How To Sample: AI Robots That Will Take Over The World | Siri, Alexa, Bixby!

이봐 빅스는의이 시간에 입력하자의 내일 아침에 알람을 설정할 수 있습니다 우리는 왜 7:00 AM의 알람을 설정하지? 물론 것은이 일치하는 경보가, 나는 오프 모두 켜져 당신에게 빅스 감사했습니다 난 항상 뒤로있어 거 오늘 그것을 할 수있어 좋아, 빅스

걱정하지 마십시오 나는 잠을 할 필요가 없습니다 이런 젠장? 괜찮아 이 처리하는 하나의 방법이 죄송 해요 나는 이해하지 못했다 당신이 나에게 잘못했다면 내가 여기있어 당신이 나를 찾을 때까지 그냥 이야기 나 계속 나는 잠을 할 필요가 없습니다 나는 내가 누구의 여러 측면이 있다는 것을 말할 수 있습니다 헤이 여러분 코멘트를 좋아하고 당신이 항상 같이 가입해야 시청 해 주셔서 감사합니다 인공 지능 로봇은 미래에 세계 복용 할 수 있지만 나는 아직도이 트랙이 영상과 거대한를 만드는 재미의 톤을 가지고 있었다 감사 금요일 제안을하고 각 주위에 충실해야 할 나에게 도전 내 친구 아드리안 파도바 외출 매 주 새로운 비디오로와 매일 지켜봐가 무슨 버튼의 인스 타 그램, 그럼 태워 함께 더 음악적 모험과 태그로 유지하기 위해 연합하여 진행시키고 언론 플레이보다 더 많은 작업을 수행

IntelligentX – Beer Brewed By A.I ?

우리는 롭 맥이너니 여기 오늘 IntelligentX의 창시자 그것은이 AI 맥주 양조장에 있어야 정말 좋아요 우리는 당신의 자신의 사업을 시작하는 방법에 대해 이야기하는거야 어떻게 아이디어, 어떻게 시작 성장을 얻으려면, 혁신적인 무언가를 창조하는 AI를 사용하는 방법에 대해 설명합니다

롭 당신에게 그럼, 첫 번째 질문 어떻게 모든 시작 했습니까? 아이디어는 어디에서 왔는가? 그래서, 기계 학습에서 박사 학위를했다 나는 우리가 기계를 만드는 방법을보고 긴 시간을 보냈다 즉, 경험에서 배우고 나가서 세계에서 결정을 내릴 수 있습니다 원래는 정말 많이 모르고, 꽤 순진 내 회사를 시작 비즈니스 또는 내가 해결할 수있는 문제의 종류에 대해 하지만 물건은 내가 박사 과정에 작업 한 믿음의이 종류를 가진 가치이고 특정 문제에 적용 할 수있다 다른 도로의 무리 주위에 낚시 후 내 친구와 나는 마시는 맥주를 앉아 있었다 WeWork에서, 런던에서 공동 작업 공간 그리고 우리는 제품 혁신에 알고리즘을 적용 할 수있는 이런 생각을 했었 실제로 특히 맥주에서

우리는 조금에 대한 아이디어 주위를 연주하고 궁극적으로 우리는 무엇을했다 지금 IntelligentX이 무엇 인가 어떤는 지속적으로 제품입니다 변경 고객의 피드백을 기반으로 그런 다음 의사 결정이 고객의 의견에서 파생 된 모든 AI를 통해 구성됩니다 첫날로 돌아 간다 당신은 아이디어를 와서하기로 결정했을 때 이 환상적인 프로젝트를 시작합니다 그 다음엔 무슨 일이 있었습니까? 당신은 어디에서 첫 번째 배치를 양조 돈을 찾았나요? 어떻게 팀을 구성 했습니까? 그래서 우리는 문자 그대로 여기에 내려왔다 하기 위해 지불 우리 자신의 주머니 중, 나는 생각한다, 우리는 57 병을했다 그리고 생산하기 위해 우리에게 병 당 £ 7

50를 요했다 그것은 말도했다 우리는 이벤트에 가서 무료로 떨어져 그들 모두를 주었다 하는 약간의 상처 그러나 그것은 단지 종류의 응답을 볼 수있는 좋은 기회, 당신은 알고 있었다 내 말은, 그것은 최소한의 투자했지만, 우리에게 많은 것을 얻었다 우리가했다, 우리는 몇 가지 작은 규모의 이벤트를 실행하기 시작, 정말 소량을 생산 하지만 실제로는 그 시점에서 그것은 단지에 대한 자세한 아이디어를 검증했다

운 가속기 프로그램 Techstars에 접수 얻을했다 뉴욕 등 우리에게 자금의 일정 금액을 준 그들은 당신에게 얼마나 많은 자금을 주셨 는가? 표준 Techstars 부여는 당신이 서너 개월 프로그램을 할 것입니다 그들은 당신에게 $ 120,000 도합 제공 그것은 컨버터블 노트와 약간의 현금 자산 사이에 분할입니다 실리콘 밸리 밖에서 우리는 경향이 더이 수익 선행을 생성하는 비즈니스를 성장을 향해 그리고 나는 적어도 접근 방식으로, 순간에 그를 선호하는 경향이있다 어디 계곡에 가서, 당신은 소형 기업의 이러한 종류의보고 그건 정말 성장을 위해 수익을 희생

그러나 하나는 말에 대해 서로 다른 주장을있다 다른 것보다 더 나은 그러나, 당신도 알다시피, 나는 우리가 촬영 한 태도를 좋아한다 이는 – 사업을 증명하고 잘 떨어져 돈을 만들려고 노력 수년에 걸쳐 당신에게 일어난 가장 큰 재앙은 무엇입니까? 우리는 우리가 맥주의 네 가닥을 가지고 있어요 우리는 우리가 골든 에일, 호박 에일 및 영어 포터가, 미국의 창백한 에일 있습니다 그리고 영어 포터의 첫 번째 반복은 믿을 수 없을만큼 스모키했다

그것은 어쨌든 나에게 Laphroaig 위스키 같은 맛 나는 종류의 병을 열고, 그것을 마셨다 이 이벤트에 오는 약 2 백명이 있었다 그리고 내가 좋아했습니다 – 신 오, 나는 모든이를 좋아하지 않아! 그래서이 사람에게 준 내가 함께 회사를 시작 그는 같은했다 – 그것을 사랑 해요! 내가 좋아, 좋아, 우리는 그것을 놓을 게요, 같았다

그리고 그것은 놀라운이었다 내가 생각하는 동안 그것은거야 그것은 진짜 악몽 수 있었다 마이트 맥주 – 어떤 사람들이 절대적으로 사랑하고 어떤 사람들은 그것을 좋아하지 않았다 그들이 잘못 생각하는 경우? 어떤 제품이 더 악화 될 경우? 스티브 잡스는 의견에 언제나 그 사람들은 당신이 그들에게 보여 때까지 그들이 원하는 것을 모른다 나는 생각했다 가졌 당신은 사람들 앞에서 물건을 넣어 한 번, 당신에 대해 더 나은 아이디어를 얻을 그들은 정말 원하는 것을 진정한 것은 당신이 좋은 생각을 가질 수있다, 당신이 사람들 앞에 넣어 때까지하지만 당신이 정말로 그것을 먹힐 아닌지 여부를 알 수 없습니다

우리의 초기 반복 한 후 알고리즘 질문 강한 맥주 같은 사람 것 거의 모든 사람들이 좋아하는 것이라고 말했다 제조법의 자세한 알코올 그래서 우리는 나가서 강한 맥주를했다 하지만 일어난 일은 우리가 그것을 만들어 피드백을 수집 할 때, 사람들이 덜 좋아하는 것이 었습니다 그래서 우리는, 외출 실수를하고 피드백을 수집하여 배운, 우리는 배웠다 다시는 같은 실수를하지

그래서 이제 알고리즘을 요청할 수 있습니다 같은 질문,하지만 그들은 구별하는 방법을 학습합니다 당신은 당신이 자신을 줄 것입니다 무슨 조언을 겪은 모든 것을 알고? 난 항상이 사업에서 수행 한 한 가지 종류의, 그것을 유지입니다 그리고, 당신도 알다시피, 그것은 항상 쉬운 일이 아닙니다 당신이 회사를 시작할 때 당신은 알고있다 당신은 진정으로 새로운 뭔가를 시도하고 자주 좌절이있다 나는 대부분의 주 내가 거기 앉아서 갈거야 뭔가있을 것 같아요 '이 계획하는 모든 사라하지 않은'

그리고 당신은 정말 거기에 앉아 있어야 및 재편성, 새로운 결정을 내릴 언제 까지나 당신이 완전히 미세하다는 태도로에 가서, 다음 문제가되지 않습니다 당신은 오히려 후퇴로 이런 일을 보는 것보다, 당신은 단지 그들을보고, 알고 당신의 여행의 다음 단계와 다른 점으로 만 해결 될 수 있습니다 그리고, 내가 생각 당신이 자원의 유한 풀을 가지고있는 생각에 익숙해있는 귀하의 처분 그리고 그들은 어떤 조합 일 수있다 돈, 팀, 자신의 정신 능력과 능력의 모두의 감정을 위장합니다

그리고 그것은의 일부를 이해하는 괜찮아 사람들이 다 그리고 당신은 단지를 기반으로 의사 결정을 내릴 수 있습니다 그리고 세계를 비난하고 그런 경우가 있다고 너무 걱정하지 그냥 기본적으로, 계속

STARCRAFT 2 AI WORKSHOP

이번 주말에 우리는 스타 크래프트 AI 워크샵을 호스팅 – – 여기서 우리는 새로운 API를 탐구 – – 우리가 할 수있는 스타 크래프트를위한 ​​AI를 프로그래밍합니다 안녕하세요

내 이름은 다니엘 에르난데스입니다 나는 영국에서 뉴욕 대학에서 세 동료들과 함께 여기입니다 우리는 스타 크래프트 우주에 대한 자세한 내용은 스타 크래프트 II 워크숍에 참여한다 이제 두 번째 날이다 우리는 컴퓨터 게임과 스타 크래프트 II를위한 기계 학습 – 알고리즘을 실험하고있다

일부는 게임을 알고리즘을 배우려고 사람들이 플레이 방법을 배울 수있는 다른 샘플 – – 스타 크래프트 II를 재생하는 사람들의 일부 장면에서 우리는 스타 크래프트 인공 지능 중심으로 커뮤니티를 구축하고 싶습니다 – – 작은 풀뿌리 운동을 만듭니다 다양한 연구 그룹들과 학생들과에 관심이있는 비 학생 우리는 그들이 고급 알고리즘에 협력 할 수있는 플랫폼을 만들 수 있습니다

우리는 그들에게 약간의 도움뿐만 아니라, 그들로부터 배우고 서로 배울 것입니다 – -이 흥미로운 프로젝트에 대한 작업을합니다 우리는 에이전트를 만들어보십시오 그것은 더듬 단계라고 뭔가 그런 다음 당신은 앞으로 조금 이동, 당신은 적 촬영 기법이다 – – 다음 다시 당신에게 적의 포격 – – 접근에서 촬영하는 동안 적을 방지합니다 그런 식으로 당신은 죽지 않고 죽음에 원수의 가장 큰 가능한 수를 이길 수 있습니다

그러나 그것은 하드, 우리는 최선을 다하고 있습니다 많은 사람들이 인공 지능과 컴퓨터 게임 사이의 교차점에 관심이 있습니다 또 다른 중요한 측면이 다른 영역을 혜택을 누릴 수 있다는 것입니다 – 구글은 게임에서 이동 세계 챔피언을 이길 인공 지능을 개발 – 그리고 이제 데이터 센터의 에너지 소비를 줄이기 위해 사용되고있다 그래서 당신은 게임을 개발하기 위해 알고리즘을 사용할 수 있습니다 – – 현실 세계입니다

그들이 매우 복잡하기 때문에 지분에서 물건을 테스트하는 것이 좋다 – -하지만 로봇과 물건보다 게임에 착수하는 것이 더 쉽습니다 당신은 신속하게 일을 테스트 할 수 있습니다 당신은 필수 과제에 집중할 수 – – 대신 휴식 로봇 작업의 – – 그리고 당신은 당신이 실제로 조사하고 싶었다 것보다 다른 모든 것을 알아서해야합니다 따라서, 우리는 인공 지능과 게임을 결합하는 방법에 관심이 – – 게임이 좋은 테스트 베드는 이러한 고급 알고리즘이기 때문이다 세계에서 가장 진보 된 알고리즘은 스타 크래프트 인공 지능을 만들 수 없습니다 – – 인간의 챔피언을 이길 수 있습니다

심지어 구글과 페이스 북은이 연구 – – 그것은 아직 아무도 해결책을 발견 한 도전이기 때문이다 그것은 매우 흥미로운 게임이다 그것은 재미 있고 난 블리자드 게임을 사랑 – – 그러나 그것은 또한 인공 지능의 측면에서 매우 도전이다 체스와 바둑 등의 고전적인 보드 게임 개발이 많이 필요합니다 – -하지만 게임의 이런 종류의 진행과 부분적으로 만 관찰 할 수있다 이것은 당신이 한 번에 전체 우주를 볼 수 있다는 것을 의미합니다 – – 당신은 너무 많은 쇼핑 가능성이 – – 게임의 모든 초

그것은 흥미로운 문제, 그리고 우리는 그것을 해결하기 위해 첫번째 싶습니다 우리는 세상을 학습 기계의 게임에 더 초점이 될 것입니다 희망 – – 그것은 여기에 매우 정교한 알고리즘과 함께 일하기 좋은 지역이기 때문이다 그것은 빠르고 새로운 알고리즘을 테스트하기 쉬운, 그리고 거기에 위험이 없다 실제 문제에 대한 새로운 알고리즘을 설정하여 높은 위험이있을 수 있습니다 그래서 우리는 아무것도 발생하지 않고, 알고리즘에 대해 배울 수 있습니다

많은 스타 크래프트 II 워크숍이 없습니다 특히 스타 크래프트 II의 API가 먼저 말 2천16번째에서 공개되었다 때문에 그것은 아직 개발되지, 그리고 그 안에있는 그 많은되지 않습니다 그래서 여기 와서 기타를 충족 똑똑 – – 사람도 함께 작동에 대해 조금 배울 – – 어떻게 우리가 직면 한 문제를 해결할 수 있습니다 개별적으로이 문제를 해결하려고하는 것은 매우 어렵습니다 우리는 작은 일을 할 수 있고, 다른 그룹은 다른 작은 일을 할 수 있습니다

그러나 문제는 다른 사람과 협력 할 필요가 너무 어렵습니다 너무 많은 당신이 할 수있다 – – 그것은 불가능하다고 한 그룹은 혼자해야 할 일에 대해

AI can determine a neighborhood’s Political Leanings by its Cars

스탠포드 연구팀은보고 수백만 분석을 배울 수있는 컴퓨터 알고리즘을 사용하는 공개적으로 구글 스트리트 뷰를 볼 수 있습니다 이미지의 정치적 성향을 결정하는 단지 거리에서 차보고에 의해 지정된 지역 알고리즘은 훈련을받은 – 또는 더 정확하게, 그들은 스스로를 훈련 -을 인식 50 개 이상의 만 각각 1990 년 이후 생산 된 모든 자동차의 모델 년을 (200 개) 미국 도시에서 구글 스트리트 뷰 이미지

자동차 종류 및 위치에 대한 데이터는 가장 포괄적 인 인구 통계에 대해 비교 하였다 사용 오늘의 데이터베이스, 미국 지역 사회 조사, 그리고에 대한 대통령 선거 데이터를 투표하는 것은 인종, 교육, 소득 및 유권자와 같은 인구 통계 학적 요인을 추정하기 환경 설정 연구팀은 간단한 선형 관계가 자동차, 인구 통계와 정치 사이에 존재 발견 설득 예를 들어, 이웃 세단의 수의 수보다 크다 픽업, 선거구 민주당 투표 할 88 %의 가능성이있다

Google’s Text Reader AI: Almost Perfect | Two Minute Papers #228

친애하는 동료 학자,이의 Károly Zsolnai-Fehér와 두 분의 논문입니다 앞서 우리는 구글의 WaveNet, 학습 기반의 텍스트 음성 변환 엔진에 대해 이야기했다

이것은 우리가 그것을 기록 된 텍스트의 조각을주고 훈련 단계 이후에 다른 사람의를 사용하는 것을 의미한다 음성, 그것은으로 설득력 가능한 한이 사람의 음성을 사용하여 소리내어 읽어있다 그리고이 후속 작업은 약이 더 설득력하고있다 우리가 그것으로 이동하기 전에, 함께 새로운 결과에 감탄하자 흠 – 흠! 당신이들을 수 있습니다, 그것은 정말 믿을로 연결되는 운율, 스트레스와 억양에 중대하다 인간의 연설 원래 WaveNet 종이에 마법의 구성 요소는 팽창 회선을 도입했다 이 문제에 대한

우리는 그것의 더 나은 글로벌보기 때문에,이 입력 데이터에 큰 건너 뜁니다 있습니다 그것은 조금 우리가 전체를 볼 수 있도록 눈의 수용 필드를 증가 같다 풍경, 그리고 사진에뿐만 아니라 나무 이 새로운 일에 마법의 구성 요소는 WaveNet의 입력으로 멜 스펙트로 그램을 사용하고 있습니다 이 기록은 인간의 인식을 기반으로하는 중간 표현입니다 뿐만 아니라 어떻게 다른 단어로 볼륨과 억양을 발음하지만, 예상해야한다 잘 새로운 모델은 음성 데이터의 약 24 시간에 훈련을했다

그리고 물론, 어떤 연구 작업은 검증의 일종없이 어서는 안됩니다 첫 번째는 이전 알고리즘의 평균 의견 점수를 기록하고,이 실제, 전문 음성 녹음 평균 의견 점수는 사운드 샘플로 정품 인간을 통과 할 방법을 설명 숫자입니다 연설 새로운 알고리즘을 훌륭하게 통과했다 더욱 실제적인 평가는 사용자 연구의 형태로 이루어졌다 곳 사람들 합성 샘플 및 전문 음성 내레이터을 듣고 있었고,했다 이는 어느 생각합니다

대부분의 시간, 사람들이었다 몰랐다 때문에이 정말 대단하네요 당신이 그것을 믿지 않는다면, 우리는 순간이 자신을 시도 할 것이다 -있다 실제 영상을 선호하는쪽으로 매우 작지만 통계적으로 유의 한 경향 "메를로"와 같은 일부 단어가 잘못 발음하고 있기 때문에 가능성이 기록되었다 자동으로 오디오 북, 비디오 게임에 대한 자동 음성 나레이션 목소리를 냈다 덤벼 어떤 시간은 살아 있습니다! 이 파형을 생성하는 실시간하지 않고 여전히 꽤 시간이 걸립니다합니다

그 방향을 따라 진행하려면 DeepMind 같은 과학자들은 종이 곳의 지옥을 쓴 그들은 천 번을 WaveNet을주었습니다 당신이 미래의 에피소드에 대해 더 듣고 싶습니다 경우에 코멘트를 남겨주세요 물론,이 같은 새로운 발명은 또한 선 아래로 새로운 도전을 올릴 것이다 그것은 그 음성 녹음이 위조 덜 유용하다는 것을 훨씬 더 쉽게 될 것입니다 수 있습니다 증거 우리가 예를 들어, 자신의 진정성을 확인하는 새로운 방법을 발견하지 않는 한, 서명 그들은 우리가 소프트웨어처럼 끝으로, 몇 가지 오디오 샘플 쌍, 그들 중 하나는 그들 중 하나가 합성, 진짜입니다

당신은 어떤, 어떻게 생각하십니까? 아래에 댓글을 남겨주세요 난 그냥 웹 페이지에서 발견 여기에 빠른 힌트를 떠날거야 Hopp! 거기 당신은 간다 이 에피소드를 즐기면, Patreon에 우리를 지원하시기 바랍니다 이것은, 1 달러는 거의 우리가 쇼를 계속 운영 할 수 있으며,이 드릴을 알고 어떻게 아무것도하지만,이 논문오고 유지합니다

보고에 대한 당신의 관대 한 지원에 대한 감사합니다, 나는 당신에게 다음에 보자!

