련성이 높습니다 이것이 우리가 당뇨병 관리에 관해 생각하는 방식입니다

이것이 바로 AI가 작동하는 방식입니다 우리는 오늘 아침 다른 토론에서 들었습니다 우리는 문제에 대해 생각해 봐야 해 우리는 이러한 도구를 사용하여 실제로 만들 것입니다 차이

그래서 우리가 생각할 수있는 다른 방법은 무엇입니까? 정보 활성화에 대해서? 그리고 릴리에게서 당뇨병 성 망막증 실명의 주요 원인 중 하나입니다 우리가 뛰어난 포도당 관리를하더라도, 말기 장기 손상이 시작될 수도 있습니다 그리고 나는 그 상승 된 포도당을 언급했다 레벨이 결국 안저 및 망막에 영향을 줄 수 있습니다 이제 당뇨병 환자들 심사를 받아야합니다

하지만 이전에 내가 너에게 준 이야기에서 우리가 환자에게 묻는 것의 세탁 목록 당뇨병에 걸린 사람 그래서이 공동 작업으로 우리가하려는 일은 구글과 함께, 어떻게 우리가 실제로 제품을 앞서 생각하고 생각하다 우리가 실현할 수 있도록 엔드 – 투 – 엔드 솔루션에 대해 오늘날 존재하는 어려움을 제거하십시오 이 문제는 상영에 관한 한 그 중 하나이기 때문에 내게 필요한 옵션이며 다른 하나는 검안의와 안과 의사에게 접근 할 수 있습니다

그리고 이것은 미국의 문제입니다 개발 도상국 에서뿐만 아니라 그래서 이것은 단지 문제가 아니라 지역적 문제입니다 이것은 우리가 매우 세계적으로 생각할 때입니다 우리는 해결책에 대해 생각합니다 우리는이 데이터를 일찍이 생각해 보았습니다

우리는 알고리즘을 사용할 수 있고 두 감도 모두를 높일 수 있습니다 당뇨 망막 병증의 진단과 특이도 황반부 종 그리고 이것은 "JAMA"에 게시 된 데이터입니다 릴리가 잘 설명했듯이 그렇다면 우리는 어떻게 생각할 것인가? 이 제품을 만드는 방법에 대해? 알파벳 같은 장소에서 일하는 것의 아름다움 오늘 당신과 같은 파트너와 함께 일하는 것이 우리 모두입니다

생각할 수있는 것, 우리가 해결해야 할 문제가 무엇인지, 알고리즘을 작성하십시오 그러나 우리는 그 때 뒤로 물러 설 필요가있다 보건 분야에서 활동한다는 의미 그리고 생명 과학의 공간에서? 우리는 이미지 획득, 알고리즘, 그 정보를 전달하는 것 의사뿐 아니라 환자에게도 도움이됩니다 우리가하는 일은이 정보를 취하는 것입니다 현재 일부 파트너와 협력하고 있습니다

현재 유망한 파일럿이 있습니다 인도에서와 마찬가지로, 우리는 듣고 싶습니다 이른 피드백 그리고 두 가지 정보가 있습니다 나는 너와 나누고 싶었다

하나는이 초기 관측을보고, 우리는 AI로 더 높은 정확도를보고 있습니다 더 큰 매뉴얼보다 의사로서 중요한 것은 – 방에 다른 의사가 있는지 나는 모른다 하지만 내가 항상 사람들에게 말하는 부분은 건강 관리 제공자를위한 공간이 될 것입니다 이 도구들이하는 일은 단지 우리가 일하는 것을 돕는 것입니다

그래서 때로는 사람들이 나에게 묻습니다 기술과 인공 지능입니다 의사를 대신하거나 의료 제도를 대체 할 것인가? 그리고 제가 생각하기에 그것은 단지 작품을 증대시키는 것입니다 우리는하다 청진기에 대해 생각한다면 – 그래서 저는 심장 전문의이고 청진기입니다

약 200 년 전에 발명되었습니다 우리가하는 일을 대체하지는 않습니다 그것은 단순히 우리가하는 일을 보강합니다 그리고 나는 우리가 계속하는 것과 비슷한 주제를 보게 될 것이라고 생각합니다 더 많은 것을 돌보는 방법에 대해 생각해보십시오

환자에게 효과적인 방법 그래서 여기서 가장 먼저 AI가 더 잘 수행되고 있다는 것입니다 수동 그레이더보다 그리고 두 번째로 생각하는 것입니다 그 환자 기초에 대해서

우리는 어떻게 진료를 진정으로 민주화합니까? 그리고 조종사에게서 다른 격려하는 조각 우리가 시작할 수있는 아이디어였다 알고리즘으로 치료받는 환자의 기반을 증가시킨다 이제 밝혀 졌을 때, 나는 좋아할 것입니다 건강하게 모든 것을하는 것이 정말 쉽다는 것을 말하고 있습니다 간호 및 생명 과학

그러나 그것이 나왔던 것에 따라, 그것은 거대한 마을을 필요로한다 이런 종류의 일을하는 것 그럼 다음은 뭐니? 임상 입양의 경로는 무엇입니까? 그리고 이것은 이것이 대단히 흥미로 웠습니다 많은 재능있는 기술자들과 일하는 의사가 되라 및 엔지니어 우리는 이제 다른 임상 사이트와 파트너가되어야합니다

나는 여기서 언급했다 우리는 또한 FDA, 유럽 ​​및 그 밖의 규제 기관들도 마찬가지입니다 우리가하기로 결정한 진실로 한 가지 FDA 사전 인증이라고 불리는 것에 속하는 것입니다 프로그램 우리는 새로운 기술과 새로운 알고리즘 의료 보험에 가입하는 것이 중요하지만 지금은 그 방법을 알아 내야합니다

