Applied AI in the Cloud – Google AI Impact Challenge Accelerator

[음악 재생] SCOTT PENBERTHY : 알다시피, 내 배경은, 나는 AI 괴상한 사람이야 그리고 나는 그것을했을 때 – 나는 중서부 출신이고, 나는 MIT에서 학교에 다녔다

그리고 내가 거기에있을 때 나는 우주 비행사가되고 싶었다 그리고 50 주년 인 7 월 18 일, 달에서 첫 번째 사람이 될 것입니다 그리고 해군 ROTC에 갔다가 내 머리를 다시 자른거야 우리가 머리를 자르지 않았을 때 나는 30 일 후에 실패했다 자, 저는 보스톤에 거기에 앉아 있고 추워요

저는 캠퍼스를 걸어 다니고 있습니다 내 미래를위한 신호입니다 이런 신호를 보았을 수도 있습니다 그것은 말했다, "무료 맥주" 그래서 나는 16 살짜리 아이가 무엇을하고 맥주를 마십니까? 그래서 나는 위층으로 갔다

그리고 나는이 방에 들어갔다 그리고이 기계들 주위에는 수많은 사람들이 있습니다 하나는 아인슈타인처럼 보였다 그는 진지하게,이 회색 머리카락을 옆구리에 붙이고 있습니다 주위에 걷고있는 큰 오래되었던 가슴

마빈 민스키예요 그는 인공 지능의 아버지입니다 원한다면, 마빈 민스키, 다시 60 년대 그리고 다른 사람들의 무리 – 이맥스를 발명 한 사람은 리차드 스톨만입니다 그는 Lisp 기계라고 불리는이 철사를 감싸고 있습니다

우리가 정신이 나갔을 때 돌아 왔어 일본인과 그들의 덤핑 칩에 대해 실리콘 밸리에서 그래서 나는이 일에 사랑에 빠졌다 AI라고 불렀습니다 그리고 나는 이것에 전공을하기로 결정했습니다

그리고 나는 그 반 친구들과 내 친구와 함께 앉아 있었다 frat에서 그리고 우리는이 프로젝트를 위해 노력하고 있습니다 마빈이 나타나서 간다, 너 뭐하니? 나는 패트릭에게 이걸 가지고 놀고 있다고 말했다 윈스턴의 수업

신경망이라고합니다 그 똥은 결코 작동하지 않습니다 그래서 그는 걸어 나간다 마빈 민스키였다 그는 "퍼셉트론 (Perceptrons)"이라는 책을 썼다

이 아이디어를 믿을 수없는 오래된 책입니다 그리고 그 생각은 1952 년, 1952 년입니다 그래서 Peter Norvig를 보았을 것입니다 나는 그의 책을 읽었다 너 어

어제 피터 여기 있었 니? 그는 놀라운 사람입니다 그는 매주 토요일 50 마일 자전거입니다 우리는 지금 자전거를 타러 간다 그리고 그 기법은

간단한 생각은 컴퓨터에서 인코딩해야한다는 것입니다 포유류처럼 그래서 우리 머리 속을 들여다 본다면 그것은 많은 뉴런입니다

그래서 우리는 뉴런의 활성화를 튜브로 부호화해야합니다 두뇌처럼 그들을 연결합니다 마빈은 미친 짓이라고 생각 했어 고양이를 나타 내기 위해 10 억 개의 튜브가 필요합니다 그리고 나는 그 때 되돌릴 수있었습니다

메인 프레임은 모두 분노했습니다 그래서 나는 EBCDIC에서 그것을 할 수 있었고, 나는 그것을 아래로 밀어 넣을 수 있었다 3 바이트 정말 대단했습니다 그래서 나는 고양이와 개를 적어두고 단어를 적었습니다

컴퓨터에 씁니다 그리고 우리는 인간과 같은 말로 컴퓨터를 사용합니다 그것은 그 아이디어였습니다 그리고 우리는 프랑스 혁명으로부터의 생각을 기반으로했습니다 우리는 이성적인 인간이었다

인간은 합리적인 사상가입니다 우리는 물건을 논리적으로 적어 둡니다 이것이 우리가 컴퓨터를 만드는 방법입니다 글쎄, 그것은 틀렸어 그리고 지금 무슨 일이 일어나고 있는가? 30 분 안에 내가하고 싶은 일 너에게 약 15 분을 준다

나는 뒤에서 무슨 일이 일어나는지 말해 줄 것이다 당신이 방금 본 것과 같이 이것을 생각해보십시오 AI에서 최고의 마음을 가진 사람과 이야기하면, Deepmind를 운영하는 Demis Hassabis, Jeff Dean, 접근하기 쉬운 엔지니어, 그들은 말할 것이다, 나는 전문가가 아니다 뭐? 아니, 난 전문가가 아니야 하지만 딥 마인드를 창립하셨습니까? 아니 아니