What’s AI with Melanie Warrick: GCPPodcast 93

FRANCESC CAMPOY : 안녕, 에피소드에 오신 것을 환영합니다 주간 Google 클라우드 플랫폼 팟 캐스트의 수 93 나는 Francesc Campoy 오전, 나는 여기 있어요 내 동료 마크 만델로

안녕, 마크 잘 지내? MARK MANDEL : 나는 좋은입니다 나는 시애틀에서, 그래서 우리는 오늘 원격 일을하고 있습니다 FRANCESC CAMPOY : 야호 그리고 내가 가질 수 모든 문제가 있었다 나는 아직도 배우고 있기 때문에 오늘 맥을 설정하려고합니다

그것은 단지 93 에피소드, 우리의 첫 번째 시간이다 어쨌든, 우리는 오늘에게 아주 특별한 에피소드가있다 사실은 매우 흥분 우리 때문에 우리 팀에서 개발자 지지자 중 하나가 우리는 팟 캐스트에서 전에 없었던했다고 MARK MANDEL : 그래 우리는 멜라니 워릭 오늘 우리에 합류합니다

그녀는 AI 무엇인가에 대해 우리에게 이야기하는거야? 그게 무슨 뜻 이죠? 그 기계 학습에 어떤 관련이 있습니까? 그것은 단지 새로운 일이 있습니까? 그냥 뭔가 다른가요? 누가 알아? FRANCESC CAMPOY : 그래 이 에피소드가 왔기 때문에 정말 좋아 후는 기본적으로 점심을 먹고, 우리 기계 학습 및 AI 및 모든에 대해 얘기했다 그리고 그녀는 물론, 인공 지능과 기계 학습, 같았다 매우 다른 것입니다 그리고 우리는 정말 같은거야? 그리고 그녀는 그했다 opinions– MARK MANDEL : 예, 더 알려주십시오 FRANCESC CAMPOY : 네, 그녀는 이런 의견을 가지고있다

그래서 우리는 그녀의 의견에서 에피소드를 만들기로 결정했다 그리고 그들은 정말 흥미로운, 그래서 난 전체 에피소드에 대해 매우 기쁘게 생각합니다 MARK MANDEL : 그래 그리고 그 후, 우리는 우리의 일반적인 질문이 있습니다 우리가 이야기 주, 당신이 뭔가를하고 싶은 말은 때마다는 Kubernetes 클러스터 내의 포드 생성되거나 파괴 당신은 어떻게해야합니까? FRANCESC CAMPOY : 재미

나는 몇 가지 아이디어가 있습니다 그러나 우리는 그에게 우리 전에 가기 전에 주요 콘텐츠로 이동, 우리는 항상 우리의 멋진 일이 금주의 그리고 우리는 그들 네 오늘이있다 그래서 나는 당신이 시작하자거야 MARK MANDEL : 차가운

그래서 여기에 첫 번째 스택 드라이버 로깅 주위입니다 그것은 조금 전 GA 갔다, 그러나 우리는했습니다 기본적으로 사람들의 무리에 얘기하는 사람들 이 제품을 사용합니다 그리고 우리는 그들에게 몇 가지 새로운 기능을 제공하려는 고급형입니다 그래서 물건의 무리가있다 우리는 전체 기사에 링크합니다

사실, 블로그 게시물에서 나오는 몇 가지가있다 하지만 당신은 통계를 당길 수있는 같은 깔끔한 물건을 할 수 있습니다 지금 로그인 그래서 만약 당신이 응답 시간을 추적하는 또는 메트릭의 다른 유형, 당신은에 그 당겨 수 있습니다 우리는 빨리 거기에서 로그 항목을 사용할 수 있도록했습니다 당신은 조직 전체 로그를 관리 할 수 ​​있습니다

그래서 단지 프로젝트 내에서 로그를 관리하지, 당신은 집계 수출을 기록 할 수 있습니다 모두 함께 프로젝트의 다양한 종류에 걸쳐 그리고 당신이 정말 멋진 일을 할 수있는 내가 꽤 이렇게 우리는 그건

에 대한 긴 기사에 링크합니다 말을하다 어느 이제 제외 필터라고, 예를 들어, 당신은 디버그 문이있을 수 있습니다 당신이 당신의 응용 프로그램에서 뱉어되는이 있는지, 하지만 대부분의 시간은 당신이 실제로 그들에 대해 걱정하지 않는다 그래서 당신은 안녕, 난 정말하지 않습니다, 말할 수 스택 드라이버 이러한 신경, 그래서 그것을 계산 않을거야 의미 기가 바이트 또는 스토리지 비용을 향해 당신은 반드시 프로젝트 내에서 존재했을 것이다 스택 드라이버는 이제 로깅 때문에 어느 것이, 알고 아마 좋은 무료로 한달에 프로젝트 당 로그의 50 기가 바이트 제공합니다

즉, 12 월 1 일에 시작됩니다 나는 대부분의 사람들은 아마 50 명중하지 않을 생각 기가 바이트,하지만 약간의 의지 그래서오고 있음을 유의하십시오 그러나 네 50 기가까지 그렇게 하지만 그래, 당신은 제외 필터를 사용하는 풀다운 수 있습니다

당신이 건강 진단처럼지고있어 어쩌면 경우, 당신이 흠, 그 상관 없어, 같은거야, 200 개 요청 그런 물건 그것에 대해 더 이상 대화가있다 우리의 다른 동료 중 하나 인 아자 Hammerly, 누가 방지에 대해 전체 기사를 쓴 스택 드라이버 로깅과 폐기물 로그 우리는 또한뿐만 아니라 링크거야 FRANCESC CAMPOY : 아주 멋진 50기가바이트 많이 같은 소리지만 좀 더 고객이 어딘가에있을 수 있다는 생각 그곳에– MARK MANDEL : 확실히

FRANCESC CAMPOY :라는 말이다 높은 알고 너무 좋아 주의 두 번째 멋진 것은 새로운 기사입니다 실제로 부작의 세 번째 부분입니다 사용하여 대화 형 애플리케이션을 구축하는 방법에 클라우드 기계 학습 API를 그리고 그것은 실제로 해요 부분적으로 있기 때문에, 정말 멋지다 시드니에 대한 이야기를 준비

나는이 주제에 대해 정확히 이야기 할 것입니다 MARK MANDEL : 좋은 FRANCESC CAMPOY : 그래서 그것은 매우 좋은 거기에 새로운 기사가 ​​있음을 볼 수 있습니다 그리고 기본적으로, 그것은 대해 얼마나 당신을 Google–에 대한 의도를 설명 Google이 아닌 홈 예 구글 홈,하지만 당신은 실제로 수 당신이 원하는 무엇이든으로한다

Google 홈,하지만 당신과 함께 작업 또한 페이스 북 메신저 또는 여유 등의 작업을 수행 할 수 있습니다 그리고이 모든 일이 APIAI을 통해 작동 실제로 매우 간단하기 때문에 그리고 그것은 매우 멋지다 사용 당신은 기본적으로 확인을 누군가가 말한다 경우, 말 나는 당신에게 다음, 우유를 구입하고 싶습니다 당신이 그 연관 거라고 알고 유스 케이스에, 구매 인 무언가를 구입, 그리고이 제품은 우유이다

그리고 당신은,이처럼 될 수 있습니다 아, 그래, 우리는 양을 모르는, 그래서이 양을 물어 보자 그래서 당신은 실제로이 두 가지 방법으로 대화를 만들 수 있습니다 그 다음은 모든 장치에서 사용할 수 있습니다 그래서 당신은 한 번만 물품 넌 당신은 다른 측면에서 백엔드있어 물품 그리고 사람들은 스마트 서비스에 액세스 할 수 있습니다 에서, 내가 말한대로, 페이스 북 메신저, 슬랙, Google 홈, 또한 스카이프와 LINE과 방법으로 더 많은 서비스와 같은

그것은 꽤 멋지다 MARK MANDEL : 그것은 멋지다 글쎄, 난 당신의 이야기, Francesc을보고 기다릴 수 없어 FRANCESC CAMPOY : 나도 그것을보고 기다릴 수 없어 특히, 나는 특히, 그것으로 할 수 기다릴 수 없어 슬라이드

그러나 곧 그 작업을 할 수 있습니다 클라우드 정상 회의 시드니의 주최자는 수신하는 경우, 내 슬라이드이 완료됩니다 네, 완전히 끝나면 [웃음] MARK MANDEL : 그래서 우리는이 책을 가지고 그 최근 출시되고있다 나는 엉망이 모든 이름에 갈거야,하지만 난 최선을 다할 것입니다

타일러 Akidau, 슬라바 Chernyak, 그리고 르우벤 락스 그래서, 그들은 곧 다가오는 오라일리 책의 저자를 공동있어 "스트리밍 Systems–라는 무엇을, 그리고 어떻게 대규모 데이터의 처리 " 그 빠르게 세 번 말해봐 그것은 초기 릴리스에서 지금이다 기본적으로,이 표준 자료가되는 것을 목적으로하고 있습니다 빅 데이터를 스트리밍하고 관리 및 분석 그것은 정말 큰 규모와 규모를 처리하고 구글 규모, 원하는 사람들을위한 기업에서뿐만 아니라 그 일을 할 그들은에 참여하고있다 정말 멋진 책이 될 것 같습니다

우리는 약간의 인터뷰에 기본적으로 여기에 링크를 할 겁니다 즉,이 저자들과 함께 이루어졌다 그들은 책을 쓴 이유에 대해 말하고, 그들이 정말로 무엇에서 물건을 사람들이 어떤 종류의 볼 수 있습니다 도 뜻이 있음을 무엇 streaming– 뜻 채택 장벽의 종류, 왜 그들은 처음부터이 일을 쓰기 않았다 FRANCESC CAMPOY : 그래서 나는 당신에게 질문을하겠습니다 이 책의 내가 제일 좋아하는 부분에 대해 어떻게 생각하십니까? MARK MANDEL : 그것은 모두 자바로 작성된 있다고? FRANCESC CAMPOY : 아니, 아니, 아니 아니, 사실은 그들이 이야기하고 있음 스트리밍에 대한 및 책 표지에 강 때문에 물고기가있다 MARK MANDEL : 물고기는, 스트리밍합니다

네 FRANCESC CAMPOY : 나는 쉽게, 쉽게 유머입니다 당신이 정말 관심이 있다면, 당신은 오라일리의 무료 평가판과 일에 액세스 할 수 있습니다 당신이 그것을 읽고 싶은 경우 또한 아마존에 사용할 수 있습니다 아주 멋진 책 그리고 우리는 주 우리의 마지막 멋진 일을해야 할 것중인 내 의견으로는, 슈퍼 멋진, 무언가이다

혹시라고이 일에 대해 들었습니다 나도 몰라 빨리, 그리기! 빨리, 그리기! Googlecom과 함께 그리고 그것은 당신이 휴대 전화에서 사용할 수있는이 작은 응용 프로그램입니다 또는 컴퓨터에 기본적으로 당신은 액세스 당신은 무엇이든 그릴, 그리고 그것이 무엇인지 추측 그래서 Pictionary 같은 종류입니다 그리고이 기계 학습에 의해 제공됩니다, 물론, 신경 네트워크와 길쌈 신경 네트워크와

좋은 점은 길쌈 네트워크입니다 멋진,하지만 그들은 많은 데이터가 필요합니다 그리고 우리는, 데이터를 오픈 소스 화 그 신경망을 훈련하는 데 사용 된 데이터, 어느 슈퍼 유용 당신이 할 수 있기 때문에 당신이 그와 함께 원하는대로 할 당신은 다시 Pictionary을 수행하는 방법을 훈련 할 수있다 뿐만 아니라 당신은 더 많은 분석을 할 수 있습니다 마찬가지로, 고양이의이 모든 도면에 따라, 고양이는 각 국가에 따라 어떠한가? 그리고 당신은 평균을하고, 같은 일본의 고양이가 될 수 미국에서 고양이 실제로 약간 다릅니다 정말 멋지다

당신은 정말 멋진 데이터 처리를 많이 할 수 있습니다 또한, 데이터는 심지어 완성 된 도면뿐만 아니라 포함 그러나 그것은 그려, 그래서 당신은 실제로 할 수있는 한 방법도 흔적을 따르십시오 MARK MANDEL :이 놀랍습니다 난 그냥, 그냥 데이터 익스플로러와 함께 연주 해요 나는 무작위로 클릭했습니다 나는 앵무새를 클릭 한, 나는 현재 해요 만든 163,567 앵무새 도면을보고 인터넷에 실제 사람들이

FRANCESC CAMPOY : 그래 그것은 놀랍습니다 MARK MANDEL : 그래 당신은 통과하고 아니, 그 앵무새 아니다처럼 될 수 있습니다 너무 멋져

FRANCESC CAMPOY : 알아요 MARK MANDEL : 난 그냥 모든 일이 놀고 싶어 FRANCESC CAMPOY : 나는 그 이유를의 당신에게 주의 멋진 일이었다 그것은 매우 멋지다 그리고 당신은 기계 학습에 있다면, 확실히 그것을 확인하십시오

하지만 기계 학습에하지 않으면, 실제로 많은 재미 있기 때문에 그것을 확인 MARK MANDEL : 그래 네 나는 지금 닫지 않으면 시간이 응시하는거야 시원한

글쎄, 난 당신이 무엇을 이야기한다 왜 우리는 우리의 좋은 친구 멜라니와 대화를하지 않는다 그리고 AI와 ML 및 모든 재미 물건에 대한 모든 이야기? FRANCESC CAMPOY : 물론 그걸하자 나는 최신 중 하나를 환영하기 위해 오늘 매우 기쁘게 생각합니다 클라우드 개발자 옹호 팀, 멜라니 워릭에 추가 어떻게, 멜라니거야? 멜 워릭 : 덕분에 잘 지내요

FRANCESC CAMPOY : 그래서 우리가이기 때문에 매우 기쁘게 생각합니다 매우 흥미로운 주제에 대해 이야기 할 것 우리가 실제로 점심 논의 된 것으로, 우리는이 대화로 결정 큰 에피소드가 될 것입니다 그래서 우리는 AI와 물건에 대해 이야기 할 것입니다 그러나 그 전에, 왜 우리가 당신에게 조금을하지 않습니다 자신에 대해, 당신이 구글에서 무슨 짓을 한거야, 때 당신은 같은 물건에 가입 했습니까? 멜 워릭 : 오른쪽 그래서 구글의 수석 개발자지지합니다 네 달 전에 시작했다 나는 너희들이 그것에 대해 알고 알고 있습니다

하지만 그 이전에, 나는 시작을 위해 일하고 있었다 아니었다 신경 그물 플랫폼에서 TensorFlow 그을 개발하고 있습니다 그리고 그 전에, 나는 Changeorg에서 일하고 있었다 생산에 기계 학습 알고리즘을 구현 Changeorg, 모르는 사람을 위해, 온라인 청원 플랫폼입니다

FRANCESC CAMPOY : 그리고 어떻게 든 그 회의에서, 난 당신이 바로 그 전에 마크를 만난 것 같아? 멜 워릭 : 나는 다시 하루에했다 마크와 나는 실제로 이상한 루프에서 만났다 MARK MANDEL : 오래, 오래, 오래 전, 땅에서 멀리 떨어져 있지만, 예 내가 알았을 때 나는 매우 흥분 멜라니는 팀에 합류했다 멜 워릭 : 알아요

나도 MARK MANDEL : 신난다 괜찮아 음, 우리는 AI에 대해 이야기 드리겠습니다 그래서 AI는 무엇인가? 그냥 페인트의 새로운 코트를 좋아 ML, 또는 거래는 무엇인가? 멜 워릭 : 그것은 요즘 같은 느낌거야

모든 것은 AI라고 특히 인공 지능 실제 정의는 과학 및 공학입니다입니다 어떤 방식으로, 모양이나 형태의 기술 또는 기술의 그리고 이것은 초기 50 년대에 다시 만들어졌다 우리에게 역사 수업을 제공하는 I 때문에 알고 모두가 듣고 싶은거야 는 원래 분류 된 때 그입니다 그리고, 지난 몇 년 동안,이 과정이었다 우리가 실제로 달성 할 수있는 경우의보고 사람들은 그것에서 무엇을 기대

그러나 현실은 기대가 끊임없이입니다 종류의 변경, 정말 어떤 사람 그들은 AI, 많은 사람들이 말할 때 원하는 정말 인간과 같은 인공를 찾고 있습니다 지성 그들은 인간처럼 로봇을보고 싶어요 그것은 우리가 우리의 공상 과학 소설과 판타지의 모든 재미있을거야 우리가 볼 때 오늘날, 대부분의 사람들을 표시 좁은 AI로 알려진 것에 대해 이야기하고, 그래서 그들은 기술을 기대하고 있습니다 그는 끊임없이의 특정 지역에있는 정말 좋은 학습 및 적응 이 용어는 익숙해된다 그래서 그건, 그것은 시간 ML, 또는 기계 학습을 많이 교체합니다

기계 학습은 본질적으로, 알고리즘이다 즉, AI에 사용 또는 알고리즘의 일부 즉, AI에 사용됩니다 내가 알고리즘을 말할 때, 나는, 수학 부분을 의미 당신의 계산을 사용하는 물건 FRANCESC CAMPOY : 그래서 당신은 좁은 지능을 언급했다 내가 거기, 예를 들어, 같은 상상할 수 우리가 좋은 점으로에 대한 이야기를 한 예였다 오이의 농장이 있었다주의 그리고 결정할 수 있었다 무언가가 있었다 그것을 볼 수 있었다 오이의 종류

그건 바로, 좁은 것입니까? 멜 워릭 : 오른쪽 그래서 당신이 그 오이에 대해 얘기 특히 예를 들어, 그 사용 깊은 학습 또는 신경 그물로 알려져 알고리즘 특히, 그 기계 학습 알고리즘의 유형입니다 그리고 기계 학습 알고리즘의 집합입니다 즉, 인공 지능에 사용됩니다 그러나 사용하는 유일한 것은 아니다 인공 지능

그리고 오이에 대한 example– 나는 정말 지점에있어 확인하기 위해 그것을보고해야 할 것 이 항아리하지만 기본적으로 오이 예에 확실히 기계 학습이다 그리고 지속적으로 적응하고 변화하고있는 경우 다음 작동 방법의 관점에서 기술적으로는 좁은 AI입니다 이제, 일부는 잘, 그것은 확실히이야 말할 것 AI 우리가 살고있는이 현재의 패러다임을 기반으로 하지만, 그것은 거기에 아마, 좁은 AI에 대해 말할 것입니다 그러나 얼마나 많은에 따라 그 변경하고 학습하고 있습니다 MARK MANDEL : 차가운

그리고 당신은 그 전에 뭔가 생각 나는 말했다 그것은 가지 흥미로웠다 당신은 사람들이 AI에 올 때, 그들은 종종 무엇을 원하는했다 인간 같은 반응이다 하지만 좁은 AI의 종류에 대해서 이야기 할 때, 나는 거의 응답 당신이 나가 있는지 궁금하네요 기계의 거의 일을하다 아마도 인간이 할 수 없었다 해야 할 것? 멜 워릭 : 오른쪽 그들은 AI에 올 때 내가 말할 그래서 때 그들은, 인간과 같은 응답을 원하는 그들은 정말 할 수있는 로봇을보고 싶어 생각과 느낌과 아이디어를 가지고있다 그리고 당신은 당신이 볼 때, 말을 자체를 구동 할 수 차에, 그것을 않습니다 자신의 인식을 가지고? 그것은 의식인가? 운전에서 그냥 일반화 할 수 실제로 거기에 다른 일을 하는가? 그리고 그것은 구동 할 수 있도록 매우 일반적입니다, 부여

그러나 좁은의 측면에서, 당신은 사실을 생각해야 그것은 특별히 할 수 있다고 특정 분야의 전문가, 그리고 더 나은 수 그 분야에서 인간보다 AlphaGo 및 DeepMind 성공적으로했다 그 분야에서 최고의 선수의 번호를 이겼다 즉, 알고리즘이 곳의 좋은 예입니다 성공적으로 초과하는 훈련을하고있다 어떤 사람은 할 수있다 그래서 확실히 매우 가능합니다 FRANCESC CAMPOY : 그래서 좁은 AI 될 것이다

그리고 일반적으로 AI 또는 와이드 AI–에 대한 나는 그건 를 호출하는 방법을 모른다 "프로 메테우스"과 "외국인"와 같은 영화가 아닌, AI 그런 종류의 실제 사용 사례가 있습니까? 멜 워릭 : 우리는 지금이 있습니까? 지금까지 모두가 알고있는대로, 아니 나는 어쩌면 누군가는 다시 방에 무언가를 숨기고 있다는 의미 어딘가에

그러나 지금까지 우리 모두가 알다시피, 모든 우리가 지금해야 좁은 AI 되나 무슨이다 우리는 실제로 일반적으로 AI가 없습니다 당신이 보통 때 무엇을 의미 인 당신은 인간과 같은입니다 무엇에 대해 이야기하고 있습니다 당신이했습니다 때문에 그리고 슈퍼 AI가있다 모든 다양한 슈퍼맨과 슈퍼가있어, 슈퍼 쇼 나오고있다 MARK MANDEL : 좋아 지금은 흥분

멜 워릭 : 알아요 어디까지 얻을 시작 어디에 그래서이 그들은 특이점에 대해 이야기 그리고 그들은이 AI를 가지고있다라고 그 위의 인간이 실제로 이해할 수있는 것 이상의 것입니다 이 일을 할 수 있다는 우리의 이해를 넘어 당신이 진짜 극단적으로 다이빙을 시작하는 곳 그리고 그입니다

세계는 끝이 올 것이다, 또는 우리가 영원히 살 것입니다 그리고 진짜 심각한 우려있다 어떤 사람이 공간입니다 그것은 특히 재미, 공상 과학 판타지 세계에서 사용됩니다 하지만의 현실은 정말 아니다 사람들이 정말 연구 뭔가 공간은 걱정, 그들은 조만간 경우, 만약 지금 현실 것으로 표시되지 않습니다 FRANCESC CAMPOY : 그래