둘 다 안전하고 효과적입니다 그리고 저는 Alphabet에서 우리를 자랑스럽게 생각합니다 앞서 나가고 파트너 관계를 유지하십시오 FDA와 같은 단체들과 주의해야 할 두 번째 사항 우리가 진실로 진실로 Google 및 Nikon 및 Optus와 같은 다른 파트너와 함께 이 모든 것들이 모여 든다 진료를 변형시키려는 시도

그러나 나는 이것이 올바르게하면, 당뇨병뿐만 아니라 실제로 큰 기회가 있습니다 건강 정보의 전 세계에서 그것에 대해 생각하는 것은 흥미 롭습니다 내 시간을 대부분 보살 피는 의사로서 병원에있는 환자의 보살핌에 더 많은 접근을 시작하십시오 병원 밖에서? 하지만 우리가 잘한다면 우리가 앞서 나가면이 격차를 좁힐 수 있습니다 더 예방적인 방법을 찾아 낼 수 있습니다

우리는 올바른 정보를 수집 할 수 있습니다 우리는 인프라를 구성하여이를 구성 할 수 있습니다 그리고 가장 중요한 것은 그것을 활성화하는 방법을 알아낼 것입니다 그러나 나는 모두가 여기에서 알고 싶어한다 이것은 우리가 홀로 할 수있는 일이 아닙니다

정말로 우리 모두를 필요로합니다 그리고 Verily, 우리는 Google에, 우리는 Alphabet 여러분 모두와 함께 할 수 있기를 기대합니다 그래서이 여행에서 우리를 도와주세요 이 대화 후에 릴리와 나는 여기있을 것이다 우리는 여러분 모두와 행복하게 대화 할 수 있습니다

I / O에서 시간을내어 주셔서 감사합니다 [음악 재생]

Google’s Duplex AI Demo Just Passed the Turing Test

안녕하세요 여러분, 지금은 좋은 소식을 알려 드리고자합니다 이 며칠간

구글은 새로운 구글 어시스턴트를 발표했다 그것은 사람들과 완벽하게 대화 할 수 있다는 것입니다 사람들이 사람들과 이야기하는 것 그리고 Google I / O 20018 지난 밤 Google은 모든 방문자를 놀라게했을 때, CEO 일요일 Pichai, 대화에 대해 보여줘

미용실 및 식당 매니저 저녁을 먹기 위해 헤어 살롱으로 예약하십시오 그 회합에서 전화를받는 상대방은 진짜 사람이고, 상대방이 통화하고 있다는 것을 모릅니다 AI 기술 대화에 따르면 사람들이 말하는 것처럼 너무 활기차게 보입니다

Google은 AI의 새 버전을 Google Duplex라고했습니다 그들이 그것에 대해 공부하기 위해 수년간 걸리는 것 그것은 현재 사용중인 보조자 왜냐하면 더 많은 능력을 구글 어시스턴트가 있기 때문에 수만 있습니다

간단한 사용하고 아직 완벽하지 않습니다 사람들이 사람들과 이야기 할 때 Google처럼 사람들과 이야기 할 수 없습니다 google duplex 대화에 대해 명확하게 이해할 수 있습니다 대화를 강요하지 않습니다 사람들이 말하고 기다리는 동안 기다릴 수 있습니다

다른 한편으로는, 구글 이중은 문장과 절을 이해하는 능력을 가지고 있습니다 다중 방식으로 재생할 수 있고 복제하지 못합니다 정말로 굉장하지만 변환이 너무 복잡한 경우, google duplex는 대신 대화를 제어하는 ​​사람에게 알려줍니다 그것은 상대방으로부터 복잡한 정보를 이해할 수 없다면 알 수 있습니다 그것은 컨트롤러에게 대신 이야기 할 것입니다 새로운 구글 CEO 인 선덜 피 차이 (Mr

Pundai)는 google duplex는 기본 시도에 필요합니다 더 강해지려면 더 많은 시간을 개발해야한다 자동으로 작업 할 수 있고 더 이상 사람에게 의존 할 필요가 없습니다 방금 사용자로부터 정보를 얻었습니다 Google 양면 인쇄가 완전히 좋을 것입니다

그는 구글이 날짜와 장소를 발표 할 것이라고 말했다 만약 회사는 google duplex를 게시하고 싶어합니다 그래서 우리가 외로운 사람이라면 말할 사람이 없습니다 그래서 미래에는 Google 양방향, 새로운 세대의 Google 도우미를 사용할 수 있습니다 사람들과 이야기하는 것처럼 서로 이야기하는 Google 그리고 이것은 Google 쇼가 보여주는 첫 번째 세대입니다

자신의 비서가 될 수있는 기능은 사람들과 대화를 나눕니다 사람들은 그가 Google AI 기술과 대화하고 있다는 것을 모릅니다 그리고 그것은 그렇게 활발하다 그리고이 사이의 대화에 대한 비디오 쇼입니다 미용실과 식당에있는이 신기술을 지금 비디오를 보면서이 기술이 좋은지 아닌지 확인하십시오 미래에는 이 기술이 사람들 대신 어떻게 작동 할 수 있는지

당신이 그것을보고 생각한 후에 이것은 인공 지능 기술입니다, 인공 지능 인공 지능 정말 대단한 기술입니다 어쩌면 약 1 년 동안 영국의 이론 물리학 자 스티븐 호킹 그리고 엘론 사향 씨는 AI 기술은 위험한 기술입니다 사람들이 그것을 통제 할 수 없다면, 그런 다음 사람들에게 다시 제어 할 것입니다 그것은 강력한 기술입니다