나는 단지 학생이다 너무 빨리 변화하고있어, 나는 추적 할 수 없다 그래서 잃어버린 느낌이라면 데미스를 상상해보십시오 그는 장소를 운영합니다 그래서 근본적으로 무엇이 이것에 대해 다른가? 그리고 그게 내가 가진 15 분 안에 우리가 할 일입니다

그리고 저는 그 선교사가 그것에 대해 이야기 할 것입니다 몇 분 전에 보았던 몇 가지 예가 있습니다 그러나 실제로 일어나는 일을 보는 것이 중요합니다 그리고 당신이 무엇에 대한 감각을 얻을 때 펀더멘탈에 일어나면 우리가 왜 Google에 매우 흥분하는지 알아라 그리고 왜 Google은 300 억 달러를 내기도했습니다

나는 아직도 그것을 극복 할 수 없다 숫자는 너무 많아서 300 억 달러 이것이 컴퓨터를 프로그래밍하는 새로운 방법이라고 확신합니다 그리고 그것이 핵심에서 시작되는 곳은 – 나는 DeepMind에서 이것을 채택했다 900 정도 지요 얼마나 많은 엔지니어가 많은 엔지니어인지는 말할 수 없습니다

런던에서 AI 연구를하고 있습니다 단순한 사명 – 그들은 인류로서, 우리는 실제로 지능을 해결할 위기에 처해 있습니다 우리는 힘을 해결했습니다 유압 장치 베르누이와 모두와 함께 비행을 해결했습니다

방정식의 우리는 이제 유성을 할 수 있습니다 닭과 로켓 엔진은 우리를 화성에 데려 간다 로켓 엔진에는 닭이 없어요 알을 낳지 않으며 스스로 치유하지 않습니다

하지만 충분한 에너지로 우리는 우리가 우주에서 원하는 곳 어디든지 갈 수 있습니다 그래서 우리는 지능을 먼저 풀고, 일반 지능을, 도구로 무언가를 창조하십시오 자, 이제 그걸로 무엇을 할거 니? 우리가하고 싶은 것은 그 다음에 그것을 사용하는 것입니다 과학적 발견 도구로서, 이는 내셔널의 큰 도전 중 하나이다 공학 및 과학 아카데미 – 과학적 발견의 새로운 도구를 찾는다

그리고 모두에게, 나는 우리 모두를 의미합니다, 그 도구 그렇다면 무료로 수백만 명의 마음으로 무엇을 할 수 있습니까? 그것이 우리가 향하는 곳입니다 그리고 크게 두 가지 캠프가 있습니다 그리고 이것들은 – 웨스트 버지니아에서 온 건 뭐지? 가족들? 그게 뭐라 기억하니? 관객 : Hatfields와 McCoys 가족 SCOTT PENBERTHY : McCoys와 그 것이 었나요? 관객 : 하트 필드

SCOTT PENBERTHY : Hatfields와 McCoys 이것은 정보의 Hatfields와 McCoys와 같습니다 그래서 우리는 MIT의 Marvin Minsky 관중들과 함께합니다 이것은 내가 자란 곳입니다 그리고 이것은 Blocksworld라고 불리는 유명한 것입니다

그들은 당신이 논리에서 사물을 대표한다면 – A, B, C의 세 블록을 설명하겠습니다 나는 술어 계산법에 적어 둘 수 있습니다 그것은 논리입니다 표면에 B가 있고, C에 A가 있습니다 그리고 나서, 당신은 컴퓨터에 B에게 C에 A를 쌓아 라

그리고 그것들을 쌓을 수있는 방법이 있습니다 당신은 C를 뺏고, 아마도 B를 위에 놓고 A를 그 위에 놓습니다 그리고 그것은 우리가 전문가 시스템이라고하는 손 – 코드 규칙 그리고 그것은 많은 논리와 많은 상징입니다 그것이 대부분의 인공 지능이 오늘날 어떻게 이루어지고 아직도 수행되었는지를 보여줍니다

그리고 다른 캠프가 있는데, 그러나 그것은 우리가 아닙니다 당신은 누군가를 열었고, 당신은 머리를 들여다 봅니다 어딘가에 쓰여진 고양이 명사가 없습니다 그것은 이것과 더 비슷합니다 우리는 경험을 통해 배웁니다

이제 우리는 여전히 이해하려고 노력하고 있습니다 3 살짜리 연극 콘서트 때 무슨 일이 일어나는가? 피아노 우리에게는 몇 가지 아이디어가 있습니다 어쩌면 그것은 양자 얽힘입니다 그러나 우리는 실제로 경험을 통해 배웁니다