우리는 조금 나중에 그 문제에 돌아올 것이다 하지만 당신은 내가 매우 흥미라고 생각 뭔가를 언급했다 당신은 기계 학습이라고 말했다 알고리즘 AI에 사용하지만, AI 기계 이상입니다되는 배우기 멜 워릭 : 오른쪽 FRANCESC CAMPOY : 우리가 AI에있는 다른 무엇을 그 기계 학습 아닌가요? 멜 워릭 : 그래서 기계 학습 연구의 필드에 공간에 다른 필드의 숫자가있다 당신은 통계와 확률 모델을 가지고 즉, 기계 학습와 혼합 얻을 그러나 그들은 자신의 일이 있습니다

그들은 반드시 기계 학습 아니에요 당신은 그래프 이론이있다 어떤 사람들은 양자 역학에 접촉 할 수 또한 좀 더 또는 양자 컴퓨팅, 완전히 콘크리트없는 공간 자체 그러나 탐구하고 생각하는 재미 무슨 일이 가능성의에 대해 그것은 잠재적으로 어떤 점에서 AI에 영향을 미칠 수있는 방법 그래서 다양한 분야가 있습니다 즉, 때로는 자신에 함께 올 것이다 가끔 콘서트에서 달성 할 수 있도록 이 인공 지능

MARK MANDEL : 차가운 그래서 아마 뒤로 가져, 말 Google 클라우드 또는 오픈 소스 프로젝트의 일부처럼, , TensorFlow AI는, 또는 기계 학습이다 아니면 그냥 당신이 일을 사용하는 방법에 의존 하는가? 멜 워릭 : 그래서 TensorFlow은 주로 참조됩니다 깊은 학습과 관련하여 사용된다 내가 언급 한 바와 같이 그리고, 그 어디있어 신경망을 신경망에 대해 이야기하고 적용하기 시작하는 많은 알고리즘 중 하나입니다 기계 학습 공간이다 그래서 그래, 그것은 역할을 할 수 및 사용 인공 지능 프로젝트에 사용되어왔다 DeepMind 예를 들어, 현재 사용 그들의 알고리즘의 일부에 TensorFlow 때이 게임의 주위에 아무것도하고 있습니다

아니 모든하지만 나는 그것이 작품의 일부에 사용되는 것을 알고있다 그들은 일을하고 다른 연구를하고 있다는 그들이에있어 공간 그냥 당신이 TensorFlow을 사용하고 있기 때문에 당신은 AI를하고있는 것은 아닙니다 FRANCESC CAMPOY : 그래 당신이 내 말은, TensorFlow의 안녕하세요입니다 2 플러스 2, 당신은 그것을 실행하고 4를 말한다 그건 아마 AI 아니다

멜 워릭 : 아니, 그건 아니에요 FRANCESC CAMPOY : OK 멜 워릭 :하지만 그래, 확실히 깊은 학습이다, 또는 깊은 학습, 주로이 될 수 있습니다 큰 우산 같은 기계 학습이다 FRANCESC CAMPOY : 차가운 당신이 개발자 advocating–에 있기 때문에 그래서 주요 주제는 인공 지능, 기계 학습이다

당신은 우리에게 물건의 종류에 대해 조금 알 수 당신은 AI 또는 기계 학습으로 할 수있는 Google 클라우드 플랫폼에, 또는 어떤 사람이하는 경향이 있습니까? 당신이 가장 자주 무엇을 볼 수 있습니까? 멜 워릭 : 기계 학습의 측면에서 그래서 Google 클라우드 플랫폼, 구글 클라우드 플랫폼에 그것은 기본적으로 서버입니다 그것은 하루의 끝에 컴퓨터입니다 그래서 당신은 당신이 현재 할 수있는 것을 원하는대로 할 수있다 Google 클라우드 플랫폼에 않습니다 즉, 내가 스트레스에 정말 중요하다고 생각 뭔가 것을 당신이 사용하는거야 어떤 클라우드 플랫폼 같아요 당신은 도구, 당신이 원하는 어떤 도구를 사용할 수 있습니다

당신은 그것을 구성해야합니다 FRANCESC CAMPOY : 그 도구 그래서 하나 예를 들어, 같은 수 있으며, TensorFlow, 하는 우리는 관리 버전을 가지고있는 클라우드 ML 엔진이다 MARK MANDEL : 무엇 지금이라고입니까? 멜 워릭 : 그래 그뿐만 아니라 내 지식입니다 FRANCESC CAMPOY : 그래서 그것은 클라우드 ML 엔진입니다

하지만 당신은 뭔가를 사용하는 데 관심이 있다면 TensorFlow 이외의 다른 사람, 당신은 또한 그것을 사용할 수 있습니다 멜 워릭 : 올바른 FRANCESC CAMPOY : 지금의 일이다 나는 다른 것들 밖에 무엇 아무 생각이 없다 TensorFlow 이외 그래서 나도 몰라 , 다른 잘 알려진 라이브러리가있다인가 당신은 전에 본 적이 TensorFlow 일부 경쟁 사람들은 그것을 사용하는 것이? 멜 워릭 : 오른쪽

그것은 좋은 방법이기 때문에 그래서 Keras 많이 참조됩니다 TensorFlow 또는 다른 신경망 플랫폼과 결합하는 그 밖에 존재한다 그것은 좋은 데요, 추상적 인 높은 수준은 그 공간과 결합합니다 그래서 Keras은 중대하다 당신은 확실히 구글 클라우드 플랫폼에 그것을 사용할 수 있습니다 당신은 그것을 사용할 수 있도록 실제 서버를 구성 할 수 있습니다

끊임없이 다른 라이브러리가 있습니다 PyTorch 및 CAFFE처럼 참조되는 거기에 확실히 몇 가지 다른 그 거기에 내가 탐구하는 것이 좋습니다 것입니다 각각의 하나는 측면에서 자신의 가치를 가지고 있기 때문에 그것은 적용되는 것의 방법에 대해 설명합니다 MARK MANDEL : 그래서, 클라우드 ML 엔진으로 알고 TensorFlow 설정은 이따가 수 있습니다 계산을 배포 할 수 있습니다 여러 컴퓨터 당신이 GCP에 와서 사용하는 경우 같은 다른 PyTorch 같은 또는 뭔가, 또한 당신을 가능하게하는 도구와 함께 사람들은 설정하는 않는다 컴퓨터의 다양한 그래서 당신은 부하를 분산 할 수 있습니까? 아니면 어떻게 그런 종류의 작동합니까? 멜 워릭 : 오른쪽 그리고 나는 우리가 이전에 대해 얘기했다 알고있다

그래서 나는 이것에 대해 블로그 포스트를 작성 내가 만들고 싶어하기 때문에 최근 확인 그것은 사람들에게 분명하다 그 TensorFlow은 매우 가치가있다 그리고 나는 그것을 탐구하는 사람이 좋습니다 하지만 당신은 이미 뭔가를 사용하는 경우 당신이 구글 클라우드 플랫폼을 사용할 수 있도록하려면, 당신이있어 어떤 것을 이해하는 것이 중요하다고 생각 당신이 이상 가져올 수 있습니다 사용 그래서 특히이 게시물을 작성한 사람 구성을하고 시간을 낭비 할 필요가 표시합니다 이미있는 경우 스크립트 또는 고정 표시기의 몇 가지 유형을 설치 당신이 당신의 인스턴스를 구성하는 데 사용하는 이미지, 당신은 그것을 사용할 수 있습니다 당신은 환경 설정을하는 시간을 보낼 필요가 없습니다

당신은 당신이는 Kubernetes를 사용하여 무엇을해야 킥오프 그것은 그 해당 서버를 얻을 도움이 될 것입니다 무엇이든 당신을 위해 실행 당신은 구성을 수행하는 몇 가지 방법을 가지고있다, 그리고 당신은 소프트웨어를 통해 가져올 수 있습니다 FRANCESC CAMPOY : 그래서 마크 즉시, 해당 소프트웨어를 사용하는 경우 큰 규모와 구름과 물건을 말했다 나는 빅 데이터에 대해 생각하기 시작했다 그리고 빅 데이터 사이의 관계에 대해 궁금 해요 및 스파크와 [같은 것들? MapThus?] 같은 물건과 우리가 기계에 대해 이야기하고 학습과 AI AI는 빅 데이터의 일부인가? AI의 빅 데이터 부분인가? 이 관계는 무엇인가? 멜 워릭 : 관계 빅 데이터와 인공 지능 사이에, 이들 알고리즘의 일부에 많은 알고리즘 및 데이터는 실제로 것이다 를 구축 할 수 있도록하고 성공하기 때 당신이 그들을 실제로 특히 잘 작동하도록 신경망에 도착

따라서 빅 데이터는 데이터를 가지고에 관한 것입니다 당신이 모델을 학습해야하고, 그게 다 무슨이다 나는 솔직히, 대부분의 작업을 의미 당신은 당신이 이러한 모델을 구축 할 때입니다 수행 데이터를 가져오고 데이터를 청소하고 갈 준비가 필요 뭔가 나는 사람들에게 모든 시간을 알려 좋아 데이터를 신뢰하지 않습니다 데이터가 완벽하게 심사하고 청소하고 처리 할 필요가있다, 와 같은 시간의 80 %가 지출 할 수있다 하지만 당신은 알아내는 시간을 할애해야합니까 그것은 당신이 가지고있는 무엇, 당신은 무엇을해야 과 형식으로 데이터 플랫폼의 몇 가지 유형으로 점점 그것은 당신의 models–에 될 것입니다 그것이 무엇 이건 추론 훈련, 대한 당신이 할 것입니다

음, 도구 우리가 큰 데이터를 가지고, 우리는 단지 소프트웨어에 그 연결을해야 당신이 사용하고있는 서버 MARK MANDEL : 그래서 지금은,도 궁금 나는 그런 종류, 이전에 언급 생각 AI의 전모의 종류 주위에 지속적인 학습과 플랫폼의 그것은 앞으로 간다 자체에서 학습 멜 워릭 : 오른쪽 MARK MANDEL : 무슨 모습입니까? 그냥 또 다시 같은 훈련을 다시 실행하고, 또는 약간 다른 프로세스가이 성장함에 따라이다? 그것은 어떻게 작동합니까? 멜 워릭 : 그것은 다를 수 있습니다 이 알고리즘의 몇 가지 유형을 사용하는 경우, 마르코프 알고리즘과 같은 경우 통계가 거기에 관련된 지속적 종류의 기반 적응 사람들의 반응을 실시간으로 측정 값에, 알고리즘 자체가 적응 어디 그 하나 개의 방법이 될 것입니다 반응로오고있다 그리고 그것을 실제 독서 시간입니다

때때로 당신은 훈련 오프라인, 또는 여러 번 수행해야합니까 당신은 교육을 오프라인으로해야 할 곳 당신은 당신이 그것을 얼마나 자주의 주파수를 선택합니다 당신이 캡처 한 새 데이터로 그래서 다른 형태의 몇 걸릴 수 있습니다 오프라인에 비해 실시간의 관점있다 FRANCESC CAMPOY : 동일한 주제에 다음과 같은 그래서, 당신이 알고리즘이 있기 때문에이 지속적으로 적응 조건에 그들이하고있는 상황에 실행, 그는 것을 의미 하는가 무언가를 학습 알고리즘에 대해 걱정해야 잘못된? 멜 워릭 : 오, 그래 FRANCESC CAMPOY : 그, 나는 예를 들어, 의미, 당신 스스로 운전하는 방법을 배운다 자기 차를 운전 있습니다 어떻게 당신은하지 않도록 할 고속도로에서 뒤쪽으로 운전하는 방법? 멜 워릭 : 믹스의 인간

당신이 평가하는 인간의 어떤 수준을 가지고있어 뿐만 아니라 당신은 확실히 필요로하는 시스템, 안전에 넣어 그리고 네, 이것은 내가 데이터를 신뢰하지 말 이유 당신은 또한 완전히 모델을 신뢰하지 않습니다 당신은 지속적으로 테스트하고 평가해야한다 우리는 제품의 예를 본 적이 그 거기에 정말 그들이 예상대로 작동하지 않았다이다

나는 엔지니어로, 솔직히, 생각, 당신은 정말 배울 quickly– 당신은 당신이 그렇지 않은이 코드를 작성할 수 있습니다 믿고 싶어 완전히 테스트해야하지만 모든 지속적으로 테스트 할 필요가있다 그리고 당신은 항상 생각해야 할 것 그것은 당신이 누락 될 수 있습니다 FRANCESC CAMPOY : 당신은 어떻게 테스트합니까? 멜 워릭 : 글쎄, 당신이 무슨 일을하는지에 따라 달라집니다 때때로 당신은 테스트를 작성하여 테스트합니다 때때로 당신은 작은 샘플에 노출하여 테스트합니다

때로는 야생에 넣어, 그리고 당신은 정말 빨리 어쩌면 당신이 알아 그리고 당신은 다시 다음 끌어 안 당신은 더 나은 결과를 위해 당신이 그것을 할 다음 시간을 바랍니다 MARK MANDEL : 예 확실히, 사람들의 마음에, 그 들었어요 사람들 아, 내가 일을 통해 AI 또는 ML을 뿌려거야, 생각 날이 완벽한 결과를 제공하는 것입니다 그러나 거기 당신에게 80 %를 얻을 수있는 AI 또는 ML처럼 보인다 그리고 거기에서, 그것은 일종의 이끌어 및 근근이 살아가고 있어요 당신이 좋은 제품을 얻을 때까지 공예

멜 워릭 : 나는 사람들의 스트레스를 같은 당신은 모델링에 아무것도 사실, 알고, 당신은 기계 학습과 아무것도 할 때, 당신은 바로 질문을 마련 할 필요가 또는 당신이 해결하고 올바른 문제 당신은 아무것도하기 전에 당신은 어떤 도구를 선택하기 전에 그런 다음에 대해 생각해야하기 시작, 나는이 작업을 수행해야하는 데이터는 무엇인가? 그리고 빅 데이터 모든 시간을 일 필요는 없습니다 사람들은 인공 지능을 수행 할 수 있습니다 작은 샘플 연구는에있다

하지만 당신은 데이터에 대해 생각해야한다 데이터의 현재 설정은 무엇입니까? 그리고 당신은 모델을 시작할 수 있습니다 실제로 무엇을 개발하기 위해 시간이 걸립니다 정말보고, 그것은 효과가있다? 그리고 당신은 무엇을, 또한 자신에게 물어해야 당신을 위해 달성하기 위해 노력하고? 우리는 일반적으로 평가하고 제 말 것 정확도는 설명 할 수있는 가장 쉬운 일이다 이러한 측정을 평가하는 방법에는 여러가지가있다, 하지만 당신은 허용 몇 퍼센트에서 자신에게 물어? 그것은 삶과 죽음 무언가가 있다면, 어쩌면 나는이에 999999 % 정확해야합니다

뭔가가 있다면 같은, 우리는 게임을하고있다 그 그것은 대부분의 시간을 이길 필요가있다, 어쩌면 80 % 내지 90 %의 정확성이 허용된다 MARK MANDEL : 나는이 질문을하는 곳입니다 아주 막연한 지식을 바탕으로 난 당신이 종류의 지나치게 연습 수 있다고 생각 당신은 특정 데이터 세트가있는 경우 멜 워릭 : 오, 그래 MARK MANDEL : 당신은 그게 뭔지 설명 할 수 어떻게 이길하거나 희망이 발생하지 않습니다? 마술 지팡이 또는 뭔가가 있나요? 멜 워릭 : 너희들은 모든 좋은 질문을한다

마찬가지로, 우리를 정확히 알려줍니다 그리고 그것은 노력도 흥미 롭다 실제로 having– 대 구두로이 작업을 수행하는 가끔하는 데 도움이 때문에 일반적으로 보여주는 이미지를 사랑 가지 점 가정을했다 하지만 그래, 당신은 확실히, overfit 수 있습니다 당신은 또한 underfit 수 있습니다 당신이 overfit 때, 당신이했습니다 의미 (가) 완벽하게 훈련 데이터 집합에 맞도록 만들었 그것은에 노출되어 있다고 그러나 일반화하지 않습니다

당신이 새로운 것을 그 전에 보지 않았 음을 표시하는 경우, 예측의 모든 종류를 제공 할 수 없습니다 실제로 유용 또는 분류 이 데이터에 너무 완벽하게 적합 될 수 있기 때문에 당신은 선형 회귀에 대한 선 그리기 볼 때 데이터 세트에, 그 좋은 예입니다 당신이 보면 overfitting는 대한의 모습 선형 회귀, 나는 당신이 좋은 시각을 얻을 수 있다고 생각 그게 어떻게 생겼는지 그래서 사람들은 정규화로 알려진 무엇을 넣어 당신의 모델로 그것은 종류의 퍼지합니다

그것은 좀 더 일반적인 수 있습니다 그리고 정규화은 매우 중요하다 당신은 신경망 깊은 학습과 아무것도 할 때 그것은 쉽게 overfits 지역이 있기 때문에 그래서 당신은 너무 완벽하게 일치하고 싶지 않아 훈련 세트, 항상 당신에게 제외하고는 한 번도 본 적이 없어요 일부 데이터를 설정하려면 당신이 그것을 테스트 할 때 볼 수 있습니다 그것은 작동 및 적용됩니까? FRANCESC CAMPOY : 그래 나는 정말 멋진라고 생각 예를 들었다

나는 우리가 Kaggle과의 에피소드를했을 때 그것이 생각합니다 MARK MANDEL : 오, 그래 FRANCESC CAMPOY : overfitting의 아주 좋은 예 당신이 주택 가격을 예측하기 위해 노력했다 멜 워릭 : 그래 FRANCESC CAMPOY : 그리고 집 중 하나의가 $ 2 백만 가정 해 봅시다됩니다 하나의 깨진 문이있다

그리고 당신은 어떤 집이있을 때마다 것을 배울 수 깨진 문, 그것은 얼마나 큰 상관없이 달러 (A $) 300 만 없을 것 그것 이다 특정 일 오 그래, 완전히 잘못, 좋아 그래서 그래, 정말 그런 내가 이것은 매우 흥미 롭다 멜 워릭 : 나는이의 정확한 세부 사항을 알고하지 않습니다 하지만이 예를 한 번 나에게 설명했다 여기서, 돌아 오는 길에 하루에 그들이 먼저 일 때 신경망을 탐험, 그들은 내가에서이 훈련을했다 이 탱크 생각

그리고 그들은 미국 사이에 인식 얻으려고 노력했다 러시아 탱크 그러나 문제는 그들이 실제 알고리즘을 훈련입니다 있었다 모든 미국 탱크 정말 정말 잘 이루어 마케팅 샷 촬영 화창한 공간, 반면 러시아 탱크가 있었다 흐린 및 어렵고 입자가 거칩니다 그들은 현실 세계에서 그것을 밖으로 시도했을 때, 그들은 모든 것이 탱크이었다 생각했다 이 거칠고 어두웠 때문이다 그리고 그것은 기본적으로 구름에 훈련했다 실제 탱크 자체에 비해 햇빛에 그래서 어쨌든, 그래, 그것은 재미 때를 이러한 알고리즘으로 파고 시작 정말 방법으로 초점을 맞추고 구체적으로 어떤 것입니다 볼 수 있습니다 이 분류 또는 예측하는 내 방식이라고합니다

그리고 사람들이 저항하는 것은 매우 흔한 일 그 때문에 특히 깊은 학습을 사용하여 완전히 침입하기 어렵다 때문이다 그리고 그들은이 노력하고 있습니다 그것은 해석 가능성라고 그러나 그들은 이해에 최선을 다하고 있습니다 왜이 분류를 따기 알고리즘이다 FRANCESC CAMPOY : 그것은 실제로 매우 재미있다 나는 그 모든 일이 아니라고 생각했다

당신이 신경 네트워크가 있으면, 당신은 뭔가가있는 경우 그 번호는 어떻게 든 당신은 몇 가지 레이어를 볼 수 있습니다을 예측 게재 신경망 가지 내부 아니라 이 원을 인식합니다 그래서 당신은 가지 알아 높은 규모의 일이 같은 당신이하려는 경우인가요 인식이 고양이인가? 멜 워릭 : 그래 FRANCESC CAMPOY : 실제로 수 그 신경망에서 볼? 멜 워릭 : 그래 그들은 거기에 몇 가지 좋은 예를 가지고 보여주는면에서 정말보고이 그물은 무엇인가 그것은 고양이를 찾습니다 때

무엇 별개의 일부는, 무엇을 것입니다 기능으로 알려진 데이터를 식별하는 데 도움 특히 설정? 그리고 실제로 거기에 큰 이미지를있다 당신이 초점을 맞추고 방법에 대한 관점을 줄 것이다 온라인 9 대 7을 분류, 그 루프를 볼 것이다 7에는없는 것 아홉이있을 것이라는 점을, 그리고이 기능이 될 것이다 이 두 숫자를 구분하는 데 도움이 더 높은 확률을 생성한다 MARK MANDEL : 그래서 그것을합니까 어떻게는 신경 그물을 부여 그것은 바로 수학의 본질적? 그렇다면이 숫자에서 확인할 수 있습니다 하는 루프가있다? 그것은 루프에서 찾고? 멜 워릭 : 그래, 그럼 지금 당신은 저를 구두로 수학을 설명합니다 이 굉장합니다