그래서 이제 끝내야 해 Google에서이 신기술의 비디오 데모를 볼 수 있습니다 우리 중소기업의 60 %가 온라인 예약을 가지고 있지 않습니다 system Sarah 우리는이 문제에 대해 도움을 줄 수 있다고 생각합니다 그래서 다시 돌아가 봅시다

이 예에서는 Google에 헤어컷 약속을하도록 요청하고 싶다고 가정 해 보겠습니다 화요일 오전 10시에서 정오까지 Google 비서가하는 일은 당신을 위해 배경에서 원활하게 전화 할 수 있습니다 Google 조수가 실제로 실제 살롱에 전화하여 예약 일정을 잡습니다 당신은 들어 봅시다 두려움이 없다 안녕하세요 저는 우리의 의뢰인을 잘라냅니다 저는 찾고 있어요

5 월 3 일에 무언가를 위해, 나는 당신에게 몇시에 대한 하나를 주겠다 12시에 우리는 사용 가능한 품질이 없습니다 하지만 우리가해야 할 가장 가까운 것은 오전 1시 15 분입니다 오전 10시와 그녀는 어떤 서비스를 원 하느냐에 따라 12:00 pm 지금은 그냥 여자의 이발을 위해서 우리는 10시를 가지고 있습니다 오전 10시는 괜찮습니다

너의 탄생 장면은 뭐니 뭐니해도 이름은 리사 야 내가 볼 수있을 정도로 완벽하다고 말할거야 Lisa 그것은 5 월 3 일에 10시입니다 대단히 감사합니다 수년간이 기술을 연구해온 Google 이중화라고합니다

수년 동안 우리의 모든 투자와 자연 언어를 결합합니다 우리가있을 때의 방식으로 텍스트를 음성으로 학습하는 것을 이해합니다 조수가 당신에게 당신의 약속이 처리되었습니다 다른 예를 들어 보겠습니다 식당에 전화하고 싶지만 어쩌면 작은 식당 이겠지요

온라인으로 쉽게 예약 할 수 없으므로 전화가 실제로 약간 달라집니다 예상보다 4 명이 듣기에 잘 맞습니다 수요일 오후 6시 오 오하이오 오페라 (오페라) 보통 얼마나 오랫동안 자리에 앉을 수 있니? 다음 주 수요일을 위해 내일 예 일곱 오 아니, 너무 쉽지 않아 네가 사람들에게 의지 할 수있어 오, 오 그래, 내가 나중에있어 앞으로 몇 주 안에 실험으로 출시 될 예정입니다

머물다

Deep Learning Images for Google Compute Engine

[음악 재생] VIACHESLAV KOVALEVSKYI : 안녕하세요 오늘은 깊은 학습 이미지에 대해 이야기하겠습니다

Google Compute Engine 용 그리고 이것은 흥미로운 주제입니다 그리고이 주제의 본질은 흥미 롭습니다 많은 모임과 많은 활동 활동이 끝날 때까지 보여주는 방법 새롭고 멋진 것을 만들어야합니다 그러나 깊은 학습 이미지는 도구이며, 자신의 프로젝트에서 사용해야하는 도구 아마 오늘 우리는 가지 않을거야

당신이 만들 수있는 특별한 멋진 것들을 망라합니다 나는이 도구를 설명하려고 노력할 것이다 그리고 사람들이 어떻게 활용하는지 알게 되길 바랍니다 이 도구는 자신의 프로젝트에 있습니다 그래서 우리가 깊은 학습 이미지에 대해 말할 것 인 동안, 때때로 나는 다른 명령을 사용할 것이다

일할 때 내 삶을 단순하게 해준다 깊은 학습 이미지와 실제로는 Google Compute 엔진 이것은 GitHub 페이지의 링크입니다 정확히 모든 명령이 있습니다 오늘 내가 보여줄 것입니다

이 링크는 Meetup의 후속 조치 노트에 있습니다 그래서 랩톱을 가지고 있지 않고 그것을 쓰고 싶지 않다면 지금은 절대적으로 괜찮습니다 이것은 설문 조사의 QR 코드입니다 하지만 조금 후에 설문 조사를하겠습니다 이 QR 코드가 다시 표시됩니다

하나의 주된 질문에 대답하면서 시작하겠습니다 깊은 학습 이미지 란 무엇입니까? 깊은 학습 이미지는 기본적으로 다른 VM 이미지 세트 깊은 학습을하기 위해 필요한 모든 것을 갖추고 있습니다 상자 밖으로 연구 몇 가지 핵심 사항이 있습니다 이것은 가상 시스템에 대한 하나의 이미지가 아닙니다

이것은 일련의 이미지입니다 우리는 실제로 서로 다른 이미지를 가지고 있습니다 이것은 모두를 설명하는 그래프입니다 그리고 우리는 나중에이 그래프로 돌아올 것입니다 그러나 요지는 단지 하나의 이미지가 아닙니다

두 번째 요점은 상자 밖에서 작동한다는 것입니다 그래서 그것은 무엇을 의미합니까? 그리고 그것이 실제로 중요한 이유는 무엇입니까? Bob을 만나 봅시다 그래서 Bob입니다 Bob은 깊은 학습을 원합니다 깊은 학습을하기 위해 그는 빌드하고 싶어합니다

자신 만의 가상 머신 깊은 학습에 필요합니다 그렇게하기 위해 Bob이 TensorFlow와 GPU를 사용하기를 원한다면, 그는 실제로 어떤 것을 알아 내야하는지 CUDA의 특정 버전은 TensorFlow에서 필요합니다 과거에 당신 중 누구라도 CUDA로 TensorFlow를 설정하려고 시도했지만, 당신은 아마 심지어 알아낼 수 있습니다 정확한 버전의 CUDA가 필요합니다 간단한 작업이 아닙니다