컴퓨터에서 경험은 데이터입니다 그게 당신이 그것을 인코딩하는 방법입니다 데이터의 경우 우리에게는 5 가지 센서가 있습니다 그것은 과학적 증거에서 최악의 상황 중 하나입니다 우리 눈에는 버그가 있기 때문에 그것을 보았습니다

착시 현상이라고합니다 그러나 우리는 사물을 봅니다 우리는 관찰한다 내부 모델을 만듭니다 그리고 우리는 신경 과학으로부터 영감을 얻었습니다

이것은 다른 캠프입니다 그리고이 캠프는 2012 년 빅뱅까지는 작동하지 않았습니다 Google은 2 명의 여름 학생을 투자했습니다 우리도 그걸 믿지 않았기 때문에 우리도 그걸 믿지 않았다

2010 년 2 명의 여름 학생이 함께 연주합니다 그들은 마침내 2012 년에 일할 무언가를 얻었습니다 그 흥미 롭군요 그런 다음 래리는 누군가가이 기법을 그들은 4 페이지의 코드를 사용합니다 만약 누군가 게임을했다면 루아 스크립트라고합니다

4 페이지 분량의 코드입니다 모든 수학이 있습니다 논리의 논리가 아닙니다 당신은 고차 수학이라고 봅니다 어떤 인간보다 50 개의 Atari 게임을 더 잘 수행했습니다

전에 – 수학의 4 페이지 그것은 꽤 흥미 롭습니다 그 돈을 사는데 5 억 달러를 썼다 우리가 그것을 산 후, 우리는 되돌아보고 말했다 아마 오른쪽에있는 일이 시작될 것입니다

그것이 한 일은 기술을 인코딩하는 것이 었습니다 그리고 그게 영감을 얻은 것입니다 그 요원은 아타리 게임을하고 있었다 그것은 테슬라를 지금 몰고있다 AI 연구원은 학생이었습니다

여기 Fei-Fei Li가 구글에서 영감을 얻고있다 누가, Fei Fei Li가 구글과 함께 일했을 때, 이 문제를 해결하는 방법을 알아 내야합니다 왼쪽에 상담원을두고 싶습니다 우리 야 곧 기계가 될 동물입니다

내부 모델, 신경망을 가지고 있습니다 센서를 통해 환경을 관찰합니다 그 센서는 우리의 센서보다 낫습니다 방금 본 분자의 모습 이것이 최초의 인공 호흡기 코입니다

멋지다 그래서 그것은 환경을 들여다보고, 관찰하고, 그리고 나서 결국 나는 행동한다고 ​​생각합니다 나는 실험하고 싶다 그리고 제가 행동을 취할 때, 그것은 저의 모델을 바꿉니다 환경에 영향을줍니다

그리고 나는이 루프를 그냥 지나친다 이제 인공 지능에서의 루프는 다음과 같습니다 강화 학습이라고합니다 당신은 긍정적이거나 부정적인 피드백에 의해 강화되고 있습니다 RL이 우리에게 줄 것이라고는 생각하지 않아

일반 정보 그러나 우리는이 일반적인 틀이 목표라고 생각합니다 수백만 및 수십억 개의 예제가 있으므로 그것의 탄소에서 일하고있어 그래서 우리는이 작업을 실리콘 또는 이와 유사한 것으로 만들 수 있습니까? 우리는 두 가지로부터 영감을 얻었습니다 오른쪽에서 보는 것은 1952 년부터입니다

그들은 벌레 머리에서 봤다 마침내 그들은 실제로 충분한 현미경으로, 그들은 뉴런의 불을 볼 수있었습니다 그들은 뉴런이 어떻게 움직이는 지 알 수있었습니다 그리고 네가 머리 속에서 이걸 들여다 보면, 그것은 모두 주름진 것입니다, 그것은 저녁 냅킨의 크기와 같습니다 그리고 그것은 당신의 머리에 접혀 있습니다

그리고 그것이 자연이 있기 때문에 그것이 모두 주름진 이유입니다 가능한 한 많은 표면적을 제공하려고 노력하고 있습니다 가능한 한 뉴런 우리는 1500 억, 1 조 연결이라고 생각합니다 이 중 150 억 개가 중복되어있어 어젯밤에 술을 마 셨으면 일합니다

