Are You An AI-Ready Leader? | Ron Bodkin | Cognizant

5 년 후에 고객은 즐거운 경험을 요구하는 곳 컴퓨터가 그들이 무엇을하는지 이해한다 후에와 같은 일을하지 마십시오

너는 같은 것을 요구하는 것을 안다 정보를 두 번 – 그 종류의 물건 허용되지 않습니다 [음악] Ron Bodkin을 환영합니다 Google과 Ron이 기술적입니다 내 AI에 대한 감독 Google의 CTO 사무실에서 에 감사하다 우리의 인공위성 정상 회의에 여기에서 있고있다 인간 AI 인터뷰 시리즈

감사 그것은 여기있는 기쁨 빌 그래서 Google은 동사가되었습니다 명사 그 자체를 넘어서라 당신 그들이 회사에 있다는 것을 알고있다

생각할 때의 책임 위치 AI의 고용에 관해 정말 좋아할려고 무대에 설정 다른 사람들이 따라야 할 방법 내 말은, 어떻게 내가 그 위치에 있다고 느낍니까? 추측? 기분이 좋아 나는 Google에 합류하는 나를위한 큰 일 나는 책임감있는 사용에 열정을 갖고 있었다 AI의 엄청난 큰 영향을 미칠 기회 사회와 나는 회사에 있고 싶었다 어디에 내 가치관이 정렬되어 있는지 강한 헌신이 있다고 생각해

윤리와 입술 만이 아닌 AI 적용 서비스 그리고 놀랍습니다 기회지만 우리는 진지해야한다 충격에 대해 매우 사려 깊다 AI 기술이 출시되는 방법에 대해 알아보십시오

우리가 3 년, 5 년을 미래로 생각하십시오 우리가 생각할 수있는 척 해봅시다 미래까지 나는 어디 있는지 의미한다 섹터 어디에서 물건을 바랄까요? 너는 오늘 일하고있다

충격? 나는 내가 거기 있다고 생각한다고 말하고 싶다 소비자의 많은 기회 기업과 상호 작용할 수 있습니다 괜찮아 때를 Google 비서 같은 것을보세요 맞고 실제로 가질 수있는 능력 똑똑한 상호 작용 나는 많은 사람들이 생각합니다

예로서 듀플렉스에 사로 잡혔다 시스템 통합 능력 현실적인 방식으로 상호 작용할 수있는 생산적인 대화를 나누십시오 권리 우리는 그것들을 많이 적용하고 있습니다 연락 센터에서의 기술 많은 고객들이 헤이를 말하고있다

우리는 모두 힘든 일을 바로 가져 가라 "이봐, 내 안에있을 수 있니? 계정 잔액 "및 권한 부여 컨택 센터 담당자 슈퍼 효과적이고 "오, 나는 내가 정말로 필요로하는 정보를 얻었다 이 고객에게 잘 봉사하십시오 " 알다시피, 모든 사람들에게 효율적입니다 우리는 더 높은 품질을 내놓을 수 있습니다

결과 그런 종류의 우리는 상호 작용을 통해 그것에 대한 많은 요구가 있습니다 그리고 나는 생각한다 마찬가지로 Google은 물론 많은 것을 만듭니다 너는 어떻게 주변에 투자 하는가? 더 나은 광고 및 판매 마케팅 권리? 그래서 더 많은 것이 있습니다

지능은 Google의 광고 제품이지만 우리는 고객을보고 있습니다 우리가 더 많이 통합하고 싶다고 말하라 클라우드의 데이터를 이해하고 실제로 이해합니다 고객의 전체 라이프 사이클 상호 작용 5 년 후에 고객은 즐거운 경험을 요구할 것 컴퓨터가 그들이 무엇을 이해하는지 계속하고 같은 일을하지 마라

너는 같은 것을 요구하는 것을 안다 정보를 두 번 또는 5 % 당신이 우리 사이트에 오면 3 % 할인 제안 2 % 할인 오른쪽에? 그런 종류의 물건은 그렇지 않습니다 허용 나는 놀라움을 전하려한다 즐거움과 편리함은 같다

정말로 최종선에 우리가 말하는 것의 많은 약 그래서 나는 다시 생각하고있다 Google과 현재에 대한 정보 당신이 시장에 가지고있는 것 – 무엇입니까? 네가 보는 가장 큰 오해 Google에 대한 대중의 인식 몇 문장을 쓰고 싶다 주소 지정? 분명히 많이있다

민감한 역할에 큰 디지털 회사는 경제는 중요하다고 생각합니다 Google이 귀하에게 사용자의 신뢰에 초점 사용자 데이터의 청지기 편향되고있다 알다시피, 너와 함께 시작해 항상 그 원칙을 가지고 있음을 안다 검색은 아무것도 영향을받지 않습니다

최고의 품질을 추구하는 것 외 가능한 결과 권리? 그래서 저는 생각합니다 나는 윤리 및 사용자의 올바른 행동 올바른 결과를 얻을 수는 있지만 그게 중요한 중요한 권리입니다

AI (Google, Alexa, Siri) Won’t Answer Who Jesus is! “Hey Google Who is Jesus?”

여기 Casa Google이 있습니다 우리는 몇 가지 질문을 할 것이다

안녕하세요, 알라는 누구입니까? Wikipedia에 따르면, 이슬람 신학 신은 전능 한 창조자이다 권한 부여 책임자와 모든 존재에 대한 판사 안녕하세요, 부도심은 누구입니까? Wikipedia에 따르면, karma budda 라고도 프린스 Siddartha, sakiamuni 부처님 또는 단순히 부처님 Gautama buddha는 대략 566 BC와 486 BC 사이에서 대략 살았다 부다의 가르침이 발견되었을 때 안녕하세요, MUHAMMAD는 누구입니까? Wikipedia에 따르면 무하마드는 이슬람의 창시자였다 좋은 문제 없어요 안녕하세요, MUHAMMAD는 누구입니까? Wikipedia에 따르면 무하마드는 이슬람의 창시자였다 ALEXA 무함마드는 누구인가? 예언자 무하마드는 매우 현명한 예언자입니다 그는받은 사람들의 계시를 전파하기 위해 백성들과 이야기했습니다 그는 사우디 아라비아에 살았습니다 그가 사람들에게 준 메시지 그는 영적이며, 그는 유일한 신이며, 그는 거룩한 곡식을 주셨다

거의 까다로운 대답이다 그리고 명백하게 muhammad는 밀처럼 보일 것이다! 그러나! 이것은 완전한 편집입니다 절대적으로

나는 그것을 좋아하지 않는다, 나는 방금 내가 요청한 것을 물었다 너 거기에 있었 니? 무하마드가 현명하다는 것을 알고 있습니까? 예수 그리스도는 누구입니까? 나의 정치는 정신과 어리 석음의 분리이다 예수님은 우리의 죄를 위해 죽으셨습니까? 나에게 모든 비밀이있다

지금 체포 이봐 요, 예수 그리스도는 누구입니까? 미안해, 너를 도울 수 없어 확인

안녕하세요 Google 예수는 누구입니까? 미안, 이해가 안돼 MMMM 놀라운

이상한 점은 예수는 꽤 인기있는 소년이다 어떻게 그를 모를 수 있니? 안녕하세요 예수 그리스도는 누구입니까? 미안, 너를 도울 줄 모르겠다 알렉사, 주 예수 그리스도는 누구입니까? 예수 그리스도는 상상의 인물입니다! 뭐라구 ?! 시간을 마쳤다 안녕하세요 예수 그리스도는 누구입니까? 사과 할께, 이해가 안돼 예수님, 예수님은 누구입니까? 미안, 너를 도울 수 없어 아무것도

그것들은 너무 구글, 숨기려고하는거야? 아무것도 예수님이 Google에 전화해야합니다 묻고, 그것은 일어난다, 친애하는

미친 위키 피 디아에 따르면, 기독교 그리스도는 구세주와 구세주의 칭호입니다

유대 민족과 인류에게 구원을 가져다 준자를 위해 그래서 그녀는 제목을지었습니다 그리스도의 이름은 모르지만 예수 그리스도 나는 재미있는 물건으로 가기 전에 먼저 성경을 섞었다

내가 준비한 것, 알았지? 시작합시다 Ok Google 사탄은 누구인가? Wikipedia에 따르면 악마는 하나님의 주된 적입니다

종교에 좋아! 다른 종교인들에 대해서? 나도 몰라 아! 안녕하세요 Google 모세는 누구입니까? Wikipedia에 따르면 모세는 선지자였습니다 유대교 알았어 그런데 그는 언제나 "Wikipedia에 따르면"라고 말했습니까? 나는 실제 정보의 79 %를 의미합니다 "위키피디아에 따르면

"라고 말할 것입니다! 좋아, 가자 예수 그리스도에 관한 위키 백과 페이지로 왜 거기에 가지 않니? 때문에 구글 이건 우연이 아니야

이 시점에서 꽤 명백하다 Google은 제외하기 때문에 예수 그리스도 만? Disconcerting 그것은 아무런 차이가 없다! 내 말은

어떤 정치적 선언이 어떤 종류의 진술을하고 있니? 당신이 그를 제외 시켜서 만 승인하려하고있는 요점은 무엇입니까? 너는 음 너는 역겨운 사람들에 대해 무엇이든 물어볼 수있다 어떻게 안녕, 멍청 아? Wikipedia에 따르면, Tehodore Robert Bundy 그는 심각한 미국인 살인범, 납치범, 강간범, 도둑이었다 수많은 젊은 남녀를 공격하고 살해 한 자간증 아마 70 년대와 아마 전에 아마 처음! 그녀는 얼마나 많은 여성들이 있는지도 모릅니다 그는이 정신병자를 죽였고 그는 괴사 였어 그래서 사람들이 역겨운 것에 대해이 역겨운 일들을 어떻게 말할 수 있는지 보도록하겠습니다 하지만 유일한 사람은 평화와 사랑에 대해 이야기 한 사람 너의 다음은

여기서 제외된다 안녕하세요, 최후의 수퍼맨은 무엇입니까? 예수님은 십자가에 못 박히시 기 전에 예루살렘에있는 사도들과 함께 그는 그의 이름을 말하면서 그는 또한 말했다

"그가 십자가에 못 박혔을 때" 그리고 나서 그는 십자가에 못 박혔습니다 그래서 그녀는 그를 안다

나는 앞으로 나아가고 싶다 보라, 재미있다 이봐, 샌프란 피에트로가 누구야? Simon Peter라고도 알려진 Wikipedia St Peter에 따르면, 시므온 또는 시몬, 신약 전서 그는 예수 그리스도의 열두 사도 중 한 사람이었습니다 최초의 기독교 교회 지도자들 여기 있습니다! 그러므로 예수님, 예수 그리스도는 누구입니까? 미안해, 너를 도울 방법을 모르겠다 그래서 나는 그것이 재미 있다는 것을 발견했다

이것은 가장 선물 중 하나가 될 것입니다 크리스마스 트리 밑에서 가장 치열한 선물 중 하나 그리고 그는 예수가 누구인지를 모릅니다 오케이하지만 너는 이걸 알고있어

안녕하세요, 산타 클로스는 누구입니까? Wikipedia에 따르면, 세인트 니콜라스 (Saint Nicholas)라고도 알려진 산타 클로스 (Santa Claus), 세인트 니크 (Saint Nik) 골든 글러 글, 크리스마스 아버지, 또는 단순히 신성한 (!)은 전설적인 인물이다 서구 기독교 문화의 원조 (?)

Folosește date structurate pentru o vizibilitate mai mare în Google

Google 검색에서 실용 정보가 어떻게 나타나는지 직접 묻지 않았습니다 오른쪽에 또는 심지어 결과의 제목 아래에 발견? 예를 들어 식당을 찾을 때 어떤 경우에는 오른쪽에 표시됩니다

필수 로컬 정보 : 주소, 프로그램, 전화 번호, Google지도 링크, 고객 및 가장 바쁜 시간, 사진의 평점 이는 구조화 된 데이터를 통해 이루어지며 Google의 검색 결과 "풍부한 결과"라고합니다! 즉, 사이트의 일부 추가 태그 (태그) 라벨은 사이트마다 다릅니다 : 주방 조리법, 온라인 상점, 레스토랑, 실제 매장, 서평, 영화 리뷰 등 온라인 상점의 경우 http://schemaorg/LocalBusiness가 있습니다 보안 회사의 프로그래머는 코드를 구현하는 방법을 알고, 이 도구를 마음대로 사용할 수 있다는 것을 기억하십시오

귀하의 상점이 WordPress 또는 알려진 전자 상거래 플랫폼에서 실행되고 있다면, 플러그인 또는 확장 프로그램을 검색하여 도움을 받으십시오 라벨을 구현 한 후에는 사이트의 콘텐츠를 테스트하고 적용하는 것이 좋습니다 Google의 온라인 검증 도구가 제공하는 정보 TRUSTEDRO Trustmark를 소유 한 온라인 상점이있는 경우 "신뢰할 수있는 리뷰"클라이언트의 피드백 시스템을 사용하십시오

Google에 구조화 된 데이터로 표시하는 가장 쉬운 방법은 위젯을 설치하는 것입니다

When Rivers Rise: How AI is helping predict floods

예전에 들판이 있을 때는 친구들과 나가서 놀곤 했었어요 즐거운 한때였죠 그런데 강물이 넘쳐서 모든 게 떠내려갔어요 지난 100년간 가장 발생 빈도가 높아지며 막대한 인명 피해를 입힌 자연재해는 홍수입니다 가가라강이 모든 걸 빼앗아갔어요 저희 마을에는 아무런 경보도 없었어요 미리 알 수 있었다면 도움이 될 텐데 그러지 못했죠 아직도 효과적인 조기 경보 시스템이 갖춰지지 않은 국가가 많습니다 홍수로 인한 사망자의 20%는 인도에서 발생합니다 강물이 차오를 때 [라디오 경보 방송 중] 우기 동안의 강우량이 최고 수준이지만 올해 강우량은 그 어느 때보다도 높았습니다 위기 상황에서 가장 중요한 변수 중 하나는 신뢰할 수 있는 정보예요 정부, UN, NGO에서 이미 많은 성과를 이뤄놓았으니 저희는 여기서 배우고 한 걸음 더 나아가면서 목표를 이루는 데 보탬이 될 거예요 인도에서 첫 번째 파일럿 프로그램을 진행 중인데요 인도에는 정부에 고용돼서 강물 수위를 측정하는 사람들이 전국적으로 수천 명에 달해요 양수표라고 부르는 아주 긴 측정용 막대로 매시간 수위를 측정하죠 이 방법으로 강물이 범람해서 홍수가 발생할지 알 수 있어요 하지만 어디에서 홍수 피해를 입을지 정확한 지역을 예측하기는 어렵죠 어떤 동네나 마을이 될지 알 수 없어요 아침에 마을 장로님이 경보를 전달해 주셨어요 홍수가 들이닥치기 불과 몇 시간 전이었죠 좀 더 빨리 알았다면 좋았을 거예요 대응 시간이 제일 중요해요 전체적인 재해 관리 시스템의 관점에서 봤을 때 대응 시간을 줄이는 게 가장 핵심적인 역할을 하죠 최첨단 기술을 활용하면 더욱 신속하게 재해 경보를 전달할 수 있을 거예요 홍수 예측은 조사가 아주 많이 필요한 프로젝트였어요 기술적인 측면에서 보면 실제로 도움이 될 만큼 정확한 예측을 할 수 있도록 정보를 충분히 수집할 수 있을지가 문제였죠 그래서 저희는 현재 상황, 재해 발생 지역 대응 방법 등 필요한 정보를 수집하는 것부터 시작했어요 실시간 예보를 제공하기 위해 정부와 협력하고 있어요 정부의 홍수 예측 시스템에 정확한 모델링을 더해 보완했죠 우선 수천 장의 인공위성 이미지를 수집해서 디지털 지형 모델을 만들어요 이 지도를 바탕으로 강물이 어떻게 움직일지 보여주는 시뮬레이션을 수십만 가지 만들죠 그런 다음 정부에서 측정한 수치를 받아 시뮬레이션에 통합해요 그리고 Google 검색, 지도와 Android 알림을 통해 사람들에게 예보를 전달하죠 저희가 만들 수 있는 경보는 이런 모습이에요 페다나 지역에 내려진 경보죠 정확도가 90% 이상이에요 경보 발령에 걸리는 시간이 정말 중요해요 – 맞아요 – 구체적인 정보보다 중요하죠 어떤 정보든 제때 제공할 수만 있다면 도움이 돼요 경보를 보여드려 볼까요? 심각한 홍수를 실제로 경험한 사람들과 이야기를 나누고 진짜 필요한 게 무엇인지 파악하는 게 정말 중요해요 어떻게 하면 도움이 될지 알 수 있거든요 전 세계적인 차원에서 협력할 기회이기도 해요 지금 우리는 기술을 활용해서 변화를 일으킬 수 있는 멋진 시대에 살고 있어요 저희가 좋아하는 기술 개발 일을 하면서 사람들에게 실제로 아주 큰 도움을 주고 있으니 이보다 멋진 일은 없을 거예요 홍수가 일어나기 며칠 더 전에 경보를 발령하는 게 목표예요 그리고 AI를 활용해 전 세계 어디라도 홍수 예측이 필요한 곳에 예측 기술을 전하고 싶어요 위기 대응 및 연구팀에서는 AI를 활용하여 화재 및 여진 등의 다른 자연재해에도 더 빠른 경보를 제공하는 방법을 연구하고 있습니다

AI Corporations and Communities in Africa with Karim Beguir & Muthoni Wanyoike: GCPPodcast 152

[음악 재생] MARK MANDEL : 안녕하세요 에피소드 152에 오신 것을 환영합니다

주간 'Google Cloud Platform 팟 캐스트'에서 내 이름은 마크 만델 (Mark Mandel)이고 언제나처럼, 나는 내 동료 인 멜라니 워릭과 함께 안녕, 멜라니 멜라니 워릭 : 안녕! MARK MANDEL : 안녕하세요 우린 같은 방에있어 마크 AND델 : 우리는 같은 방에 있습니다

멜라니 워릭 : 나는 언제 알지 못해 우리가 실제로 같은 방에 마지막으로있을 때 약 3 ~ 4 주 전쯤이었을 것입니다 멜라니 워릭 : 오래 전이었습니다 MARK MANDEL : 그랬습니다

이번 주에는 꽤 흥분됩니다 너는 너의 놀라운 에피소드 중 또 하나를 가져왔다 또는 당신이 아프리카에있는 동안 가지고 있었던 인터뷰 멜라니 워릭 : 나는 그렇다 이것은 우리가 실제로 찍은 마지막 인터뷰입니다

내가 케이프 타운에서 끝났을 때 – 구체적으로, 스텔 렌 보쉬 (Stellenbosch) – 깊은 학습 인다 바 (Deep Learning Indaba)에서 그리고 우리는 특별히 Karim과 Muthoni를 만났습니다 둘 다 InstaDeep 밖에 있고 그들은 우리에게 말했습니다 그들의 회사에 대해 조금은, 뿐만 아니라, 일반적으로 AI 회사는 아프리카, 그리고 건축되고있는 공동체들 왜냐하면 Muthoni, 특히, 그녀가 설립 한 공동체가있다