나는 그것을하고있어 방법은, 그것의 의미 기본적으로 화상 변환 특히 이미지에서 그래서, 그것은 변환 모든 숫자 값으로 그리고, 당신은 수학을 방식에 따라, 그것은 특별히 강조 할 수있는 방법을 찾을 것입니다 화상의 일부에 대한 수치 이미지 그래서 자체가 변환됩니다 수치로 무슨 일 수학이 많이 있습니다

그리고 내, 그것을 강조하고 말하는, 이 특정 영역에 초점을 맞 춥니 다 당신은 수치 values–의 관점에서이 지역이 표시되는 경우 의이 모든 그레이 스케일, 그리고 1과 가정 해 봅시다 0s– 난 그냥 정말 simple– 만들어 줄게 사진의 특정 영역에 초점을 맞추고있다 당신이 볼 경우, 그입니다 높은 확률은 9 할 것입니다 그래서 어떤 방법 그리고 당신은 실제로 이미지 자체에있는 것을 볼 방법 또는 당신은 신경 그물 것을 볼 방법 우리는 그물 안에 설정 실제 데이터를 가지고있는 방법이다 그것을 시각화

나는 그 설명의 최선의 방법 말할거야, 솔직히 지금,하지만 당신은 방법을 찾아 그것은 표면 및 시각화하고 변환하는 실제 모델은 어떤 형태로 모양을 이렇게 FRANCESC CAMPOY : 그래서 볼과 거의 디버깅과 같은 이 변수의 값을 참조 실제로있는 프로그램, 때 실행하고 있습니다 당신은 종류의 이러한이, 오, 볼 수 있습니다 [때문에 활성화되어 조각? 그것은 본다?] 주변 또는 무엇이든

즉, 그 뜻, 때마다 당신을 원을 인식 할 수있는 큰 신경 네트워크를 양성 선과 무엇이든, 당신은 할 수 다음 다른 일에 훈련 그 부분을 다시 사용합니다 마찬가지로, 예를 들어, 아니, 당신이있어 가정 해 봅시다 다이어그램을 인식하려고하는 것 또는 그런 일 멜 워릭 : 그래서 당신은, 전송 학습을 가져오고 있습니다 그것은 정말 인기있는 일이되고있다 나는이 주변의 신경망에 대해 말할 것 몇 가지 특히 신경 그물은 지난 몇 년 동안 최근 인기에 온 연산 능력이 있었으므로 실제로 이러한 계산을 수행하는 방법이해야 할, 집중적 인 계산 당신이 그것을 위해 무엇을해야, 및 데이터를 사용할 수있었습니다

무엇 처음 신경망에 대한 인기가하는 기능이었다 공학, 기능 엔지니어링 의미 당신은 당신을 통해 데이터를 실행할 수 있습니다 데이터의 기본 중요한 부분을 식별하는 당신이 모델을 구축 할 수 있도록 도와드립니다 그리고 그 사람들이 수동으로해야 할 일을했을 뭔가의 그것은 오랜 시간이 정말 많이했다 그러나 신경망을 사용하면 훨씬 쉽게했다 이제, 사람들은 알려진 것에 대해 흥분된다 전송 학습, where–로 더 그렇게 신경 nets–와 당신은 이미했습니다 때문에 , 성공적이었다 훈련 모델을 가지고 그들은 영상 분류의 몇 가지 유형을 잘있어 그리고 당신은 그 모델의 일부를 취할 수 과 다른 이미지 분류 문제에 적용, 그리고 적응 빠르고, 훈련 빠르게 적용 할 빠르다

그래서 멋지다 그것은 고양이와 개를 알아내는처럼, 그것은 나무 또는 무엇인가를 파악을 위해 사용됩니다 MARK MANDEL : 그것은 그런 식으로 매우 인간이다 마찬가지로, 나는 스포츠 X 했어, 나는 한 가지처럼 수행하는 데 사용 그리고 나는 정확히 같은 일을 할 수 있습니다 당신은 농구 실력을했다 그것을 인수 그런 네트볼이나 뭐 같은 뭔가

멜 워릭 : 그래 MARK MANDEL : 그 종류의 고급형입니다 그래서 때 로봇 반란 때, 그리고 내가해야 로봇 군주를 기대? 멜 워릭 : 내일 MARK MANDEL : OK 멜 워릭 : 그것은 이미 여기입니다

당신은 이미이었다 몰랐 당신에게 모든 것을 말하고 MARK MANDEL :이와 OK입니다 난 그냥 물어 거라고 생각했다 멜 워릭 : 나는이 말을합니다 일부 연구는 주위가 이루어졌다 superintelligence 공간과 모든 사람 우리가 갈 때 누가 예측했다 superintelligence을 가지고 있습니다

그리고 그들은, 시간 프레임을 평균 그리고 기대는 2040입니다 MARK MANDEL : OK FRANCESC CAMPOY : 2040? 오 와우 MARK MANDEL : 그것은 빨리 내가 ​​생각했던 것보다 곧입니다 멜 워릭 :하지만 당신은 시간을 가지고있다

MARK MANDEL : 나는 시간을 가지고있다 멜 워릭 : 당신은 충분한 시간이있어 FRANCESC CAMPOY : 그래서 타이탄의 충돌이 있었다 있었다 마크 주커 버그와 엘론 머스크가 있었다 공개적으로 AI를 논의 그리고 기본적으로 하나가 말하는 AI, 슈퍼 위험 우리는 슈퍼주의해야합니다 아니, AI가 세상을 구할 것처럼 다른 하나였다

이에 대한 당신의 구부러진은 무엇인가? 당신의 의견 것입니다? AI는 파괴하거나 세상을 구할 것인가? MARK MANDEL : 그리고 그것은 단지 하나 또는 다른이 될 수 있습니다 더의 사이가 없습니다 FRANCESC CAMPOY : 그래 멜 워릭 : 나는 다섯 번째를 주장 그래서 나는 특히, 밖으로 재생이 인수를 보았다 지난 몇 년있다

나는 두려움이 사람을 얻기 위해 사용하고 있다고 생각 일을하거나, 나도 몰라하는, 필요는 없다 그 방법으로 반응 유익한, 솔직히 내가하자, 이제 두려워하자, 많은 일을의 팬이 아니에요 정말 두려워 그러나 나는 당신이 조심해야 할 필요가 있다고 생각합니까 그리고 연구자를 많이 알고 도전의 일부 옹호하려고하는 그들은오고 옹호하려고 참조 것을 책임감있는 방법을 우리는 그 문제에 대해 올 수 있습니다 나는 그들은, 그래으로이만큼 재미 아니라는 것을 알고 아래로 던져 그것을 밖으로 싸워야한다, 이것은 거기에 가장 좋은 사람입니다

나는이 공간에서 많은 마약 중독이있다 보는가 이 과대 광고를 많이, 그리고 그것은 어떤 방법으로 직결됩니다 나는 사람들이 그 안에 잡힐 수 있다고 생각하기 때문에 가난한 결정을 내리고 일에 구매 즉, 장기적으로 그들에게 도움이 될 수 없습니다 그러나, AI와 과거와는 달리 우리는 50 년대에 과대 광고를보고 다음이 AI 겨울 및 과대 광고 다시 80 년대와 90 년대 다시 드롭 아웃과 같은에서, 우리는 암 세포를 식별처럼, 실제 응용 프로그램을보고있다 이미지에, 우리에게 매우 유익한 도움이됩니다 거기의 그리고이 완전히 측면에서 과대 선전되지 않는다 거기 진짜 가치 단지 당신은 마약 중독과 두려움에주의해야 할 것 그리고, 그것은을 위해 사용되는 것에 대해 현실 어디 유용하고 당신이 무엇을해야하는지 참조 그것에 대해 책임을 져야합니다

FRANCESC CAMPOY : 당신은 연구 언급 그들이 가지고 몇 가지 우려에 대해 매우 조심했다 당신은 그 관심사 중 하나의 예를 들어 주실 수 있습니까? 멜 워릭 : 우려의 일부 나는 최근에 들었어요, 나는 대부분의 사람들이 생각 이 얘기, 작업이다 우리는 모든 작업을 멀리 자동화 한 건가요? 모르겠어요 모르겠어요 대화는 우리가 그들을 자동화 않는, 주위에있다 또는 우리는 단지 새로운 일자리를 만들 수 있죠? 그래서 나는 전문가의 부족 해요 완전히이 정말 일어날에에 무게를 할 수 있습니다

그리고 연구자의 대부분이 완전히 모르는 생각, 하지만 일부 대화와 토론이있다 그 모습 어떤 것이 있는지 일부 다른 문제는 얘기하고 있었는지를 따라 있습니다 이전 테스트와 함께, 우리를 어떻게 할 우리가 야생으로 물건을 옮기고 알고 사람을 해치지 않을 것입니다? 그리고 우리가 적절한 수준을 가지고 있는지 확인하십시오 그리고 해를 말한다 나는 모든 사람을 죽이고 그들에 대해 이야기하고 있지 않다 하지만 난 장소에 적절한 안전 장치를 가지고 말하고있다 그래서 그들은 완전히 얘기하는 사람들베이스 떨어져 아니에요, 그리고 난 알아 [? Yomas은?] 그들이있어 경우, 그 중 하나입니다 , 말하려고 우리가 올바른 안전 조치를해야합니까 AI 유용한 방법으로 영향력이 될 것입니다 있는지 확인하기 위해? MARK MANDEL : 그리고 당신이 확인하고, 이야기하고 있었는지 등 인간은 혼합에 남아있다

당신은 컴퓨터가 말을있는 경우에 중대 이 암 세포 또는 이러한 없습니다, 실제로, 말과 함께 의사를 가지고, 의 그렇게 한 번 확인하자 우리는 조치를 취하겠습니다 내가 제안 등의 정보를 할게요 또는 전체 모두의 패킷의 부분은 내가하고 있어요 나는 그것이 매우 흥미로운 것 같아요 나는 체스 리그와 물건의 물건을 들었어요 어디 인간과 컴퓨터 AI의 상호 작용과 같은 수 같은 팀이 함께 작업 할 수있는 그리고 나는 앞으로 생각, 당신은 볼 수 일어나는 일이되고있다 그것은 단지 하나 또는 다른 적이 없습니다

그것은 함께 모두입니다 멜 워릭 : 오른쪽 MARK MANDEL : 우리는 불행하게도, 시간이 부족합니다 나는 좋은 대화를하고있다 우리는 마무리하기 전에, 그러나,이 아무것도 당신은 당신이, 당신이있어 이벤트를 연결 있는지 확인하려면 아마 뭔가에가는 당신이있어 매우 흥분 당신이 단지 우리가 완료하기 전에이 팟 캐스트에 도착 만들고 싶어? 멜 워릭 : 나는 앞으로 찾고 있어요 올랜도 그레이스 호퍼에서 AI 패널에 말하기에

FRANCESC CAMPOY : 좋은 멜 워릭 : 그래서 10 월에오고, 나는 확실히 그것을 언급하고 싶다 하지만 그래, 나는오고있다 회담의 번호를 가지고 나는 스트라과 오라일리의 AI 회견을 좋아한다 감사합니다 나 플러그인을 주셔서 감사합니다

FRANCESC CAMPOY : 우리는 그 모든해야합니다 누군가가 당신을 찾아 가서 물어보고 싶은 경우에 쇼 노트 로봇 반란에 대한 당신 멜 워릭 : 감사합니다 FRANCESC CAMPOY : 확실히 다음 의견을 가지고있다 고맙습니다 정말 고맙습니다

멜 워릭 : 감사합니다 FRANCESC CAMPOY :이 놀라운했다 MARK MANDEL : 감사합니다 FRANCESC CAMPOY : 멜라니에 너무 감사합니다 인공 지능과 기계 학습에 그녀의 의견을 공유 또한 차이 무엇인가 무슨 일이 미래에 일어날 것입니다 우리는 우리의 기계 학습 군주를 환영 할 것입니까? MARK MANDEL : 그래

나는 완전히 그들을 환영합니다 나는 그에서 분명히하고자합니다 FRANCESC CAMPOY : 그래 전혀 나도

나는 그들을 사랑 해요 승인 나는 갈 시간 같아요 주 우리의 질문은는 Kubernetes에 관한 것입니다 그래서는 Kubernetes, 당신은 포드가 있습니다

그리고 그 포드, 때마다 그들은 die– 그들은 실제로 매우 짧은 살았 sometimes– 있습니다 하나는 죽을 때마다, 당신이라는 서비스가있는 경우, 글쎄, 난의 그것의 10 개 인스턴스를 가정 해 봅시다해야한다, 새가 생성됩니다 그리고 당신은 정말에 제어 할 수 없습니다 포드가 사망 할 때마다 새로 만들어집니다 자, 당신은 어떻게 그 행동 사이에 뭔가를 할 것인가? 나는 순간에 뭔가를하려는 경우와 같은 의미 새로운 포드가 생성됩니다, 우리가 어떻게해야합니까? 그리고 뭔가에게 순간을 수행하려는 경우 포드가 사망하거나 감지되거나 고려 죽은, 당신은 어떻게해야합니까? MARK MANDEL : 차가운 그래서 실제로 뭔가입니다 종류는 Kubernetes에 대해 매우 흥분 저를 가져옵니다

그래서는 Kubernetes는 전체 REST API를 가지고뿐만 아니라, 이동 및 파이썬과 같은 대부분의 언어에 대한 고객의 일련의 다른 사람뿐만 아니라 그리고 무엇을 만드는 것은 내게는 Kubernetes에 대한 흥분 는 Kubernetes이 놀라운 일이 있다는 것을 배포의 측면에서 정말 멋진 많은 작업을 수행 그 같은 서비스와 물건, 그러나 그것은 또한 당신에게 빌딩 블록을 너무 많이 준다 그리고 API는이 모든 종류의를 할 수 있도록하는 다른 흥미로운 물건의 프로그래밍 그래서 당신이 정말로 그것을 제어 할 수 있습니다 그래서 그런 것들 중 하나는 그것이 가지고 기본적으로 전체 시계 API입니다 고객의 대부분은 그 마무리 당신은뿐만 아니라 REST API를 통해 직접도 액세스 할 수 있습니다

당신은 기본적으로이 물건이 발생할 때마다 어이, 말해, 말할 수 있습니다 그래서 예를 들면, 우리가 여기서 무슨 말을하는지, 이벤트가 포드에 대한 발생할 때마다 야, 말해 그리고 당신은 실제로뿐만 아니라 사람들에게 필터를 적용 할 수 있습니다, 당신은 그렇게 재미 물건을 할 수 있습니다 그리고 무엇을 그에 대한 멋진 것은 그 다음이다 난 그냥 어쩌면 일어나는 배포 할 수 있습니다 그것은는 Kubernetes에 앉아있다

그것은 클라이언트를 통해는 Kubernetes의 API에 연결할 수 있습니다 그리고 말할 수있는, 이봐, 나 때마다 말 뭔가 포드와 함께 발생합니다 하나가 만들어 질 경우 그리고, 그것은 메시지를 받게됩니다 무언가를 말하는 것은 일어났다 하나는 삭제됩니다 때,이 메시지를 가져옵니다, 뭔가 일어났다 그리고 프로그래밍, 당신은는 Kubernetes에게 두 수 다른 뭔가를, 어쩌면 로그에 메시지를 해고, 어떤 분석이나 통계의 일종을한다

당신은 분명히 여기에서 할 수있는 재미있는 모든 종류가있다 FRANCESC CAMPOY : 그래서 당신이 요청을 그 무슨 뜻 당신은 콜백의 어떤 종류를 제공 그것은으로 webhook처럼 호출 할 것이다? 또는 긴 것처럼 그리고 당신은 새 메시지를 얻을 수 해당 연결에서? MARK MANDEL : 그래서 그것은 당신의 클라이언트에 의존하고 그것을 수행하는 방법 그래서 일반적으로 이동 클라이언트를 사용합니다 그래서 정상적으로 수행하기가 다시 채널을 손이다, 그리고 데이터 채널로 밀리 사람들은 채널에 익숙하지 않은 경우, 블로킹 큐 등 기본적으로 생각합니다

그리고 데이터는로 전환하고 난 그냥 선택할 수 있습니다 이를 통해 오는대로 그 FRANCESC CAMPOY : 차가운 MARK MANDEL : 그리고 나는 이동 루틴을 수행 할 수 있도록 기본적으로 포크 다른 스레드 해제하는 것은 거기에서 실행을 계속 그리고 그것은 정말 간단합니다, 나는 프로세스를 시작하거나 사망에 대해 걱정할 필요가 없습니다 처리 또는 그 물건의 추적 는 Kubernetes 사랑스러운 인, 나를 위해 모든 것을 처리합니다

FRANCESC CAMPOY : 좋은 내가 가장 좋아하는 것은 사실이 API의뿐만 아니라 사실이다 존재하지만,이 API는 [가 사용된다? 큐브?] [? QTL? 또한 [라고도? 큐브?] [? CTL?] 하지만 [? 큐브?] [? QTL?] 내 집이다 그리고 그것은하지 그 많은 사람들이 알고있는 뭔가의 하지만 당신은 일을 할 수있다 이렇게

Make AI work for your business with custom search capabilities | T108

안녕 아일랜드는이 비디오에서 PA-팀 인에 프로그램 관리자를 발라입니다 나는 마이크로 소프트 AI가 검색되는 당신의 사업을 위해 작동 할 수있는 방법에 대해 이야기하겠습니다

API는 I는 Microsoft인지 서비스에 대한 간단한 소개를 제공하겠습니다 빙 검색 API는 지금 구입을 위해 일반적으로 사용할 수있는 신제품 인 사용자 정의 검색에 대해 얘기 좀 더 많은 시간을 보낼 수 있습니다 난 당신이 빙 사용자 정의 검색을 사용하여 사이트의 검색 경험을 제공하는 것이 얼마나 쉬운의 데모를 보여 매우 흥분 난 당신이 소비하기위한 몇 가지 유용한 링크와 자원이 프리젠 테이션을하게 될 겁니다 그들이 작동하기 때문에 마이크로 소프트인지 서비스를 선택하고 쉽게 왜 API는 간단한 나머지 나머지되는 호출하기 때문에 쉽게 구현할 수 있습니다

일반적인 방법입니다 API를 구현하는 당신은 무료로 그들 모두 시작할 수 있습니다 한 장소로 이동하여 하나 websitemicrosoftcom인지 슬래시 우리는 지능이나 지식의 호흡을 가지고있다 개발자 그래서 API는 그들이 중요하지 않은 리 필요 지능형 어떤 기능을 찾을 수있을 것입니다

우리 모두는 어떤 언어 프레임 워크 또는 플랫폼에서 작동하는 개발자를 선택합니다 이 API는 이러한 기능을 통해 사용되는 기계 학습 팀을 나타내 지불 마이크로 소프트의 연구에서 자신의 분야에서 전문가가 내장되어 있습니다 대부분은 마이크로 소프트 코타나가 스카이프에있는 같은 당 Microsoft 제품을 적용합니다 약간의 드릴링 우리는 비전으로 구성되어인지 서비스에서 사용할 수있는 서비스의 다양한 세트를 볼 수 있습니까? 어떤 언어 지식 검색 및 무릎 범주 이 이야기합니다

우리는있는 몇개의 API에 특히 초점을 맞출 것이다 여기에 강조를 참조하십시오 그것은 많은 일 현재 빙 API를 마이크로 소프트인지 서비스의 일부임을 모든 정보 기록을 가지고 그 건물 애플리케이션으로 사용한다 당신은 강력 중심의 기능에 연결할 수 있습니다 몇 줄의 코드를 작성하여 빙 검색

웹 페이지의 수 천억 빗질 앱으로 연결 API 광고 정보 검색 이미지 동영상없이 추가 요구 사항과 관련 결과를 제공하는 뉴스입니다 빙 이미지 검색 API는 당신에게 당신이 세계 빙 비디오 검색 API 제공 주위 사람들의 장소 및 사물의 훈련 영상을 활용할 수있는 단일 호출로 도구를 검색 강력한 이미지를 제공합니다 그래서 비디오 검색 기능이었다 큰 뉴스, 검색 API는 하나의 API 호출에서 최신 새로운 센터의 결과로 응용 프로그램을 반전시킬 수있는 거의 실시간으로 업데이트되는 세계 각국의 뉴스 동향 가져와 빙 순서는 API를 제안한다

사용자가 인기 검색어에 대한 제안 사항을 볼 수 있도록 신속하게 검색 범위를 좁히는 데 도움이됩니다 연구 API 내에서보다 매력적인 사용자 경험을위한 엔티티 정보를 통해 광고에 대한 사람들의 장소 및 사물과 지역 기업에 대한 풍부한 컨텍스트를 가져올 수 있습니다 우리는 빙 정의 검색은 이제 빙 사용자 정의 검색을 구입할 수 있습니다 당신이 사이트 검색 및 수직 검색 기능을 제공하여 귀하의 비즈니스에 대한 사용자 정의 검색 엔진을 구축 할 수 있습니다 발표 매우 행복하다 사용자 정의 검색되는 설정 API는 핵심 기술은 3 단계로 작동, 슈퍼 쉽고 빠릅니다

그것은에서 주제 측면을 식별합니다 그것은 가져 빙 원한을 적용하고 파라 미터를 조정 허용하면서 중요한 검색 결과를 제공합니다 언제 사용자 정의 검색을 사용하여 접근이 개 중요한 방법이 있습니다 하나는 다른에 사이트 검색 수직 검색, 측면 검색입니다