그들은 훌륭합니다 그리고 당신이 이것을 보면, 당신은 그것을 여기 열어서, 당신은 실제로 뉴런 더미를 보게됩니다 이것은 프랑스의 수학자와 생물 학자에 의한 것이다 첫번째 얼룩을 할 수 있고이 것을 볼 수 있습니다 그러나 이제 우리는 MRI로 그것을 할 수 있습니다 – 내가 너에게 왕자와 보라색을 말한다면, 우리는 왕자와 보라색이 자주색 지역에 있다는 증거를 가져라

네 뇌의 얼마나 시원합니까? 트럼프 색상이 어디 있는지 모르겠지만 음 그러나 우리는 이제 신경 과학에 영감을 얻고 있습니다

그리고 나서 우리가하고있는 두 번째 일 무어의 법칙입니다 몇 년 동안 업계를 이끌었습니다 너는 트랜지스터를 가져다가 반으로 끌어 올 수있다 18 개월마다 인쇄하십시오 그게 당신에게 컴퓨팅을 두 번주는 것입니다

18 개월마다 같은 달러에 대한 권력 IBM, SAP,이 모든 대기업을 몰아 냈습니다 그건 끝났다 끝났어 현재 새로운 아키텍처가 필요합니다

그래서 우리는 물리학으로 돌아갈거야 이것은 수소 원자의 양자 상태입니다 우리가 할 수있는 일은 보면서하는 것입니다 여기,이 작은 커브들이 널 보여주고있어 전자가있는 확률 밀도 원자의 다른 에너지 상태에서

우리는 퀀텀의 원자에 저장된 비트에 대해 이야기하고 있습니다 컴퓨터 우리가 찾는 것은이 일이 작동하는 방식이기 때문에, 우리는 생각합니다 그리고이게 작동하는 방식입니다 그들은 수렴하기 시작했습니다

생물학, 물리학, 수학, 화학, 컴퓨터 과학 동일한 모델에서 수렴하고 있습니다 얼마나 시원합니까? 그리고 우리는 왜 이것을 이용해 정보를 깰 수 있다고 생각합니까? 이것은 Ray Kurzweil의 실리콘 밸리에서 유명한 차트입니다 그는 $ 1,000 당 성능이 무엇인지, 미국 컴퓨터 일거야? 그리고 그는 그것을 1900 년부터 2025 년까지 계획했습니다 18 개월마다 두 배가됩니다 따라서 로그 플롯을 사용해야합니다

당신이 올라갈 때마다 2 배로 올라가는 것을 의미합니다 그리고 그가 발견 한 것은 – 내가 발견 한 것은 우리, 인간으로서의 우리에 대해 매력적입니다 기계, 기계 기계, 우리는 1900 년대에 무어의 법칙을 구할 수 있습니다 더 나은 기계를 만드는 것, 반복함으로써 그리고 Hollerith tabulator가있었습니다

그리고 우리는 튜브를 발명했습니다 진공 튜브를 사용하여 튜브를 축소합니다 그것은 우리에게 무어의 법칙을주었습니다 그런 다음, 우리는이 멋진 시리즈를 가지고 있습니다 최근까지 실리콘 밸리를 몰아 냈습니다

여기 무어의 법칙 하지만 커브는 어떻게 될까요? 그것이 대각선이라면, 어떤 일이 벌어지고 있습니까? 관객 : [INAUDIBLE] SCOTT PENBERTHY : 점점 커지고 있습니다 그게 널 괴롭히지 무슨 일이 일어나고 있는지, 우리는 더 빨리 가고 있습니다 우리는 무어의 법칙을 쉽게 잃어 가고 있습니다

우리는 새로운 르네상스를 맞고 있습니다 포유류로 일하는 방식을 되돌아보고 있기 때문입니다 그리고 물리학과 생물학, 그들은 모두 함께합니다 가장 빠르게 성장하는 연구 중 하나 스탠포드에서 ICME라고합니다 그것은 학교를 가로 질러 앉아있는 새로운 학교 다

그리고 그것은 완전히 과매 해졌습니다 그래서 전에 보았던 것을 요약 해 보겠습니다 그리고 당신이 생각하기를 원하는 것은, 당신이 지능을하고있을 때, 우리의 감각을 생각하십시오 우리는 기계가 우리가 무엇인지 경험하기를 바랍니다 어제 금융계 사람들과 이야기를 나눴던 것처럼, 그들은 AI가 작동하지 않는다고 말했다

그럼 어떻게 사용하고 있습니까? 음, 구조화 된 데이터를 가져 가고, 주식 거래를하고, 나는 그것을 기계를 통해 먹이고, 그것은 쓰레기 다 작동하지 않습니다 정말? 글쎄, 너는 어떻게 거래를 할 것인가? 나는 뉴스를 본다 이 물건에 비디오를 보냈 니? 뭐? 나는 테드와 얘기한다 Ted와의 상호 작용을 기계에 보냈습니까? 내가 그런 짓을 왜 하겠어? 그래서 우리가하는 일은 기계가 우리가하는 데이터를 인식한다고 생각해야합니다