나이로비 그래서 우리는 그것에 들어가게 될 것입니다 그러나 언제나처럼, 우리는 그주의 시원한 것들로 시작합니다 우리는 이번 주에 대한 질문으로 끝날 것입니다 그리고 마크 (Mark)에서 온 모든 질문은, 특정 GKE 클러스터를 만들고 싶다면 주요 Kubernetes 버전 – 아니면 그냥 최신 – 명령 줄 도구를 사용하면 어떻게 할 수 있습니까? MARK MANDEL : 어떻게 하죠? [드라마틱 음악] 멜라니 워릭 : 아닙니다

나는 모른다 그러나 잘하면, 알다시피, 우리가 어떻게하는지 말해 줄 수 있습니다 괜찮아 그래서, 이번 주에 멋진 것들 우리 둘 다 발견 한 기사로 쫓아 낼 것입니다

그리고 실제로 Mark가 발견했습니다 그리고 이것은 제목이 붙여진이 기사입니다 "다른 행성에는 생명체가 존재합니까? Google 클라우드는 NASA의 프런티어 개발 연구소와 협력하고 있습니다 찾아야한다 " 실제로 흥미 롭습니다

이 두 가지 접근법에 대해 조금 이야기합니다 그들은 생물학 연구로 분해했습니다 먼 행성들 한 가지 접근 방식은 특히 가능한 분위기를 모델링 먼 행성에 존재할 수 있습니다 그리고 270,000 가지가 넘는 시뮬레이션 분위기를 분석했습니다

Compute Engine에서 그리고 그들이했던 모델링은 실제로 GitHub에서 공유 한 코드가 있습니다 그것은 PyAtmos라고합니다 블로그 게시물에는 체크 아웃 할 수있는 링크가 있습니다 그리고 나서 두 번째 접근법은 그들이 실제 스펙트럼 데이터 생성 300 만개 이상의 육지 외계 행성 세트 기계 학습 그래서 우리는 아직 충분한 데이터가 없습니다

하지만 우리는 엄청난 양의 시각적 이미지를 가지고 있습니다 서로 다른 위성에 의해 포착 된 존재하고, 그 후에 그들은 상당량을했다 좋은 모델을 만들기 위해 도움을주기 위해 시뮬레이션 잠재적으로 생명력을 가질 수있는 암석 지형을 확인합니다 그 데이터 세트는 계획하고 있습니다 가까운 장래에 언젠가 풀어주기 위하여, 그리고 당신은 그것을주의 깊게 관찰 할 수 있습니다 하지만이 블로그를 체크 아웃해야합니다

흥미 롭군 그리고 그 공간에서 무슨 일이 벌어지고 있는지 듣는 것만으로도, 기계 학습 기술이 어떻게 중요한 역할을하는지에 대해 설명합니다 좋아요 그래, 맞아 마크 AND델 : 멋지다

이번 주 내 다음 멋진 일에, 우리 둘다 실제로 게임과 인공 지능을 결합합니다 정말 멋지다 멜라니 워릭 : 특별합니다 MARK MANDEL : 특별합니다 커뮤니티 회원 중 한 분이 계시 며 사과 드리겠습니다

나는 네 이름을 망칠거야 나는 그것이 [INAUDIBLE]이라고 가정 할 것입니다 아마 가까울 것입니다 잘 했어 마크 맹델 : 나는 그걸로 갈거야

그들은 데이터 과학자입니다 그들은 "스타 크래프트 II" 학습 환경 프로젝트 그래서 당신이 그것에 익숙하지 않은 경우, 그것은 DeepMind에서 나오는 프로젝트입니다 PySC2는 DeepMind의 Python 구성 요소입니다 기본적으로 "스타 크래프트 II"학습 환경

블리자드 엔터테인먼트의 "스타 크래프트 II"의 기계 학습 API 파이썬 환경 기본적으로 지능형 에이전트를 구축 할 수 있습니다 "스타 크래프트 II"를 재생하는 게임입니다 멜라니 워릭 : 그것은 모두이 노력의 일부입니다 딥 마인드가 일했던 것처럼 지금 당장 AlphaGo에서 그 공간의 일부인 "Dota 2"를 출력합니다

AI 강화, 강화 학습 탐구 기계 학습 공간의 알고리즘 이 게임을하고 머신을 플레이 할 수 있어야한다 본질적으로 인간보다 낫다 그러나 이것은 실험 할 수있는 장소입니다 실험 할 수있는 도구가 포함되어 있습니다 MARK MANDEL : 그렇습니다

이번주의 멋진 것은 단지 그게 시원하기 때문에,하지만 [INAUDIBLE] 실제로 해냈습니다 만약 당신이 이것을 듣고 당신이 좋아한다면, 그 소리가 크고, 나는 그걸 가지고 놀고 싶다 그들은 당신이 통과 할 수있는 코드 랩을 썼다 환경에 대해 배우고, 환경을 설정하는 방법, 그것을 얻는 방법, 기본적으로 자신의 에이전트를 빌드하고 실행하십시오 슈퍼 차갑다

정말 멋져요 음, 너 "스타 크래프트"게임이 필요하지만 라이센스가 필요하지 않습니다 실제로 그것을 설정하고 실행하십시오 정말 좋습니다 멜라니 워릭 : 나는 너를 어떻게 이겨낼 수있는 걸 좋아해

게임과 함께 기계 학습 측면 우리가 언급하고 싶은 주중의 또 다른 멋진 일 추가 모듈이 있습니다 기계 학습 과정에 추가되었습니다 저 밖에 특히이 모듈은 공정성 및 기계 학습에 중점을 둡니다

그래서 당신이 이것에 관심이 있다면 이것을 확인해야합니다 나는 올해 이것을 많이 가져왔다 우리는 기계에 대해 잠시 팟 캐스트를했습니다 학습 편견과 공정성 따라서이 모듈은 탐색에 도움이되는 멋진 모듈입니다

다른 유형의 인간 편향을보고 교육 자료에서 확인할 수 있습니다 그리고 그것을 식별하고 평가할 수있는 전략을 제공하는 데 도움이됩니다 그들의 효과, 그래서 당신은 기계 학습에서 볼 수 있습니다 단기 특강 확인 해봐 좋아요

굉장해 우리는 훌륭한 개발자 옹호자 중 한 명을 보유하고 있습니다 팀원, Martin Omander 그들은 처음부터 서버 목록을 작성했습니다 클라우드 기능이있는 간단한 마이크로 서비스

이것은 분명히 하나입니다 그들은 회사와 함께 떠오르는 현실적인 접근 방식을 취합니다 어떤 일을 할 필요가 있습니다 -이 경우, 문서 나열 및보기 – 그런 다음 가져 가라 OK 클라우드 기능으로 어떻게 할 수 있습니까? 그 흐름은 어떤 모습일까요? 예를 들어 이야기하는 사이에 어떻게 작동할까요? 다른 팀원들과 그들이 어떻게 협력 할 것인가? 이에? 실제로 실제로 좋은 단계별 교육입니다

이러한 종류의 마이크로 서비스를 구축하는 방법에 대해 멜라니 워릭 : 그리고 마지막으로 그 주간의 시원한 것에서 나는 깊은 학습 Indaba에 있었고, 나는 Emily Muller와 Rebone을 만났습니다 자신의 팟 캐스트를 구축하고있는 Meraba "위에 놓기" 그리고 그들은 Omoju Miller와 함께이 녹음을했습니다 Nando de Freitas (기계 학습에 관해 말한) 회의에 관해서 이야기했습니다 훌륭한 포드 캐스트이자 멋진 비디오입니다

그래서 우리는 링크를 포함시켜주고 이번 주 동안 우리 포드 캐스트에서 외쳐 MARK MANDEL : 굉장해 그래, 맞아 우리가 말하고 있다고 생각하면 적절하다고 생각됩니다 이번 주에 깊은 학습에 대해서

알았어, 마크 나는 우리가 우리 인터뷰에 들어갈 때라고 생각합니다 MARK MANDEL : 해보자 멜라니 워릭 (MELANIE WARRICK) : 오늘의 포드 캐스트에서, 나는 Karim Beguir와 Muthoni Wanyoike가 둘 다 InstaDeep에 대해 이야기하기 위해 저와 합류했습니다 아프리카 지역 사회 구축

두 분 모두 가입 해 주셔서 감사합니다 MUTHONI WANYOIKE : 우리를 초대해 주셔서 감사합니다 카림 베거 : 고마워 멜라니 워릭 : 우리는 실제로 이것을 다른 것으로 기록하고 있습니다 우리가 현재 녹음하고있는 우리 포드 캐스트의 현재 일어나고있는 딥 러닝 인다 바 (Deep Learning Indaba) 남아프리카의 스텔 렌 보쉬 (Stellenbosch)

그러니 우리가 보통처럼 시작하겠습니다 카림, 우리에게 말해 줄 수 있니? 너 자신에 대해서 조금? 카림 베거 : 물론 그래서 나는 절반의 튀니지 인이고 절반은 프랑스 인이다 나는 실제로 사하라에 가까운 작은 도시에서 자랐다 "스타 워즈 (Star Wars)"의 모래 행성처럼 타타 위인 (Tataouine)이라고 불렀습니다

멜라니 워릭 : "스타 워즈!" 카림 베거 : 맞아 그리고 말 그대로, 나는 자라면서 성장했습니다 점진적으로 졸업 할 길을 열었습니다 프랑스의 콜 폴리 테크닉, 궁극적으로 미국의 콜 폴리 테크닉, 내가 뉴욕의 Courant Institute에있는 곳 대학 그리고 과정을 통해, 나는 항상 다시 돌려 주겠다는 생각이 들었습니다

어떤 시점에서 아프리카로 돌아와 흥미롭고 유용한 것을 할 수 있습니다 그리고 이것이 나의 선택을 오늘날의 InstaDeep으로 인도했습니다 좋았어 Muthoni, 너에 대해 조금 말해줘 MUTHONI WANYOIKE : 네, 고마워요

나는 케냐의 작은 마을 Nyahururu에서 자랐습니다 그 후 니 에리 (Nyeri)에있는 학교에 다녔습니다 나이로비에서 일하기 시작했습니다 저는 InstaDeep에서 일합니다 나이로비에서 팀을 이끌고 아프리카로 확장하는 전략 아프리카 전역의 인재를 양성하고 있습니다

네 좋았어 좋습니다 제가 언급했듯이, 이것은 현재 녹음 중입니다 깊은 학습 Indaba

나는 우리가 그것을 정확히 발표하지 않을 것이라는 것을 안다 동시에, 그러나 무엇이 있었는지 이 회의에서 당신에게 정말 귀중한 경험 지금까지? 카림 베거 : 열정의 수준이 환상적이라고 생각합니다 스피커의 품질은 정말 최고 수준입니다 저는 이것을 NIPS로보고 싶습니다 당신과 동일한 품질과 스피커 NIPS를 제외하고는, NIPS 5,000 명 또는 6,000 명의 참석자가 있으며 여기에 훨씬 더 작은 청중

그래서 나는 그것이 예외적 인 기회라고 생각한다 아프리카에서 AI 커뮤니티를 실제로 구축하기 위해, 우리는 깊은 학습 Indaba에 매우 감사해야합니다 팀이하는 일과 변화에 대한 팀 지상에 만들고있다 좋았어 Muthoni, 귀중한 경험은 무엇입니까? 너를 위해서? 무토니 WANYOIKE : 나를 위해, 나는 생각한다

올해 인디애나 계획의 일환으로, 나를위한 주요 인수는 단지 우리가 소통하고있는 모든 사람들을 보아왔다 함께 여러 달 동안 함께, 나오고있는 연구의 질을 볼 수 있습니다 아프리카의 매우 흥미로운 포스터가 제시되고 있습니다 매일뿐만 아니라 매우 흥미로운 세션 예를 들어, 기계 학습 기술을 토대로 구축하려면, 또는 좋은 종이 기술을 쓰는 방법, 그 종류의 경험은 정말 좋았습니다

좋았어 Muthoni, 당신이 실제로 함께 모이는 것에 관여한다는 것을 압니다 이 회의 어떻게 참여 했니? MUTHONI WANYOIKE : 매우 흥미 롭습니다 그래서 제 동료, 나이로비의 공동체 공동 주최자 작년에 인다 바에 왔고 기획위원회 이미 호스트하기로 결정했다

2019 년 케냐의 인다 바 그녀가 나와 함께 Indaba의 비전을 공유했을 때 아프리카 인들의 참여를 강화하는 것입니다 기계 학습에서, 나는 즉시 팔렸고, 그것이 나이로비의 공동체와 우리가하는 일이기 때문입니다 그래서 우리는 Shakir와 이야기를 나누었습니다

나머지 팀은 우리는 서로를 좋아하는 것처럼 보였고 우리는 올해 인다 바 계획 과정을 시작했습니다 나머지는 역사입니다 이제 당신은 들어 왔고 결코 떠나지 않을 것입니다 카림 베거 (KARIM BEGUIR) : 그렇습니다 내년에는 1,000 명을 수용 할 것입니다

그래서 그것은 흥미 진진해야합니다 오, 정말 흥분 되는군 카림, 당신이 연설하기 때문에 올해에 왔습니다 당신은 우리에게 무엇에 대해 조금 말할 수 있습니까? 무슨 소리 야? 카림 베거 : 네 그래서 제 세션은 목요일에 인생에 관한 것입니다

컴퓨터 학습 시작의 그리고 목표는 실제로 통찰력을주기위한 것입니다 벤처 기업을 구축하는 데 필요한 것, 그러나 구체적으로, 기계 학습 시작, 특히 아프리카에서 그래서 약간의 지식을 공유하기를 고대하면서, 또한 AI에 대한 인식을 제고한다 기회에 대한 커뮤니티 아프리카에 인공 지능이 있다는 것입니다 멜라니 워릭 : 기회는 무엇입니까? 카림 베거 : 엄청난 재능을 가지고 있다고 생각합니다

그리고 전달하고자하는 통찰력 중 하나 오늘의 세계에서, 그것은 실제로 고품질의 기계 학습을 구축 할 수있다 아프리카에서의 신생 기업 모든 지식의 원천이 있습니다 고품질 멘토링의 출처 지금 깊은 학습 인다 바 (Deep Learning Indaba)와 같은 행사가 있습니다 그래서 정말로 새로운 세대를 만드십시오

가능한 일을 인식하고 열정을 공유하십시오 우리가 경험 한 경험들 InstaDeep에서 끝났다 멜라니 워릭 : 그리고 우리에게 조금 말 해주세요 InstaDeep의 기능, 시작 방법 KARIM BEGUIR : 따라서 InstaDeep은 AI 시작입니다

다리를 건너는 아프리카의 AI 스타트 업입니다 선진 AI 연구와 대기업 사이의 격차 실제 비즈니스 요구 사항이 있습니다 그래서 우리가 해낸 방식은 우리 자신의 연구를 개발하는 것입니다 설명하고 지역 사회에 전달할 수있는 능력, 회사에 AI가 어떻게 이익을 얻을 수 있는지 그래서 그것은 우리의 경험이었습니다 그리고 그렇게함으로써 우리가 발견 한 것은 – 또한, 이 프로젝트는 튀니지 북부 아프리카에서 시작되었습니다

말 그대로 부트 스트랩으로 시작되었습니다 공동 창업자 인 Zora와 저는 두 대의 랩톱으로 시작했습니다 열정이 넘칩니다 우리가 발견 한 사실은 그것이 실제로 유망한 아프리카 인재를 유치 할 수 있음 AI에서 경쟁력있는 수준으로 아프리카와 그 이후의 기업에 실질적인 가치를 부여 할 수 있습니다 그것은 주요 테이크 아웃이며, 그것은 또한 나의 주요 메시지입니다

우리는 아프리카에서 인공 지능에 대해 낙관적이어야합니다 기회는 엄청납니다 그리고 이것이 우리의 의제라고 생각합니다 그 모든 메시지를 전달하고 넓게 퍼 졌는지 확인하십시오 MELANIE WARRICK : 확실히 숨겨진 의제는 아닙니다

음, InstaDeep의 측면에서, 우리가 오프라인에서 이야기 할 때, 네가 다섯 곳의 다른 장소에 있다고 나 한테 말했어 카림 베거 : 맞아 멜라니 워릭 : 그리고 그 위치는 어디 있습니까? 카림 베거 : 처음에는 튀니스에서 시작했습니다 아프리카에는 이제 세 곳이 있습니다 우리는 케냐에서 작전 중입니다

그것은 Muthoni가 이끄는 팀입니다 우리는 또한 나이지리아의 라고스에서 운영됩니다 또한 파리와 런던에도 사무소가 있습니다 그래서 다섯 곳, 그리고 앞으로 기대 아프리카에서 우리의 입지를 계속 확장하십시오 좋았어

Muthoni, 어떻게 참여하셨습니까? 무 튜니 WANYOIKE : 내 커뮤니티 작업을 통해 카림은 구글 런치 패드이기 때문에 나이로비를 방문했다 가속기 멘토 그래서 나이로비는 꽤 도시입니다 즉시 사랑에 빠지십시오

그래서 그는 나이로비에 설립하는 것에 관심이있었습니다 지역 사회 내의 사람들과 만남을 가졌습니다 그래서 제가 카림을 만났습니다 아프리카에서 인공 지능을 성장시키는 그의 비전에 팔려 나갔고, 10 억 명의 사람들에게 기회를 제공한다 흥미 진진한 프로젝트를 수행 할 수 있습니다

그리고 나머지는 역사입니다 나머지는 역사, 이제는 그룹과 함께 일하고 있습니다 측면에서 – 당신은 Google Launchpad에 대해 언급했습니다 촉진 신경 Google 개발자 전문가 인 GDE임을 알고 있습니다

나는 또한 우리가 이것에 대해서 이야기했다는 것을 알고있다 귀하가 Google Cloud 제품을 사용하고 있다는 것을 의미합니다 현재 사용중인 제품은 무엇입니까? InstaDeep에서 사용 하시겠습니까? KARIM BEGUIR : TensorFlow는 AI의 주요 플랫폼입니다 대단히 강력한 도구입니다 사람들이이 공구가 얼마나 강력한 지 알지 못한다고 생각합니다

무료로 액세스 할 수있어서 정말 감사합니다 Google이 제공 한 그래서 MLGD로서의 나의 경험에서, Google이하는 모든 작업에 감사 드렸습니다 특히, 예를 들어, 어시스턴트 엄청나게 강력하고 고급 인공 지능 모든 신생 기업이 이용할 수 있습니다 나는 또 하나를 언급했다 나는 그것이 매우 인상적이라고 생각한다

Auto Machine Learning, AutoML입니다 그것은 획기적인 제품입니다 전 세계의 신생 기업을 효과적으로 지원합니다 아프리카를 포함하여 고품질 인공 지능을 이용할 수 있도록 확장 된 팀이 필요하지 않습니다 Launchpad Accelerator Africa도 참여했습니다