그것은 사용자가 당신이 최고 결과를 고정 할 수 있습니다 모든 웹 사이트를 검색 할 수 있습니다 또한 순위를 제어 할 수 당신은 당신이 경험 우리의 호스팅을 사용할 수있다 그리고 우리는 당신이 맞춤 타겟팅 검색을 설계 할 수 있습니다 수직 검색에 당신을위한 비용은 무료 체험 호스팅 제공하고 있습니다 우리의 주제에 대한 웹 페이지에 슬라이드의 수백 당신은 내부 또는 외부 배포 할 수 있습니다 당신은 또한 당신이 경험 호스팅 우리를 사용할 수있다 그것으로 나는 당신에게 어떻게 사용자 정의 검색 API 작업의 빠른 데모를 보여 드리겠습니다

이미 사용자 정의 검색에 로그인 Daute는 내 Microsoft 계정을 사용하여 그건 중요해 당신이 당신의 자신의 인스턴스를 관리 할 수 ​​있도록 로그인합니다 우리는 지금 당신이 당신의 자신의 정의를 생성하고 관리 할 수있는 관리자 포털에서 찾고 있습니다

지금 인스턴스를 검색 할 수 있습니다 나는 뉴스 회사에 대한 새로운 검색 인스턴스를 만들려고하고있다 내가 설정하는 것을 시도하고있다 의이 경우, 새로운 검색을 부르 자 난 그냥 하나 개의 인스턴스를 생성,하지만 당신은 또한 여러 인스턴스를 만들 수있는 능력을 가지고있다

사람들은 내 사이트에 와서 최신 뉴스 및 자신의 검색 기준에 따라 관련성이없는 뉴스를 찾을 수 있습니다 당신이 사이트 검색을 만드는 경우 그런 다음 당신은 당신의 자신의 도메인을 추가하고 그것 뿐이다 즉, 사용자 정의 검색 엔진을 만들하는 데 걸리는 전부입니다 나는이 예에서 알고있다

우리는 수직 검색을하고 있습니다 그래서 지금은 addmsncom에 갈거야 내가 알고 있기 때문에 thatmsncom 내가 새로운 검색을 찾고, 모든 정보가 있습니다

지금은 내가 입력하는거야 그것에 대한 나의 사용자가 결과를 얻을 방법을 테스트하려는 월드 뉴스라는 키워드를 입력했다 자, 인덱스가 백그라운드에서 수행하면이 범위입니다 전체 대규모 빙 지수 아래로 2 월드 뉴스 다시 frommsncom

여기에 결과를 볼 수 있듯이 지금은 입력보다 너무 아니라, 몇 가지 사이트를 추가거야 나는 모든 벌크 내가 추가 사전 모든 사이트에있는 텍스트 파일을 업로드 할 수 있습니다 여기를 클릭거야 텍스트 파일을 선택하려면? 내가 추가 사전 모든면 내가 여기에 URL을 선택하는거야되는? 괜찮다

나는 대량 업로드를 사용하기 때문에 당신이 보는대로 지금, 나는 이미 내 사용자 지정 검색 인스턴스에 추가 내 텍스트 파일의 일부 모든 사이트를 볼 수 있습니다 당신이 어떤 빠른 이벤트 어떤 빠른 마케팅 이벤트에 대한 대량 가져 오기를 사용할 수있는이 기능의 힘을 볼 수 있습니다 당신이 아래에 보는 바와 같이 모든 사이트를 입력하는 대신 수동으로 또한 어 사이트 제안 기능을 사용할 수 있습니다 그것은 당신이 즉시 클릭하여 추가 할 수 있습니다 사이트 제안, 함께 제공됩니다 적은 기호 당신은 그 사이트가 사용자 정의 검색 인스턴스을 추가 할 수 있습니다

오히려 사용자가 관심을하지 않을 수 있습니다 불필요한 결과의 무리를 보여주는 것보다 특정 사이트에 사용자를 구동 할 수 고정 같은 다른 기능을 제공합니다 작품을 고정하는 방법을 설명합니다 나는이 링크를 복사거야 내가 핀 탭으로 전환하겠습니다 나는 링크를 붙여거야 난 그냥 복사 나는이 전화거야

같이 Entertainement, 방금 링크가이 특정 키워드를 회전하고있다 난 그냥 복사 나는 엔터테인먼트에 입력하면 그래서 지금, 무슨 일이 일어날 같습니다 입력을 클릭합니다

백 엔드 잡았 내가 사이트를 볼 수 있습니다 나는 기능에 최대를 사용하여 위쪽으로 쿼리 엔터테인먼트 덧붙였다 당신은 사용자가 예를 들어 말을위한 표면 싶지 않은 사이트를 차단할 수있는 또한 차단라는 다른 기능을 사용할 수 있습니다, 당신은 aswayzecom을 가지고 있고 당신은 당신이 항상 사용할 수있는 몇 가지 원치 않는 뉴스를 원하지 않는다 차단 기능은 사용자가보고 관심이 없을 수 있습니다 해당 사이트를 차단합니다

또한 여기에 이동하여 인스턴스 이름을 바꿀 수 있습니다 또는 당신은 또한 복제 기능을 사용할 수 있습니다 예를 들어, 다양한 섹션이있는 경우 귀하의 웹 사이트 내에서 오히려 처음부터 인스턴스를 만드는 것보다 당신은 항상 편집 다른 경우, 알레르기 생성 된 인스턴스를 복제 할 수 있습니다 오히려 당신은 처음부터 다른 인스턴스를 다시보다

지금 당신은 당신이 사용할 수있는 2 가지 방법이 있습니다 이것을 사용하는 방법을 생각할 수 있습니다 한 당신은 당신의 가입 키를 전달하여 점에서 우리의 사용자 정의 검색 API를 사용할 수 있으며 다시 얻을 수 있습니다 순서 제이 산이 어떻게 작동하는지 표시합니다 내가 구독 키를 복사해야합니다 여기에 가입 키에가는 나는 쿼리 용어를 사용하겠습니다

환대 나는 시험 API를 클릭 해요 당신이 오른쪽에 표시로서 당신은 즉시 볼 수 있습니다 제이슨 응답 이 사용하면 원시 데이터를 가지고있다

당신은 당신이 우리가 사용하는 방법을 사용자 정의 할 수 있습니다 자신의 프리젠 테이션 레이어를 만들 수 있습니다 걸릴 수 있습니다 사용자 정의 프리젠 테이션 레이어를 작성하는 시간을 보내고 싶지 않아합니다 당신은 항상 당신에게 I 옵션을 호스팅 사용하고 호스팅 당신이 옵션을 사용하는 우리는 비용을 청구하지 않습니다 우리는 당신을 호스팅 사용 나는 매우 쉽습니다 우리는이 경우에 다른 레이아웃, 우리는 3 가지 레이아웃을 제공합니다 제공합니다

당신은 내가 처음 레이아웃을 선택하는거야 원하는 레이아웃을 선택할 수 있습니다 그리고 나는 또한 색상 테마를 선택하겠습니다 나는 고전적인 색상 테마를 선택했다 그리고 나는거야 내 검색 상자에 배치하고 싶었 이름을 변경합니다

나는 새로운 검색을 말하는거야 또한 페이지 당, 내가 사용하는 방법을 많은 결과를 결정하는 옵션이 있습니다 또한 페이지 제목을 변경할 수 있습니다 나는 새로운 검색 내 페이지의 제목을 변경거야 마자 왼쪽에 변경하기로 당신은 즉시 볼 수 있습니다

여기에서 우측에 도시 된 변경을 적용한다 또한 로고의 URL을 선택할 수있는 옵션이 있습니다 그래서이 경우 내 회사의 로고가 있습니다 이미 나는 단순히 여기에 붙여 넣을거야 낮은 URL이 있습니다 당신은 최대한 빨리 로고 URL을 붙여 넣기로 볼로 즉시 바로 오른쪽에 표시됩니다

또한 어두운 사이의 도구 모음 테마를 선택하고 거짓말을 할 수 있습니다 나는 어두운 테마 그래서 나는 여기 어두운 선택하는 것, 내가 변화를 공격하기 전에 것 같은 나는 사용해야합니다 내 가입 키는 그래서 내가 사용하는 등록 키를 복사 할거야 전에

여기이 친구는 지금은 변경 사항을 저장하고있어 있습니다 내 당신을 호스팅을 위해 내가 그랬어 지금은 2 가지 방법이 있습니다 당신은 당신의 첫 번째 옵션은 당신에게 I를 사용자 정의에 액세스 할 수 있습니다 당신은 당신의 응용 프로그램에 여기에서 자바 스크립트 입력을 통합 할 수 있습니다

그것은 당신의 정의 검색 인스턴스와 연관된 사용자 정의 구성 아이디어가 있거나 두 번째 옵션은 직접 아래의 HTML 링크를 사용하는 것입니다 두 경우 모두, 어 당신은 필요에 따라 시장이나 안전 검색 매개 변수를 변경해야합니다 이제 당신이 모양을 경험 호스팅 어떻게 내가 당신을 보여 드리죠 여기 우리가 간다, 우리는 좋은이 뉴스 회사 당신을 위해 당신에게 I를 개최 만든 나는 키워드를 사용하여 테스트거야 내 사용자 정의 검색 인스턴스에 페인트

당신은 여기에서 볼 때, 그 결과를 신속하게 사이트의 목록에서 사용자 정의 검색 인스턴스에서 검색됩니다 당신은 당신의 정의에 추가됩니다 인스턴스를 검색하고 나는 페인트 핵심 단어를 사용하는 경우 나는 최고 결과를 참조하십시오 내 사용자 정의 검색 인스턴스에 추가 된 키워드에 관련된인가? 난 당신이 당신의 자신의 사이트 검색 또는 사용자 정의 검색을 사용하여 수직 검색 환경을 만들 슈퍼 쉽게 가리 켰을 때, 당신은 짧은 데모를 즐길 바랍니다

API는 그것은 모든 산업 또는 특정 도메인 검색에 사용할 수 있습니다 이미이 사용하고 우리가 좋은 피드백을 많이 받고있어 엔터테인먼트 또는 고객의 교육 도메인 많은에 의료 말한다 요약하면 검색 인스턴스를 만들 수 있습니다 사용자 정의 검색 tatay 있습니다 나는 당신이 화이트리스트에 사이트를 추가 할 수 있습니다 당신은 필요에 따라 페이지를 차단할 수 있습니다

당신은 또한 정말 기능이 고정되어 사용하는 다양한 쿼리에 대한 결과를 고정 할 수 있습니다 당신은 강등 또는 옆으로 밀어주고 또한 순위를 조정할 수있는 옵션이 있습니다 당신은 당신에게 호스팅 검색 결과 전 템플릿을 사용자 정의 할 수 있습니다 빙 안전하게 우리의 백엔드 데이터 저장소에있는 각 사용자 정의 검색 정의를 저장합니다 유용한 자원이 링크를 확인하시기 바랍니다

추가 정보를 제공합니다 난 당신이 지능 계층 애플리케이션에 세계의 지식을 가지고있는 API를 활용할 수 있기를 바랍니다 시간 내 주셔서 감사하고 우리는 기대하고 있습니다 여러분 모두와 혁신의 흥미 진진한 여행에 함께 간다

How Google Built the Pixel 2 Camera

지난 수년 동안 정말 다양한 카메라가 개발됐어요 우주에서 사진을 찍거나 인체 내부를 촬영하고 차 안에서 시야를 확보하는가 하면 일상 속 추억을 포착할 수도 있게 됐죠 요즘은 사진이나 동영상을 대부분 휴대전화 카메라로 찍죠 기능도 많이 발전해서 카메라로 360도 사진이나 4K 동영상을 찍고 새 친구를 만날 수 있게 됐고요 작년에 Google Pixel의 카메라를 테스트한 이후로 어떻게 이렇게 훌륭한 사진들이 손톱보다 작은 카메라에서 나오는 건지 또 카메라 안에서 어떤 일이 벌어지는 건지 궁금해졌죠 Pixel 2가 막 출시되었으니 Google을 돌아다니며 이 카메라를 만든 사람들을 만나 가능한 한 많이 배워볼 수 있는 절호의 기회인 것 같군요 Noodles, 준비됐니? 거북이 사진은 없지만 멋진 사진을 많이 볼 수 있을 거야 이제 시작해보죠 휴대전화 카메라를 만들 때 가장 어려운 점은 크기예요 휴대전화는 가볍고 얇아야 하니 블루베리만 한 공간에 카메라를 집어넣어야 하죠 휴대전화 밖에서 보면 렌즈가 있는데 Pixel 2 카메라에는 사실 렌즈 6개가 겹쳐져 있어요 모양도 굉장히 특이하죠 이상한 W 같은 모양으로 돼 있는데 아주 작은 공간을 활용해서 '수차'라는 오차로 인해 사진이 왜곡되지 않도록 해야 하거든요 올해는 광학식 손떨림 방지라는 기능도 추가되었어요 렌즈 주변을 둘러싸고 있는 물리적인 부품이 있는데 그 안에 모터가 달려 있어서 여러 차원으로 렌즈를 조정할 수 있죠 초점을 맞추면 렌즈가 앞뒤로 움직이고 광학적 손떨림 보정 기능이 – 렌즈를 상하좌우로 움직이죠 – 손의 움직임을 보정하려고 움직이는 모습을 실제로 볼 수 있어요 렌즈의 1mm 뒤에는 센서가 있어서 디지털카메라의 필름과 같은 역할을 하죠 이 센서는 빛을 포착해서 전기 신호로 변환하는 감광 화소, 즉 픽셀로 덮여 있어요 올해 나온 Pixel의 이미지 센서는 1,200만 개 픽셀을 갖췄는데 각 픽셀은 좌우로 나뉘므로 사실상 부분 픽셀이 2,400만 개라고 볼 수 있죠 이건 나중에 자세히 살펴볼게요 하지만 지금 짚어볼 흥미로운 점은 센서에 심도와 자동 초점과 관련된 새 기능이 탑재되었다는 거죠 사진이 찍히는 원리를 간단하게 설명해주실 수 있나요? 실리콘 조각으로 사진을 찍을 수 있다는 것 자체가 놀라운 일이죠 센서에서 찍힌 사진을 그대로 쓰지는 못해요 어두운 데다 온통 초록색이고 불량 픽셀이 붙어 있으니까요 컴퓨터 활용 사진 기술을 이용하지 않더라도 이 이미지를 그럴듯한 최종 사진으로 만들기까지 수많은 작업이 필요하죠 이러한 작업은 모든 디지털카메라에서 이뤄져요 카메라마다 방식은 조금씩 다르지만 Pixel 2에서는 30~40단계 정도를 거치죠 저는 첫 번째 단계가 가장 흥미로웠는데요 센서에는 적색, 녹색, 청색 픽셀이 격자무늬로 배치된 물리적 색상 필터가 있어서 픽셀이 빛의 모든 색을 감지하는 대신 적색, 녹색, 청색 중 하나만 감지하죠 우리 눈은 녹색에 더 민감하기 때문에 녹색 빛은 2배로 많이 감지하고요 이쪽에 있는 적색과 이쪽에 있는 녹색과 이쪽에 있는 청색을 합쳐 색상 이미지를 만드는 거예요 – 이 과정을 '디모자이크'라고 해요 – 이 이미지는 감마값 교정과 화이트 밸런스 조정, 노이즈 제거 선명도 조정 등의 단계를 거치죠 원래 이런 단계는 하드웨어로 처리했어요 이 작업을 위해 설계된 전기 회로망이 있었던 거죠 컴퓨터 활용 사진 기술이 발전하면서 점점 소프트웨어의 비중이 높아졌죠 컴퓨터 활용 사진 기술에는 여러 가지 의미가 있지만 기본적으로 이미지 처리를 돕는 고급 알고리즘을 의미해요 Pixel 2에는 HDR+와 인물 사진 모드라는 핵심 기능이 있죠 HDR+를 개발하기로 했을 때 작은 센서가 큰 센서처럼 작동하도록 만들어주는 알고리즘이 필요했어요 그러면 저조도 사진이 잘 나오고 동적 영역도 아주 커지겠죠 아주 어두운 피사체와 밝은 피사체를 한 사진에 담을 수 있도록 말이죠 휴대전화에서 이 기능을 구현하려면 사진을 한 번에 한 장이 아니라 10장까지 찍어서 조합해야 해요 모든 사진을 저노출로 찍어서 어두운 부분과 밝은 부분을 모두 포착하는 거죠 하지만 HDR+이 단순히 모든 사진의 평균을 내는 작업은 아니에요 손이 움직이거나 피사체가 바뀔 수도 있으니까요 이미지의 각 타일을 살펴본 다음 '이 부분이 움직인 건가?' '약간 옮겨서 맞출 수 있을까?' '이 부분은 어디로 갔는지 모르겠으니 그 프레임에서 타일 하나만 없애자' 하는 식으로 작업하는 거죠 유령이 나오지 않도록 세심한 주의를 기울여요 – '유령'이 기술 용어였군요 – 네, 이중 이미지를 말하죠 유령을 쫓아낸 다음에는 미학적 결정을 내려야 해요 사진의 어두운 부분과 밝은 부분을 얼마나 합칠 것인가 하는 문제인데요 아주 어두운 곳에서 사진을 찍으면 연속 사진을 찍은 다음 평균을 내서 꽤 보기 좋은 사진을 찍을 수 있죠 그런데 낮에 찍은 것처럼 밝게 만들어야 할까요? 어두운 음영을 모두 밝게 만들고 밝은 부분만 골라서 조합하면 초현실적이거나 만화 같은 이미지가 만들어지겠죠 그러니 무엇을 버릴지 결정해야 해요 여기서 잠깐! 영상에서 Mark에게 초점이 맞춰지고 배경은 흐리게 처리된 게 보이시죠? 이걸 낮은 심도라고 하는데 대구경 렌즈와 높은 조리개 설정을 사용하여 촬영하면 이런 결과를 얻을 수 있어요 인물 사진 모드는 이 효과를 만들어내는 Pixel 2의 새 기능이죠 물론 휴대전화에서는 이 효과를 만들기가 조금 더 까다로운데요 렌즈와 조리개가 정말 작거든요 휴대전화로 사진을 찍으면 모든 부분이 선명하게 보이죠 인물 사진 모드에서는 머신 러닝과 심도 매핑을 사용하여 – 이 문제를 해결하죠 – 각 픽셀을 일반적으로 처리하는 대신 '어떤' 픽셀인지 이해하려고 하죠 사람인지, 배경인지 등 픽셀의 의미를 이해하는 거죠 신경망을 학습시키는 데는 예시가 거의 백만 개나 사용됐어요 사람, 모자를 쓴 사람 아이스크림콘을 든 사람 친구나 강아지와 포즈를 취하는 사람 등의 예시를 사용해 어떤 픽셀이 전경에 있는 사람이고 어떤 픽셀이 배경인지 파악했죠 이를 통해 알고리즘이 마스크를 만들고 이 마스크 안에 있는 것은 모두 선명하게 처리하는 거예요 그런데 마스크 밖의 피사체를 얼마나 흐리게 처리할지도 문제죠 하드웨어를 선택할 때부터 듀얼 픽셀 센서로 정해놨어요 모든 픽셀이 사실상 하위 픽셀 2개로 나뉘는데요 눈이 2개라서 세상을 2개의 다른 시야로 보는 것과 같죠 왼쪽과 오른쪽의 아주 작은 카메라를 통해서요 연필 끝부분보다도 작은 원근감의 차이만으로도 대략적인 심도 맵을 만들 수 있어요 그래서 인식되는 거리감에 따라 배경을 얼마나 흐리게 할지 대략적으로 정하는 거죠 심도 맵을 사용하면 굳이 사람을 찍지 않아도 인물 사진 모드로 접사 느낌이 나는 근사한 사진을 찍을 수 있어요 셀카를 좋아하시는 분들은 전면 카메라로도 인물 사진 모드를 사용할 수 있어요 이 에피소드를 만들기 전에는 휴대전화 카메라가 얼마나 많은 테스트와 조정을 거쳐 만들어지는지 몰랐어요 엔지니어링 분야에는 제대로 테스트하지 않았다면 망가진 거나 다름없다는 말이 있어요 지금까지 잘하고 있는지 알려주는 테스트를 어떻게 설계하냐에 따라 카메라 품질이 결정되죠 카메라를 조정할 때는 예술과 물리학이 모두 필요하고 조정할 매개변수는 수천 가지나 되죠 문제는 모든 매개변수가 서로 간섭한다는 거예요 한 가지 매개변수를 바꾸면 거기에 영향을 받는 다른 10가지도 확인해서 바꿔야 해요 그래서 수많은 자동화 테스트를 통해 자동 초점, 화이트 밸런스, 전반적인 색상 및 색조, 해상도 등을 측정하는 연구실이 있죠 이런 테스트가 불가능했다면 어떻게 됐을까요? 데이터 세트 하나를 얻는 데 몇 주가 걸렸겠죠 엔지니어링을 활용해서 하듯이 반복 작업을 할 수는 없었을 거예요 제 마음에 들었던 단계 중 하나는 로봇을 활용한 '헥사포드'였는데 동영상 안정화를 테스트하는 단계였죠 이동할 좌표를 여러 가지 줘서 느리고 부드럽게 흔들거나 미친 듯이 흔들라고 명령할 수 있어요 올해는 광학식과 전자식 손떨림 방지 모두가 동영상에 적용되었어요 광학식은 손떨림 같은 작은 움직임을 보정하고 전자식은 큰 움직임을 보정하죠 먼저 동영상 프레임을 살펴본 다음 자이로스코프 측정값을 사용해서 앞쪽의 프레임 몇 개와 비교해요 어느 방향으로 움직였는지 자이로스코프를 통해 알아내서 의미가 있는 움직임인지 판단한 다음 그 움직임을 없애버리죠 휴대전화 카메라 속에서는 수많은 작업이 실행되고 있어요 Pixel 2의 카메라도 마찬가지죠 손떨림 방지라든지 자동 초점 하나만을 주제로 해도 동영상 하나가 나왔을 거예요 이 동영상을 만드는 과정에서 카메라에 대해 정말 많이 배웠는데요 예를 들어 어두운 곳에서 자동으로 초점을 맞추기 위해 Pixel 2에서는 아주 작은 적외선 레이저 빔이 사용돼요 후면 카메라는 15g 정도니까 거의 클립 하나 무게밖에 안되고요 휴대전화 카메라는 놀랍도록 복잡해서 지금까지 살펴본 것도 아주 일부분에 불과하죠 이 에피소드 중간중간에 Pixel 2로 촬영한 사진이 들어가 있는데요 Pixel 2 카메라는 DxO 테스트 결과 최고의 스마트폰 카메라로 평가됐죠 더 자세히 알고 싶다면 이 동영상을 확인해보세요 저와 제 친구 Lo가 Pixel 2로 촬영한 동영상이에요 오늘은 여기까지예요 안녕히 계세요! Noodles는 낮잠을 자러 갈 거예요 여러분은 다른 동영상을 확인해보세요 다음에 만나요!