왜냐하면 우린 머리 속에서 뭔가를하고 있기 때문이야 그리고 일어나고있는 일은 AI를 사용할 때, 그리고 그들은 그것을 하나의 작은 조각으로, 너는 아니야 왜냐하면 너는 그렇지 않아서 우리가 인간으로 가지고있는 모든 데이터를 제공합니다 그리고 우리는 지금 발견하고 있습니다,이 기술은 지금입니다, 지난 3 년 동안 그것이 새로운 방법입니다 너는 지금 이것을보고있다

그들은 곧 테슬라에서 이것을 시연 할 예정입니다 우리는 Waymo에서도 그것을 가지고 있습니다 컴퓨터는 이제 우리의 뇌의 반 이상을 보게됩니다 그것은 그 머리 주위를 본다 그리고 그것의 보는 것은 아주 좋다, 당신은 이제 운전자가없는 차를 운전할 수있다

카메라 8 대 우리는 여섯 개로 할 수 있다고 생각합니다 카메라는 휴대 전화만큼 싸다 휴대 전화에 그래서 C, 머리 반쪽, 머리 뒤쪽

다음 반은 듣고 말함으로써 조정합니다 네가 게리 라슨이 아니라면 우리를 젖소와 갈라 놓을거야 그리고 우리는 이제 신경 네트워크 우리가들을 수있는 곳, 내부 모델을 만들고, 말하여 새로운 언어를 생성하십시오 이것은 현재 상업적으로 이용 가능합니다 안드로이드에서 레스토랑 예약시 전화, 15 분 안에 다시 전화 할게

실제로 전화가 걸립니다 인공 지능으로 자신을 식별하고, 협상 인간 API로 인간에게 사람들은 사업을하지 않는다고 말했습니다 하루 종일 우리가하는 일은 어떨까요? 당신은 물건을 읽습니다 우리는 현재 인공 지능을 가르쳐서 잠재적으로 우리가 어디에 있는지 읽을 수 있습니다

10 억 개의 문서, Iron Mountain, 우리가 생산하는 모든 쓰레기는 버리고 싶지 않다 국세청 때문에 그래서 우리는이 문서에 수백만 개의 문서를 보관하고 있습니다 Iron Mountain이라고 불렀습니다 우리는 이제 인공 지능을 가르치고 그것들을 읽고 요약합니다

따라서 고양이와 개를 인식하는 대신, 이것은 보험 계리표입니다 이 그림입니다 나는 이제 오일과 가스 다이어그램을 볼 수있다 내가 보는 것을 이해하게 그런 다음 네트워크를 거꾸로 재생하여 이전에 본 것을 보았습니다

당신은 머리 속에 개념을 가지고 있습니다 당신은 당신의 손을 사용하여 창조합니다 음, 컴퓨터의 손은 무엇입니까? 디스플레이 로봇 이제 마음의 눈으로 볼 수 있습니다

우리가 할 수없는 그림을 만들고 말은 진짜와 다르다 이 비디오는 이전에 보았던 비디오입니다 그들은 지금 시체를 가지고 있습니다 온라인으로 볼 때 오바마를 볼 수 있습니다 그들은 이제 비디오를 가지고 있습니다

따라서 영향력있는 사람들은 조금 두려워해야합니다 이제는 실제로 자신 만의 영향력있는 사람을 만들 수 있기 때문에 상대적으로 무료입니다 그래서 나는 이것을 끝낼거야 왜냐하면 나는 시작하는 방법에 대한 많은 예제가 있습니다 이것은 일어나는 일입니다

이것은 NVIDIA에서 왔으며 버클리 교수이기도합니다 텐서 라 불리는 것이 있습니다 전에는 텐서에 대해 들어 본 적 없습니까? 당신은 텐서에 대해 들어 보셨습니까? 그래서 나는 몇 년 전에 그것을 들었다 나는 텐 터어가 도대체 ​​뭐야? 그들은 회의에서 텐서를 사용하고 있습니다 나는 그들이 무슨 말을하는지 알듯이 머리를 끄덕였다

그리고 무섭지는 않습니다 Excel 스프레드 시트 또는 R 시트를 사용하는 경우, 당신이 가지고있는 고객의 수를 생각한다면, 스프레드 시트의 셀입니다 그것은 하나의 작은 뉴런이나 세트입니다 스칼라, 0D, 제로 차원이라고합니다 그 다음 일은 당신이 그러한 것들의 목록을 가지고 있다는 것입니다