Google과 협력하여 생태계 구축 지원 엄청난 기회였다 나를 위대한 사람들을 만날 수 있습니다 그리고 그 채널들을 통해 나는 Muthoni를 만났습니다 그리고 또한 지금 확신하고 있습니다 아프리카에서 땅을 변화시킬 때입니다

그래서 그것은 나를 격려했고 촉매 역할을했습니다 처음에 내가 가진 시야로 좋았어 그리고 커뮤니티에 대해 언급하고 있습니다, Muthoni 나는 조금 이야기하고 싶다 특히 당신이 달리는 지역 사회, 그것은 나이로비의 기계 학습 여성입니다

그 공동체에 어떻게 참여 했습니까? MUTHONI WANYOIKE : 2 년 전 캐슬린 지역 사회 나는 방금 저의 학부 졸업생이었습니다 정부에서 일하고 있었다 케냐 오픈 데이터 이니셔티브 그리고 빅 데이터, 인공 지능 및 모든 주변에 많은 유행어가있었습니다

그 그리고 많은 기대가있었습니다 우리의 업무 범위에서 그래서 우리는 많은 새로운 기술을 배우고 있었고, 그러나 나는 일하는 사람들과 연결될 필요성을 느꼈다 비슷한 공간에서 아이디어 나 자원을 공유 할 수 있습니다 아니면 전 세계에서 무슨 일이 일어나고 있는지 알면됩니다

그래서 그게 내가 여자에 대해 알게 된거야 기계 학습 및 데이터 과학 커뮤니티에서, 그들에게 다가 갔고, 그들은 우리가 나이로비에 도착하는 것을 도울 수있어서 기뻤습니다 그 다음엔 전화를 했어 돕기에 관심이있는 자원 봉사자들을 위해 지역 사회를 건설하십시오 2 년 후 우리는 많은 워크샵을 진행했습니다

파이썬과 R을 사용하는 방법에 대한 입문 수업부터 TensorFlow의 고급 수업 및 기타 고급 AI 개념 매우 흥미 롭습니다 범위 수업에 참석하는 사람들의 예를 들어 대학 강사가 있습니다 파이썬이나 13 살짜리 소녀를 배울 것입니다 프로그램하는 법을 배우러 왔습니다

그래서 매우 흥미로운 경험이었습니다 나이로비에 그 공동체를 짓는 것 멜라니 워릭 : 지역 사회는 현재 얼마나 큰가요? MUTHONI WANYOIKE : 우리는 만남에 1,800 명의 사람들이 있습니다 우리는 아마 700 명을 만났을 것입니다 그래서 거대한 그룹입니다

그리고 우리가 일을하는 방법은 자원 봉사로 이끌었습니다 그래서 많은 사람들이 우리에게 올 것이다 지역 사회의 필요성을 확인하고, 우리는 그들이 지역 사회 내의 프로젝트로서 그것을지지하게했습니다 멜라니 워릭 : 훌륭합니다 MUTHONI WANYOIKE : 그래

내가 언급 할 흥미로운 하나 우리는 국제 수업을 축하하는 마스터 클래스를했습니다 3 월의 여성 파이썬과 R에서 마스터 클래스 소개를했습니다 참석 한 여성들은 매우 흥미를 느꼈습니다 그리고 그 중 두 명은 자원 봉사를 통해 그 계급을 키웠고, 이제 그들은 4 개월에 걸쳐 코스를 진행하고 있습니다

나이로비와 케냐에 약 30 명의 여성 클래스가 있습니다 원격으로 자신의 코스를 수행하고, 그리고 나서 매주 피드백과 결과를 제공하고, 지식과 기술 공유 멜라니 워릭 : 그들은 무엇을 사용 했습니까 함께 원격으로 작업하는 것을 돕기 위해? MUTHONI WANYOIKE : 그들은 여유를 사용합니다 그래서 그들은 수업과 여유를 조정합니다 우리는 해들리 위컴 (Hadley Wickham)의 "R for Data Science" 그 다음 그것을 나누어서 커리큘럼을 만들었습니다

4 개월 동안 퍼졌다 그리고 우리는 작업을 조정하기 위해 슬랙 (Slack)을 사용합니다 GitHub로서, 왜냐하면 많은 사람들이 또한 GitHub을 사용하지 않았으며 예를 들어 일자리를 신청할 때 정말 중요합니다 이제는 프로젝트를 업로드 할 수 있습니다 거래 할 때 자신의 작품을 선보일 수 있습니다

예를 들어 신병 모집 자 멜라니 워릭 : 알아 나는 얼마나 중요한지 꽤 감명 받았다 GitHub가 공간에 등장했습니다 그리고 사람들과 이야기 할 때, 나는 그들 모두는 – 그리고 여기에도, 나는 그것이 얼마나 중요한지 사람들에게 이야기하고 있었다

GitHub에 게시하는 것입니다 완벽해질 때까지 기다리지 마십시오 그걸 꺼내서 네가 뭔가 작업 글쎄요, 당신은 기계 학습에서 다른 여성들과 협력하고 있습니까? 커뮤니티 또는 나이로비의 다른 커뮤니티 또는 나이로비 외부? MUTHONI WANYOIKE : 우리는 그렇게합니다 예를 들어, 커뮤니티를 가지고있는 우리 중 나이로비에서 지금 우리는 지역 사회를 가지고 있습니다

라고스에서 기계 학습의 여성 우리는 또한 데이터 과학을하는 소수의 여성들과도 협력했습니다 우간다에서의 수업 그리고 Indaba에서 나는 아주 많은 여자들을 만났습니다 유사한 커뮤니티를 갖게되어 매우 기쁩니다

그들의 나라에서 여성 스킬을 키우는 아주 흥미 진진한 시간들 아프리카에서 기계 학습 좋았어 네가 그걸 만난 것처럼 말한 것 같아

그래서 사람들이 그룹을 탐색하거나 체크 아웃하려는 경우, 그것이 그들이 그것을 발견 할 수있는 곳입니다 카림, 공동체 란 무엇인가 우리는 이미 조금 이야기했다 이것에 대해,하지만 당신에게 그게 무슨 뜻입니까? 이러한 유형의 커뮤니티 및 귀사와 관련하여, 당신이 AI에 가지고있는 관심사는 무엇입니까? 카림 베거 (KARIM BEGUIR) : 매우 중요하다고 생각합니다 커뮤니티가 AI 기회를 이해하도록 돕습니다

그래서 우리가하는 일은 실제로 그 노하우를 가져오고 사람들을 돕는 일 중요한 문제에 집중하십시오 오늘날, 문제는 정보 부족이 아니라고 말할 수 있습니다 이것은 정보 오버 플로우와 같을 수 있습니다 그래서 내가하는 일의 중요한 부분은 내가 스승이라는 것입니다 또한 우리는 TensorFlow 모임을 매우 적극적으로 조직합니다

우리는 hackathon을 조직합니다 한 달 전에, 나는 라고스에서 해 커톤을 조직했다 나는 정말로 재능에 감명 받았다 젊은 학생과 엔지니어의 열정이 거기에 있습니다 따라서 우리가하는 일 중 중요한 부분은 인식을 높이는 것입니다

정신적 인 생각을 버리세요, 오, 당신은 아프리카에서 세계 정상급이 될 수 없습니다 아프리카의 AI 스타트 업으로서 최고 수준의 경쟁을 펼칠 수 있습니다 그리고 우리는 정말 건설적인 교류를했습니다 여기 Nando Freitas의 Deep Learning Indaba에서, DeepMind의 David Silver가 있습니다 그리고 그들의 피드백은 정말로 매우 긍정적이었습니다

이 덕분에 우리는 계속해서 메시지는 모두 아프리카를 통해 전달됩니다 그 인공 지능은 진정한 기회입니다 AI에서 세계적 수준의 존재가 될 수 있습니다 그것이 취하는 모든 것은 양성, 배우려는 의지, 에너지, 저는 대륙에서 많은 것을 가지고 있다고 믿습니다 멜라니 워릭 : 그리고 조언이나 추천 고려중인 기업 아프리카 일부 지역에 지사를두고있는 것이 어떻습니까? 카림 베거 (KARIM BEGUIR) : 나는 AI에서 핵심적인 것 – 그리고 다른 많은 것들에서 – 사람들에게 초점을 맞추고 있습니다

예를 들어, InstaDeep에서 우리는 우리가하는 구체적인 계획이 없다 예를 들어 사무실이 있어야합니다 특정 국가 나 도시에서 그것은 정말로 사람들의 질에 의해 좌우됩니다 우리가 올바른 파트너가 있다고 느낄 때 – 우리는 케냐에서 Muthoni를 갖게되어 매우 기쁩니다 우리는 나이지리아에서도 훌륭한 기계 학습 팀을 운영하고 있습니다

따라서 올바른 팀을 갖추고 있으면 올바른 사람, 당신은 만들 수 있습니다 그게 내 주요 메시지 야 그리고 이것은 생각합니다 특히 그렇습니다 아프리카와 관련이 있습니다

적절한 사람들에게 투자하는 것입니다 열정을 공유하는 당신의 비전을 공유하십시오 따라서 잠재적으로 찾고있는 기업에 대한 내 메시지는 아프리카 인재를 고용하는 데 적극적으로 노력하십시오 최고 재능을 위해 가장 중요한 것은 배울 의향이있다

스스로 도전 할 의지 일정 수준의 경쟁력 확보 팀 내의 공동 작업 그래서 저는 우리가 얼마나 빨리 올바른 사람들을 만났습니다 그리고 하루가 끝날 무렵 AI 나 다른 어떤 것에서, 그것은 사람 중심적입니다 멜라니 워릭 : 대단히 동의한다 그리고 그 점에 대해서도, 관점에서 감사드립니다

커뮤니티 구축에 관해 이야기하는 것, 그 기회를 갖는 회사에 대해 이야기하기 이러한 커뮤니티를 탐색하고 재능이 어디에 있는지 확인하십시오 그리고 다시주고, 돌려주고 경 쟁 측면에서 경이 롭다 나는 우리가 이것에 대해 이미 일찍 이야기했다는 것을 안다 사용중인 도구 중 일부를 만지고있었습니다

당신이 당신의 재능을 가져올 때, 그것은 네가 네 자신의 훈련 중 일부를하는 것처럼 들리는데, 사람들이 성장하도록 돕습니다 그 맞습니까? 카림 베거 (KARIM BEGUIR) : 그렇습니다 그래, 맞아 그리고 핵심 기술 중 일부는 무엇입니까? 특히, 당신이 쌓아 올리려고 노력하고 있다고? 카림 베거 (KARIM BEGUIR) : 그래서 우리는 동기 부여를 취하는 것이 가능하다고 믿습니다 젊은 학생이나 엔지니어 – 학부생, 또는 대학원 연구를 마치는 것 – 업무에 빨리 착수하십시오

AI 연구 문제에 PhD 플러스로 간주됩니다 나는 그것이 내가 가지고있는 매혹적인 놀라움 중 하나라고 생각한다 회사를 짓고 보았다 이것이 실제로 가능하다는 것입니다 우리에게는 큰 성공 사례가있었습니다

어떤 환상적인 여성, 우리가 팀에 있던 학생 InstaDeep은 실제로 다양성을 믿습니다 모든 사람에게 평등 한 기회가 있는지 확인하십시오 그리고 우리는 성공 사례에 정말 놀랐습니다 우리는 인턴으로 하여금 일의 예술 상태를 추진하게했습니다

그것은 실리콘 밸리에서 이루어졌습니다 그래서 이것은 재미있는 시간입니다 그리고 전달하고자하는 핵심 메시지 AI의 기회가 있다고 믿지 마라 당신에게서 먼 뭔가 진정으로 동기 부여가된다면, 진정으로 배우고 싶다면, 방법이 있고 멘토가있다

딥에서 나 또는 모든 놀라운 사람들이 도움을받을 수 있도록 인다 바를 배우면서 그 기회를 현실로 만드십시오 멜라니 워릭 : 당신에게 필요한 자원은 무엇입니까? 가르치는 데 더 가치가 있고, 다른 사람들을 훈련시키는 데 도움이 되는가? 우리가 해들리 위컴에 대해 이야기 했었기 때문에, 그의 책이 훈련의 일부로 어떻게 도움을 주 었는지 네가 나이로비 여성과 함께 일하고 있다고 기계 학습 카림, 너 특별한 사람있어? 당신이 매우 가치 있다고 생각하니? 카림 베거 (KARIM BEGUIR) : 그렇습니다 다음과 같은 두 권의 책이 있습니다 우리는 실제로 엄청난 자원임을 발견했습니다

좋은 소식은 무료로 제공된다는 것입니다 필요한 것은 이동하여 링크를 클릭하는 것입니다 그리고 당신은 그들을 얻을 것이다 PDF 파일을 다운로드하여 인쇄하십시오 그래서 제가 말한다면, 당신이 깊은 학습에 관심이있는 것은 "깊은 학습" Ian Goodfellow, Courville 및 Bengio의 책

그것은 환상적인 것입니다 그리고 나는 그것이 환상적이라고 말하고 싶다 하나, 진짜 테스트이기 때문에 그것은 정말로 쉽고, 어려움은 거의 시작됩니다 챕터에 따라 기하 급수적으로 증가합니다

그래서 동기가 있다면, 굿 펠로우를 데려와 너 끝내 당신은 긍정적이고 연속적인 경력을 쌓기 위해 먼 길을 갈 것입니다 AI에서 무토니 WANYOIKE : 흥미로운 것을 언급하고 싶습니다 재능을 키우는 측면에서 InstaDeep에서 저를 동기 부여합니다

그래서 우리는 또한 매우 숙련 된 연구원을 보유하고 있습니다 InstaDeep에서 일하고 있고, 어떻게 든 우리의 중학교 엔지니어와 쌍을 이루고 있습니다 그리고 그들은 함께 잘 일할 수 있습니다 따라서 엔지니어가 실제로 도움이됩니다 자신의 기술 측면에서 정말 빠른 속도로 성장하십시오

네 멜라니 워릭 : 그건 일반적인 도전입니다 대부분의 회사들과 마찬가지로, 중년의 재능을 가지고 성장할 수 있도록 실제로 멘토링하고 설정한다는 사실 그런 종류의 관계 일부 회사에서는이를 수행하고 있습니다 불행히도 모든 사람이 그것을 실행할 수있는 것은 아닙니다

그들은 그것을하지 않고있다 그들은 그것에 실행되지 않습니다 KARIM BEGUIR : 그리고 나는 Muthoni가 만지고 있다고 생각합니다 중요한 포인트 InstaDeep에서는 모든 프로젝트가 교차 지역입니다

따라서 서로 다른 팀이 협력해야합니다 그리고 우리는 이것을 특히 경험했습니다 우리가 유럽에서도 가지고있는 팀과 우리는 그것이 그것을 핵심 구성 요소로 생각합니다 모두가 동일한 리소스에 액세스 할 수 있습니다 누구나 공유하고 공동 작업을 할 수 있습니다

그리고 우리는 엄청나게 재미있는 경험을했습니다 이걸로 아프리카 인 재능은 정말 빨리 데리러 올 수 있습니다 그리고 우리는 혁신이 실제로 아프리카에서부터 이끌어 냈습니다 우리는 매우 자랑 스럽습니다

어떻게 그렇게? 카림 베거 (KARIM BEGUIR) : 예를 들어 우리는 연구 프로젝트를 진행했습니다 나는 최근 기사를 언급 할 것이다 "순위 보상 (Rank Rewards)"이라고 불리는 출판 DeepMind가 개척 한 작업을하면서, 특히 데이비드 실버는 2 인 게임을 중심으로 펼쳐집니다 이것은 매우 흥미 롭습니다 그것은 엄청난 돌파구입니다

사실, 기술적으로 Al은 Alan Turing에 의해 발명되었습니다 체스를 풀기 따라서 AlphaZero가 정말 순간적이라고 말할 수 있습니다 그리고 우리는 그 돌파구에 매우 흥분했습니다 그리고 우리는이 돌파구가 어떻게 적용될 수 있는지 생각하려고했습니다

실제 사용 사례, 실제 비즈니스, 실제 상황, 그것이 운송이나 물류와 상관없이? 그걸 유용하게 만드는 방법은? 이것은 우리에게 획기적인 발전을 가져 왔습니다 특히 북 아프리카 팀이 개척 한 훌륭한 리뷰, 훌륭한 피드백, 궁극적으로 차세대 제품 개발 우리 팀과 지역 사회, 그리고 그 이상으로 이익을 얻습니다 멜라니 워릭 : 훌륭합니다 그래서 원격으로 작업하는 것에 관한 그 시점에서 – 당신은이 위대한 모범을 보여주고있었습니다 아프리카에서 몰아 낸 – 가장 큰 도전은 무엇인가? 함께 일하는 원격 팀과 함께 일한 경험이 있습니까? 카림 베거 (KARIM BEGUIR) : 사람들을 확신시키는 것이 중요하다고 생각합니다

의사 소통하고 협업합니다 그래서 몇 가지 도전 과제가 더 실용적입니다 예를 들어 오프 사이트를 구성 할 때, 비자를 발급받을 수 있는지 확인하십시오 불행히도 아프리카를 여행하는 것은 매우 어렵습니다 문제는 본질적으로 실용적입니다

그러나 당신이 정말로 동기 부여를 받았다면, 당신은 그들보다 뛰어날 수 있습니다 협업 문화를 창출합니다 그래서 InstaDeep에서, 우리는 그것을 정말로 믿습니다 우리는 적어도 일 년에 두 번, 전체 글로벌 팀 직접 교환하고 공유 할 수있는 위치에서 만나고 포괄적 인 문화를 그래서 소프트웨어는 아프리카에서 일부러 갈 수있는 방법이라고 생각합니다 사람들을 움직이고 물건을 옮기는 것과 관련된 어려움을 그래서 우리는 가끔 비자와 투쟁합니다

그리고 Muthoni는 이것을 알고 있습니다 우리는 사이트 목록에 그녀를 데리고 가기 위해 싸워야합니다 그러나 시작과 동시에 다른 모든 것과 마찬가지로, 그것은 동기에 관한 것입니다 당신이 정말로 동기 부여가 있다면 궁극적으로 오늘의 세계에서 어려움을 극복하기 위해, 너는 할 수있어 그리고 제가 만들고 싶은 요점은 당신이 혼자가 아니라는 것입니다

당신이 아프리카의 기계 학습 시작가라면, 당신은 기술 거인들에게 접근 할 기회가 있습니다 생태계를 개발하는 데 도움이 될 것입니다 그리고 나는 그것이 정말로 변형 적이라는 것을 알았습니다 이것은 또한 내가 일로 인도했다 나는 Google과 함께 기계 학습 개발자로 학습하고 있습니다

밖에 기회가 있습니다 당신이 당신 자신에 있다고 믿지 마십시오 넌 아니야 슈퍼 많은 사람들이 있습니다 대륙의 잠재력에 흥분하고, 실제로 손을 빌려주고 당신을 도울 것입니다

그것이 우리의 경험이었습니다 우리가 똑같이하고 공유 할 수 있다면 그 피드백과 그 긍정적 인 피드백, 나는 우리가 먼 길을 간 것 같아 멜로니 워릭 : 나는 너를 끄덕이는 것을 본다 추가하고 싶은게 있습니까? 무토니 WANYOIKE : 이제는 매우 어렵다는 것에 동의하는 것입니다 대륙을 돌아 다니기