Best practices for Enterprise AI Assistants (Google Cloud Next ’17)

[음악 재생] ALAN HO : 안녕하세요 여러분 아미르 SHEVAT : 안녕하세요

ALAN HO : 당신이 뭔가를 듣고 있기 때문에 그래서 당신은 아마 여기 세계 복용 봇에 대한 당신은 주말을 보냈다 수도, 자신에게 bot–를 해킹 그런 종류의 같은 여유 봇, 또는 알렉사 스킬, 또는 뭔가 그러나 주말 해킹 프로젝트의 차이가 많이있다 정말, 특히 기업에서 작동하는 로봇을 구축 그래서 오늘, 우리는 여유에서 아미르가 매우 운이 좋다 그는 슬랙의 개발자 관계 헤드 그리고 그는 여유 플랫폼을 기반으로 17,000 봇을 통해 볼 수 있습니다

그리고 그는 로봇을 구축하는 방법에 대한 모범 사례를 많이 가지고있다 그리고 그 후, 우리는 세션에 갈거야 어떻게 구현하기 위해 Google 클라우드 플랫폼을 사용하는 방법을 보여줍니다 이러한 모범 사례 중 일부 그리고 우리는 정말 시원하고 재미 데모로 끝나는 것입니다 괜찮아? 아미르 SHEVAT : 신난다 ALAN HO : 그와 함께 그래서, 나는되는 약 해요 하지만 먼저에게 상황을 조금주고 싶다

세 가지 사실은있다 conver– 실제로있다 대화 응용 프로그램에 관련된 세 개의 프리젠 테이션 오늘 서버를 사용하지에 주로 초점을 맞출 것입니다 응용 프로그램 아키텍처의 일부 그리고 내일 우리는 깊은 다이빙에서 세션을 APIAI 자연 언어 처리로 그래서 당신은이 talk–를 좋아하는 경우 또는이 talk–을 좋아하지 않는 경우에도 다음 단계로 이동합니다

그리고 세 번째는 당신이 실제로 음성 로봇을 구축하는 방법이다 그래서 오늘 우리가 채팅 봇에 주로 이야기하는거야, 하지만 내일 당신은 음성 봇에 대해 이야기 할 수 있습니다 그와 그래서 나는 아미르에게 제공 할 것입니다 아미르는 SHEVAT을 : 감사합니다 저를 가지고 주셔서 감사합니다

안녕하세요, 여러분 내 이름은 내가 여유 시간에 개발자 관계를 이끌, 아미르 Shevat입니다 의 봇이 무엇인지 정의하는 것으로 시작하자 그래서 봇은 새로운 사용자 인터페이스입니다 그들은 당신이 도구 및 서비스를 노출하는 데 도움, 및 메시징 인터페이스를 통해 워크 플로우

메시징 내부에 살고있는 사용자로 생각 앱하지만 소프트웨어에 의해 구동되고 대신은 인간에 의해 구동된다 다음 몇 분 그래서, 내가 갈거야 몇 가지 사용 사례 및 모범에 대해 당신과 함께 걷는 사용하고 로봇을 구현하는 방법에 대한 사례 이제 몇 가지 예를 보자 이것은 내가 가장 좋아하는 로봇 중 하나입니다 그것은 에이미 잉그램라고

그것은 뉴욕 XAI라는 시작으로합니다 그리고 그들은 실제로 이메일 봇입니다 XAI, 그것은 무엇을이 봇 및 개발 그것은 일정 회의

당신이 나에게 이메일을 말할 그렇다면, 헤이 아미르, 나는 다음 주 만나고 싶어, 나는 이메일에 에이미를 추가합니다 그것은 내 캘린더에 접근 할 수있는 설정 시작 나의이 설정 시작 emails– 이메일을 통해 내 회의 그것은 나를 위해 약 400 이메일 달을 보냅니다 그것은 나에게 비즈니스 프로세스를 많이 절약 할 수 있도록 것을 나는 할 필요가 없습니다 사람들은 보내 에이미 당신에게 편지를 감사하고 나를 CC

그들은 소프트웨어 있다고하지 알고 있습니다 그래서 꽤 굉장하고 놀라운 당신이 일을하는 데 도움이 동반자가 있습니다 내가 정말 좋아하는 또 다른 봇은 통계 봇입니다 실제로 Google 웹 로그 분석 API에 연결 슬랙 내부와 표면을보고합니다 그래서 당신이 내 블로그입니다

사실상 할 수 있습니다 당신이 볼 수 있듯이 아주 잘 수행 아닙니다 하지만 실제로 봇 대화를 나눌 수 내 사용자가있는 곳, 같은과 일을 물어 그들은 대화를,에서오고있어 내 통계에 대한

그리고 여유를 전환 문맥을 할 필요가 없습니다 및 Google 웹 로그 분석 나는 대화 형 인터페이스에서 모든 것을 얻을 기술적 인 수준에서 몇 가지 차이점이있다 당신이 알고 봇와 응용 프로그램 사이에, 예를 들어, 안드로이드에 대한 그리고 대비 봇은 바이너리 아니라는 것이다 클라이언트에 설치됩니다 우리는 클라이언트에 아무것도 설치하지 마십시오

우리는 서비스를 연결합니다 그래서 로봇이 실제로 Google 클라우드 기능에 살고, 또는 다른 호스팅 제공하고, 여유 시간에 무슨 일이 일어나고 있는지에 대한 이벤트를 가져옵니다 사용자를위한 그리고 당신은 실제로 웹을 사용하여 클라이언트와 상호 작용할 수 있습니다 API 그리고 그 여유 서버는 여유 클라이언트 이야기 소켓을 사용 그래서 당신은 추상적 실제로 수 및 보안을 많이 제공 이 모델을 사용

하지만 당신의 코드는 불황기에 설치되어 있지 않습니다 client– 그냥 명확하게하고 싶다 그래서 지금의이 로봇의 상호 작용에 대해 조금 이야기하자 사람들이 로봇을 말할 때, 그들은 엔티티를 생각 저와 대화를 가지고있다 그들은 NLP를 생각하기 시작하고, 반드시 그렇지 않다 그래서 우리는 몇 가지 사용 사례를 통해 갈거야 및 NLP와 AI는 감각과 몇 가지 간단한 사용을 할 수있는 위치 참조 경우는하지 않을 수도

그래서 로봇 상호 작용의 첫 번째 유형은 알림입니다 알림 여유 시간에 파이프의 콘텐츠에 쉽게 방법입니다 이 예제에서, 우리는 일정 API를 사용하는 내 회의에 대한 파이프 내용 왜 이런 일이 유용하다? 나는 문맥을 할 필요가 없기 때문에 내 Google 캘린더와 여유를 전환 나는 여유 시간에 내 알림을받을

또한 투명성과 actionability을 향상 생각하기 때문에, 우리 팀이 알림을 볼 경우, 그들이 나를 ping을하지 알고있다 그들은 내가 회의에있어 것을 알고있다 이메일로 전송 된 메시지의 생각 불황기에가는 메시지를 대비하여 개발 운영 팀의 모든 하나의 메시지는 실행 가능한 더하게 행동이 무엇인지 일어난 일에 대해 투명 우리는 예를 들어, 문제를 해결하기 위해 할 필요가있다 말이 돼? 신난다

기술적 인 수준에서 알림은 매우 간단합니다 그들은 당신이 당신에게 노출의 URL입니다 당신은 특정 페이로드와 함께 해당 URL을 명중 그리고 여유 내부 정보를 재 포장 당신이 볼 수 있도록, 당신은 실제로 수 전화를 만들기 위해 컬 명령을 사용하여 여유 내부 알림 그것은 curl 명령처럼 간단합니다

우리가 본 적이 상호 작용의 두 번째 유형 슬래시 명령입니다 슬래시 명령은 명령으로 여유를 사용하는 쉬운 방법 타사 서비스를위한 라인 이 예에서 우리는 포 스퀘어와 함께 작동 점심과 사업을 위해 여러 곳을 표면에 당신이 볼 수 있듯이, 당신은 포 스퀘어 비즈니스 점심을 삭감 할 마이애미한다 우리는 포 스퀘어 서버에 충돌, 그들은 우리에게 무엇을 반환 우리가 불황기에 표시하는 것이다

기술적 인 수준에서 그래서, 당신이 우리에게 노출하는 API입니다 따라서 사용자는 슬래시 명령 안타, 우리는 엔드 포인트에 충돌 너와 우리는 보내 누구처럼, 당신에게 모든 정보를 전송 사용자는, 그들이에있어 팀의 무엇, 무엇 URL– 것은 쿼리 문자열 그들이 그 무엇 슬래시 명령에 추가 그리고 당신이 우리에게 답장을 우리가 불황기에 표시하는 것이다 그리고 이것은 표시하는 방법에 대한 간단한 예입니다 사용자 이름과 함께 "안녕하세요" 상호 작용의 마지막 유형은 실제로 대화 형 인터페이스를 제공합니다

그리고 이것은 전체 봇 대화입니다 그리고 이것은 매우 흥미 당신이 실제로 할 수 있기 때문에 봇을 사용하여 흥미로운 비즈니스 유스 케이스를 많이 용이하게합니다 이 예제에서, 우리는 안녕하세요 작업 회의를 일어 ​​서서 촉진한다 당신은 회의를 스탠드에 대해 잘 알고 있습니까? 그래서 오늘 우리가 작업하는 것을, 우리는 일어 서서 우리가 말을? 우리는 미래에 무엇을 노력하고 있습니다? 우리가 차단 무엇입니까? 그리고 그 모든 시간을 발생합니다 그리고 그것은 함께 작동 소규모 팀에서 정말 쉽게 하지만 더 힘들어 할 때, 많은된다 당신은 전세계에 분포되어 큰 팀이 있습니다

그래서 안녕하세요 실제로 팀 구성원 각각에 간다 슬랙의 세계, 그리고 그들에게 묻는다, 무슨 일이 오늘 일을, 당신이 내일 무엇을하고 있는지, 당신이 차단하고있는 것을 여유로 다시보고합니다 그래서 아주 간단한 무언가를 복용하고 자동화 대화가 실제로 만들어 통해 이 경우에는 많은 의미 로봇을 구축하는 것은 슬래시를 구축하는만큼 쉬운 일이 아닙니다 명령이나 통지 그래서 우리는 오픈 소스 노드를 만들 안녕과 제휴 로봇을 구축하기위한 프레임 워크입니다 그리고 당신은 노드에 익숙하지 않은 경우에도, 당신은 로봇이해야 할 노력하고 무엇을 더 많거나 적은을 볼 수 있습니다

이 예에서, 안녕, 안녕을 찾고, 또는 직접 언급의 방법으로 인사, 언급 또는 직접 메시지 그리고 그것은 무엇, 그것은 안녕하세요으로 응답합니다 그래서 우리는 실제로 대화의 측면을했다 이 노드의 프레임 워크를 사용하여 그것을 훨씬 쉽게했다 그리고 내가보기 엔 당신이 BotKit을 확인하시기 바랍니다 그 꼭대기에, 우리는 버튼을 발표했다

그리고 버튼을 추가하는 방법에 대해 너무 흥분 적이 없습니다 기능에 우리는 이런 짓을하기 때문이다 그들이 할 수 있기 때문에 버튼은 놀라운 사용자는 여유 내부 조치를 취할 수 있습니다 이 예제를 Greenhouse– 후보자에 대한 요청을 승인 할 당신은 버튼과 메시지 변경을 클릭합니다 그래서 당신은 실제로 app–의 환상을 만들 수 있습니다 또는 슬랙 내부에 살고있는 실제 응용 프로그램을 illusion– 없습니다

그리고 사용자는 여유 시간 안에 조치를 취할 수 있습니다 이 휴가 승인 [을 얻기 위해 얼마나 멋진 생각 하는가? 큐?] 단지 버튼을 클릭, 또는 당신의 비용을 수행하여 다른 버튼을 클릭하여 그리고 이러한 상호 작용의 모든 유형을 통해 이동 우리는 이야기 것이다 당신은 버튼으로 통지를 할 수 있습니다 당신은 버튼 슬래시 명령을 할 수 있습니다

그리고 당신은 버튼으로 전체 본격적인 대화를 할 수 있습니다 요약하면, 우리는 상호 작용의 세 가지 유형이 우리는 올해 본 적이있다 여유 시간에 파이프 콘텐츠에 대한 쉬운 방법 Notifications–; 명령 행으로 여유 시간을 이용하여 commands– 슬래시 다른 서비스가 쿼리 작업을 수행 할; 다음 전체 대화, 그리고 그 흐름을 용이하게합니다 그리고 실행 가능한 버튼이 모두 증대 그래서 사용자는 대화 내에서 작업을 수행 할 수 인터페이스를 제공합니다 그럼 우리가 본 적이 사용 사례에 대해 살펴 보겠습니다

첫 번째 사용 사례는 CRM입니다 즉 가장 많이 요청 된 사용 사례였다 우리는 우리의 clients–에서 본 적이 대부분의 통합을 통해 생각했다 그리고 당신은, 봇 실제로 볼 수 인간의 대화를 확장합니다 그래서 당신은 판매 채널에서 이야기 할 수 그리고 봇은 실제로 좋은 정보를 제공 한 맥락에서 내부 판매 그래서 당신은 여유 시간에 영업에서 갈 필요가 없습니다

실제로 대화를 확장합니다 우리가 본 적이 상호 작용의 두 번째 유형 작업 관리와 함께입니다 그래서 Trello는 멋진 통합을 만들었다 당신은 실제로 작업에 시간을 할당 할 수있다 그리고 당신은 당신이 do– 수있는 모든 연결할 수 매일, 작은 상호 작용 당신은 Trello–에 가지고 내 멋대로 그러나 당신은 당신의 자신의 통합을 구축하기 위해 무엇을해야할까요? 당신이 당신의 자신의 방법이 있다면? 당신은 타사 서비스에 연결하지 마십시오 하지만 당신은 자신의 프로세스가? 그래서 예를 들어, Meetup

com에 자신의 과정을 만들었습니다 의– 대화에서 백 로그를 가져 오는이 경우이다 그래서 우리는이 모든 멋진 기능에 대해 여유 시간에 얘기 아이디어 그들은 슬래시 명령을 구현했습니다 backlog–에 아이디어를 추가하는 백 로그에 작업을 추가 할 수 있습니다 그리고이 실제로 기능에 의해 구동됩니다 그래서 당신은 실제로 create– 수 있습니다 뿐만 아니라 나올 애플 리케이션과 통합을 사용 상자, 당신은 쉽게 자신의 워크 플로우를 만들 수 있습니다 조직 및 기업을위한 구체적인 것을

그리고 그게 다야 고맙습니다 [박수 갈채] ALAN HO : 그래서 난 그냥 여기 손의 쇼를합니다 누가 실제로 로봇의 일종을 구축 노력하고 있습니다? 오 와우 승인

이 중대하다 이건 정말 좋다 승인 그래서 우리는 당신이 로봇을 만들 수있는 방법을 통해 갈거야 Google 클라우드 서비스를 사용 그리고 제일 먼저 내가 얘기하고 싶지 내가 당신에게주고 싶은 두 가지 개념이다

하나는 서버없는 개념이다 다른 하나는 concept–입니다 그리고 나는 우리의 기계 학습의 일부를 소개합니다 서비스 그래서 처음 Sky News에 서버를 사용을 시작하자 큰 버즈 워드는 오른쪽인가? 그래서 먼저 정의를 시작하려면 서버를 사용하지 않는 중 그래서 서버를 사용하지 않는 컴퓨팅은 무엇인가? 서버를 사용하지 않는 컴퓨팅은 필요가 없습니다 프로비저닝 및 개별 서버를 관리 그것은 바로, 덜 아니라, 더 이상 아니다? 그러나 이유는 이유가 중요하다 때문에 과도한 양처럼 개발자와 작업 시간 이 활동에 지출된다 알다시피, 어떤 관리자 또는 CEO는 말했다, 바로 작년에 내 서버를 관리 주셔서 감사합니다? 서버를 사용하지 그래서,이 화두에도 불구하고, 실제로 재무 적 영향을 많이했다

사람들이 이해하지 않는 서버리스에 대한 다른 것은 서버없는 근본적 있다는 당신의 스택 오른쪽 단순화 재 – 상상? 이 시나리오에서는 것들에 대해 걱정하지 않는다 로드 밸런서있다 당신은 높은 수준의 서비스가 알아서 할 수 있습니다 당신은 당신의 응용 프로그램을 작성하더라도 방법 매우 다르다 비즈니스 응용 프로그램 내에서 살았 코드 갑자기 이동합니다 왜 그냥 가지 당신에게 약간의 개요를 제공하지 않습니다

그래서 당신은 동기 요청 또는 비동기가있는 경우 이벤트, 그들은 PubSub 메커니즘의 일종을 통해거야 그들은 집어 서비스로 함수에 전송받을 동기식 요청은 어떤 종류를 겪고있다 API 게이트웨이의 이제 이러한 종류의 동행입니다입니다 API 게이트웨이는 선택 사항이지만 현실 당신이 어떤 생산 시스템을 구축 할 경우 그, 당신은 아마 그것의 앞에 API 게이트웨이를 필요로하기 위하여려고하고있다 서비스로서의 기능은 어디에서 실제 코드 실행이 일어난다 그리고 나는이 항아리 사용하는거야 다시, 여기 용어를 많이

서비스와 같은 서비스 나 데이터베이스와 같은 백엔드 응용 프로그램 저장소가 일어나는 곳입니다 그래서 서비스로 함수에 깊은 다이빙 원하는 및 서비스로 백엔드 그래서 서비스로 기능은 매우 간단합니다 그것은 기본적으로 당신이 code– 업로드 할 수있는 장소 가상 머신, 바로하지? 당신은 가상 머신을 업로드 아닙니다 당신은 코드를 업로드하고 있습니다

그것은 이벤트 기반으로 내장 모니터링이있다 그리고 당신은 모든 요청에 ​​의해 지불하고 자, 먼저 첫 번째 part– 업로드 얘기하고 싶지 암호 그래서 VM 대 업로드 코드는 매우 중요하다 그것은 수 있기 때문에 클라우드 제공자는 시스템을 최적화 응용 프로그램을 실행합니다

그래서 오늘, 어쩌면 응용 프로그램이 수도 실제로 수도 인텔 프로세서와 미래에 실행 ARM 프로세서에서 실행 사물의 이러한 종류의 only– 클라우드의 기능을 제공하는 경우 그에만 가능 공급자가 주어진 컴퓨팅 플랫폼을위한 코드를 최적화 할 수 있습니다 이제 몇 개는이 있습니다 가장 큰 잡았다는 파일 시스템에 액세스 할 수없는 것입니다 당신은 당신의 응용 프로그램이 비 저장해야한다

이 구름을 가능하게하기 때문에 이유는 이유 제공자는 귀하의 기능 이상을 뽑는 quickly– 수있는 신속하게 새로운 인스턴스를 회전 자동 스케일링 같은 것들 그러나 파일 시스템에 대한 액세스 권한을 가지고 있지 사용 코드가 work–하기 때문에 종류의 까다 롭습니다 같은에서로드 구성 파일과 같은 AKA 것들 파일 시스템, 디스크 기반 캐시 같은 것들, 자신의 로깅 외 시스템을 설치 같은 것들 사람들은 갑자기 서비스로 함수 내에서 작동하지 않습니다 환경 그래서 당신은 다른 메커니즘에 의존해야 당신이하는 데 사용되는 일을합니다 내가 소개 할 두 번째 개념 서비스, ​​또는 무엇을 사람들이 전화로 백엔드입니다 서비스로 데이터베이스 차별화,의 말 데이터베이스를 보자 서비스로 versus– 뭔가 대 서비스로 진정한 서버를 사용하지 않는 데이터베이스 카산드라 또는 MongoDB를 같이, 각이다 후드 아래에있는 데이터베이스의 멀티 테넌트 (multi-tenant)이다