방 안에있는 사람들의 연령대 목록이라고합시다 그것은 벡터입니다 그것은 벡터라고 불립니다 7 학년 때 기억 나니? 1D 텐서이기도합니다 이 방에있는 모든 사람들의 나이가 있다면 그 다음 건물의 모든 객실의 상위 20 위를 차지합니다

그것은 행렬, 2D 텐서입니다 그러면 모든 층, 3D 텐서를 가져갈 수 있습니다 그것은 하나의 건물입니다 이제 이것을 보아라 나는 모든 층, 모든 연령층, 상위 20 위를 차지합니다

그런 다음 4D의 목록을 만듭니다 다른 건물에있는 모든 건물, 5D, 6D 이것들은 컴퓨터가 가진 이유입니다 그러나 그것은 500,000D의 이유입니다 상상할 수 있니? 150 억 달러에 뇌가 생겨서

그리고 우리가 한 것은 이것이 제트 엔진입니다 우리는 이제 우리가 생각하는 것을 텐서로 인코딩합니다 텐서는 잘 형성된 매트릭스입니다 즉, 톱니 모양의 바닥이 없습니다 좋고 깨끗합니다

알았죠? 멋지고 깨끗하게 됨으로써 우리가하는 일은 우리입니다 인공 두뇌를 만든다 당신이 보았던 모든 것들이 이것의 대부분입니다 그게 다하고있는거야 당신은 텐서를 취합니다

너의 눈이 막대와 원뿔을 감지한다고 생각해, 알았지? 이 새로운 컴퓨터에서 현재 어떤 일이 벌어지고 있는지 그들은 활성화와 같이 텐서를 흘리고 있습니까? 신경 대뇌 피질에서 눈이 들어와 시신경으로 흐릅니다 그것은 몇몇 뉴런을 때린다 화재, 다음 층 화재 등

따라서 발사는 계산 그래프를 통해 진행됩니다 그리고 당신이하는 일은 당신이 가치를 바꾸는 것입니다 상수를 더하고, 상수로 곱하고, 어쩌면 작은 필터, 작은 필터를 통해 실행합니다 이것을 제외하고 이것은 교육적인 것이다 5 개의 노드가 있습니다

최첨단 기술 수준의 노드, 10 억 개 노드, 10 억 반, 그렇지? 그게 많은 것 같니? 그것은 핀 머리에 뉴런에 맞습니다 이제 우리는 할 수 있습니다, 당신이 육체적으로 볼 수있는 것, 핀 머리에, 전체 규모의 데이터 센터가 필요합니다 핀의 머리 부분에 sportscaster보다 좋지는 않지만 좋은 텍스트입니다 글쎄, 어떻게 생각하니? 우리는 어떻게 배울 수 있습니까? 그라데이션 강하라는 기술이 있습니다 내가 그것에 대해 생각하고 싶은 것은 컴퓨터가하는 일이다

그것은 아이처럼 뉴런을 가지고 있습니까? 그리고 당신은 그것을 보여주고 말합니다, 당신은 무엇을 보았습니까? 그리고 그것은 간다, 닭 아니 아니 아니 아니 그건 개야, 여보 글쎄요, 당신이하는 일은 그 차이를 볼 때, 당신이 그 차이를 볼 때, 당신의 두뇌에서, 당신은 화학 물질의 무게를 단지 그렇게 바꿉니다 우리는 당신이 어떻게하는지 아직 모른다

다음에 내가 너에게 개를 보여줄 때, 너는 그것을 얻는다 컴퓨터가하는 일은 당신이 보여주는 것입니다 예를 보여주고, 뭔가 다른 거라면 오류 표면이라는 것을 만듭니다 오류 표면은, 내 두뇌가 여기있다

더 나은 두뇌가 어떻게 생겼을 것입니다 차이점이 뭐야? 뇌가 어떻게 변형되어이 뇌에 더 가깝습니까? 그리고 그것이하는 방식입니다, 그것은 말합니다, 이 두뇌의 차이점은 무엇입니까? 그리고 그것은 표면을 만듭니다 이것은 그들이 멀리 떨어져 있다면, 그것은 매우 뜨겁다 거기 가지마 그것이 멋지다면, 정말 가까이에, 당신은 가까워지고 있습니다

그리고이 점은 두뇌의 상태를 나타냅니다 그것은 점점 더 가까이에 두뇌를 얻으려면 점을 아래로 롤백합니다 함께 그게 전부입니다 기계 학습은 알아 내고 있습니다