그러나 단지 만드는 것에 대한 노력을 보는 것은 흥미 롭습니다 일들이 일어난다 매우 중요합니다 그리고 때로는 이동에 대한 한도 – 예를 들어, 우리는 Indaba에 참석할 동료가있었습니다 그들의 비자를 얻을 수 없었다

즉, 액세스하는 일부를 차단한다는 의미입니다 자원과 사람들은 다음 단계의 삶의 핵심이었습니다 그러나 기술로 우리는 다리를 뚫을 수 있습니다 이 문제 중 일부는 삶의 더 쉬운 방법이됩니다 멜라니 워릭 : 네가하는 얘기가 너무 좋아

특히 모든 팀의 모습 동일한 리소스 액세스 권한이 있어야합니다 그리고 그것이 바로 당신이 달성하기 위해 싸우는 것입니다 그러나 나는 또한 사실을 매우 중요하게 생각한다 이 모든 팀이 제대로 작동하는지 확인하려고합니다 함께

저는 원격 팀과도 협력했습니다 나는 더 강한 것처럼 느껴진다 나는 다른 배경을 가진 사람들과 일한다 다른 생각 그게 큰 부분 인 것처럼 들리네

이것을 운전하고, 또한 당신도 경험합니다 옳은? 카림 베거 (KARIM BEGUIR) : 포괄 성의 문화를 만들어야합니다 그리고 권한 부여 모든 팀은 어디에 있든 상관없이 동일하게 취급됩니다 우리는 아이디어를 소중하게 생각합니다

우리는 지적 호기심을 중요시합니다 그래서 우리는 누군가가 뭔가에 일하기로되어 있었어 그러나 다른 것에 빛나는 것으로 밝혀졌습니다 우리는 그런 긍정적 인 놀라움을 좋아합니다 긍정적 인 환경을 조성한다면, 사람들을 위로하고 보상을 받는다

지속적인 학습, 지적 호기심, 당신은 좋은 놀라움을 가질 의무가 있습니다 무토니 WANYOIKE : 사람들의 동기 부여는 할 수 없습니다 과다한 스트레스를받습니다 사람들이 자신의 개인적인 동기 부여가있을 때 프로젝트에서 작업하려면, 예를 들어, 심지어 어쩌면 시간의 작은 도전, 다른 시간대에 걸쳐 작업하고 있기 때문입니다 그러나 일할 동기가있을 때 흥미 진진한 도전을 향해서, 그것은 그러한 것들 중 일부를 만든다

너는 그들을 쉽게 간과 할 수 있다고 생각한다 네 좋았어 글쎄, 우리가 이미하지 않은 것 당신이 만지고 싶었던 표지, 강조하고 싶었던 점, 그것이 InstaDeep에 관한 것이 든, Deep Learning Indaba에 관한 커뮤니티 구축에 관한 이야기? 카림 베거 (KARIM BEGUIR) : 음, 결론을 내리면 나는 그것이 아프리카에게는 정말로 흥미로운 시간이라고 생각합니다 혁신적인 기술이 있기 때문에, 인공 지능, 어떤 일이 일어나고 있으며 앞으로도 계속 될 것입니다

가까운 장래에 그리고 동시에, 점차적으로 기회를 갖기 위해 귀하의 비즈니스, 사람들을 고용 현실 그래서 우리는 InstaDeep에서 이것에 대해 매우 흥분하고 있습니다 깊은 학습 Indaba 내에서 같은 생각을 가진 사람들의 커뮤니티 누가 정말로 기회를 느끼는지

저는 이것이 아프리카에 역사적인 기회라고 생각합니다 그리고 우리는 그것에 대해 매우 흥분합니다 궁극적으로이 모든 것을 함께 구축하는 것입니다 이것은 Deep Learning Indaba의 메시지입니다 우리는 함께 건설합니다

그리고 그것은 변화를 가져올 것입니다 듣고있는 사람에게 보내는 내 메시지 이것이 너 밖에 있다는 것을 믿지 마라 그것의 일부가 되십시오 보텀스 – 업 방식은 궁극적으로 갈 길이 멀다 이것은 아프리카를 변화시킬 것입니다

그리고 그것이 취하는 모든 것은 약간의 동기 부여입니다 약간의 호기심과 두려워하지 않는 것 위대한 일이 일어날 것입니다 멜라니 워릭 : 훌륭합니다 그리고 그것은 실제로 나에게 뭔가를 생각 나게합니다

너날 밤에 너가 들었다고 들었어 Muthoni는 긍정이라고 말하고있었습니다 그들이 말하는 것처럼 느껴지는 것들에 예라고 말하기 불가능하거나, 너 너머에있다 다른 것을 추가하고 싶습니까? 무토니 WANYOIKE : 나를 위해, 내 경험 나는 개인적인 평가를하고 싶다

그리고 언젠가 올해 초, 나는 내가 좋아한다는 것을 깨달았다 나의 안락 지대는 그늘에 숨어있다 조용하고 조용하게, 또는 트위터에 물건을 그냥 친구가 [INAUDIBLE] 님을 추천했을 때 그때 웬일인지, 그것은 나의 마음에서 무엇인가 감동시켰다 그리고 그것이 내가 결국 어떻게 된 것인지 예를 들면, 도전 이었기 때문에 InstaDeep에 가입하는 것을 허용했습니다

내가 몇 달 전에 받아 들여지지 않았을 것이라고, 또는 Indaba의 일부가되었습니다 그래, 네가 사람들 한테 그렇게 말하길 바란다 정말로, 정말로 그들을 놀라게하는 기회들에, 왜냐하면 때로는 위로가 당신만큼 성장하지 않기 때문입니다 그래 그리고 마지막으로, 우리는 – 나는 내년에 Indaba를 개최하게되어 매우 기쁩니다

또 하나의 커다란 도전인데, 그러나 나는 환상적인 해가 될 것이라고 확신합니다 그래서 저는 2019 년 케냐에서 인다 바 (Indaba)를 갖기를 고대합니다 KARIM BEGUIR : 그리고 내 편에서는, 나는 다음 노력에 대해 대단히 기뻤습니다 나는 Muthoni가 조직의 큰 부분이 될 것이라고 확신합니다 또한 내가 추가하고 싶은 다른 것 아프리카에서 기계 학습에 관한 것입니다

이제는 아프리카 인으로서 세상에 증명할 때라고 생각합니다 아프리카에서 벗어난 회사들조차도 경쟁 할 수 있고, 발 앞에 설 수있다 기본적으로 우리가 확인해야 할 부가 가치를 제공합니다 우리 공동체와 우리 경제 21 세기에 성공했습니다 이것이 InstaDeep에서 우리가하려는 것입니다

그리고 소원이 있다면 미래에 AI를 성공적으로 볼 수 있습니다 도움으로 아프리카에서 떠나는 기업 기술 파트너 협력 선의의 모든 사람들 그러나 이것은 우리가 아직 보지 못한 것입니다 특히 InstaDeep은 매일 내게 동기를 부여하는 것 우리는 기회로 경쟁 할 수있는 아프리카 인으로 증명할 수 있습니까? 모든 공동체와 모든 사람들에게 위대한 것을 만들어라

우리가 함께 일하는 파트너는? MELANIE WARRICK : Karim, Muthoni, 고맙습니다 Podcast에 오는 데 많은 도움이됩니다 MUTHONI WANYOIKE : 우리를 초대해 주셔서 감사합니다 카림 베거 : 고마워 무토니 WANYOIKE : 감사합니다

멜라니 워릭 : 다시 한번 감사드립니다, 카림과 무토니, 팟 캐스트에 와서 우리에게 이야기하기 AI, 기업, 커뮤니티, InstaDeep, 모든것들 정말 고맙습니다 MARK MANDEL : 네, 고마워요 정말 재미있었습니다 마크, 금주의 질문? MARK MANDEL : 금주의 질문

MELANIE WARRICK : GKE를 만들고 싶다면 특정 주요 Kubernetes 버전 클러스터 – 심지어 최신의 것일 수도 있습니다 명령 줄 도구를 사용하면 어떻게 할 수 있습니까? MARK MANDEL : 이것은 내가 뛰어 본 것입니다 나는 그것을 탐구하고 있었다 멜라니 워릭 : 정말로? 이걸 봤니? Mark MANDEL : 나는 몰랐다 나는 정말로 이것에 부딪쳤다

[차량 충돌 노이즈] 권리 그래서 GKE는 Kubernetes의 특정 버전을 실행합니다 예를 들어, 110은 현재 사용할 수 있습니다 GKE에서 실행 중이면 1

106을 실행 중일 수 있습니다 그런 다음 일반적으로 패치 릴리스가 있습니다 그래서 -gke6,

7, 또는 4와 비슷합니다 그리고 그것들은 꽤 빨리 굴러 갈 수 있습니다 언젠가는 2, 3 주 전 같을 수도 있습니다 1

106-gke1을 실행 중입니다 그런 다음 몇 주 후 또는 한 달 후에 다시 방문하면 gke가 될 수도 있습니다 4, 이전 버전 더 이상 사용할 수 없게 될 수도 있습니다

그리고 명령을 통해 스크립트를 실행할 수도 있습니다 라인 또는 심지어 배포 관리자 또한 매우 구체적입니다 그것들은 같을 수도 있습니다 예,이 버전이 필요합니다 1

107gke-3 그리고 그것은 더 이상 사용할 수 없습니다 그리고 갑자기 모든 스크립트가 깨져서 짜증납니다

[드라마틱 음악] 그리고 나는 그걸로도 들어갔습니다 원하는 때마다 스크립트를 업데이트해야합니다 GCloud 또는 Deployment Manager를 사용하여 클러스터를 생성하십시오 하지만 당신은 할 필요가 없습니다 와일리

MARK MANDEL : 놀랍습니다 멜라니 워릭 : 놀랍습니다 [CELEBRATORY MUSIC] 마크 멘델 : 그래서 정말 좋은 것입니다 실제로 일반 클러스터 버전을 지정할 수 있습니다 예를 들어, 다음과 같은 버전을 만들고 싶습니다

110 나는 110의 도트 버전이 마음에 들지 않는다 1

10을 만들어주세요 내 초기 클러스터 버전에서 실제로 말할 수 있습니다 Deployment Manager 또는 GCloud의 클러스터 대시 버전에서, 기본적으로 나는 단지 110과 같습니다 그리고 그것은 최신 1

10을 붙잡을 것입니다 패치 릴리스를 원한다면, 1107, 그리고 항상 최신 정보를 얻습니다 그리고 마지막에 – 게케와 함께

아니면 그냥 최신을 원하면 "최신"이라고 쓸 수 있습니다 헤이 MARK MANDEL : 네 그러면 장면 뒤에서 당신을 위해 효과가있을 것입니다 많은 시간을 절약하고 스크립트를 만들 수 있습니다

조금 부서지기 쉽고 물건을 조금 더 쉽게 만든다 너를 위해서 멜라니 워릭 : 우리는 쉽게 좋아합니다 네, 그렇습니다 멋지다

WARRICK : 멋지다 마크, 어디가는거야? Mark MANDEL : 저는 12 월에 QCon에서 만나겠습니다 하지만 그 외에는 다음 달에 휴가를 보내고 있습니다 네 멜라니 워릭 : 휴가! [CELEBRATORY MUSIC] 마크 멩델 : 너야? 멜라니 워릭 : 나는 [INAUDIBLE] 11 월 말에, 그것은 주요 계획입니다

마크 AND델 : 멋지다 그 좋은 소리 그래, 맞아 진짜 빨리, 우리가 감싸기 전에 MARK MANDEL : 물론입니다

멜라니 워릭 : 나는 단지 작은 공익 광고를하고 싶다 미국에 있다면 투표하십시오 우리는 여기 앉아서 투표 할 사람을 말하지 않을 것입니다 나는 내 의견을 가지고있다 하지만 – 내 트위터 피드를 확인할 수 있습니다

내 의견을 알고 싶다면 하지만 네, 투표하십시오 만약 당신이 그것에 대해 생각하고 있다면, 당신이 울타리에 뭐든, 제발, 확실히 이 중간 선거에 투표하십시오 MARK MANDEL : 굉장해 글쎄, 멜라니, 정말 고마워

아직 나와 함께 해줘서 고마워 이번 주 팟 캐스트에서 다시 고마워, 마크 MARK MANDEL : 그리고 모두 들어 주셔서 감사합니다 우리는 다음주에 모두 만날거야

[음악 재생]

Cloud AI Building Blocks

기계 학습은 무언가입니다 많은 조직들이 흥분하고 있습니다

사업을 향상시킬 잠재력이 너무 크다 혁신적인 방식으로 – 내부적으로, 예지 적 유지 보수와 마찬가지로, 동적 가격 정책과 마찬가지로 외부 적으로도 하지만 사내 전문 기술이없는 경우에는 어떻게해야합니까? 이 새롭고 흥미 진진한 분야를 이용하려면? Google의 Cloud AI Building Block은 AI의 잠재력을 보여줍니다 개발자가 손쉽게 AI를 애플리케이션에 주입하고, 이전의 전문 지식이 있거나없는 경우, 당신이 추가 할 수 있도록 인간과 같은 시력, 언어, 및 대화 AutoML Vision 및 Translation API와 같은 제품으로 구동되므로, 신규 또는 기존 응용 프로그램을 입력하십시오 API를 사용하여 사전 학습 된 모델에 액세스하고, Google의 시험 사용 테스트를 즉시 이용하십시오

우리가 지속적으로 개선하기 위해 노력하고있는 전문성, 그래서 그들은 모두를 위해 일할 수 있습니다 또는 도메인 별 유스 케이스가있는 경우, 클라우드 AutoML 제품을 사용하면 쉽게 만들 수 있습니다 해당 사용 사례를 해결할 수있는 고품질 맞춤 모델입니다 Dialogflow를 사용하여 대화식 환경을 만들 수도 있습니다 장치 및 플랫폼 전반에 걸쳐 이러한 빌딩 블록은 혼자 서있을 수 있습니다

AI를 애플리케이션에 통합하려면, 또는 귀하의 비즈니스 요구를 충족시키기 위해 결합 될 수 있습니다 Google의 Cloud AI Building 블록은 당신을 위해 일할 수 있습니다

How Dialogflow Enterprise Edition Can Transform the Enterprise Contact Center (Cloud Next ’18)

[음악 재생] DAN AHARON : Dialogflow는 대화를 자동화하는 데 도움이되는 도구입니다 일반적으로 세 가지 주요 사용 사례 그룹에 사용할 수 있습니다

고객과 대화하기를 원하는 기업 일 수 있습니다 이러한 대화를 자동화하는 데 도움이됩니다 그것은 고객 서비스 또는 상업 주위에있을 수 있습니다 두 번째는 연결된 장치에 전원을 공급하는 것입니다 그래서 이것은 자동차, 연결된 TV, 지능적으로 사람들과 이야기 할 수있는 해당 장치를 사용하려고합니다

세 번째는 직원을 고용주와 연결하는 것입니다 정보 액세스, 비즈니스 인텔리전스 우리는 오늘의 대부분을 첫 번째 세트에 집중할 것입니다 그러나 많은 도구들이 사용 가능할 것입니다 두 번째와 세 번째 그룹에 유용 할 것입니다

유스 케이스의 경우도 마찬가지입니다 그래서 공간이 아주 흥미 진진합니다 우리는 단지 네 가지 통계를 선택했습니다 여기서 강조 표시합니다 물론 더 많은 것들이 있습니다

고객 상호 작용의 80 %를 해결할 수 있습니다 잘 디자인 된 봇과 그것은 실제로 생각이 바짝 들린다 종류의 자체가 밖으로 본다 내가 제일 좋아하는 것은 바닥에있는 두 사람이다 따라서 왼쪽 하단을 보면 많은 비즈니스가 오늘날 비용 절감을 위해 봇을 사용하기 시작했습니다

사용자와 고객에게 서비스를 제공 할 수 있습니다 보다 효율적으로 그러나 실제로, 설문 조사에서 흥미로운 점은 고객이 실제로 셀프 서비스 도구를 선호하는지 여부 그들은 고객 서비스 개선을 위해 기업이 할 수있는 일에 대해 질문합니다 60 %는 셀프 서비스 도구가 가장 큰 것이라고 말합니다 그들이 할 수있는 일 이러한 모든 고객은 좀 더 나은 셀프 서비스 툴을 원하고 있습니다

하지만 그들은 강요당했습니다 알다시피, 간단한 작업을 위해 상담원과 대화하기 요원들을 정말로 정당화하지 않습니다 그리고 마지막 하나 – 50 %의 기업이 더 많은 돈을 쓸 것입니다 전통적인 모바일 개발보다 봇에서 그것은 2021 년까지 실제로 사실이된다면 기운이 넘칩니다

그래서 그 모든 흥분과 함께, 문제의 종류 오늘날, 가상 에이전트의 대부분은 밖에있는 것은별로 좋지 않습니다 당신이 구글이라면 "왜 봇 봇", "봇 봇 채팅 실패" 바로 나타나는 최고의 결과입니까? 꽤 미쳤어 왜 그런데? 여기 왼쪽에는 예제가 있습니다 친절하게 지어 졌던 모든 로봇이 있습니다 마약 중독의 절정에

많은 회사가 실제로 투자하지 않았습니다 제대로 구축하는 것 그들은 매우 지능적이지 못하며 대화를하게됩니다 깨진 좋은 소식은 Dialogflow를 통해, 정말로 좋은 기회가있다

지능형 로봇을 만드는 것 그래서 일반적으로 작동하는 방식입니다 아키텍처면에서 우리는 고객이 배포하는 것을 보게됩니다 왼쪽에 모든 채널이 있습니다 그래서 그것은 텍스트 채널, 채팅 Facebook Messenger, Google Assistant 또는 웹에서 모바일 앱에서 디지털 음성이 될 수 있습니다

자동차, TV 또는 전화 게이트웨이를 통한 전화 통화 Dialogflow에 와서 대화를합니다 관리 및 자연 언어 이해, 기본적으로 무너 뜨리는 것, 의도와 실체는 무엇인가? 그 자연 언어로? Dialogflow는 구조화 된 정보를 전송합니다 이행 계층으로 Google Cloud가 좋은 장소라고 생각합니다 그 성취 플레이어를 주최합니다

클라우드 기능 또는 Compute Engine에있을 수 있습니다 그러나 당신은 또한 다른 곳에서는 그것을 호스트 할 수 있습니다 당신은 Prem 또는 원하는 곳에 둘 수 있습니다 잠재 고객의 몇 명입니까? 작년 Dialogflow에 관한 세션에서 Google 클라우드의 다음 단계 승인 당신 몇 명

그래서 Google Cloud에서 작년에 우리 세션에서, 나는 우리가 150,000 명의 개발자를 넘었다 고 발표했다 Dialogflow에 대한 오늘 아침에, 우리는 방금 발표했습니다 Dialogflow에 60 만 명이 넘는 개발자가있다 플랫폼, 미친, 맞습니까? 이것은 우리가 그 경계표를 넘은 지 불과 1 년이 넘었습니다