그건 그렇고, 얼마나 많은 사람들이 설치 했니? 로컬 컴퓨터에서 직접 GPU로 TensorFlow, Mac OS, 또는 구름에? 승인 꽤 많은 수 좋은 그래서 당신은 고통을 압니다 다음으로, 당신이 CUDA를 알아 내면, CUDA가 사용하는 정확한 드라이버를 알아야합니다

그리고 그 드라이버를 설치해야합니다 그런 다음 CUDA를 설치할 수 있습니다 그런 다음 CuDNN의 정확한 버전을 알아 내야합니다 TensorFlow가 필요하며 설치하십시오 그리고 NCCL은 TensorFlow 1

10부터 시작하여, 설치하지 않으면 실제로 작동하지 않습니다 올바른 NCCL 바이너리 그리고 마지막으로 TensorFlow를 설치할 수 있습니다 무언가 잘못되면 아마도 전혀 일하지 않을 것입니다 승인

자, Bob이 VM의 설정을 완료했다고 가정 해 봅시다 몇몇 GPU V100 설정은 다음과 같습니다 그래서 이것은 Bob의 정확한 설정입니다 완료, TensorFlow 1

9, CUDA 90, CuDNN 7, NCCL이 설치되지 않았습니다 합리적인 질문 – 이것이 가능한 최상의 구성인가? 그게 당신이 돈을 최대한 활용할 수있게 해줍니다 인스턴스를 지불하고 있습니까? 이제 기준선을 살펴 보겠습니다 그래서 이것은 속도의 기준선입니다

이것은 우리가 방금 Bob이 논의한 구성입니다 CuDNN 71 및 최신 NCCL로 전환하면, 10 %의 성능 향상 효과가 있습니다 원래 구성으로 가지고 있던 것의 위에 그래서 생각할지도 모릅니다

좋아요 최신 CUDA를 사용하십시오 최신 드라이버, 최신 CuDNN을 설치하고 잊어 버리십시오 그것은 나에게 최대의 성능을 줄 것이다 이 생각이 나타 났을지라도 CUDA 9

1이 출시되면 91이 실제로 느려지는 것을 볼 수 있습니다 TensorFlow 다운 그래서 최신의 것을 사용했다면, CUDA 91이 출시 될 무렵에는 최상의 구성을 사용하고 있지 않습니다

그리고 최신 92를 사용하고 있다면, 당신은 실제로 15 %의 성능 향상을 보입니다 승인 Bob이 실제로 이것을 어떻게 알 수 있습니까? 어떤 구성이 최선인지 그의 특별한 경우에요? 이것을 파악하려면 TensorFlow를 컴파일해야합니다 다른 CUDA를 사용하는 다른 방법은 없습니다

원본에서 컴파일하는 것을 제외하고는 공식 바이너리는 CUDA 90 기간만을 사용하고 있습니다 당신은 다른 것을 사용할 수 없습니다 그런 다음 특정 모델로 실험을 실행해야합니다

인스턴스에서이 새로운 TensorFlow 실제로 컴파일 한 파일은 후원 그리고 약 12 ​​개의 바이너리를 빌드해야합니다 세 가지 다른 CUDA가 있습니다 두 가지 다른 CuDNN이 있습니다 두 가지 NCCL 옵션이 있습니다

그리고 [? Anton 's?] Python 2, Python 3 사용에 관해 말하기 따라서 소스에서 컴파일해야하는 12 개의 바이너리 새로운 Nvidia 스택이 출시되면, 또는 새로운 TensorFlow가 출시되면 이 모든 것을 처음부터 시작해야합니다 성능은 실제로 새로운 스택으로 변경되기 때문입니다 그리고 이것은 정확하게 우리 팀이 플레이하는 곳입니다

우리는 정확하게 파악하는 데 집중하고 있습니다 어떤 깊은 학습 프레임 워크의 특정 구성 하드웨어에서 최대한의 성능을 끌어낼 것입니다 Google Compute Engine에 있습니다 그래서 우리는 각각의 새로운 그것을 컴파일하는 방법을 공개하십시오 당신 돈의 Google Compute에서 보유하고있는 내용과 TensorFlow의 공식 이미지에 포함 된 엔진 방금 다운로드 할 수있는 차이점이 표시됩니다

CUDA와 함께 우리는 92를 사용하고 TensorFlow는 90을 사용합니다 우리는 같은 CuDNN 있습니다

우리는 NCCL을 사용하고 있습니다 사실 110 [INAUDIBLE]도 NCCL 사용을 시작합니다 우리는 MKL을 사용하고 있습니다 CPU 인스턴스 만위한 MKL

그리고 MKL이 무엇인지 모를지라도, 비 GPU 인스턴스의 MKL이 당신을 포기할 수 있습니다 5 배의 성능 향상 5 번과 마찬가지로 빨리 비교할 수있는 무언가가 있습니다 공식 빌드 승인

그래서 이것은 당신이 이미지의 내부에 들어가는 것입니다, 이미 사전 구축, 구성 및 작동 준비가 완료되었습니다 이제,이 깊은 학습 이미지가 어디에 적합한 지 물어볼 수 있습니다 우리의 모든 다른 제품 중에서 Kubeflow가 있습니다 우리는 기계 학습 엔진을 가지고 있습니다

우리에게는 Colab과 다른 모든 것들이 있습니다 우리가 시장에서 제공하는 것 그래서 당신이 다른 제품의이 마술적인 줄을 본다면, 가장 왼쪽면이 완전히 관리되는 솔루션이라고 가정 해 보겠습니다 Machine Learning Engine 또는 Colab과 같은 것입니다 그리고 오른쪽이 솔루션입니다