이하지만 당신의 경우, 일반적으로 NoSQL에 있습니다 , 스패너에 대한 우리의 발표 보았다 그것은 수평으로 확장 가능한 첫 번째 중 하나입니다 관계형 데이터베이스, 즉, 빠르게 변화하는 것 그리고 내장 로깅이있을 것입니다 그리고 당신은 저장의 요청에 의해 지불합니다 몇몇 개는하지만,이 있습니다 보통 서비스로 데이터베이스의 이러한 종류의 또는 서비스와 같은 백엔드, 당신은 제한된 능력을 가지고 당신의 인덱스를 구성, 맞죠? 그래서 이것은 당신에 영향을주지 할 것입니다 당신은 몇 가지 매우 낮은 대기 시간 요구 사항이있는 경우 또는 당신은 매우, 매우 복잡한 쿼리가 있습니다

당신이 사용할 수 없습니다 시간이있다 서비스로 백엔드는 그 기능을 수행합니다 우리는 세 가지 유형이 이렇게 구글, 우리는 세 가지 유형이있다

우리는, 우리가 중포 기지를 가지고, 클라우드 데이터 저장소가 서비스, ​​우리의 모바일 백엔드는 인 실제로 후드 클라우드 데이터 저장소 아래에 활용합니다 그리고 우리는 당신이 서비스로 백엔드를 실행해야하는 경우 also– 자신의 데이터 센터에, 우리는 또한 아파치 사용자 그리드가 있습니다 그리고 그뿐만 아니라 기업을 많이 실행하는 데 사용되는 것 그럼 당신이의 예를 가집시다 확장 성 관점에서 포켓몬은 먼저 Google에 와서 때 그들은 말했다 OK, 우리는이 game–을 시작하는거야 그리고 몇 달 후 그 밝혀졌다 그들은 50 배 트래픽을하던 그들이 원래 생각

그래서 이러한 시스템은 매우, 매우 확장 성이 매우 좋다 그들이라면 특히 애플 리케이션을위한 당신이 모르는 오른쪽 벗을 것? 좋아, 그래서 serverless– 수의 이점을 재현하면서 하나, 그것은 훨씬 낮은 인프라 비용의 당신은 규모의 경제를 얻고 있기 때문이다 당신은 훨씬 낮은 운영 비용이있을 것이다 때문에 자동차와 같은 일상적인 것들을 많이 물건을 응용 프로그램을 확장, 또는 서버를 추가 그와 같은, 당신은 클라우드 제공자가 제공 할 수 있도록거야 그 그러나 가장 중요한 것은, 나는 일부 사람들이 있다고 생각 서버를 사용하지 않는 생각하지 않습니다 그것은 훨씬 더 단순화 된 프로그래밍 모델입니다 즉, 코드는 한계가있다하더라도 것을 의미한다 그것은 당신이 빠르게 실행하고 실행하고 구축 할 수 있습니다 빠른 코드

당신은 코드에 초점을 맞 춥니 다 그래서 기계 학습에 대해 조금 얘기하고 싶어요 당신의 로봇을 구축하기위한 서비스를 제공합니다 그래서 구글은 다른 기계 학습 서비스를 많이 가지고 당신 아마 이미에 대해 들었다 당신이 생각한다면, 그건 실제로 두 categories–으로 분할 기계는 이미 구축 된 모델을 가지고 서비스를 학습 그래서 당신은 실제로 새로운 모델을 사전은 기차가 없습니다

그리고 당신은 당신의 자신의 데이터를 가지고 기계 학습 서비스, 당신은 즉, 기계 학습 클라우드 자신의 model–을 가지고 하지만 어떤 특정 서비스에 뛰어거야 전에 당신은 당신 자신에게 물어, 첫 번째 질문이 필요합니다 , 당신은 정말 AI가 필요합니까? 앞서 세 가지 유형이 있다고 보았다 interactions– 알림, 다음 명령을 슬래시하고, 전체 대화 봇 현실은 통지를 들면, 당신 오른쪽 AI가 필요하지 않습니다? 내 말은, tells– 이벤트 트리거가있다 이 단방향 통신의 그 뭔가 일이 한 사람을 말한다 당신은 정말 AI가 필요하지 않습니다 슬래시 명령의 경우, 경우는 매우 간단한 명령이다, 당신은 아마 AI가 필요하지 않습니다

그러나 여러에 복용되는 명령이있는 경우 이 경우, 예를 들면 parameters–, 그것은 마이애미에서 비즈니스 점심을 말한다, 그리고 시스템이 있어야합니다 that–에 반응 할 수 가진 AI, 즉 자연 언어 처리, 도움이됩니다 또한 맞춤법 같은 것들을 처리에 도움이 mistakes– 퍼지 매칭 그리고 대화 로봇에 전체에 대한 사람들은 아무 말도 할 수 있기 때문에 당신은 확실히, AI가 필요합니다 당신은 어떤 거대한 경우 – 당시 다른 문을 만들 수 없습니다 그것은 일을 기대합니다 그래서 자연 언어 처리합니까? 그것은 매우 간단합니다

그것이 무엇을하는 것은 비 구조화 텍스트를 취한다는 것입니다, 구조화 대화 및 기계로 만들어 버리는 이해할 수있는 사용자의 의도 그리고 매우 적절하게 인간을 설정하는 AI를 사용 APIAI 이름 응용 프로그램에 대화 understandable– 죄송합니다– 뭔가 하는 API로 돌려 그래서 특정 제품에 대한 매우 좋은 이름입니다 그래서 당신은 모두 함께 당겨 때, 당신은, 함께 아키텍처를 당겨 당신은 매우 왼쪽에 클라이언트를 가지고있다 그들은 아마 얘기하는거야 일부 API 관리에, API 게이트웨이가 보안 및 권한 부여 등의 작업을 담당, 이러한 종류의 것들 귀하의 응용 프로그램 코드는 클라우드 기능에 살고있다

응용 프로그램 데이터는 클라우드 데이터 저장소처럼 뭔가에 살고있다 그리고 비즈니스 로직은 기계 학습 (Machine Learning) 이야기 것 서비스는 사용자가 무슨 말을 해석하는 사용자의 의도를 다시 제공합니다 그래서 우리는 여기에 빠른 데모를 할 겁니다 그리고이 데모, 아미르 나에게 도움이 될 것입니다 내가 해결할 수있는 문제의 종류 봇을 구축 할 것인지 결정 내 문제

그리고 내가 정말 싫어하는 것들 중 하나 bots– 나는 텍스트를 통해 대화에 대해 sorry– 의미 당신이 채팅에있을 때 때때로 그렇지 꽤 채팅 감정을 많이 얻을 그것은 재미 아니다 마찬가지로 당신은 당신의 일상 업무를 수행 그것은 재미 아니다 가끔 나 같은 사람들은, 우리는 이모티콘과 위대한 아니에요

그래서 당신은 재미를 조금 희생 내가 채팅에있을 때 정말 아파 두 번째 것은 나는 마감에있을 때, 뭔가 내 동료에게 말입니다 정말 가혹한 비판으로 떨어질 수 있습니다 그래서 예를 들어, 내가 필요로하는 것처럼 께 다시 나는 deadline– 받고 있어요 경우 마감 시간을 충족, 난 그냥 당신이 말 마감, 그런 종류의 일을 놓쳤다 나는 종종 상황이 매우 무뚝뚝하게 말하는 그리고 비판을 잘못 해석 될 수 있습니다 그래서 나는이 대화를하게하는 로봇을 만들 수 있습니다 조금 더 재미? 나는 나에게 말할 것 봇을 만들 수 나는 벗기 일부 boneheaded 일을 말한 경우 비판으로

그래서 KeanuBot라고 무언가를 창조하기로 결정했다 그리고 무엇 KeanuBot하는 일은이다 그 모든 대화를 살펴보고 알아 내려고 시도 movie–에서 구 당신은, "포인트 브레이크"와 같은 고전을, 알 – 그 대화를 차게 것 중 하나 나쁜, 커트 발언 밖으로 고통을 취할 수 그래서 실제로 당신이 데모로 전환 할 수 있습니다 건 거야 그리고 아미르 나와 함께 데모 것인가? 괜찮아 그래서 아미르, 안녕하세요, 같은 것을 말할 수 있습니다 아미르 SHEVAT : 안녕하세요 ALAN HO : 어떻게 일이 건가요? 아미르 SHEVAT : 내 전형적인 answer– 대답거야 놀랄 만한 우와

아니면 내가 내 차가 고장, 말할 수 있습니다 가짜 오 ALAN HO : 좋아, 그래서 아미르와 같은 또 다른 예를 보자 나는 약간의 dot–에 상호 작용하고 이 다음 프리젠 테이션에 내가 맙소사, 같이 해요, 아미르, 당신은 법적으로 초안의 제출 기한을 놓쳤다 그래, KeanuBot은 저를 생각 나게한다 즉, OK, 어쩌면 조금 너무 가혹한 난 지금, 일을 낮추기있어? 승인

그럼 슬라이드로 돌아 가자 사실은 당신에게 구조를 보여주고 싶은 그 작동 방법 그래서 난 그냥 당신을 보여하면 Slack–입니다 나는 여유 클라이언트를 통해 가고 싶어, API를 말하고, 서버를 느슨하게 이야기 gateway– Apigee의 API는 것입니다 gateway– 클라우드 기능을 이야기 APIAI 이야기 응답을 환원 괜찮아

그래서 다시 데모에 가자 그래서 여유 내에서 너와 보여하고자하는 UI가있다 당신은 로봇을 만드는 데 사용할 수있다 그리고 봇 내에서, 당신이 무엇이다 이벤트 구독이라는 섹션이있다 그래서 이벤트를 보낼 수있는 이벤트 구독을 설정하기 위하여려고하고있다 이 Apigee 게이트웨이 그리고이 UI 내에서 나는 또한 설정할 수 있습니다 어떤 이벤트를 구독합니다

이벤트가 새 메시지를 게시처럼 될 수 있도록, 그러나 그것은 또한 다른 것들 일 수 새 사용자는 방, 또는 새 사용자를 조인처럼 방에서 쫓겨되었다 그래서 봇 것과 다른 방법에 반응 할 수 있습니다 그래서 이런 종류의 시나리오에서, 나는 기본적으로 채널로가는 모든 메시지에 가입 나는 당신을 보여주고 싶은 다음 부분은 API의 proxy–입니다 API 게이트웨이를 sorry– 그리고 API 게이트웨이에서 하나 이상의 API를 만들 수 있습니다 프록시

이 시나리오에서는,이 KeanuBot 이벤트 핸들러를 만들었습니다 그리고 그건 로 갈 경우 오

이제 다시 배포 할 수 있습니다 생산 일을 시도처럼 아무것도 없습니다 그래서 당신이 여기있는 것은 여기에 URL을 보여주고 있다는 것입니다 그것은 특정 엔드 포인트 대상에 포인트 당신은 너무 할 수도 무엇 나는이 날에 휴식하지 않을 수 있기를 바랍니다 나에게 여기 일초를 제공합니다 아, 사실, 나는 그와 함께 놀러 않을거야 그래서 실제로 일을하려고하는거야 나는 필터를 배포하려고려고하고있다

그래서 또한 API 관리 시스템은 무엇 당신이 스파이크 체포 필터 같은 일을 할 수있는 너무 많은 트래픽이 쇄도하기에서 봇 방지, 또는 당신은 OAuth2를 같이, 보안 등의 작업을 적용 할 수 있습니다 그래서이 애플리케이션 보안의 예 종류입니다 앱에서 살았 수 코드 전에, 그것은 앱에서 이동하는 것 높은 수준의 서비스로 의 여기에 스파이크 체포 필터를 넣어 보자하고하자 , OK, 5 분당 10 개의 메시지를 설정합니다 승인 괜찮아

그래서 그것을 제출합니다 즉 일어나고있는 동안, 나는거야 이 기능을 흐리게 표시합니다 그래서이 functions– 클라우드 콘솔입니다 배포 모든 클라우드 기능이 여기에 표시됩니다 당신은 말 그대로 기능의 수백을 가질 수있다

즉,이에 대한 좋은 점입니다 그리고 당신은 기능을 청구하지 않을거야 그 실행되고 있지 않습니다 그것은 수요에 스핀 업됩니다 우리는 로그를 살펴 수 있습니다 모든 클라우드 기능, 기본적으로, 내장 로거가있다

그리고, 여기에 마지막 메시지를 볼 수 있습니다 그 through–오고 어떻게 일가는, 그런 종류의 것들, 그들은 모두 로그 메시지에 표시됩니다 그냥이 물건 작동하는지 확인하기 위해 한 번 확인하자 승인 괜찮아 의는의는 여전히 작동 희망 할 see– 보자

실제로 시스템에 버그를 소개하는거야 및 배포가가는 방법을 보여줍니다 이 클라우드 function– 내부 그래서 클라우드 함수를 작성, 그것은 매우 간단합니다 당신은 기본적으로 여기에 함수를 작성 그것은 정확히 익스프레스 응용 프로그램처럼 보인다 때문에 후드 아래에 실제로 Express를 활용합니다 그리고 당신은 기본적으로 특정 기능을 내보낼 수 있습니다

지금, 나는 실제로 여기에 약간의 코드를 넣어거야 KeanuBot는 들어오는 모든 요청을 무시하도록합니다 자체에서, KeanuBot 만되어 있기 때문에 인간의 반응을 모니터링 할 수 있습니다 그리고 나는 여기에이 버그를 소개하겠습니다 그리고 나는 당신을 보여줄에 배포하는거야 어떻게 배포가 작동합니다 그리고 그것은 일반적으로 두 분 미만 소요 사실에 배포가 발생 얻을 즉 무슨 일이 일어나고있는 동안 그래서, 내가 원하는 빨리이 버그에 무슨 일이 일어날을 표시합니다

그래서이 버그 leverages–는 봇을 일으킬 것입니다 무한 루프로 이동합니다 그리고 그 이유는 왜이 항아리 때문이다 나는 APIAI에 의도 세트를 만들었습니다 그리고 의도 중 하나는이 워 의도이다 그래서이 의도 워, 그것은 말한다 기본적으로 무엇을 입니다 이제까지 워라는 메시지를 볼 경우, 그것은뿐만 아니라 워와 다시 반응 할 키아누 리브스의 사진과

그래서이 밖으로 시도하자 작동하는지 보자 세션을 추적 시작합니다 그리고 그냥이 배포되어 있는지 확인 한 번 확인 할 수 있습니다 승인 그리고– 괜찮아

그래서 지금은 infinite–에 무슨 그것은 무한 루프에 갔다 그래서 무슨 일이 있었는지를 살펴 가자 그래서 시원한 중 하나 things– 오, 나에게 여기 일초를 제공합니다 다시 글쎄, 나는 API의 UI 몇 가지 문제가 있어요 관리 시스템

그러나 여기에서 일어나고있는 것은 사실이다 당신이 로그에 보면, 당신은 볼 수 있습니다 이 워, 워 보내는 것을 여러 번 무슨 일 때문에 그리고 결국은 중지 API 게이트웨이에서, 우리는 스파이크 체포 필터를 설정했다되었다 기본적으로 메시지의 홍수를 차단 할 수 있었다 온다 그 전에 내가하자 이러시면거야 그래서 코드를 수정하고 다시 배포 이동합니다 즉 일어나는 동안, 내가 원하는 당신에게 보여주기 위하여 당신이 만들 수 APIAI을 사용하는 방법 즉시 새로운 의도

그래서 의도를 만들려고하고있다 여유 채널, 시간에 많은 사람들이 내부 이렇게 어떻게 같이 요청하거나 내가 그렇게하는 방법을 모르겠어요 사람이하는 것처럼 그래서 내가 뭔가를 말할 수있다 뭔가를 어떻게 해야할지? 권리? 그리고 때마다 사람이 말한다, I "매트릭스"의 키아누 리브스 견적에 대해 생각 그가 말하는 곳, 오 나는 쿵푸를 알고있다 그래서 우리는이 사진을 촬영하고 우리는 그것을 넣을 수 있습니다 텍스트 응답한다 그리고 우리는이 항아리 절약 할 수 우리는 여기를 절약 할 수 있습니다

그리고 우리가 의도를 생성하면, 우리 실제로 APIAI UI 내에서 그것을 밖으로 시도 할 수 있습니다 그래서 정확하게 일치 할 필요는 없습니다 나는 아미르, 같은 것을 말할 것이다, 할 내 여유를 해결하는 방법을 알고 code– 실제로, 누구입니까? 오 그래 그래서 실제로 다른 하나의 일치이거나 먹어 않았다

의 다른 것을 해보자 하나는 여유를 해결하는 방법을 알고 있나요? 승인 아, 그거 알아? 내가 저장을 눌러 잊어 버렸습니다 [웃음 아, 여기 무슨 일이야? OK, 그냥 실제로 3까지 약간의 시간이 걸렸다 그래서 당신은 실제로 여기에서 테스트 할 수 있습니다

그리고 당신이 여기에서 보는 것은 점이다 특정 의도를 일치시킬 수 그리고 그것은 정확히 일치 아니기 때문에, 실제로 당신에게 점수를 제공합니다 그래서 이것은 당신에게 어떻게 자신의 확신을 제공합니다 응용 프로그램은 실제로 특정 문구를 일치 그리고 당신의 코드 내에서, 당신은 기본적으로 일치하는 필터를 넣을 수 있습니다 그리고 나는 그것이 점수 인 선율 경우 일치하는 경우 말했다 높은 0

5보다, 그것은 실제로 반환합니다 그래서 우리는 실제로 code–에 가면 말하자면, 하나는 Visual Basic에서 디버깅하는 방법을 알고 있는가? 그리고 그것은 나타납니다 아미르 SHEVAT : 신난다 ALAN HO : 그래서 아미르,이 봇에 대해 어떻게 생각하십니까 내가 만든? 그리고 그냥 날 좀 의견과 피드백을 제공합니다 아미르 SHEVAT : 모든 그래서 일단, 내 생각 이 대화를 증대하기 때문에 끝내

그래서 실제로 문제를 해결 이는 때때로 우리는 일이 말처럼,이다 텍스트에서 다른 사람들과 함께 해석하는 방법을 모르는, 권리? 그리고 이것은이 awesomeness에 레이어를 추가합니다 내가 제안 무엇, 전진, 어쩌면 봇 대답에게 이러한 멋진 대답을 가지고있다 스레드한다 그래서 당신은 실제로 대화가 갈 수 있습니다, 실제로 스레드에서 봇 응답이 그래서 우리의 대화를 방해하지 않습니다 우리는 라인에 우리의 대화를 가질 수있다 우리는 봇의 해석을하려는 경우 그리고 우리가 무슨 말을하는지에 대해 할 말이 무엇을, 우리는 스레드를 클릭하고 봇이 무슨 말을 볼 수 있습니다 당신은 이해 하는가? 그래서 당신의 봇에 좋은 보탬이 될 수 있습니다

ALAN HO : 그리고 당신이 알고, 난 그냥 보여 주었다 약간의 오류가 많이 여기 저기에 있었다 무슨 일이 빌더를 봇 몇 가지 사례입니다 오해가 있다면 처리 또는 그 주변에 몇 가지 전략은 무엇입니까? 아미르 SHEVAT : 그것은 좋은 질문입니다 나는 중요한 것 중 하나가 당신의 로그를 읽을 생각합니다 당신은 사용자가 말하는 것을보고 가지 방법으로 로봇과 상호 작용 당신은으로 죠 생각하지 않았다 당신이 생각 유스 케이스가 아니었다 사람들은 트럼프에 대해 봇을 부탁드립니다

그들은 날씨에 대한 의견을 부탁드립니다 그들은 아무것도 트럼프를 부탁드립니다 난 실제로 두 설립자 발견 번 사람들의 양을 매핑 나는 봇에 당신을 사랑했다 이 상호 작용이기 때문에, 그것을 생각하는 아주 인간과 매우 친밀한 사람 정말 봇에 대한 감정 반응을하는 경향이있다 실제로 로봇한다면 놀라지 마세요 그것이 무엇에 제공합니다

그것은 사용자들로부터 많은 사랑을 얻을 것이다 ALAN HO : OK 괜찮아 그래서 슬라이드로 돌아 가자 우리는 우리의 끝이 얼마 남지 않았습니다

그래서 난 그냥 당신을 생각 나게하고 싶습니다 당신이 좋아하는 경우에 그 프레 젠 테이션, 또는 당신이 그것을 좋아하지 않았다 우리는 APIAI에 두 개 더 presentations– 하나가 다음 중 하나 how– 대신 여유 로봇 구축에, 당신은 할까 또는 채팅을 구축 할 수있을 겁니다 bot– 방법 음성 로봇을 빌드합니다 그와 자, 몇 가지 질문을 할 수 있습니다