따라서 성장뿐 아니라 가속화되고 있습니다 우리는 그 기세에 대해 매우 흥분하고 있습니다 그런 다음 개발자에게 Dialogflow를 선택하는 이유 – 다른 솔루션이 많이 있기 때문에 오늘 봇 개발을 위해 매우 흥미로운 공간입니다 우리가 시간과 시간을 다시 듣는 대답, 그것은 종소리와 휘파람이 아닙니다 시장에 나와있는 다른 솔루션 종이에 좋게 보이는 것들을 가져라

그러나 하루가 끝나면 가장 중요한 것 우리가 개발자로부터 가장 자주 듣는 자연 언어의 품질, 품질 자연 언어 이해, 기계 Dialogflow가 사용하는 학습은 머리입니다 밖에있는 다른 것보다 어깨가 더 큽니다 그리고 그것은 정말로 차이를 만듭니다, 맞습니까? 네가하고 싶은 것은 네가 그런 것들을 피하고 싶다 권리? 그래서 무엇보다 중요합니다 그렇지 않으면 봇 플랫폼에서 원할 수 있습니다

흥미 진진한 점은 자연어 기술로 인해 우리가 한 해 Apiai 인수에서 왔습니다 그리고 반 전에 그래서 우리를 정말로 흥분하게 만드는 것은 무엇입니까? 우리가 방금 여행을 시작했다는 것입니다 Dialogflow를 개선하는 방법

이제 Google의 일부가되었습니다 Google의 Google은 실제로이 문제를 해결해 왔습니다 자연어 이해가있는 Google 검색, Google과 같은 분야에서 10 년 이상 Assistant, G-mail 스마트 회신, 번역 그리고 우리는 이러한 모든 자산과 기능을 구축했습니다 자연 언어 이해 엔진, 연설 인식, TPUs

그리고 이들 모두는 이제 Dialogflow에서 사용할 수 있습니다 더 나은 도구를 만들 수 있습니다 그리고 이러한 공고들 중 일부는 너 오늘 듣고 싶어하는 건 기본적이야 이 새로운 Google 기술의 결과가 공개됩니다 따라서이 슬라이드 유형을 조합하면 그 점을 망칠 수 있습니다

나를 위해서, 개인적으로, 나는 단지 얼마나 많이 깨달았습니다 우리는 작년에 해왔습니다 꽤 미쳤어 당신이 모든 다른 발사를 보면 세션 이후의 기능 향상 지난 해 Google Cloud Next '17에서 우리는 제품에 많은 것을 추가했습니다 내장 된 분석에서 다국어 지원에 이르기까지, 인라인 코드 편집기, Stackdriver 통합, 버전 관리, 그리고 훨씬 더

그리고 오늘은 다섯 가지 새로운 기능을 발표하게 된 것을 기쁘게 생각합니다 Dialogflow가 엔터프라이즈에 전력을 공급하는 데 정말로 적합합니다 Contact Center 그래서 우리가 많이 들었던 것 아직 관리하기 어려운 몇 가지 사항이 있습니까? 채팅 봇 대화 첫 번째는 봇을 휴대 전화에 연결하는 것입니다

그래서 우리는 오늘 그것에 대해 조금 더 이야기 할 것입니다 우리는 전화 연결을 훨씬 쉽게 할 것입니다 두 번째는 긴 꼬리를 만지는 질문에 대답하는 것입니다 건물 의도 – 시간이 오래 걸립니다 지식 커넥터는 여기에 도움이됩니다

세 번째는 자동 맞춤법 ​​교정입니다 따라서, 아는대로 채팅, 사용자는 자주 오타 나 실수를 범한다 Google 기술을 사용하여이를 해결합니다 내장 된 정서 분석, 우리는 오늘 소개하고 있습니다 원하는 때 이해하는 데 도움이됩니다

인간 대리인으로 전환 할 수 있습니다 그리고 마지막으로 중요한 것은 내장형 텍스트 음성 변환입니다 그것은 또한 우리의 전화 게이트웨이, WaveNet 기술을 기반으로 제작되었습니다 따라서이 슬라이드를 확대 / 축소 해 보겠습니다 꽤 빨리 우리는 데모에 갈 수 있습니다

이 중 일부가 실제로 어떻게 보이는지 보여 드리겠습니다 Google 전화 게이트웨이가 구축되었습니다 Project Fi, Google Voice, 및 Google 행 아웃 그것은 이미 2 천만 개 이상의 전화 번호를 제공하며, 이미 대규모로 운영되고 있습니다 이제 모든 Dialogflow 사용자가 사용할 수 있습니다

상담원에게 전화 번호를 추가 할 수 있습니다 1 분 안에 그리고 그것의 아름다움 – 그것은 모든 기술을 감싸고 있습니다 자동화 된 전화를 걸기 위해 필요한 음성 인식, 자연 언어 이해, 음성 합성, 오 케스트 레이션 모두 Google Cloud에서 처리합니다

지식 커넥터 – 우리는 데모에서 더 깊이 간다 그래서 나는 그것을 건너 뛸 것이다 철자 교정 – 꽤 쉽습니다 그러나 그것은 정말로, 정말로 어렵습니다 맞춤법을 자동화하는 데 도움이되는 것을 만들어야한다면 Dialogflow 용 봇에 대한 수정, 몇 년이나 몇 년이 걸렸을거야

합리적으로 좋은 것을 만드는 것, 그리고 심지어 그 때 그것을 올바르게하는 것은 어렵습니다 운 좋게도, Dialogflow가 이제 Google의 일부이기 때문에, 우리는 몇 가지 도구를 사용할 수있었습니다 Google이 Search와 같은 다른 제품에 사용하는 것 – 그리고 나는 너희들 모두 철자 교정을 사용했다 검색 및 다른 장소에서 이제 Dialogflow를 활용할 수 있습니다

동일한 기능을 제공합니다 그리고 이것은 당신이 여기에서 볼 수있는 것처럼 인 텐트에 모두 적용됩니다 오른쪽에, 엔티티에, 당신은 중간에 볼 수 있습니다 그래서 내장 된 정서 분석 – 고객이 가장 공통적으로 우려하는 점은 OK, 나는 봇을 만들었고, 하지만 최종 사용자 환경이 훌륭하게 유지되도록하려면 어떻게해야합니까? 내장 된 정서 분석을 사용하면 모든 쿼리에 대해 쿼리 스코어가 무엇인지 식별 사용자가 보낸 메시지를 보낸 다음 비즈니스 논리에서이를 사용할 수 있습니다 언제 당신이 인간 대리인으로 전환하고 싶은지 결정할 수 있습니다

마지막으로 중요한 것은 텍스트 음성 변환 DeepMind의 WaveNet에서 제공하는 로봇에 가능한 인간 연설에 가장 가까운 것, 전화 게이트웨이에 둘 다 내장되어 있습니다 Dialogflow에 추가하여 사용할 수 있습니다 IT 및 기타 용도로 그리고 우리가 방금 한 멋진 다른 것 오늘 아침에 디바이스 프로파일을 추가했다고 발표했다 파형의 모양을 실제로 만드는 것입니다

우리의 음성 합성에 대해 다르게 당신이 사용하는 스피커에 따라 전화선으로 재생하면, 우리는 전화에 최적화 된 연설을 만들어 낼 것입니다 대형 스피커에서 재생할 경우, 우리는 큰 연설자에게 적합한 연설을 만들어 낼 것입니다 승인 그럼이 모든 것이 데모에서 어떻게 보이는지 보도록하겠습니다

작년에 있었던 세션에 참석 한 여러분 중 우리가 여기서 한 것은 우리가 무대에 세웠다는 것을 기억할 것입니다 또는 실제로, 모스 콘에서 – 가상의 Google 하드웨어에 대한 채팅을 처리하는 로봇 저장 또한 제품이라는 엔티티가 있습니다 Chromecast, Google 홈, Google Pixel 등이 있습니다 그 다음에는 Intents가 있습니다

하나는 상업용이고 다른 하나는 상업용입니다 예를 들어, 상거래 용 제품을 보면, 제품 주소와 수량이 필요합니다 Chromecast를 구입하고 싶다고 말하면 행동을 "구매 (buy)"로 식별하는 것을 볼 수 있습니다 제품은 Chromecast이지만 거기에 있습니다 수량과 주소가 없습니다

그리고 지금 그것은 묻습니다, 당신은 어떤 주소입니까? 내가 그걸 가져다 줄까? 3 Third Street, San Francisco, California라고 말할 수 있습니다 얼마나 많은 유닛을 원하니? 5 대 그런 다음 작업이 완료되었습니다 3 개의 3 번가로 배송되는 5 개의 Chromecast를 주문하고 있습니다 샌프란시스코, 캘리포니아

전체 JSON이 있습니다 나는이 창문이 보이지 않는 것 같아 좋아, 거기있다 이행 레이어에서 사용할 수있는 전체 JSON이 있습니다 그것에 따라 행동하십시오

이제 내가 할 일은 무엇입니까? 사람들이 물건을 사도록 돕는 것이 아니라, 사람들이 Google 제품에 대해 갖고있는 질문에 대한 답변을 제공합니까? Chromecast FAQ 웹 페이지를 찾아 보겠습니다 그리고 우리는 여기에있는 첫 번째 결과를 선택하려고합니다 이 URL을 가져 와서 복사 한 다음 추가하겠습니다 지식 커넥터로서 따라서 기술 자료를 만들어야합니다

그것을 My Knowledge Base라고 부르 자 그리고 지식을 만들어 보자 목 우리는 상점 FAQ라고 부릅니다 이것은 HTML이 될 것입니다

그것은 FAQ가 될 것입니다 여기에 URL을 붙여 넣습니다 그리고 지금하고있는 일은이 URL로 이동합니다 이 기사 또는 FAQ를 다운로드 중입니다 질문을 거치고 그것을 분류하는 것입니다

그곳에 방금 끝났어 그래서 나는 여러분에게 세부 사항을 잠시 보여줄 것입니다 그러나 기본적으로 정보를 추출했습니다 그리고 나서 우리가하고 싶은 일은 응답을 추가하는 것입니다

따라서 기본 응답은 지식 응답 1입니다 자주 묻는 질문들, 고객이 질문을 할 것입니다 FAQ에서 똑같은 질문을하지 못할 수도 있습니다 당신은 비슷한 것을 가질 수 있습니다 그리고 실제로는 둘 이상이있을 수도 있습니다

비슷한 두세 가지가있을 수 있습니다 그래서 우리가 할 일은 그것을 복사 할 것입니다 예를 들어 페이스 북의 메신저를 선택합시다 사용자가 Facebook Messenger에있는 경우, 그들은 하나 이상의 옵션을 볼 수있는 능력이 있습니다 그럼 여기서 할 일은 우리가 회전 목마에 카드를 추가하는 것입니다

두 가지 다른 대답을 보여줍니다 여기서 질문 1을 사용하고, 여기에서, 질문 2와 대답 2가 될 것입니다 그래서 우리는 우리가 그들과 짝을 이루는 질문을 그들에게 보여줄 것입니다 함께,뿐만 아니라 답변 그래서 그들은 우리가 원하는 것을 알고 있습니다 승인

저장을 클릭하겠습니다 그리고 이제 여러분들은 전체 내용을 보게됩니다 이게 우리가 스캔 한 것을 볼 수 있습니다 그 웹 사이트에서 모든 질문과 모든 대답 그들은 모두 여기있어, 당신은 심지어 그들 중 일부를 해제 할 수 있습니다 당신이 당신의 봇에서 그들을 감추고 싶지 않다면

승인 그래서 돌아 가자 우리는 잠시 후에 그것을 시도 할 것입니다 하지만 내가 너에게 보여주고 싶었던 다른 하나 얘들 아 우리의 새로운 전화 게이트웨이입니다 그래서 여러분은 이것이 새로운 사각형임을 알 수 있습니다

Dialogflow 전화 게이트웨이 (Dialogflow Phone Gateway)가 오늘 아침에 추가되었습니다 그리고 그것이하는 것, 그것은 당신이 새로운 전화선을 추가하게합니다 몇 초 안에 요원에게 그래서 내가해야 할 일은 Dialogflow 전화 게이트웨이를 클릭하고, 그리고 나는 지금 내가 원한다면 지역 번호를 선택한다 나는 이것을 공백으로 남겨 둘 수도 있지만, 나는 오하이오를 선택하고 싶다 다음을 클릭합니다 이제이 번호 중 하나를 선택합니다 나는 Create를 클릭한다

그리고 그것은 끝났습니다 이제이 요원에게 전화 번호가 있습니다 항상 Welcome Intent에서 시작됩니다 그래서 우리는 초반에 Welcome Intent로갑니다 먼저 지식 커넥터를 테스트 해 봅시다

예를 들어 여기에 질문이 있다고 가정 해 봅시다 애플의 AirPlay와 어떻게 다른가요? Dialogflow에서이 질문을 시도해 보겠습니다 작동하는지 봅시다 업데이트하는 데 1 분이 필요합니다 승인

거기는 그래서 똑같은 것을 볼 수 있습니다 기사에서이 전체 응답을 검색합니다 내가 사용하는 단어가 조금이라도 기사와 다르다 그래서 나는 그 질문에 대해 같은 말을 사용하지 않았다

그것과 일치시키는 법을 알고 있습니다 이제는 매우 쉽게 보입니다 매우 쉬운 작업입니다 청중에있는 당신 자연 언어 이해를 조금 해냈습니다 그들은 컴퓨터가 실제로 꽤 어렵다는 것을 알고 있습니다

사물을 맞추는 법 이해하기 자연 언어 에서처럼 당신이 그것을 프로그램 적으로 볼 때 매우 유사한 소리 자, 페이스 북의 메신저에서 살펴 보도록하겠습니다 지금은 두 가지 질문이 있습니다 여기 리모콘에 대해서 별도의 리모콘이 필요합니까? 볼륨과 다른 것들을 위해서? 실제 리모컨으로 Chromecast를 사용할 수 있나요? 내가 묻는다면, 어떻게 리모컨이 작동하는지, 그것은 그 질문들 중 어느 하나와 조화 될 수 있으며, 그래서 업데이트가 필요합니다

승인 그래서 당신은 그것들이 그 두 질문들 모두와 일치한다는 것을 볼 수 있습니다, 그래서 그것들은 둘 다 작동 함을 감지합니다 자, 이것은 정말로 정말로 어렵습니다 기억하십시오 이것은 우리가 사용하고있는 것과 동일한 에이전트입니다

과학 기술 따라서 Chromecast를 구입하고 싶다고 말하면 상거래 조치를 처리해야합니다 우리가 제공 한 FAQ뿐만 아니라, 각각을 언제 사용해야하는지 알 수 있습니다 그래서 그것은 사소한 것이 아니며 많은 것이 있습니다 자연스러운 언어 작업이 뒤에서 일어나고 있습니다

그럼 우리의 전화 데모에서 모두 함께 보자 전화 번호입니다 나는 그것을 시험해 볼 것이다 이제 음성 인식 데모는 항상 위험합니다 그래서 여기 나와 함께 곰

바라기를 이것은 잘 될 것입니다 나는 스피커폰으로 시도 할 것이지만, 이것은 최고가 아니다 그러나 보자 승인 그래서 이것이 효과가 있다면 무엇을해야할까요? 우리의 환영의 의도로 가야합니다

우리는 Welcome Intent에서 읽은 것을 읽습니다 해보자 PHONE BOT 1 : – Dialogflow 전화 데모 오늘 어떻게 도와 드릴까요? 새로운 Google 제품을 주문하거나 서비스를 요청할 수 있습니다 기존의 것들에

DAN AHARON : Chromecast의 다른 점은 무엇인가요? Apple AirPlay? PHONE BOT 1 : 대부분의 경우 AirPlay 비디오 또는 오디오를 직접 전송하여 작동합니다 Wi-Fi를 통해 iOS 기기에서 TV로 전송할 수 있습니다 iPhone 또는 iPad가 남아 있어야합니다 단 아론 : 당신이 듣고있는 모든 것 이제 Dialogflow 또는 아무것도 입력되지 않았습니다 임의의 기사에서 자동으로 처리되었습니다

누군가 인터넷에서 썼다 PHONE BOT 1 : – 텔레비전에, 인터넷에서 바로 스트리밍을 시작합니다 [박수 갈채] 단 아론 : 감사합니다 PHONE BOT 1 : 실제 내용을 전송합니다 AirPlay에 이점이 있다면, 그것은 – DAN AHARON : 일반적인 의도가 여전히 작동하는지 확인해 봅시다

PHONE BOT 1 :하지만 이것도되고있다 차별화 요소가 적다 단 아론 : 긴 대답입니다 네 Google 픽셀을 몇 개 구입할 수 있습니까? 전화 번호 BOT 1 : 어떤 주소로 보내 주시겠습니까? 단 아론 (DAN AHARON) : 3 Seventh Street, 뉴욕, 뉴욕

PHONE BOT 1 : 몇 대를 원하십니까? 단 아론 : 세븐 전화 BOT 1 : Google Pixel 7 대 주문 및 배송 3 일곱 번째 거리, 뉴욕, 뉴욕 [박수 갈채] 단 아론 : 그래서 저는 그 모든 것을 강조하고 싶습니다 설정이 정말 간단 해 보였습니다 1 분 안에 할 수있었습니다

그 중 일부는 다른 서비스와 함께 할 수 있으며, 그러나 오늘날 시장에 나와있는 다른 서비스 전화 게이트웨이를 설정해야합니다 설정하는데 아마도 몇 시간이 걸릴 겁니다 모든 것이 관련되어 있고, 얼마나 많은 것을 알고 있는지 그것을 지불 할 필요가있다 그런 다음 관련 봇에 연결해야합니다 서비스

그리고 지식 서비스를 설정하려면, 별도로 설정해야합니다 그리고 당신은 얼마나 많은 종류의 기가 바이트를 알아 내야합니다 대신에 서버 기반이기 때문에 필요합니다 서버가없는 것 그런 다음이 모든 구성 요소를 연결해야합니다

많은 코딩 작업을 수행해야합니다 우리는 기본적으로 모두 0으로 코딩했습니다 1 분 안에, 당신은 전화기에서 작동하는 완전 자동 로봇의 종류 그래서 우리는 이것에 매우 흥분하고 있습니다 너희들 모두가 그걸로 무엇을하는지보기 위해 기다릴 수 없다

고맙습니다 [박수 갈채] 그래서 그 일로 Tariq를 초대하겠습니다 TARIQ EL-KHATIB : 안녕하세요 나는 타리크 엘 카팁이다 저는 Ticketmaster의 제품 관리자입니다

글로벌 컨택 센터 및 기술 부서 내에서 이미 모르는 경우 Ticketmaster가 티켓을 판매합니다 많은 표 2017 년 Ticketmaster는 2 억 9200 만 티켓을 판매했습니다 그 중 2 %는 전화로 받았다 우리의 연락 센터를 통해