데이터 센터와 컴퓨터에있는 것입니다 그리고 기본적으로 오른쪽 저쪽에있는 어딘가에, Google Compute Engine이 있습니다 당신은 당신이 원하는 것을 무엇이든 할 수 있습니다 아마 어딘가에 Kubernetes와 Kubeflow가 있습니다 아직 완전히 관리되지 않았습니다

GCE에서 기계에 접근 할 수있다 비록 당신이 Kubernetes를 달리고 있다고하더라도 이 멋진 남자의 인용문을 보여 드리죠 또한이 인용문이 무엇인지 기억하는 사람은 누구입니까? 이 견적을 누가 기억합니까? 그것은 오래된 인용문입니다 괜찮아

승인 승인 나는 한 손을 본다 관객 : Google 검색 사람들이 Google 검색을 잘못 입력 한 경우 VIACHESLAV KOVALEVSKYI : 닫기

하지만 실제로 그는 아마도 두 번 말했을 것입니다 누가 알아 그러나 그가 언급했을 때 한 가지는 Google Cloud가 처음 출시되었을 때 단 하나의 헌금이있었습니다 우리는 App Engine을 가지고있었습니다 App Engine은 정말 좋은 기술이었습니다

시장에 출시 된 최초의 서버리스 기술이었습니다 저 밖에 그러나 문제는 고객이 완전히 준비 됐어 그들은 투자 할 자원이 없었고, 그 당시에 모든 것을 브랜드로 옮기기 이전에는 볼 수 없었던 새롭고 새로운 접근 방식 그래서 에릭 슈미트 (Eric Schmidt) 우리는이 밝은 미래를 가지고 있습니다

그러나 우리는 고객이 현재있는 곳에서 고객을 만나야합니다 그리고 Google Cloud는 실제로 Google Compute를 도입했습니다 엔진 이제 우리의 깊은 학습 이미지가 바로 여기에 있습니다 그들은 자신의 솔루션을 가지고있는 곳입니다

당신은 당신 자신의 연구 파일, 논리를 가지고 있습니다 자신 만의 스핀 업 클러스터 솔루션이 있습니다 지금 원하지 않거나 어디로 든 이동할 수 없습니다 지금은 투자 할 수 없습니다 그러나 당신에게는 많은 유산이 있습니다

어딘가에 그것을 실행해야합니다 따라서 TensorFlow 또는 GPU로 실행해야하는 경우 GPU, 당신은 우리의 고객입니다 그것을 다룰 수있는 최상의 이미지를 만들어 낼 것입니다 승인 사용 방법? 이미지를 사용하는 몇 가지 방법이 있습니다

실제로 두 가지 가능한 주요 용도 우리는 UI 또는 CLI입니다 UI는 매우 단순하고 자기 탐색 적입니다 나는 그 부분을 실제로 만질 것입니다 나는 CLI, Common Line Interface 및 그 것들에 중점을 둘 것이다

너 알아야 해 그래서 당신이해야 할 첫 번째 일은 깊은 학습을 통해 인스턴스를 만들고 싶다면 이미지는 어느 특정 풍미를 알아 낸다 당신은 사용하고 싶습니다 이것은 현재의 맛의 그래프입니다 우리가 지금 제공하고있는 것 보시다시피, 우리는 두 가지 주요 프레임 워크, TensorFlow 및 PyTorch

그리고 만약 당신이 뭔가 다른 것을 필요로한다면, 말 그대로 CUDA가 필요합니다 CUDA의 다른 버전과 공통점이 있습니다 그래서 우선, 우리는 알아낼 필요가 있습니다 어떤 특정한 향기를 사용하고 싶습니다 이것은 이미지 패밀리라고도합니다

이 특정 예에서는 우리가 가족을 사용하고 있습니다 TensorFlow는 CUDA 92에서 최신 버전입니다 이것은 가족이 지정된 곳입니다 그리고 얼마나 많은 사람들이 만들고 있습니다

Google Compute에서 인스턴스를 생성하고 재생했습니다 엔진 또는 과거의 다른 클라우드 공급자? 꽤 많은 수 좋은 따라서 Google Compute Engine에서 인스턴스를 만드는 경우, 이미지의 패밀리를 지정할 수있는 기능이 있습니다 Docker 태그를 사용했다면 가족에 관해 생각할 수 있습니다

항상 최신 Docker Container를 가리 킵니다 그리고 내가 여기에서 멈춘 이유는, 문제에 대해 이야기하고 싶습니다 이미지 패밀리 또는 Docker Containers의 태그를 사용합니다 문제는, 만약 당신이 항상 최신의 것을 지적한다면, 이런 기회가있을거야 결국 나타납니다

이것은 NumPy 커뮤니티입니다 기본적으로 그들이 새로운 NumPy를 발표 할 것이라고 전 세계에 알리고 있습니다 그리고이 새로운 NumPy는 많은 것을 소개했습니다 많은 청소 그리고 이것은 많은 고객들에게 영향을 줄 수 있습니다

실제로 고객을 알고 있습니다 이 업데이트 된 NumPy로 인해 영향을 받았습니다 정확하게 이것 가족을 이용하고 있거나, Docker Container 최신 버전 사용, 아마도 최신 업데이트 보안 수정 때문에이 NumPy가 이미 포함되어 있습니다 이 NumPy가 가지고있는 것

그리고 아마도 당신을 망칠 것입니다 따라서 Docker 또는 이미지를 사용하는 경우, 직접 가족을 사용하는 것으로 전환해야합니다 다음 파이프 라인을 사용하여 제작합니다 3 단계입니다 가족으로부터 최신 이미지를 얻고 있습니다