그 안에있는 숫자는 무엇입니까? 그것은이 기능을 찾아 낸다 그리고 당신이 이것을 할 때, 그것이 믿어지지 않는 것처럼 보인다면, MIT에서 물리학 교수 Max Tegmark도 그렇게했습니다 그는 말도 안되는 것으로 생각했다 그는 이것을보고 뒤로 물러났다 이제 그는 AI에서 가장 큰 팬 중 하나입니다

그는 Peter Norvig와 다른 사람들이 Asilomar 컨퍼런스에 참석했습니다 우리는했다 그는 우리가 창조 한 것, 인류의 것, 보편적 인 근사입니다 그 말은, 관계가 있다면 인간이 볼 수 있고 행동을 취할 수있는 것, 우주에서 볼 수있는 것이 있다면, 이 물건을 찾을 수 있습니다 그리고 그것은 10 만 배 더 빠르고, 종종 두 자릿수가 더 좋습니다

세계 최고의 인류가 해냈습니다 저는 이것을 NASA의 로켓 과학자들에게 가져갔습니다 그리고 이것을 Megan Ansdell에게 보여주었습니다 누가 이것을 보았는가? 행성 천체 물리학 자인가 그게 뭔지조차 모르겠다

그리고 그녀는 그녀에게이 기술을 가르쳐주었습니다 나는 그녀에게 클라우드에서 같은 것을 보여 줬다 그녀는 그걸 가지고 노는 것을 시작했습니다 그녀는이 분야를 재정의했다 전에 ML을 만진 적이 없었어요

6 주 만에 그 결과로, 그녀는 이제 최고의 ML 연구원이되었습니다 그녀는 말한다, 나는 아무것도 모른다 [? 약] ML 그들은 모두 새로운 것입니다 이제 그녀는

생각이 있습니다 뉴욕에있는 그녀가 고용 한 탱크 AI가 천체 물리학에 적용 그게 놀랍지 않니? 그리고 나서 여러분은 이렇게 말합니다

좋습니다 지금 무엇을하고 싶니? 제트 엔진을 기억하니? 우리는이 새로운 유형의 컴퓨팅을위한 제트 엔진을 만들고 있습니다 이 컴퓨터는 계산기로 사용하고 싶지 않습니다 친절 하네 그것이하는 일은 뇌와 같은 생각을하기 때문입니다

그것의 대략 이 컴퓨터에 물어 보면, 8 배는 7이야? 56 OK, 맞습니다 다음 질문 5 곱하기 10은 무엇입니까? 56

기다림 아니, 50이야 아니, 아니, 56 충분하다 왜냐하면, 맥주를 생각하면, 이 일은 맥주를 생각할 수 있습니다

무슨 일이 일어나고 있는지, 그것은 그 표면과 비슷합니다 스키를 타면 풀을 조금 볼 수 있습니다 너는 그것으로 스키를 탈 수있다 약간의 충돌을 볼 수 있습니까? 너는 그것 위에서 스키를 탄다 그 실수는 실제로 좋은

몇 분 남았습니까? 10, 알았어 그래서 이것에 대해 멋진 점은 다음과 같은 것들을 만드는 것입니다 우리가 이것을 사용하는 곳에서 Google에서 초당 20 억 회의 추론을 수행합니다 글쎄, 어떻게 그걸 할 수 있니? 꽤 빨리, 당신은 당신의 뉴런을 튀길 것입니다 그래서 우리의 방식대로, 우리의 뇌에서 – 이 중 150 억은 수조에 달합니다

우리는 그들을 연결합니다 축삭이라고 부릅니다 섬유와 빛으로 축삭을 만듭니다 그리고 우리는 빛이 정말로 느립니다라고 생각합니다 우리는 양자로 해결하려고합니다

양자, 당신은 실제로 물건을 더 빨리 바꿀 수 있기 때문에 빛의 속도보다 멋지다 아직 작동하지 않습니다 하지만 여기서 우리가하는 일은 맞춤 섬유를 만들어야한다는 것입니다 그리고 우리는 방금 칠레에 도착했습니다

그리고이 섬유 조각을 볼 수 있습니다 우리는 당신이 유리를 교체 할 수 있도록합니다 유리를 교체하십시오 집안에 들어가는 것과 같습니다 벽에있는 전선 내부의 구리를 교체하십시오

상상 해봐 그래서 우리는 그렇게합니다 – 너무 빨리 일어나고 있습니다, 우리가이 인공적인, 두뇌, 당신이 원한다면, 우리는 그 능력이 필요합니다 그래서 우리는 지금 우리 자신의 해군이 있습니다 이 칩들을 함께 꿰매었다 그리고 나는 이것이 얼마나 빠름을 말했는가? 포유류보다 1,000 배 빠릅니다