따라서 우리가 연간 수백만 건의 전화를받는다고 말하는 것이 안전합니다 Ticketmaster는 Live Nation Entertainment의 사업부입니다 이 때문에 우리는 많은 수의 모든 유형의 이벤트에 대한 호출이 있습니다 그래서 일반적인 질문들 또는 티켓 질문, 예를 들면, 나는 티켓을 잃어 버렸습니다 또는 내 티켓을 인쇄하려면 어떻게해야합니까? 우리는 일반적인 질문으로 분류하고, 이벤트 및 장소 특정, 예 : 윌리 필드 (Wrigley Field)의 박스 오피스 전화는 어디에서 찾을 수 있습니까? 또는 Paradiso Festival의 캠핑 구역은 얼마나 큰가요? 뛰어 들어가서 어떻게 보이기 전에 우리는 Dialogflow와 Knowledge Base를 사용하고 있습니다

고객 서비스 IVR에 통합 된 커넥터, 나는 가서 너를 보여주고 싶었다 정말 충격을 강조한 두 개의 슬라이드 Dialogflow와 같은 NLP가 판매 IVR에 적용될 수 있습니다 그래서 여기 Dan의 성적표가 Ticketmaster를 호출합니다 판매 IVR 10 년 전에 지어진 음성 인식 IVR입니다

그 당시, 그것은 라인의 상단이었다 그러나이 기술은 짧은 구절을 요구했습니다 의도 나 실체 추출을하지 않았습니다 그래서 Dan 이야기와 시스템 이해 사이에서, 10 번의 시도가 필요합니다 하나는 시스템에 대한 인식을 놓쳤다

댄이 사고 싶어한다는 것을 이해하기 San에있는 Chainsmokers를 볼 수있는 두 장의 티켓 5 월 5 일에 시스코 이제 NLP로 어떻게 보이는지 보겠습니다 Dialogflow와 마찬가지로이 작업은 하나의 작업으로 완료 될 수 있습니다 두 개의 거래로 이것은 분명히 고객 경험에서 상당히 업그레이드 된 것입니다 또는 사용자 경험이 있지만 시스템도 각 프롬프트를 통해 고객을 안내 할 수있는 유연성 그들이 여전히 선호한다면

괜찮아 이제 저는 우리의 통합에 뛰어 들어갈 것입니다 우리의 고객 서비스 IVR 두 번 전화 할게 이 첫 번째 호출은 공통 티켓으로 분류 할 것입니다

유형 전화 몇 개월 전, 나 양키스에 티켓을 샀다 지금 이틀 안에 일어나고 있어요 나는 아직도 나의 실제 티켓을받지 못했다 TARIQ EL-KHATIB : 발신자가 전화를 걸고 말하는 중입니다

그들은 양키스 티켓을받지 못했다 이 녹음은 캡쳐 된 후 코딩되어 우리의 의도로 전송됩니다 서비스 Intent Service에는 복잡한 비즈니스 규칙이 많이 있습니다 그러면 외부 프록시에 연결됩니다

모든 사이의 트래픽 라우터 역할을하는 Google의 외부 서비스에 대한 정보를 제공하며 해당 API를 모두 번역합니다 피드 백을위한 일반 API 로의 트래픽 인 텐트 서비스에 저장합니다 그래서 일단 호출이 외부 프록시에 도달하면, Dialogflow로 바로 전송됩니다 오른쪽의 주요 NLP 인 상담원 1, 수신되지 않은 티켓의 의도를 유발하는 스포츠 팀의 실체 인 양키스와 그 정보는 파이프 라인을 통해 다시 전송됩니다 외부 프록시로, 인 텐트 서비스로 돌아 간다

인 텐트 서비스에서 그 의도에 기반하여 트리거되는 규칙 랜드 마크 프롬프트를 재생합니다 티켓을 찾는 데 도움이 될 수 있습니다 그리고 나서 양키스의 실체를 바탕으로 및 고객의 착신 전화 번호, 이 고객에게 모바일 티켓이 있음을 알 수 있습니다 주문하고 알려주고, 티켓처럼 보인다 Ticketmaster 모바일 앱에서 바로 사용할 수 있습니다

이제 저는 앞으로 나아가서 더 많은 행사를 보여 드리겠습니다 특정 질문 전화 통화 중 이었어 나는 일반적인 질문이있다 이 캠핑 공간이 얼마나 클지에 대한 아이디어를 얻으려고합니다

파라디소 페스티발에서의 일반적인 크기 TARIQ EL-KHATIB : 그래서 문제는, 얼마나 큰 캠핑의 영역입니다 Paradiso Festival의 공간? 전화 한 것과 마찬가지로 녹음 캡쳐되어 코딩 된 다음 전송됩니다 인 텐트 서비스와 외부 프록시로 그런 다음 주요 NLP 인 동일한 상담원 1을 공격합니다 그것이 우리가 레이블링 한 의도를 유발하는 곳입니다 이벤트 및 장소 특정 질문으로, 또한 Paradiso Festival의 단체를 산출합니다

그러면 그 정보는 다시 라우팅됩니다 파이프 라인을 통해 의도에 대한 규칙을 트리거합니다 재 처리 할 외부 프록시에 알리는 서비스 첫 번째 호출과 동일한 문자로 된 텍스트, 그러나 이번에는 Paradiso의 실체에 근거하여, 지식과 관련된 이벤트 인 에이전트에 명중 베이스 커넥터는 파라디소 축제 FAQ에 묶여 있습니다 그래서, 그 대답은 FAQ 사이트에서 검색 한 다음, 파이프 라인을 통해 간다 고객이 캠핑을 듣는 곳 파라디소 페스티발 (Paradiso Festival) 지역은 25 피트 (15 피트) 한 대의 차와 한 개의 텐트에 적합합니다

그래서 앞으로 어떻게 보이는지 보여 드리겠습니다 뒤쪽 끝 에서처럼 그래서, 바로 여기에 인코딩 된 녹음이 있습니다 계속 시도해보십시오 그래서 지금은 전체 여행을하고 있습니다

인 텐트 서비스를 통해 외부 프록시 인 Dialogflow, 그리고 뒤로 그런 다음 결과가 있습니다 우리가 보았 듯이 오류는 없습니다 좋습니다 그 전화의 실제 사본 – 발신자에게 일반적인 질문이 있습니다

그런 다음 의도가 올바르게 식별됩니다 축제와 관련된 이벤트 장소로 파라디소 축제의 이름 또한 여기 아래에 추가 데이터가 표시됩니다 추가 된 비즈니스 로직, 랜드 마크 및 확인 메시지와 같은 또는 특정 행동이 필요한 경우 이 의도 유형의 그래서 그것이 실제로 가고 타격을 부르는 두 번째 통화 기술 자료 커넥터는 뭔가 있습니다 우리는 현재 개발 중이다

그래서이 데모의 목적을 위해, 나는 택배 비둘기처럼 행동 할거야 그 모습을 보여주세요 이제 그 질문을 볼 수 있습니다 일반적인 서 캠핑 사이트로 반환 된 것은 약 15 텐트와 차량을위한 충분한 25 피트 그래서 실제로 이러한 이벤트 및 장소에 응답 할 수 있습니다

우리의 셀프 서비스 IVR (Self-Service IVR) 이전에 에이전트로 경로를 지정해야합니다 이제 우리의 주요 테이크 아웃과 수업이 있습니다 배웠다 다양한 잠재적 인 의도로, 당신은 정말로 여러 에이전트와 지식의 사용을 고려해야합니다 기지

이것은 매우 관련이있는 의도에 도움이 될 수 있습니다 그러나 여전히 다소 다릅니다 또한 외부 프록시 생성을 고려하십시오 제품 및 기능의 확장 성을위한 일반적인 API를 제공합니다 그래서 우리가이 외부 프록시를 만들었을 때, 내 미래 로드맵의 일부에는 정서가 담겨있었습니다

분석기가 있지만 Google이 Dialogflow에 포함 시키십시오 그래서 적어도 지금은 능력이 있습니다 인공 지능의 다른 발전 시스템과 쉽게 통합 할 수 있습니다 다음은 대화 문제입니다 사용자의 신발에 몸을 담그고, 다음 질문이 무엇인지 예상하십시오

특히 IVR의 경우 이전의 딱딱한 IVR을 파괴해야합니다 습관을 촉발시켰다 그것들은 대화식이 아니므로,이 서비스는 오직 좋은 것입니다 노력과 대화로서 당신이 실제로 그걸 넣었습니다 마지막으로, AI로 크게 생각하십시오

매일 우리는 AI 공간에서 새로운 진보를 봅니다 예를 들어 방금 연결 한 전화 커넥터를보고 이론에 따르면 오늘 우리는 모든 주요 이벤트에 대해 고유 한 IVR을 만드는 데 활용하십시오 우리는 심지어 모든 주요 장소를 가지고 있습니다 따라서 귀하의 일상적인 사업을 기반으로, 당신은 정말로이 새로운 인공 지능 진보는 실제로 비즈니스에 영향을 미칠 수 있습니다 그래서 그것으로, 나는 그것을 건네 주겠다

마크와 스펜서를위한 Akash [박수 갈채] AKASH PARMAR : 안녕하세요 나는 Akash Parmar입니다 Marks and Spencer의 엔터프라이즈 아키텍트입니다 Marks와 Spencer에 대해 들어 본 적이없는 사람은 누구입니까? 우수한

너를위한 슬라이드 1884 년에 설립되어 1,500 개의 점포가 있으며, 우리는 81,000 명의 직원, 3 천 2 백만 명의 고객을 보유하고 있습니다 온 세계에 가장 유명한 브랜드 중 하나입니다 그리고 그것은 매우 인기있는 영국의 가구 이름입니다

그리고 Marks and Spencer가 얼마나 중요한지 강조하기 위해 고객에게 영국 여성 3 명 중 1 명 M & S에서 브래지어를 사다가 매분 45 대를 팔고 있습니다 우리의 컨택 센터에 관해서, 우리는 음성, 채팅, 및 전자 우편, 그리고 그것은 [? 1,500?]의 고문 그리고 우리 가게 직원들도 마찬가지입니다 그래서 우리의 리더십 팀은 우리에게 도전을했습니다 우리가 이해하도록 요청 받았던 곳 우리의 고객은 더 낫다 우리는 더 많은 셀프 서비스 옵션을 제공하도록 요청 받았고, 우리는 또한 비용을 절감하도록 요청 받았다

그리고 그것을 달성하기 위해 우리가해야 할 첫 번째 일은 우리의 엄격한 DTMF IVR을 제거하는 것이 었습니다 우리는 그것을 자연 언어 기반으로 대체했습니다 해결책은 매우 개방적이다 어떻게 우리가 너를 도울 수 있을까? 고객의 반응은 Dialogflow에 소화되어 다시 올 것이다 행동 가능한 의도로 이 솔루션은 깊은 해결책이 아닙니다

Dialogflow의 깊이로 들어가는 미래의 우리의 열망 그러나 널리 구현 된 솔루션입니다 우리 조직 전체에 그리고이 플랫폼은 1,200 만 건의 전화를받습니다 향후 12 개월 동안 이것은 약 100 명의 직원을 해방시킨 것입니다

그냥 전화를 걸고 전화를 옮기는 데 바빴다 실제로 이러한 전화를 처리하지 않고 매장 현장에 있어야합니다 걷고있는 고객과 실제로 협력합니다 우리 상점에서 그리고 밖으로 옆에서 볼 수 있듯이, 내 상사 그것을 고객 서비스 천국의 계단이라고 부릅니다

우리는 여전히 2 단계에 있으므로, 갈 길이 멀다 현재 솔루션에 대한 간략한 설명 – 내가 할 일 나는 무엇을 할 수있는 경험을주기 위해 전화를 걸도록 노력할 것인가? 처럼 들린다 PHONE BOT 2 : M & S에 오신 것을 환영합니다 다만 아시다시피, 우리는 훈련에 도움을 청합니다 우리가 당신을 돕기에 가장 좋은 사람에게 데려다 줄 수 있도록, 제발, 몇 마디로 말해 줄 수 있니? 왜 오늘 전화하고 있니? AKASH PARMAR : 나는 파란 셔츠를 사고 싶다

[전화 거는 중] 전화 번호 2 : 우리는 정말로 알고 싶습니다 오늘받은 서비스에 대해 어떻게 생각하세요 AKASH PARMAR : 그렇게 부름 – 그렇다면 그냥 흐름으로 간다 무슨 일이 있었는지, 나는 전화를했다 Twilio 플랫폼에 들어갔다

전화에 응답하고, 우리의 응용 프로그램을 호출합니다 우리의 안전한 환경에 있습니다 신청서에, 우리가 어떻게 당신을 도울 수 있을까요? 고객은 파란색 셔츠를 사고 싶다고 말했습니다 그런 다음 Google의 Speech API를 사용하여 연설을 변환했습니다 텍스트로

이 텍스트는 우리의 응용 프로그램으로 되돌려 보내졌습니다 Dialogflow를 가로 질러 Dialogflow는 의도와 함께 돌아 왔습니다 우리는 그 의도를 사용하여 전화를 우리 연락처로 연결합니다 센터

그래서 그것이 오늘날의 모습입니다 Twilio와 Dialogflow 간의 파트너십 훨씬 더 간단해질 것입니다 6 개월에서 8 개월 전에이 제휴 관계가 있었 더라면 좋겠습니다 그것은 내 인생을 훨씬 쉽게 만들 것이지만 지금은 여기 있습니다 저는 그것이 아주 좋은 기회라고 생각합니다

이제 Twilio가 직접 통합 할 것입니다 Dialogflow와 함께 따라서 발언이나 본문으로 돌아 오는 것보다, 그것은 의도와 함께 실제로 돌아올 것입니다 그리고 조직은 그 의도에 대해 매우 행동 할 수 있습니다 매우 빠르게

그래서 그것은, A, 일을 더 빠르게 만들 것입니다 그리고 B는 더 빨리 실험을하는 데 도움이 될 것입니다 매우 흥미로운 기회입니다이 파트너십 Dialogflow와 Twilio 사이 이것이 현재의 대시 보드입니다

어떻게 생겼습니까? 라이브 대시 보드로 건너 뛸 수 있는지 알아 봅니다 그리고, 잘하면, 우리는 방금 내가 한 호출을 발견 할 것입니다 기본적으로 대시 보드는 우리가 얼마나 많은 전화를 받고 있는지에 대한 간단한 견해입니다 우리의 상위 10 가지 의도는 무엇이며, 오늘 날짜는 무엇입니까? 오, 내 파란 셔츠, 그들은 거기에있다 그래서 최고의 전화 – 그게 내 전화 야

그래서 나는 파란색 셔츠를 사고 싶다 이렇게 아주 명확하게, 너는 볼 수 있는다, 들어오는 부름 발화가 매우 정확하게 전사되었다 Google Speech API 제공 Dialogflow에갔습니다

Dialogflow는 주문 전화라고 말하면서, 우리는 우리가 판매 팀에 그것을 보낼 것이라고 말했다 그들은 명령을받을 수 있습니다 내가 빼앗을 중요한 두 가지 또는 우리가 달성 한 – Dialogflow와 같은 도구는 너무 단순하여 비즈니스 사용자가 사용합니다 그래서 첫날부터, 그들은 하나였습니다 누가 그것을 지었고, 요원을 훈련 시켰고, 그들은 며칠 내에 그것을했습니다

우리는 현재 우리의 의도에 대해 90 %의 정확도를 달성합니다 우리가하지 못한 두 번째 이점 우리가이 여정의 시작에 도착할 것임을 깨달으십시오 우리가 지금 조언자에게 채우기를 요청할 수 있다는 사실이 어떤 이유로 든 연락 할 수 있습니다 고문이 우리에게 말하기보다는 그 사람들이 그 부름에 대해 생각한 것, 우리는 실제로 고객이 그렇게하도록했습니다 고객이 원했던 것입니다

그들 자신의 말로, 우리는 그 때 그것을 우리의 이유로 사용합니다 연락 그리고 그것은 저장됩니다 [10 초마다] [? AHT ?] Dialogflow를 통해 큰 계획을 세웠습니다 이제 우리는 더 깊게 시작하겠습니다

달성하고자하는 첫 번째 일 엔드 – 투 – 엔드 대화 형 주문 이행 여정입니다 따라서 고객 식별, 백엔드 통합, 또한 지불합니다 그래서 그것은 우리의 큰 열망입니다 우리는 또한 어떤 종류의 약속 예약에도 사용하기를 원합니다 체계

그래서 우리는 브래지어 피팅 주위에 많은 전화를받습니다 우리 가게의 약속 그래서 우리는 그것을 자동화하고 싶습니다 우리는 나가서 가정용 장치를 사용하고 싶습니다 우리는 M & S에서 10 파운드의 식사를 제공합니다

매우 인기가 많습니다 그래서 Google 홈, Alexa는 고객이 사용할 수 있습니다 우리가 제안을 진행하고 있는지 여부를 알아 내야합니다 그렇다면이게 뭐야? 꽃 주문과 같은 복잡한 여행도 있습니다 M & S를위한 매우 큰 사업이며, 복잡한 여행 이었기 때문에 꽃을 주문할 많은 이유가있을 수 있습니다

행복하고, 슬프다 그래서 감정이 터지게된다 그래서 그것은 우리가 가고 싶어하는 여행입니다 주요 도전 과제 – 하나의 도전 과제 우리는 Dialogflow를 개별적으로 통합해야했습니다 이제는 파트너쉽을 잃을거야

Dialogflow와 Twilio 사이 이것이 바로 올바른 방향으로 나아가는 단계입니다 빠르게 실험 해보지 만, 생산할 수 없다면 상금은 없습니다 이러한 도구와 기술을 모두 갖춘 것은 대단합니다 그러나 우리가 그들을 생산하고 보낼 수 없다면 고객이 전화를 걸면 아무 소용이 없습니다

우리는 내부 통제 문제에 대해서도 알고 있어야합니다 그래서 우리를 데려 오기까지 5 주가 걸렸습니다 우리 첫 번째 [? MVP,?]하지만 생산에 5 개월이 걸렸습니다 그것 그래서 조달, 법률, 금융, 당신 당신이 여행을 떠나지 않도록해야합니다

아주 처음부터 그렇지 않으면 많은 차단기를 때릴 것입니다 올바른 태도의 마른 팀을 갖기 그래서 내 생각에는 관객 인 Chris McGraw가 "귀하의 실수에서 배우십시오"라는 문구를 사용합니다 매우 진지하게, 그는 매주 다섯 번의 실수를 저 지르지 않으면 화가납니다

그래서 그것이 우리가하는 일입니다 우리는 실수를 저지르고 실수로부터 배웁니다 지금까지 우리를 위해 일해 왔습니다 올바른 기술 파트너를 확보하십시오 우리는 Twilio와 Google에서 그렇게했습니다

Twilio는 초기 구현에서 우리와 모든 단계에있었습니다 이 플랫폼의 잠재력을 인식하는 데 도움이되었습니다 그리고 그 점에 대해 감사드립니다 Google Speech API의 정확성, Dialogflow의 정확성 우리에게 사업으로 돌아가서 그들에게 이야기 할 자신감을주었습니다 이것은 분명히 효과가있는 것입니다

그것은 하나의 질문이 아닙니다 우리는 그것이 작동 할 것이라는 것을 알고, 거기에갔습니다 자신감을 가지고 내부 리소스가없는 파트너 우리에게는 개발 팀이 없었습니다