솔루션으로 테스트하고 있습니다 그리고 당신은 자극적으로 그것을 사용하고 있습니다 언제나 이걸 좋아하세요 제발, 가족을 직접 사용하지 마세요 프로덕션에서 사용하는 경우 생산이란 교통을 제공하는 것이 아닙니다

나에게 오늘의 프로덕션은 내가 보여줄 나의 데모이다 그리고 내 데모에서는 정확한 이미지를 사용하려고합니다 당신이 추출 할 수있는 명령이 있습니다 정확하게 이미지 이름 그리고 오늘 저는 TensorFlow 최신 CPU를 사용할 것입니다

정확한 해쉬 이것은 기본적으로 사용할 이미지입니다 그리고 이제 나는 가족으로부터 나의 명령을 바꾸고있다 실제 이름으로 두 번째 – 이미지 프로젝트

우리는 실제로 일부 고객을 보유하고 있습니다 인스턴스를 만들 때, 프로젝트에 프로젝트를 설정하고 있습니다 그러나 이것은 우리의 이미지 인 이미지를 호스팅하는 프로젝트입니다 정책을 유지하십시오 문제는 GPU를 사용하는 경우, 인스턴스를 다른 하드웨어로 실시간 마이그레이션 할 수 없음 기계

이건 매우 중요합니다 그리고 이것을 고려할 때 이것을 알아야합니다 유지 관리를 위해 GPU를 사용하는 경우, 유일한 방법은 인스턴스를 실제로 종료하는 것입니다 다음 부분은 인스턴스를 만들고 싶다면, 당신은 그 가속기가 어떻게 또는 무엇인지를 설정하고 있습니다 당신이 사용하기를 원합니다

이것은 중요한 부분입니다 특정 가속기를 선택할 필요가 없다 우리가 가지고있는 넷에서 지역에 대해 스스로를 교육해야합니다 거기에 존재한다

잘못된 지역을 지정하는 경우 가속기가 존재하지 않으면 작동하지 않습니다 그리고 올바른 영역을 설정 한 후에, 정확한 액셀러레이터 올바른 액셀러레이터를 설정하는 방법 인스턴스에 연결할 것입니다 금액이 존재하지 않으면, 다시, 인스턴스를 생성 할 수 없습니다 예를 들어, 테슬라 v100 및 네 개의 테슬라 v100이 있습니다 우리는 아직이 구성을 지원하지 않습니다

그리고 마지막 하나 – 이 부분은 기본적으로 Google에 허가권을 부여합니다 Nvidia 드라이버를 설치해야합니다 문제는 이미지가 미리 설치된 CUDA 인 CuDNN과 함께 제공된다는 것입니다 모든 것은 사전 설정되고 테스트되었습니다 Nvidia 드라이버는 예외입니다

이런 식으로 된 이유는 몇 가지 있습니다 나는 그 특별한 이유에 관해 잠수하지 않을 것이다 하지만이 깃발이 없으면 엔비디아 드라이버가 없습니다 설치된 인스턴스에서 자, 다른 무엇을 조정할 수 있습니까? 필요한 경우 미리 사용할 수있는 플래그를 설정할 수 있습니다

선매는 기본적으로 – 선매품의 개념을 누가 압니까? 승인 그래서 Google Compute Engine에는 이러한 개념이 있습니다 선취 형 인스턴스의 경우 실제로 구매하는 경우 같은 경우지만, 더 싼 가격 때문에, 단 한 가지 단점이 있습니다 이 인스턴스는 언제든지 해제 할 수 있습니다 그래

나는 개인적으로, 내가 선매 사례를 쓰고있을 때마다, 그곳에서 많은 모델을 훈련 시키면, 그러나 때때로, 그것은 아무 것도없이 꺼져 있을지도 모른다 너 어떻게 말하는거야? 어쨌든 이제는 다음과 같은 경우 할당량을 확보해야합니다 당신은 GPU를 만들고 있습니다 따라서 할당량을 요청해야합니다

선점 가능한 인스턴스에 대한 할당량이 할당량과 동일하지 않습니다 정상 인스턴스로 Nvidia P100에 대한 할당량이있는 경우, 선점 형 Nvidia P100에 대한 할당량이 필요합니다 선점 가능한 인스턴스를 시작하려면 다음으로, 이와 같은 명령을 실행하려고한다면, 가능한 가장 작은 인스턴스를 가져옵니다 나는이 사람이 하나의 코어와 1GB 미만의 메모리를 가지고 있다고 생각한다

원하는 경우 지원되는 모든 컴퓨터 유형을 연결할 수 있습니다 다음으로 디스크 유형을 설정할 수 있습니다 이것은 실제로 SSD입니다 우리는 로컬 SSD 디스크를 지원합니다 SCSI 디스크

이것은 기본적으로 측정 및 속도 중 일부입니다 우리는 로컬 SSD 디스크로 당신을 보증 할 수 있습니다 그리고 가장 중요한 것은 새로운 유형을 도입했습니다 실제로 NVMI를 사용하는 로컬 SSD 디스크 인스턴스에 대한 연결 그리고 그것은 당신에게 – 그래서 오래된 것을 가진 상단에 하나, 하단에 하나 새로운 하나 – 나는 두 번 빨리 말하지는 않겠지 만, 훈련을받는 것이 중요합니다

디스크에서 데이터를 읽는 것이 필요합니다 그리고 마지막 하나 범위 이러한 범위는 실제로 필요합니다 TPUs를 사용하고 싶다면

그리고 저는 여기에서 실제로 전환 할 것입니다 콘솔에 두 번째 TPU 노드를 만들려고합니다 우리는 TPU 노드를 만들려고합니다 몇 분 안에 그것을 사용하십시오