[NO AUDIO] 질문이었다 그래서, 왜 내가 대신 클라우드 기능을 선택 했 앱 엔진, 또는 엔드 포인트? 그래서 클라우드 기능을 선택한 이유는 그 때문이다 너무 터무니 쉽게 할 수 있었다 그리고 문제의 진실은 앱 Engine–입니다 실제로, 코드가 난 그냥 당신을 보여 주었다 같은 코드를 직접뿐만 아니라 앱 엔진에서 실행됩니다 좋은 점 중 일부는 당신이 그것을 실행하는 경우 클라우드 기능에, 당신은하지 않습니다 응용 프로그램이 실행되지 않을 때 지불합니다 또한 그것은 매우 빠르게뿐만 아니라, 매우 확장됩니다 후드 아래에, 그들은 했어 일부 최적화는 규모로 만들려면, 그것은 싸다

엔드 포인트는, 실제로 우리가 말해 그렇게 안 부르 겠는데 것은 또한 API 게이트웨이입니다 그리고 실제로 기업의 사용이 있으면 말 것 당신이 멀티 클라우드 엔터프라이즈 사용이 특히 경우, 경우는, Apigee 길을 가야하는 것입니다 그리고 Apigee는 다른 API 관리 기능을 제공 개발자 포털 및 더 복잡한 방법을 만드는 등 의 doing– 그것은뿐만 아니라 더 복잡한 정책을 가지고 있습니다 엔드 포인트, 다른 한편으로는, 그것은 저렴합니다 솔직히있을거야 당신은 여기 것이다

그러나 그것은 또한 Google의 인프라를 위해 설계되었습니다 그래서 당신은 응용 프로그램이 당신의 API를 구글에있는 모든 경우 자체 API 엔드 포인트는 할까 sorry–입니다 클라우드 엔드 포인트는 훌륭한 솔루션입니다 청중 : 안녕하세요

우리는 우리의 회사에있는 작은 로봇을 만들려고 우리가 직면 한 문제 중 하나는 이름을 인식했다 특히, 우리는 그것을 건 원하고 API

AI–와 우리는 사람의 이름을 인식하기를 원했다 그리고 문제는, 이름은 외국이 될 수 있다는 것입니다 그들은 이미 시스템에 존재하는 객체가 될 수 있습니다 어떻게 너와 사실에 대한 전략이있다 있습니다 이름을 구별? 당신은 회사 디렉터리에서 모든 것을 집계 마십시오 그리고 이름으로 그에서 스틱? 내 말은, 몇 가지 무엇 당신 그 해결을 위해 무엇을 할 수 있는가? 아미르 SHEVAT : 거기 그래서 몇 가지 전략이 그 처리합니다 우리는 서명 된 한 여유와 함께 따라서 사용자가 응용 프로그램을 설치할 때, 실제로, 그의 이메일, 팀, 그의 이름을 얻을 수 있습니다 또는 그녀의 이름

또한 팀에 사용자를 나열하기 위해 API를 사용할 수 모든 information– 모든 프로필 정보를 얻을 수 그들에 청중 : 아, 죄송합니다 내가 clarify–하지 않았다 미안 해요 음성 기반 음성 기반 ALAN HO : 아, 목소리 기반 응용 프로그램입니다

청중 : 네, 음성은 기반 아미르 SHEVAT : 좋은 질문입니다 ALAN HO : 그것은 어려운 질문이다 우리가 실제로 다시 데모에 갈 수 있다면 그래서 그래서 이것은 당신이 말한 모든 것을 명확하지 않을 수 있습니다 당신이 의도를 만들 때, 이름을 말할 intent– 내 이름은 앨런입니다

그것이 무엇을하는 것은 자동이다 이름을 인식하고 있습니다 자, 당신이 할 수있는 것은 여러 변화를 만들 수있다 이것과 basically–의 앨런은 내 이름입니다 무슨 일이 끝나는 것은 똑똑 얻을 수 있다는 것입니다 이들 문구의 복수를 가짐으로써 스마트 얻는다 거기에 그래서 당신은 기본적으로 파악해야 거기에 이름이있을 수 있습니다 문구의 코퍼스

그리고 당신은 그런 식으로 한 다음에 추가 할 수 있습니다 더 나은 이름을 당길 수있을 것입니다 그 모든 시간을 작동하지 않습니다 알고있다 그러나 그것은 당신이 사용할 수있는 하나 개의 전략은 어쩌면이다 청중 : 좋아 감사

ALAN HO : 다른 질문? [NO AUDIO] 아미르 SHEVAT : 질문은 그래서 엔지니어는 바이어스된다? 우리는 엔지니어링 연설 때를 사용하고 있습니까 우리는 음성 인식을하고있어? 그리고 그 대답은 '예'입니다 내가 말할 수 있도록 나는 엔지니어입니다 그러나 나는 우리가, 엔지니어로, 우리가 자연 언어를 생각 이해 문제 [웃음] 권리? 그것은 사실이다 그것은 우리가 뭔가

그래서, 실제 디자이너의 사람이 가진 생각 대화 형 디자이너는 매우 중요하다 예를 들어, 그래서 scriptwriter–를 갖는, 안녕 Poncho– 당신은 날씨를 수행하는 데 도움이되는 로봇 인, 그들은 실제로 사람들을 고용 대화 디자인을하고 그들은 사실상 스크립터를 가지고 그들은 CMS가 있습니다 그들은 콘텐츠 관리 시스템을 가지고 그 사실은 대화와 어떤 봇 말할 것이다 매핑합니다 그래서 그래 의 엔지니어가 스크립트를 작성하지 보자 의 디자이너가 스크립트를 만들어 보자

[NO AUDIO] 아미르 SHEVAT : OK 네 ALAN HO : 당신은 질문을 반복 할 수 있습니까? 아미르 SHEVAT : 질문은 그래서, 어떻게 할 기대를 설정? 봇은 무엇을하거나하지 않을 수 있습니까? 나는 키가, 불황기에, 보딩 주위에 생각합니다 그래서 때를 앱이나 봇 내장, 키는 팀이 로봇은 무엇을 할 수 있는지 알 수 있도록하는 것입니다 동행입니다 생각하고 그것은 인간과 같은 일이다

그래서 때 팀에 법률 지원 내장, 당신은 무엇을 말하는가? 당신은 모든 사람들이 봐, 우리는이 새로운 법률 구조를 가지고 말한다 그들은 법적 문제와 함께 당신을 도울 수 있습니다 그리고 당신은 법적 채널을 사용할 수 있습니다 그녀 또는 그와 통신합니다 그것은 봇과 같은 일이다 그래서 당신은 스크립트 보딩 스크립트를 실제로 수 그 팀이 봇 무엇을 기대할 수를 사용하는 방법을 알 수 있습니다

두 번째 것은 오류 및 피드백을 처리하는 것입니다 그래서 사람들이 로봇에 말할 것이다 많은 일들이있다 그리고 그들은 그것으로 재생됩니다, 그것을 요청합니다 이 새로운 사용자 인터페이스이기 때문에, 사람들은 재생 것을 좋아합니다 이렇게 다만 기대를 관리 할 수 ​​있습니다

전표 채팅 모델을 개발하지 않는, 예를 들어, 수행하려고하지 마십시오 내가 만난 개발자의 많은, 안녕하세요 이렇게 하려고합니다

어떻게 지내세요? 날씨가 어때요? 어떻게 지냈어? 즉 시간의 총 낭비 봇이 무엇을 매우, 매우 명확하게 단일 목적의 로봇이 그 한 가지를 해결하고 사람들은 희망을 사랑합니다 ALAN HO : 또 다른 제안은 특히,이다 당신이 기업에 배포하려는 경우, always–하지 않습니다 당신은 50 대 50 모델 곳이있을 수 있습니다 봇은 질문의 50 % 응답, 그리고 인간은 다른 50 %에 응답합니다 그래서 예는 Apigee 웹 사이트의 다른 사용 사례 그 자체가, 우리는 로봇을 만들어 그 것 시간의 대부분 실제로 내부 영업 사원 답변, 맞죠? 같은 사람은 가격 시트를 요청 않다면 또는 데모에 가입 할 필요가있다 그러나 매우있는 것들에 대한 일반적인, 내가 OAuth를 구현 어떻게처럼 봇

사실상 것 응용 프로그램이 실제로 메시지를 가로 챌 것 그 내부 영업 사원 것, 그 사람에게 즉시 회신 적합 대답과 함께 그리고 사용자에게, 그것은 내부 영업 사원처럼 보인다 실제로 답을하고있다 그런 식으로 그래서 당신은 실제로 종류의 동행입니다 수 당신은 당신이에 메시지를 가로 챌 수 있습니다 create– 수 very– 이 시나리오에서, 당신은 당신의 AI 시스템 절편을 만들고 싶어 매우, 매우 구체적인 메시지 및 대체 시대의 인간의 대다수, 많은 시간 때문에 우리는 단지 그것을 위해 계획하지 않았습니다

점진적으로 그리고 당신이 할 수있는 방법으로, 시간이 지남에, 더 많은 새로운 기능을 추가하기 위해 로봇을 훈련 아미르 SHEVAT : 그 동의합니다 어쩌면 최근 코멘트는 모든 봇입니다 대화입니다 다시, 이것은 매우 중요합니다 내가 본 로봇의 대부분은 알림 및 비즈니스 있습니다 워크 플로우

이들은 대화를 많이 필요로하지 않습니다 그냥 다 좋은 일들을 얻고있다 그래서 같은, 당신이 용이하게 할 수의 문제입니다 버튼과 풍부한 상호 작용을 많이 다음 과정은 훨씬 더된다 사용자를위한 직관적 인 [NO AUDIO] 아미르 SHEVAT : 그래, 확실히 그래서 이것은 전화 DM, 직접 메시지 및 봇입니다 모든 사용자 DM 수 있습니다

그래서 내가 볼 것입니다 당신이 시작처럼 채널 내에서이 문장을하고 상기 로봇이 분석 이것은 우리가 그 아이디어를 구현해야합니다 사실상 것 KeanuBot에 대한, 맞죠? 그리고 다음 KeanuBot는 DM에서 당신을 줄 수 당신이 한 말의 해석처럼, 맞죠? 당신이 바로, 너무 심했다 뭐 실수? 그래서 당신은 실제로있는 방법을 구현할 수 있습니다 보트 채널을 수신 곳 하지만 당신에게 직접 메시지에 피드백을 제공합니다

대상 : [들리지] 아미르 SHEVAT : 번호 아니 아니 아니 아니 네 죄송합니다 미안하고 그래

[웃음 대상 : [들리지] 아미르 SHEVAT : 와우 ALAN HO : 왜 당신이 질문을 반복하지 않는다 아미르 SHEVAT : 내 모든 로봇을 사랑 해요 나는 비즈니스 프로세스를 촉진 봇을 사랑 해요

그래서 예를 들어, 나는 모든 경우에이 물어 그래서 여기 물어거야 어떻게 많은 비용 보고서를 어떻게 하시겠습니까? 아니 많은 사람들이 그들의 손을 올렸다 왜 그런데? 당신이 비용 보고서를하는 것에 대해 생각하는 경우 때문에, 그것은 awesome–해야 사실입니다 멋진 경험이 될 지금은 뭔가 회사에 지불 날 다시 지불, 맞죠? 우리는 비용 보고서를 수행하고자 매일 아침 일어나해야한다 당신이 승점을 묻는다면, 그들은 비용 보고서를하고 상관하지 않습니다

왜? 지금 뭔가 내 개인 비서를 지불 나에게 도움과 고통이 사라질 것을하게하고 내가 돈을받을 그래서 빨아-y–있는 모든 비즈니스 프로세스의 생각 당신의 비즈니스 라이프의 다른 환난의 부족 당신이 간단한 워크 플로우를 사용하여 구현할 수있는 방법을 참조하십시오 우리의 비즈니스 프로세스의 대부분은 스프레드 시트 나 VB에 스크립트– 신 금지 당신은 실제로 이러한 과정이 많이 걸릴 수 있습니다 와 대화 인터페이스를 구현 그것은 차이의 전체를 많이합니다 내가 이름을 지정하지 않고 질문에 대답 희망 다른 이상 한 아들

누가 내가 좋아하는 그와 같은 물건 않습니다 ALAN HO : 내 마음에 드는 실제로 가청이다 나는 오디오 책과 내가 듣고 좋아 단지 아주 쉽게 단지 가청 물어 찾아 특정 장을 열고 가지고 그것은 나에게 그것을 읽기 시작합니다 그래서 내가 가장 좋아합니다 청중 : [들리지]? ALAN HO는 : 질문을 반복합니다

아미르 SHEVAT : 그래서 질문이었다, 당신은 다국어 봇 무엇을해야합니까 그리고 나는 엔지니어로 말할 것 I 정답은 바로 지금이다 모르겠어요 나는이 미지의 영역이라고 생각합니다 나는 APIAI에 조금 연주 당신은 당신을 different– 줄 수 를 훈련 할 수있다하면 서로 다른 언어를 제공합니다 같은 목적을 위해

그리고 어느 정도 작동합니다 그러나 장소의 생각 어디 채널에서 다른 사람들 다른 언어를 구사합니다 그래서 내가 당신을들을 말하는거야 나는 좋은 대답이 없습니다 하지만 우리는 여전히이 일을 배우고 산업으로 생각합니다

당신은 등의 사소한 매핑을 할 APIAI을 사용할 수 있습니다, 이 영어 문장이 이 프랑스어이며, 러시아어 방법이다 그래서 그것을가는 좋은 방법이다 ALAN HO : 그래 우리는 또한뿐만 아니라 번역 서비스가있다

작년에 놀라운 AI ​​같은있다 즉, 이러한 번역이 정말 좋은 얻을 수 있도록합니다 그래서 나는 재미있을 것 같아 이러한 번역 서비스는 기본적으로, 오늘날 때문에 기사에서 인간의 많은 텍스트를 읽고 구글은 더 많은 봇을보고하지만 자사의 플랫폼을 기반으로 그리고, 채팅의 많은 통해 오는 보는 것 당신은 seeing– 시작하는거야 나는 이러한 번역 서비스도 않습니다 예측 아주 채팅 좋은뿐만 아니라합니다 that– 그래서 우리는 하루 제로입니다 아미르 SHEVAT : 그래

청중 : [들리지]? ALAN HO : 그래서 질문은 특히이었다 서버를 사용하지 않는 아키텍처의 종류, 당신은 응용 프로그램이 무엇인지 testing–에 대해 어떻게 가야합니까 라이프 사이클처럼 될 것? 그런데 실제로이 많은 당신이 그건 생각 is– 이는 microservices 아키텍처에 대한 정말 더 사용하는 우려를 많이 함께 오므 할 경우 하나의 큰 모 놀리 식 응용 프로그램에서 애플 리케이션의 많은으로 분리됩니다 그래서 제일 먼저 당신을 말할 것입니다 하나 하나에 대해 단위 테스트를 많이 가지고있다 않습니다 microservice, 정말 파악 각 microservice을 위해 무엇을 당신의 경계 상황 실제로 않습니다

그래서 나는 그 단계처럼 생각합니다 올바른 구조를 파악 당신의 microservices합니다 그리고, 그것은 당신의 라이프 사이클의 주위에, 두 단계 난 그냥 떠 봐 아무 것도처럼 취급 것 및 모범 사례에 관한 책의 톤이있다 microservices 라이프 사이클에 대한 난 그냥 그런 식으로 취급한다 나는 them–의 모든 하나 하나 치료하는 것 당신은 모든 microservice가 있는지 확인하려면 당신이 생산에 투입하는 것이 당신은 빠른 프로세스가 새 배포 할 수 있도록, 당신은 롤백 할 수있는 능력을 가지고 파란색 – 녹색 배포, 모든 좋은 것들 것을 우리는 지난 몇 년 동안 개발했습니다

청중 : [들리지]? 아미르 SHEVAT : 감사합니다 청중 : [들리지]? 아미르 SHEVAT : 질문은 그래서, 어떻게 할 , 봇 세계 로봇은 당신의 얼굴에없는과 진화 참조 또는 여유 시간 안에 너무 많은 소음을 같은? 그래서 다시, 그것은 학습 경험의 생각 첫 번째 웹 페이지에 대해 생각한다면, 당신이 기억 texts– 그들은 모두이 번쩍했다? HTML 텍스트, 그리고 모두가 애니메이션 GIF를 사용하여 모든 페이지에 텍스트를 점멸 나는 우리가 그 시대에 조금 것 같아요 그리고 나는 우리가 배우고 생각합니다 그래서 마지막 years– 생각 작년에, 우리는 로봇 빌더의 많은 일을했습니다 실제로 보딩 위대한 일을 덜 채팅을 만들기 위해, 모두 DMing 없습니다

다른 것은 당신이 관리자의 승인을 설정할 수 있다는 것입니다 관리자 만 설치할 수 있다는 것을 의미 애플 리케이션, 봇 따라서 사용자는 봇을 요청할 수 있습니다 그래서 그들은 응용 프로그램 디렉토리로 가서 로봇을 요청할 수 있습니다, 하지만 관리자가 사람들을 승인 할 수 대기열로 들어갑니다 그래서 당신은 당신의 여유 채널에 너무 많은 수다를보고하는 경우, 그때 그 켜 것이다 마지막 것은 기업 문화입니다

예를 들어, 여유 시간에, 나는 특정 주제에 대해 때 이야기 channel–의 주제를 벗어 나는 마케팅 채널에 가서 얘기를 시작하면 code– 사람들은 너구리있는 이모티콘과 반응 그건 내가 잘못된 일에 대해 말하기있어 하더군요 잘못된 채널이다 그래서 그런 문화적인 일을 가지고 신호를, 이봐, 당신은 왜이 봇을 설치 않았다, 좋은 것이 좋습니다 청중 : [들리지]? 아미르 SHEVAT : 아니, 아니, 아니, 아니, 아니 우리는 very–있어 ALAN HO는 : 질문을 반복합니다

아미르 SHEVAT : 그래서 질문이었다, 봇은 어떻게 지적 할 수있다? 봇은 당신과 함께 토론을 가질 수 아키텍처, 그 연결에 대한 설계? 그리고 그 대답은 바로 지금이다 인공 지능의 지적 단어 연설을 마케팅한다 [웃음 인공 지능이 놀라운 도구입니다 같아,하지만 봇은 감각이없는 그리고 봇은 방법으로 지적하지 우리는 정보를 인식 그들은 더 똑똑 나는 인공 멋를 부를 것이다, 스마트 사람에게 뭔가를 가르쳐 일단 때문에, 그들은 더 나은 수행하는 방법을 알고있다

그러나 아무런 정보가 없습니다 및 then– 적어도 나는 아마 곧 군주 것 sorry– 해요 인수하고 세계를 정복 그리고 나는이 처벌됩니다 그러나 이것은 제 생각입니다 당신이 할 수있는 것은 실제로 워크 플로우를 촉진한다 봇의 스위트 스폿 (sweet spot)이있는 곳 그리고 그입니다

그래서 디자인을 승인해야합니다 그래서 게시물을 갖는 채널의 디자인, 다음, 승인라는 버튼을 가진 봇이 탁월한 곳 대신에 10 이메일을 보내는, 그입니다 그래서 당신은 응답 모든 악몽을 알아? 당신은 팀과 모든 사람에게 이메일을 보내 모든 회신 시작 당신은 실제로 멀리 갈 수 있습니다 아주 쉬운 방법으로 봇과 함께 그래서 이것들은 사용 사례입니다

작은 사용 사례의 생각 당신 상황에 맞는 것을 구현하고 많은 시간을 절약 할 수 있습니다 ALAN HO : 당신의 임무는 안전합니다 [웃음 괜찮아 아미르 SHEVAT : 당신에게 대단히 감사합니다 ALAN HO : 당신에게 대단히 감사합니다

아미르는 SHEVAT을 : 감사합니다 [음악 재생]

Tesla na Lua – Psychology of an AI (Moonbots: A Google Lunar XPRIZE Challenge)

안녕하세요 구글! 우리는 평화에 와서! 우리는 2 시간 일부 튀김 두뇌 후 얘기를 해 우리의 아이디어는 아무것도 나왔다 인공 지능! (인공 지능) 그러나되지 않은 AI 인간 에뮬레이션 AI 미리 프로그램 된 생존 본능, 의사의 감정과 지략으로 또한, 재료의 많은 도움과 자신을 유지하기 위해 다른 유물을 구축 이 AI는 자원 인 인간이 할 수 있어야한다 아무것도 할 수있는 수단이있을 것이다 우리의 AI는 우리에게 데이터를 전송해야하지만 심지어 첫 번째 인스턴스에 지구를 감지 할 수해서는 안 심지어 그 확인하기 위해 달의 반대편에 배치되고 그럼, 왜 이런 생각? 그것은 인간 인 것처럼 우리는 심리학이 인공 지능을 테스트 할 몇 시간 후에는 그 존재에 의문을 제기 할 것인가? 그것이 어디에서 왔는지가 궁금 할 것인가? 작성자는 누구? 그리고 더욱 흥미로운 : 우리가 존재 알면, 그것은 무엇을 할 것인가? 그것은 우리와 통신을 시도 할 것인가? 그것은 우리 대한 좋은 또는 나쁜 아무것도 "느낌"것인가? (부디)