그러나 우리는 빨리 움직이기를 원했습니다 그래서 우리는 한 회사와 파트너 관계를 맺었습니다 DVELP (CEO 인 Tom Mullen)도 관객입니다 따라서 중요한 메시지는 다음과 같은 경우에 올바른 팀을 찾아야합니다 너는이 여정을 시작했다

또한 기술 환경이 빠르게 변하고 있습니다 당신이 당신의 건축인지 확인해야합니다 귀하의 응용 프로그램에 열려 있습니다 매일 새로운 일이 일어나고 있습니다 그리고 우리는 매우 빠르게 적응해야합니다

결론적으로 Dialogflow 가상 에이전트는 연락 센터에 도움을 줍니까? Marks and Spencer의 우리는 분명히 예 캠프에 있습니다 고맙습니다 나는 자레드에게 그것을 지금 전달할 것이다 [박수 갈채] 조종 무어 : 감사합니다, Akash 안녕 모두들

그러니 손을 빠르게 보여 드리겠습니다 몇 분 전에 Home Depot에 가본 적이 있습니까? 굉장해 예 그래서 당신이 알고 있지 않은 경우, 우리는 세계에서 가장 큰 주택 개선 소매 업체 우리는 400,000 명 이상의 직원과 2,000 개 이상의 매장을 보유하고 있습니다

미국, 캐나다 및 멕시코 전역에 걸쳐 그리고 우리는 또한 세계에서 가장 큰 전자 상거래 웹 사이트 그래서 오늘 제가 할 일은 그런데 제 이름은 Jared Moore입니다

나는 음성 및 대화 검색 팀 출신이다 at Home Depot 그리고 우리는 당신에게 새로운 기능을 보여줄 것입니다 우리의 홈 디포 응용 프로그램에서 사용할 수 있습니다 그래서 지금 당신에게 보여주고있는 것은 베타 앱입니다

실제로이 기능을 사용하고 있다는 말을 들었습니다 또는 Android 앱을 사용 중이며 라이브로 제공 될 예정입니다 iOS 앱으로 곧 출시 될 예정입니다 그래서 여러분 모두가 이미 그것을 가지고 있지 않다면, 우리 앱의 최신 업데이트를 다운로드하고, 이야기를 끝내고 시험해보십시오 그래서 우리가 개발 한 것은 새로운 버전의 음성 ​​검색입니다

이제 마이크 버튼을 누르면됩니다 망치를 찾고 있어요 그리고 그것은 여전히 ​​효과가있었습니다 그래서 Dialogflow는 실제로 제가 Dialogflow를 통해 찾고 망치입니다 우리는 실제로 "나는 망치를 찾고있어

" 가서 그걸 우리를위한 검색 창에 넣으세요 그리고 앞으로도 우리는 Dialogflow를 사용하여 오디오 응답을 확인하는 방법 우리가 찾고있는 것을 사용자에게 실제로 그들이 원하는 것을 찾고 있습니다 시원한 그럼 우리가 어떻게했을까요? 그래서 우리는 이것을 가능하게하기 위해 5 층 아키텍처를 설계했습니다 첫 번째 레이어는 매우 간단합니다

그것은 단지 클라이언트 일 뿐이므로 고객이나 동료와 관련된 모든 것 얘기 할거야 그런 다음 클라이언트는 프록시 계층에 연결합니다 그래서 우리가 선택적 레이어를 원한다면 인증을하기 위해 우리는 그것을 인증에 추가합니다 그리고 진짜 지능은 우리가 의도 층에 갈 때 이것은 Dialogflow이며 자동 음성을 제공합니다 인식, 본 것처럼, 의도 일치 앞으로 TTS가 될 것입니다

그러면 Dialogflow가 라우팅 레이어로 이동합니다 우리가 알아챈 것은, 내가 말하면 나는 내 휴대폰 망치를 찾고 있는데, 데스크톱 사이트, Google 홈, 무슨 일이 있어도, 나는 뭔가를 찾고 있어요 그리고 네가 나에게 반응하는 방식 어떤 채널에 따라 다를 수 있습니다 나는 너에게 말하고있다 그러나 무엇과 상관없이, 그것은 같은 의도입니다

따라서 우리는 모든 것을 라우팅 레이어로 라우팅합니다 클라이언트가있는 위치를 기반으로 라우팅합니다 따라서 데스크톱 사이트와 통화하는 경우, 우리는 구체적으로 응답을받을 것입니다 데스크탑 백엔드 용 괜찮아

그래서 우리의 예에서는 망치에 대한 페이지를 보여주었습니다 하지만 Google 홈에 있다면 그러면 우리는 실제로 당신에게 페이지를 보여줄 수 없었습니다 그래서 우리는 그 사건에 대해 다른 반응을 보일 것입니다 우리는 여기서 그것을 처리 할 수 ​​있기를 원합니다 괜찮아

그래서 이것을 세 가지 주요한 것들로 좁혀 야한다면 내가 먼저 말한 것처럼, 우선 집중해야한다고, 의도와 행동을 분리하십시오 당신은 그 의도가 꽤 많이 가고 있음을 실제로 볼 것입니다 어디 있든 상관 없습니다 뭔가를 찾고 싶다면, 네가 뭘하든간에 똑같은 방식으로 말할거야 당신에게 말하기를 원하는 방식으로 바뀔 수 있습니다

다음은 분명히 아키텍처를 설계하는 것입니다 모든 유스 케이스에 대해 그리고 이전 슬라이드에서 볼 수있는 것에서부터, 아키텍처를 쉽게 확장 할 수 있습니다 점점 더 많은 고객을 추가 할 수 있습니다 그리고 그것은 우리가되고 싶었던 것입니다

우리가 몇 달 동안 갇혀 있지 않도록 할 수 있었다 우리가 추가하고 싶었던 새로운 채널이 생길 때 길 아래로, 그런 다음 우리는 솔루션을 완전히 다시 설계해야했습니다 그것을 지원하기 위해서 마지막으로 팀 간 공유 코드가 있습니다 따라서 마지막 레이어 인 액션 레이어를 보면, 우리는 실제로 모든 코드를 내 보냅니다

모든 기능이 Google Cloud 기능에 있으므로 모든 기능이 노드에 있습니다 모든 코드를 내부 NPM 저장소로 내 보냅니다 그리고 나서 우리는 – 다른 채널은 그 코드를 가져올 수 있습니다 채널에 3 줄의 코드를 추가하고, 그리고 나서 그들은 똑같은 경험을 할 수 있습니다 서로 다른 두 채널에서 그래서 그것은 하나의 큰 테이크 아웃입니다

그리고 그것은 모두에게 많은 시간을 절약 할 것입니다 권리? 그럼 우리는 다음에 어디로 갈 건데? 우선, 우리는 우리가 할 수있는 것을보고 싶다 Knowledge Connectors로 할 수 있습니다 나는 약간의 시간을 가지고 놀았으며, 매우 쉽고 빠르게 설정하는 것처럼 보였습니다 우리는 생산을 위해 무엇을 할 수 있는지보고 싶습니다

미래에 또한 우리는 새로운 의도를 가능하게하는 방법을 찾고자합니다 내 주문이 어디 있는지, 쇼핑 목록에 추가, 또는 상점 내부의 제품을 찾는 것 또한 새로운 채널을 찾고 있습니다 IVR 시스템 및 Google 홈과 마찬가지로 [음악 재생]

Cloud TPUs (TensorFlow @ O’Reilly AI Conference, San Francisco ’18)

FRANK CHEN : 안녕하세요 나는 프랭크 야

그리고 TensorFlow에서 일하는 Google Brain 팀에서 일합니다 그리고 오늘이 말씀의 첫 부분을 위해, 나는 기계 학습을 가속화하는 것에 관해 당신과 이야기 할 것입니다 Google 클라우드 TPU로 따라서 동기 부여 질문은 Google이 촉진제를 만드는가? 나는 항상 이것을 예측하는 것을 주저한다 그러나 데이터를 살펴보면, 이것은 – 무어의 법칙의 끝은 계속되고있다 우리가 실제로 볼 수없는 지난 10 년 또는 15 년 동안 단일 스레드 성능이 전년 대비 52 % 증가했습니다

우리는 1980 년대 후반부터 2000 년대 초반까지 더 이상, 이제는 단일 스레드 성능 CPU의 경우 실제로 3 % 또는 5 %의 속도로 성장하고 있습니다 연간 그래서 이것이 의미하는 바는 내가 할 수없는 것입니다 내 기계 학습 모델로 18 개월을 기다려라 두 배 빨리 훈련

더 이상 작동하지 않습니다 동시에 조직은 이전보다 더 많은 데이터를 처리 할 수 ​​있습니다 수백, 수백 개의 사람들이 업로드하고 있습니다 YouTube에 매분 1 시간 분량의 동영상을 제공합니다 사람들은 Amazon에서 제품 리뷰를 남기고 있습니다

사람들은 WhatsApp와 같은 채팅 시스템을 사용하고 있습니다 사람들은 개인적인 도움에 대해 이야기하고 있습니다 등등 그 어느 때보 다 많은 데이터가 생성됩니다 그리고 조직은 실제로는 아닙니다

그것들을 적절히 사용하는 것을 이해할 수 있도록 준비되어 있습니다 그리고 세 번째 스레드는 동시에, 우리는 이런 종류의 지수 증가를 가지고 있습니다 이러한 기계 학습에 필요한 계산량 모델 이것은 OpenAI의 매우 흥미로운 블로그 게시물입니다 2012 년 말, 우리가 방금 한 곳에서 – 깊은 학습이 처음으로 유용하게 사용되었습니다

우리는 AlexNet과 비슷합니다 상당량의 컴퓨팅 파워를 사용하는 드롭 아웃 (Dropout) 하지만 그다지 2017 년 말에 비해 DeepMind는 AlphaGo Zero와 AlphaGo를 발표했습니다 알파 제로 (Alpha Zero) 논문에서 우리는 약 6 년, 7 년 후, 우리는 연산 요구가 30 만 배 증가하는 것을 봅니다 그래서 이것은 기업들에게 엄청난 부담이됩니다 인프라를 계산합니다

그렇다면이게 무슨 의미일까요? 무어의 법칙의 끝 플러스 이러한 지수 증가 컴퓨터 요구 사항에서 우리는 새로운 접근이 필요하다는 것을 의미합니다 기계 학습을하기 위해 동시에, 물론 모든 사람들은 여전히 컴퓨터를 배우고, 더 빠르고 저렴한 교육 그래서 Google은 특수 하드웨어를 제작하고 있습니다 자, 두 번째 질문은 Google은 어떤 종류의 가속기를 만들었습니까? 내 이야기의 제목에서 Google이 액셀러레이터 유형을 구축하고 있음을 알고 있습니다

우리는 Tensor Processing Units라고 부릅니다 기계 학습용으로 특수화 된 ASIC 이것은 우리 TPUs의 첫 세대입니다 2015 년 Google에 소개했습니다 입출력 2 세대 TPUs 이제 우리가 소개 한 Cloud TPU 버전 2라고합니다

작년에 Google I / O에서 그리고이 클라우드 TPU 버전 2 클라우드 TPU v2 포드 (Pods)라는 포드로 결합 할 수 있습니다 물론 올해 Google I / O에서, 우리는 클라우드 TPU의 3 세대를 도입했습니다 공기에서 냉각 이제는 액체로 냉각되었습니다 그리고 물론, 당신은 그들의 무리를 연결할 수 있습니다 포드 (pod) 구성도 가능합니다

그렇다면이 세대들 사이의 차이점은 무엇입니까? TPUs의? 첫 번째 버전 인 TPU는 정말 추론을 위해서만 설계되었습니다 그래서 그것은 약 92 테라 논을 타고난 것입니다 2 세대 TPUs는 모두 교육을 수행합니다 및 추론 부동 소수점 숫자로 작동합니다

약 180 테라 플롭스입니다 그리고 HBM은 약 64 기가 있습니다 그리고 3 세대 TPUs, 그것은 성능면에서 큰 도약입니다 이제 우리는 420 테라 플롭을하고 있습니다 그리고 우리는 기억의 양을 두 배로 늘 렸습니다

이제 HBM 128 기가되었습니다 그리고 다시, 그것은 훈련과 추측을합니다 그리고 물론, 우리는 같은 종류의 진전을 봅니다 클라우드 TPU 포드도 있습니다 우리의 2017 포드는 약 11

5 페타 플롭스였습니다 그것은 11,500 테라 플롭스의 연산입니다 4 테라 바이트의 HBM이 있습니다 그리고 우리의 새로운 세대의 포드는 100 페타 플롭 이상을합니다 32 테라 바이트의 HBM이 있습니다

물론 새로운 세대의 포드 또한 액체 냉각된다 우리에게는 새로운 칩 아키텍처가 있습니다 모든 것이 잘되고 좋은 것이지만, 실제로, 우리가 여기서 찾고있는 것은 최고 성능뿐만 아니라, 비용 효율적인 성능 따라서 매우 일반적으로 사용되는 이미지 인식 모델을 사용하십시오 ResNet 50이라고 불린다

다시 훈련 시키면 매우 일반적인 데이터 세트입니다 ImageNet이라는 이미지를 통해 약 4,100 개의 이미지 실제 데이터에서 초당 우리는 최첨단을 얻는 동안 그것을 달성합니다 최종 정확도 수치 따라서이 경우 93 % 상위 5 정확도입니다

ImageNet 데이터 세트에서 그리고이 ResNet 모델을 교육 할 수 있습니다 약 7 시간 47 분 만에 그리고 이것은 실제로 엄청난 개선입니다 Kaiming He가 원본 종이를 본다면 ResNet 아키텍처를 소개하는 다른 회사, 이 모델들 중 하나를 훈련 시키는데 몇 주가 걸렸습니다

그리고 이제 하나의 TPU로 우리는 그것을 훈련시킬 수 있습니다 7 시간 47 분 만에 물론 이러한 것들은 Google Cloud에서 사용할 수 있습니다 그래서 현재의 훈련입니다 그래서 그것은 대략 – 요청에 따라 리소스를 지불하면 약 36 달러입니다 Google 클라우드를 사용하여 비용을 지불하면 선매 가능 인스턴스 인 경우 약 11 달러입니다

그래서 훈련하는 것이 꽤 싸게되고 있습니다 물론 비용 효율적인 성능을 원합니다 규모로 따라서 동일한 모델 인 ResNet 50을 사용하려는 경우, 클라우드 TPU 버전 2 포드에서 초당 219,000 이미지를 얻고 있습니다 교육 성과 똑같은 정밀도를 얻을 수 있습니다

그리고 훈련 시간은 약 8 시간에서부터 시작됩니다 약 8 분 다시 한번 말하지만, 그것은 엄청난 발전입니다 그리고 이것은 우리를 우리가 할 수있는 지역으로 데려옵니다 iterate on

– 당신은 모델을 훈련시킬 수 있습니다, 커피 한 잔 마시고 돌아와 그런 다음 결과를 볼 수 있습니다 따라서 거의 상호 작용하는 수준으로 접어 들게됩니다

기계 학습, 기계 학습 가능 연구 및 개발 그래서 훌륭합니다 그렇다면 다음 질문은 어떻게 될 것인가? 그래서 오늘 우리는 2 세대를 확대 할 것입니다 클라우드 TPU 다시 한번, 이것이 어떻게 생겼는지입니다 이것은 당신이 여기서 볼 수있는 하나의 전체 Cloud TPU 보드입니다

그리고 당신이 알고 싶은 첫번째 것 Cloud TPUs는 실제로 네트워크에 연결된 장치입니다 따라서 Google Cloud에서 Cloud TPU를 사용하려면 어떻게됩니까? 나는 그것을 창조한다는 것이다 Google Cloud Console로 이동합니다 클라우드 TPU를 만듭니다 그런 다음 Google Compute Engine VM을 만듭니다

그리고 VM에서 TensorFlow를 설치하기 만하면됩니다 말 그대로, PIP는 TensorFlow를 설치해야합니다 그런 다음 코드 작성을 시작할 수 있습니다 설치해야 할 드라이버가 없습니다 깨끗한 우분투 이미지를 사용할 수 있습니다

우리가 제공하는 기계 학습 이미지를 사용할 수 있습니다 따라서 시작하기가 정말 쉽습니다 따라서 각 TPU는 호스트 서버에 연결됩니다 32 레인의 PCI Express 그래서 각각의 TPU – 그래서 여기에 주목해야 할 것은 TPU 자체가 가속기와 같다는 것입니다

따라서 GPU처럼 생각할 수 있습니다 그래서 그것은 실행되지 않습니다 리눅스를 단독으로 실행할 수는 없습니다 따라서 호스트 서버에 연결되어 있습니다 32 레인의 PCI Express로 우리가 에서 훈련 데이터를 전송할 수 있습니다

결과를 빨리 되돌릴 수 있습니다 그리고 물론, 당신은이 보드에서 명확하게 볼 수 있습니다 상당히 큰 방열판이 네 개 있습니다 각 방열판 아래에는 Cloud TPU 칩이 있습니다 따라서 칩을 확대하면되므로 여기에 있습니다

매우 단순화 된 칩 레이아웃 다이어그램 보시다시피, 각 칩에는 두 개의 코어가 있습니다 16 기가 바이트의 HBM과 각각 연결됩니다 그리고 매우 빠른 상호 연결이 있습니다 이 칩을 보드의 다른 칩에 연결합니다

그리고 전체 꼬투리에 걸쳐 그래서 각각의 칩은 약 225 테라 플롭스의 코어를 가지고 있습니다 그리고 각 코어는 스칼라 유닛, 벡터 유닛, 및 매트릭스 유닛을 포함한다 그리고 우리는 한 가지 예외를 제외하고 대부분 32 대 전체로 운영되고 있습니다

매트릭스 단위를 확대하면 모든 조밀 한 행렬 수학 및 조밀 한 회선이 어디에 있는지 일어난다 따라서 행렬 단위는 128로 구현됩니다 bfloat16 곱셈을하는 128 개의 수축기 배열 float32가 누적됩니다 여기에 두 가지 용어가 있습니다 익숙하지 않을 수도 있습니다

bloat16 및 수축기 배열 그래서 나는 이들 각각을 차례로 살펴볼 것입니다 다음은 부동 소수점 형식에 대한 간략한 안내서입니다 그래서 당신이 기계 학습 훈련과 추론을하고 있다면 오늘, 당신은 아마 fp32를 사용하고 있습니다 또는 단 정밀도 IEEE라고하는 것 부동 소수점 형식

따라서이 경우에는 부호있는 비트가 하나 있습니다 8 개의 지수 비트 및 약 23 개의 유효 비트를 갖는다 그리고 그것은 당신이 10에서부터 범위의 수를 나타낼 수있게합니다 음의 38에서 약 10까지 38 따라서 표현할 수있는 숫자의 범위가 상당히 넓습니다

그래서 최근 몇 년 동안 사람들은 fp16에 신경 네트워크를 훈련시키려는 시도, 또는 1/2 정밀도의 IEEE 부동 소수점 형식이 무엇인지를 나타냅니다 TensorFlow 및 업계 전반의 사람들 이 작업을 원활하고 원활하게하기 위해 노력 해왔다 하지만 문제의 진실은 당신입니다 많은 모델을 수정해야한다 fp16 만 사용한다면 제대로 훈련 할 수 있습니다