그리고 TPU 노드를 몇 분 만에 생성하기 때문에, 지금 TPU 노드를 시작하겠습니다 그리고 네트워크 설정을 누르고 Create를 누릅니다 자, 내가 지금 막 메타 데이터를 지정할 때 Nvidia 드라이버 설치, Google에 허가를 당신을 위해 드라이버를 설치하십시오 실제로 클러스터가있는 많은 고객 클러스터에있는 많은 기계들과 함께, 그들은 부팅 할 때 매우 중요합니다 네 대의 기계가 있다면 네 대의 기계는 각각 8 개가 있습니다

가치가있는 V100을 사용하면 부팅 시간이 3 분, 이미 12 분 동안 돈을 내고있어 그래 네 대의 기계 – 12 분 동안 만 부팅 할 수 있습니다 일반적인 질문 중 하나는 OK입니다 내 컴퓨터 부팅 시간을 줄이려면 어떻게해야합니까? 대답은 간단합니다

인스턴스를 만들려는 이미지를 얻고 있습니다 Google 클라우드에서 가져 왔습니다 우리는 깊은 학습 사례를 만들 수 있습니다 운전수가 설치 될 때까지 기다리고 있습니다 3 ~ 5 분

그것은 끔찍한 일입니다 우리가이 일을하고 있습니다 그리고 이것은 개선 될 것입니다 – 인스턴스 중단 및 자체 학습 작성 그 인스턴스의 이미지 그 간단한, 5 단계와 당신은 자신의 이미지가 있습니다 그리고 그 이미지는이 유명한 15 초 시작 시간을 갖습니다

그 GCE는 다른 이미지를 제공합니다 승인 자, 주요 부분 실제로 우리가 어떻게 사용할 수 있는지 보도록하겠습니다 먼저 주피터 랩을 보여 드리겠습니다

Jupyter Notebooks 또는 Jupyter Lab을 누가 사용 했습니까? 좋은 그래서 가장 중요한 부분은 Jupyter Lab입니다 실제로 인스턴스를 만들어 사용하십시오 그래서 복사하고 하나의 명령을 붙여 넣습니다 방금 방금 슬라이드에서 본 명령입니다

더 크게, 더 크게, 더 크게, 더 크게, 더 크게 만들자 그래서 나는 내 이미지를 가지고있다 인스턴스 이름이 있습니다 나는 구역이있다 가자

기다리 자 아마 20 초 또는 반 분이 걸릴 것입니다 이것이 CPU 인스턴스이기 때문입니다 그것은 Nvidia 드라이버를 설치하지 않을 것입니다 이것은 내가 원래 당신에게 보여준 명령입니다

이 부분은 GPU를 사용하지 않는 경우에는 필요하지 않습니다 그래서 기본적으로 이것은 끝 명령입니다 승인 인스턴스가 나타나는지 봅시다 아니

대개 30 ~ 40 초 빨라집니다 승인 우리가 기다리는 동안, 이것은 작은 개선입니다, 내가 GitHub에서 언급 한 명령 중 하나 인스턴스에 SSH 할 수있게 해주는 명령 예를 들어, gcloud 대신 gssh를 사용하여 ssh를 계산하십시오

인스턴스의 이름을 입력하십시오 작은 개선만으로도 GitHub 페이지에서 찾을 수 있습니다 인스턴스에 연결하려면, 이 gssh INSTANCE_NAME을 실행하고 zone을 지정해야합니다 및 포트 매핑 이게 너 밖에없는 유일한거야

인스턴스가 정상적으로 작동 한 후에해야합니다 Jupyter Lab을 사용하기 시작합니다 인스턴스가 작동 중입니다 그럼 실제로 해보 죠 내 명령을 복사 해 붙여 보자

이미지를 실시간으로 연결하고 있습니다 브라우저로 가자 로컬 호스트 8080을 열자 여기 Jupyter가 있습니다 GPU로 인스턴스를 만들려면 Jupyter가 있어야합니다

V100과 함께 GPU를 갖게됩니다 문자 그대로 다른 것을 할 필요가 없습니다 인스턴스 시작을 제외하고 우리는 이미 Jupyter를 돌고 있습니다 백그라운드에서 포트 8080에서 수신 대기 중입니다 너를 위해 남겨둔 유일한 것 실제로 브라우저를 여는 것입니다

그것은 문자 그대로입니다 이제, 다음 유스 케이스 다음 유스 케이스는 Colab입니다 누가 콜랩을 사용 했습니까? 승인 그래서하지 않은 당신들을 위해 콜랩이 무엇인지 보여 주도록하십시오

Colab은 기본적으로 Google 서비스입니다 클라우드의 노트북입니다 그것은 노트북과 매우 유사합니다 실제로 유사한 유스 케이스를 제공하지만, 하지만 완전히 호스팅되었습니다 그래서 당신은 뒤에 기계가 없습니다

그러나 이것은 몇 가지 함축을 만듭니다 내가 그 의미를 정확하게 보여 주도록하겠습니다 따라서 Google Cloud 프로젝트가있는 경우, 그리고 당신은 당신의 기계를 가지고 있습니다, 당신은 TPU를 안으로 가지고 있습니다, 당신이 Colab과 함께 사용하고 싶다면, 당신은 할 수 없습니다 Colab에는 Google Cloud에 대한 개념이 없기 때문에 계획 Google 클라우드 프로젝트가 있다는 것을 이해하지 못합니다

거기에있는 어떤 리소스에도 연결할 수 없습니다 그러나 랩톱 컴퓨터가 있습니다 그리고 당신의 노트북에는 연결이 있습니다 포트 매핑 8080으로 인스턴스에 연결 우리가 방금 본 이유는 정확하게 Jupyter Lab을 여는 중입니다 그리고 당신의 인스턴스는 TPU에 연결되어 있습니다