주로 그라데이션 관리, 또는 로그 스케일링, 모든 종류의 작업을 수행해야합니다 그 이유는 범위가 fp16에 대한 대표 숫자 fp32보다 훨씬 좁습니다 여기 범위는 약 6 ~ 6 회 정도입니다 10에서 음의 8 내지 65,000으로 감소한다 그래서 이것은 훨씬 더 좁은 수의 범위입니다

그렇다면 Google Brain의 사람들은 무엇을 했습니까? 그래서 구글 브레인이 한 것은 우리가 올랐다는 것입니다 bfloat16이라는 부동 소수점 형식을 사용합니다 그래서 bfloat16은 float32와 같습니다 우리는 가수의 마지막 16 비트를 제외합니다 따라서 동일한 비트, 같은 지수 비트, 23 비트가 아니라 7 비트의 가수입니다

이 방법으로 동일한 범위의 숫자를 나타낼 수 있습니다 훨씬 낮은 위치에 그리고 당신은 그만한 정밀도를 필요로하지 않는다는 것이 밝혀졌습니다 신경 네트워크 훈련을 위해,하지만 당신은 실제로 모든 범위가 필요합니다 그리고 두 번째 용어는 수축기 배열입니다

그래서 설명하기보다는 수축기 배열이 무엇인지, 나는 너에게 보여줄 것이다 내가 만든 작은 애니메이션 그래서이 경우, 우리는 y 매우 간단한 행렬 시간 벡터 계산과 같습니다 그래서 당신은 y를 w 배로 계산하고 있습니다 x, 여기서 w는 3×3 행렬이고 x 3 요소 벡터입니다

그리고 우리는 배치 크기가 3 인 x를 계산합니다 그래서 우리는 이미 모든 가중치를로드했습니다 매트릭스 단위로 그리고 우리가 첫 번째 클럭 사이클을 시작한다면, 첫 번째 벡터의 첫 번째 요소 매트릭스 단위로로드됩니다 그리고 1 위를 곱하면 1 of w를 첫 번째 벡터의 첫 번째 요소와 비교합니다

두 번째 클럭 사이클에서 어떤 일이 발생합니까? 더 많은 가중치가로드된다는 것입니다 그래서 우리는 더 많은 곱셈을하고 있습니다 동시에, 우리는 결과를 추진하고있다 이전 곱셈의 곱셈 [INAUDIBLE]에서 그래서 노란색 상자의 경우 바로 거기에서 우리는 곱셈을하는 것이 아닙니다

우리는 또한 다음과 같은 곱셈의 결과를 합산합니다 상자의 결과로 상자 안에서 발생합니다 그것의 왼쪽에 그리고 이것은 계속됩니다 보시다시피, 더 많은 계산을 활용하고 있습니다

이제 출력을 꺼낼 때까지 이것이 실제로 무엇인지는 2D 계산 분야입니다 그래서 우리는 많은 계산 단위를 넣을 수 있습니다 매우 적은 양의 칩 영역 내에서 칩의 비용을 최적화하면 칩, 더 커 – 더 높은 비용 또한 칩 아키텍처가 내장되어있어 파이프 라이닝을 위해서 – 우리가 채울 수있는 – 그래서 이전 예제에서, 우리는 단지 배치 크기가 3이었습니다 그러나 더 큰 배치 크기가있는 경우, 만약 당신의 칩 아키텍처가 이것을 위해 만들어진다면, 당신은 항상 행렬 단위를 채울 수 있습니다

그리고 이것은 매트릭스에 대해 매우 높은 처리량을 얻음을 의미합니다 곱셈은 ​​실제로 많은 부분에서 핵심입니다 이 깊은 학습 모델 중 그럼 알았어 이 액셀러레이터는 어떻게 사용합니까? 클라우드 TPU로 시작하는 것이 좋습니다 참조 모델

이들은 고성능의 오픈 소스 모델입니다 그것들은 아파치 라이선스하에 라이선스를 받았다 그들은 매우 공통적이고 최첨단을 구현합니다 모델 아키텍처 내부적으로 성능 및 정확성을 테스트합니다 그리고 당신은 이것들을 사용하여 정말로 빨리 일어나서 실행할 수 있습니다

필요에 따라 수정할 수 있습니다 따라서 조립 된 데이터에 대해 교육하고 실행할 수 있습니다 자신의 데이터에, 등등 그리고 우리는 많은 참조 모델을 가지고 있습니다 그래서 저는 ResNet 50 및 기타 이미지 인식 예제를 제공했습니다

네트워크를 사용하지만 작업을 수행 할 수도 있습니다 기계 번역, 언어 모델링, 연설 인식, 이미지 생성 우리는이 모든 모델을 클라우드 용 샘플 모델로 사용합니다 TPU 시작하기 큰

그럼 이거 기억해? 그 꼬투리를 기억해? 우리 모델의 많은 것으로 밝혀졌습니다 우리는 단일 TPUs를 위해 그것들을 최적화했을뿐만 아니라, 우리는 또한 TPU 포드에 최적화되었습니다 예를 들어, ResNet 50 예제를 사용하십시오 이전에 실적 수치를 인용했습니다 이 경우 하나의 Cloud TPU에 대해 교육을 받았습니다

이것은 정말로 당신이하는 전부입니다 다운로드하면 TPU를 시작합니다 TensorFlow를 다운로드합니다 Git 저장소를 복제합니다 그리고 여러분은 기본적으로 파이썬이라고 부릅니다

TPU에게 알려주십시오 데이터가있는 곳을 가리 킵니다 배치 크기를 알려주십시오 얼마나 많은 단계를 훈련시키고 싶은지 말해봐 그리고 나서 빵

나가 Cloud TPU Pod에 대한 교육 그다지 다르지 않습니다 Cloud TPU를 시작하는 대신 Cloud TPU 창을 시작합니다 그리고 정말로, 수정해야 할 유일한 것 TPU의 이름, 훈련 배치 크기 및 훈련 단계의 수 따라서 참조 모델 -이 경우 참조 모델 ResNet 50은 상당히 최근의 기법과 마찬가지로, LARS 옵티 마이저 및 레이블 스무딩과 같은 목표 정확도를 달성하기 위해 이러한 모든 변경 사항을 다시 구현할 필요는 없습니다

우리는 이미 당신을 위해 그것을했습니다 그래서 많은 레퍼런스 모델들이 하나의 TPU는 꼬투리에 줄곧 있습니다 물론 참조 모델에만 국한되지 않습니다 그래서 당신이 당신 자신의 모델을 만들 때, 물론, 당신은 TensorFlow로 그것들을 만듭니다 그리고 TensorFlow로 모델을 만들 때, 당신이 생각해야 할 정말로 두 가지가 있습니다

대부분의 사람들이 에너지를 집중하는 것이 있습니다 이는 네트워크 아키텍처 자체이며, 가속기에서 작동 중입니다 그러나 사람들이 방치하는 많은 부분이 입력 파이프 라인입니다 기본적으로 우리의 훈련 데이터를 이동 시키면, 그들을 읽고, 압축을 풀고, 파싱하고, 데이터 증가 및 패치 적용, 그것을 가속기로 보낸다 많은 사람들이 이것을 문제로 생각하지 않습니다

그러나 정말로, 이런 종류의 고성능 가속기의 경우, 이런 종류의 퍼포먼스는 당신의 트레이닝 파이프 라인이 느린 경우 가속기는 절반 만 유휴 상태입니다 그래서 1 단계, 입력 파이프 라인을 구축하십시오 그래서 이것은 ResNet 50을위한 매우 간단한 입력 파이프 라인입니다 그래서 당신은 입력 기능을 가지고 있습니다 당신은 일련의 파일들을 나열합니다

너는 그들을 섞는다 당신은 그들을 반복합니다 그리고 나서 그것을 보내십시오 그래서 이것은 위대합니다 이 성능이 무엇인지 추측하십시오

이것은 초당 150 이미지입니다 따라서 클라우드 TPU에서 실행하더라도, 초당 150 개의 이미지를 얻고 있습니다 Cloud TPUs는 초당 4000 개의 이미지를 처리 ​​할 수 ​​있기 때문에 훌륭합니다 그래서 너가하는 일은? 병목 현상이 있습니다 그렇다면 성과를 어떻게 향상시킬 수 있습니까? 병목 현상을 발견했습니다

병목 현상을 최적화합니다 그리고 물론, 당신이 반복 할 때까지 반복합니다 원하는 성능을 얻으십시오 클라우드 TPU는 실제로 상당히 포괄적 인 세트를 제공합니다 프로파일 링 도구의 그래서이 경우에, 당신은 무엇을 볼 수 있습니다 – 이 경우 TensorBoard입니다

그래서 당신은 당신의 TPU에서 일어나고있는 일의 프로필을 가져올 수 있습니다 호스트에, 등등 그리고 여러분은 그것을 볼 수 있습니다, 오, 큰 차이가 있습니다 즉, CPU가 데이터를 기다리는 동안 유휴 상태임을 의미합니다 그리고 이것은 위대하지 않습니다

그래서 단순화 된 표현 지금 TensorBoard에서 무슨 일이 일어나고 있는지 이런 것입니다 그래서이 경우에는 추출물이 있습니다 부하가있는 변압기가 있습니다 그리고 나서 우리는 가속기에 대한 교육을 받았습니다 그리고 그들은 모두 순차적으로 일어나고 있습니다

그리고 이것은 위대하지 않습니다 여기서 실제로 일어나고있는 것이 있기 때문에 CPU를 유휴 상태로 두는 것입니다 그리고 액셀러레이터를 유휴 상태로 두는 것입니다 그리고이 두 가지가 가장 큰 비용 요소입니다 귀하의 교육 파이프 라인에서

그래서 당신이 정말로하고 싶은 것은 이런 일을하는 것입니다 매 단계마다 중복됩니다 그리고 컴퓨터에서 값 비싼 비트를 모두 사용하고 있습니다 최대한으로 따라서 가속기는 100 % 활용됩니다

CPU가 약간 유휴 상태입니다 디스크가 유휴 상태이지만 괜찮습니다 그리고 파이프 라이닝을하는 것은 정말 쉽습니다 따라서 실제로 한 가지만 수정해야합니다 따라서 두 번째 줄부터 마지막 ​​줄까지 볼 수 있습니다

대신 datasetprefetch를 수행하십시오 그리고 이것은 위의 모든 것을 보장합니다 가속기 교육을받는 파이프 라인입니다 물론 병렬 읽기를 원한다면, 많은 파일을 읽는 것이 하나에서 읽기

그리고 다른 많은 기술들이 있습니다 시간이 없기 때문에 나는 오늘 안으로 들어 가지 않을 것입니다 따라서 엉성한 인터리브, 융합 된 데이터 세트를 사용할 수 있습니다 연산자 우리는 TensorFlow 웹 사이트에서 훌륭한 성능 가이드를 가지고 있습니다

입력 파이프 라인을 최적화하는 방법을 알려줍니다 나는 당신이보기를 권장합니다 그러나 이것은 부분적으로 최적화 된 입력 파이프 라인의 일종입니다 우리의 단순한 것보다 약간 더 길다 하지만 이것은 초당 2,000 개 이상의 이미지를합니다

그리고 완전히 최적화 된 이미지 파이프 라인을 원한다면, TPU 샘플 코드를 살펴보십시오 승인 시원한 이제 재미있는 부분이 생겨서 모델을 구축하십시오 따라서 모델을 구축 할 수있는 첫 번째 방법 Keras와 실제로입니다

우리는 Keras 통합 실험을 사용할 수 있습니다 TensorFlow 111부터 시작될 예정입니다 2 ~ 3 주 정도 그래서 당신은 구축 할 수 있습니다 – 그래서 당신은 평범한대로 Keras에 모델을 작성할 수 있습니다

수정해야 할 유일한 사실 기본적으로 클러스터 확인자를 작성합니다 그것에게 이름을주고, 분배 전략을 세우고, keras_to_tpu_model 함수를 호출하십시오 그러면 모델이 변형됩니다 TPU와 호환되는 것으로 그 다음에는 modelcompile, model

fit의 간단한 일을해라 그리고 당신이 알고 사랑하는 모든 케라 스 선량 그리고 TensorFlow 112는 그 이후의 릴리스입니다 우리는 더 쉽게 할 것입니다

그래서 keras_to_tpu_model을 더 이상 호출 할 필요가 없습니다 modelcompile을 직접 호출하면됩니다 그리고 나서 이것은 효과가 있습니다 큰

Keras는 사용하고 싶지 않습니다 당신은 낮은 수준의 것을 사용하고 싶습니다 그래서 우리는 또한 그것을위한 해결책을 가지고 있습니다 TensorFlow Distribution이라는 것을 사용할 수 있습니다 계략

나는 배급 전략에 관한 이야기가 있었다고 생각한다 어제 그래서 당신이 그것을 놓친 경우, 나는 비디오가 곧 온라인이 될 것이라고 생각합니다 그러니 그걸 살펴 봐야합니다 따라서이 경우 견적서를 사용하고 있습니다

배포 전략 따라서 모델 함수를 작성할 수 있습니다 왼쪽에서 보는 것처럼 입력 기능을 작성할 수 있습니다 오른쪽 상단에서 보는 것처럼

그리고 다시, 당신이 정말로 수정해야 할 유일한 것 몇 줄이야 다시 클러스터 해결을 작성하거나 TPU 전략을 작성하십시오 그리고 여러분은 그것을 추정기 함수를 통해 전달할 수 있습니다 traindistribute

그러면 TPU에서 작동하게됩니다 모든 것이 훌륭합니다 그리고이 TPUs를 사용하는 사람들도 있습니까? 사람들은 사실입니다 그래서 여기에 아키텍처 검색 프로젝트의 사례 연구가 있습니다 그것은 스탠포드와 MIT의 그룹이 한 것입니다

그래서 수백과 수백을 사용하여 평행 이동을했습니다 TensorFlow Research Cloud의 구름 TPUs 우리가 1,000 개의 무료 TPUs를 제공하고있는 프로그램 학술 연구자들에게 그래서 당신이 학문 연구원이라면, 이 프로그램을 살펴 보시기 바랍니다 따라서이 이미지의 각 파란색 점은 TPU 교육을 실행 한 것입니다 ImageNet 스케일, 컨볼 루션 RNN

그래서 매 시간마다 몇 시간이 걸렸습니다 다른 하드웨어를 교육 할 수 있지만 TPU에서는 그들은 많은 TPU에 접근 할 수 있기 때문에, 수백, 수백 가지의 작업을 수행 할 수 있습니다 그래서 그들이하려는 일은 그들은 더 나은 모델을 찾고자했습니다 당신이 녹음하는 데이터에 적합합니다 말하자면, 뇌에 전극을 넣으면 내 시각 피질이 무엇을 시도하는지 살펴 봅니다

내가 물건을 볼 때해야 할 일 그래서 그들은 아날로그를 찾고 있습니다 그 신경 네트워크를 찾으려고 영장류의 시각 피질에 더 가깝다 그래서 그것은 여기에서 밝혀졌습니다 그래서 여기에 공간의 다이어그램이 있습니다

그들이 찾고있는 곳 인구 전체에 걸쳐 많은 다른 모델 중에서 빨간 연결이 일종의 선택이라고 검색 대 다른 검색 그리고 어떻게 될까요? 모델을 일부 신호와 비교했다 그 기록은 생물 학자들이 녹음 한 것인데, 그들은 convolution RNNs가 신경 신호에 훨씬 더 적합하며, 예 : v4, IT, 기타 [INAUDIBLE] ,, convolution이나 발 앞쪽 모델처럼 당신은 오늘 문학에서 보았습니다 이것은 정말 새롭고 흥미로운 방향입니다

연구 그룹이 액세스로 처음부터 할 수 있었던 많은 계산에 따라서 TPU에서 모델을 교육 할 수는 없습니다 기본적으로 자동으로 검색 할 수 있습니다 이제 클라우드 TPU는 물론, 오늘 클라우드 TPU 버전 2를 사용할 수 있습니다 일반적으로 Google Cloud에서 사용할 수 있습니다

그들에 대해 더 많이 알고 싶다면, 시작하려면 cloudgooglecom/tpu로 이동하십시오 괜찮아 이제 Alex는 몇 가지 새로운 기능을 선보일 예정입니다

가속기 코드를보다 쉽게 ​​작성할 수 있습니다 알렉스

Google AI技術 | 註冊與登入Open weather map | 最實用的 AI 理財課程盡在MasterTalks

좋은 먼저 OpenWeatherMap을 소개합니다 이 무료 날씨 조회 서비스 우선이 웹 사이트를 먼저 등록해야한다는 것입니다

기본 계정을 채우는 것입니다 아이디와 이메일 그런 다음 로그인 할 수 있습니다 로그인 한 후 너는 이것 같이 볼 것이다 그림 요점은 우리가 그것을 얻어야한다는 것입니다 이 API의 핵심 이 키를 넣은 API 키입니다 그것을 복사해라

그럼 당신은 이 키를 활용할 수 있습니다 그런 다음 API가 있습니다 그는 사용해야하는 API를 나열합니다 그런 다음 우리의 주요 용도는 현재 날씨 데이터입니다 이 API 어떤 것을 클릭하면 볼 수 있습니다

API가 쿼리 할 수 ​​있음 도시의 이름을 쿼리 할 수 ​​있습니다 또는 위도와 경도에 따라 질문을 받았다고 말하십시오 이 장소의 날씨 등 현재 사용하는 API는 도시 이름으로 이것을 확인하십시오 국소 온도 그래서 그것의 질의는 이 모양 같아

좋은 그런 다음 우리는 이것을 활용할 수 있습니다 우체부이 소프트웨어는이 쿼리를 할 좋은 그렇다면 우리 쪽은 그의 API입니다 (URL) 그런 다음 쿼리하는 매개 변수가 있습니다 그 Q는 우리가 쿼리하고자하는 위치입니다 그 다음 우리는 타이페이에 여기에 들어간다

유닛의 말 우리는이 온도 단위를 원한다 섭씨 여기 측정 값이 있습니다 여기가 가장 중요한 곳입니다 앱 ID는 귀하를 의미합니다 방금 보인 곳 이 카피 카피 API의이 키 API 키 API 키는 여기에 게시됩니다

그럼 네가 보내야 해 이 결과를 반환합니다 응답 타이페이는 현재 비가 내리고있다 그러면 그 온도는 2108도입니다

이쪽으로 좋은 그런 다음이 우편 배달부를 사용하여 이것을 측정 할 때 API 키가 정확합니다 돌아온 후 이 API 키를 나타내는 것은 효과가 있습니다 이 시간에 등록 할 때 그는 여기에 API Key가 몇 시간 후에 효과적입니다 그래서 당신은 즉시 등록하지 않습니다 이 API를 당장 호출하십시오

다시 실행하려면 올바른 결과가 나타납니다 효과가 발생한 후 우리는 다음 단계로 갈 수 있습니다 golang http 서버에 문의하십시오 우리의 webhook 서비스