이제 마지막 부분이 누락되었습니다 포트 8080에서 Colab을 노트북에 연결하는 것입니다 그리고 이것은 정확하게 기능입니다 우리가 몇 주 전에 발표 한 이제 우리는 깊은 학습 이미지를 사용할 수있게되었습니다 Colab의 백엔드로

그리고 그것은 매우 간단하게 작동합니다 콜랩으로 돌아가겠습니다 그래서 이것은 공식 Colab입니다 폰트를 늘려 보자 이것이 공식 Colab임을 다시 한 번 확인하겠습니다

TensorFlow의 버전을 봅시다 실제로 여기에 설치되어 있습니다 그것은 뭔가를하고 있습니다 그리고 그것이 결국 효과가 있기를 바랍니다 1

9이어야합니다 예, 19입니다 클라우드의 공식 버전이기 때문입니다 이제 로컬 런타임에 연결을 눌러 보겠습니다

기본적으로이 작업은 Colab 내 로컬 런타임에 그리고 항구는 8080입니다 그리고 지금 내 컴퓨터는 포트 8080에 있습니다 깊은 학습 VM의 포트 8080의 거울을가집니다 우리가 가진 사례

연결을 눌러 보겠습니다 그게 전부 야 이제 Colab은 원격 컴퓨터를 사용하고 있습니다 따라서 TensorFlow 19를 사용하면 어제 VM 이미지를 발표했습니다

TensorFlow 110과 함께 그래, 그래, 110, 그런데, 풀려났다, 네가 소식을 듣지 않았다면 이것은 기본적으로 의미하므로 이제 Colab을 사용할 수 있습니다 원하는 것을 포함하여 PyTorch, 가능한 모든 GPU, 심지어 TPUs

제가 말했듯이, 이제 우리는 깊은 학습을 사용하고 있습니다 백 엔드 이미지, 새로운 노트북을 만들어 보겠습니다 콜랩에서 그리고 우리가 TPU를 가지고 있다는 것을 보여주기 위해서, TPU에 접근하고, 나는 하나의 세포를 운영 할 것이다 그리고 우리는 여기서 그것을 실행할 수 있습니다

하나의 셀만 TPU에 연결됩니다 먼저 내 IP 주소를 알려주십시오 오, 동일, 100101

예 그것은 동일합니다 예 실제로 연결되어 있습니다 그래서 작동합니다

이제 TPU에 Colab을 사용할 수 있습니다 내가 말했듯이, 당신은 무엇이든 할 수 있습니다 깊은 학습 이미지를 갖춘 Colab, PyTorch, 가능한 모든 GPU 이제 우리가 일반적으로하는 또 다른 질문입니다 고객이 VM 이미지를 가지고있다

아나콘다를 어떻게하면됩니까? 나는 아나콘다를 사용하고 싶다 그리고 이것은 좋은 일입니다 아나콘다 시나리오에는 몇 가지 문제가 있습니다 그리고이 문제의 원인은 아나콘다를 설치 한 경우, Anaconda 내부에 새로운 가상 환경을 만드는 경우, 해당 환경 내에 TensorFlow를 설치해야합니다 어떻게 할 수 있니? 공식 TensorFlow를 설치하려는 경우, 공식 TensorFlow에 필요하기 때문에 작동하지 않습니다

CUDA 90, 우리는 92입니다 이를 지원하기 위해 우리는 실제로 바이너리 제공, Google Compute Engine 최적화 바이너리 이미지의 내부에서 미리 구워집니다 따라서 설치가 가능합니다

이것은 작은 스크립트입니다 공식 문서에 기본적으로 경로를 인용하고 있습니다 바이너리를 미리 굽고 있습니다 그런 다음 아나콘다 내부 깊숙히 설치하면됩니다 환경

승인 다음으로, 붙어 있다면 도움을 얻을 수있는 방법 우리는 당신을 지원하기 위해 다양한 채널을 보유하고 있습니다 물론 우리에게는 공식적인 문서가 있습니다 하지만 다른 것을 원한다면 다른 블로그를 적극적으로 사용하고 있습니다

우리의 이미지에 대한 사례 전용 StackOverflow 태그가 있습니다 우리는 적극적으로 모니터링하고 있습니다 거기에 질문을 제출하십시오 우리는 상당히 적극적인 Google 그룹을 운영하고 있습니다

당신을 도울 다른 사용자와, 나 또는 내 동료가 질문을하기 전에 언제든지 개인용 트위터에서 나를 핑 (ping) 할 수 있습니다 나는 정말로 어떤 질문을해도 감사 할 것이다 너는 나에게 메일을 보낼 수 있고 나는 대답 할 것이다 너희들을위한 가능한 모든 방법

승인 간략하게 요약하면, 심층 학습 이미지 모든 것을 가지고있는 미리 굽은 이미지입니다 다른 아이디어, Jupyter Lab, Jupyter로 시작할 준비가되었습니다 노트북, Colab 백엔드 및 거의 모든 프레임 워크 당신이 상상할 수있는 자, 이것은 정말로 중요한 조사입니다

할 수 있으면, 우리가 이해하도록 도와주세요 VM의 차기 버전에서보고 싶은 것 이미지, 단위 테스트로 추가 할 항목, 우리가 지원하기를 원하는 시나리오 이 설문 조사에 참여하십시오 고맙습니다 그럼이게 내 편이야 와줘서 고마워

더 많은 피자가 아직도 남아 있기를 바랍니다 다음에 너를보고 싶어 [박수 갈채] [음악 재생]