그리고 저는 제프에게 왜 1,000 명을 요구 했습니까? 그것은 단지 시원하게 들렸다 시작하기 좋은 곳입니다 그래서 이것을 함께 연결합니다 그리고 그것은 투자였습니다 이 모든 칩을 사용하면 데이터 센터를 살펴보면 우리는 전체 컴퓨팅 플랫폼을 다시 생각해야했습니다

우리는 이러한 일들을 통해 대부분의 사업을 운영하기 때문입니다 그리고 우리는 그것을 검색과 같은 느낌으로 만들고 싶습니다 검색을 수행하면 Google의 중요성을 느끼지 못합니다 그것은 즉각적입니다 우리가 지금 만들고있어

랩탑 컴퓨터의 슈퍼 컴퓨터 그리고 당신은 무언가를보고 있습니다 너는 아무것도 사용하지 않는다 마치 브라우저와 같습니다 당신이 질문을 할 때, 그것은 달리고, 많은 힘을 사용합니다

필요에 따라 그것은 당신에게 당신의 두뇌처럼 분할 응답을 제공합니다, 맞습니까? 그리고 그것이하는 것은 이것입니다 그리고이 책은 그 책의 절반을 얻는 책입니다 이것은 Ian Goodfellow가 GAN을 발명하기 전입니다 이 네트워크를 실제로 재생할 수있는 방법입니다 거꾸로, 예측 대신에, 처음을 만들 수 있습니까? 대규모 투자, 대규모 혁신

여기서 뭐하는거야? a?]라는 책 "Prediction 기계들 "은 1950 년부터 현재까지, 우리는 인류로서, 예측 비용을 감당할 수있는 기계를 만들고있다 컴퓨터와 마찬가지로 0, 0으로 산술적 인 비용을 기본적으로 0으로 만들었습니다 당신이 이것을 할 때, 예측은 또한 동시에, 그게 전부 야 그 제트기 연료 때문에 그것은 초인간적 인 것입니다

그래서 이것을 전자 상거래라고 생각하십시오 미래를 생각한다면 우리는 요점으로 가는데 당신은 우리와 아마존과 마이크로 소프트처럼 보입니다

우리는 당신을 압니다, 거의, 그들은 당신을 압니다 너 자신보다 잘 해 또는 적어도 장바구니의 내용 인터넷에서 너를 따라 간다 글쎄요, 우리는 요점에 도달하고 있습니다 우리는 초과분을 최소화하려고 노력하고 있습니다

당신이 우리와 함께 쇼핑 할 때 당신의 경험이 더 낫다는 것을 잠시만 요 하지만 그 사실을 알고 있다면 신호 나는 당신이 우리가 가질 수 있도록, 나는 곧 네 엄마처럼 될 수있어 나는 너에게 물건 만 보낼 수있어 그리고 일괄 처리로 일찍 그것을보고 있습니다

당신은이 회사들을보고 그들은 일괄 처리를하고 있습니다 그것은 원시 버전입니다 전자 상거래는 곧 우리가 당신에게 물건을 보내는 곳에서 뒤집을 수 있습니다 너는 돌아온다 그래서 이제 로봇을 태워서 가져 오십시오

따라서 전자 상거래는 더 좋아지고, 우리는 물건을 당신의 삶, 그리고 나서 우리가 원하지 않는 물건들을 돌려 보내야 해 예측할 때 훨씬 나아졌습니다 따라서 되돌아 오는 볼륨이 볼륨보다 작습니다 구매 중이다 결과적으로 모두가 행복해집니다

그래서 우리는 같은 날을 보낸다 꽤 괜찮은데 어때, 내가 필요할 때 어때? 그리고 다음으로 그것은 당신에게 줄 것입니다 이 선순환이다 그리고 내가 생각하기를 바란다

지금 당신 자신의 프로젝트에서 이것은 S & P 500의 절반이 운영되는 방식이며, 그리고 그것은 7 개 미만의 회사들입니다 7 개 회사, S & P 500의 절반 그들이하는 일은 제품을 가지고 있다는 것입니다 많은 사람들이 디지털입니다

그리고 그 제품은 사용자에게 건네줍니다 그리고 사용자가 그 제품을 사용할 때 – 그들은 차를 운전합니다 그들에게는 식사가 있습니다 그 제품, 그 사용은 일부 데이터를 던졌습니다 그 데이터는 다시 수집되어 분석됩니다

AI를 사용하여 다음에 원하는 기능을 예측합니다 또는 제품의 변화를 예측할 수 있습니다 이것을 다음에 보낼 사람을 예측하십시오 우리는 그것을 다시 돌려 보낸다 이주기는 결국 진입 장벽을 만듭니다

이제 많은 데이터를 얻었습니다 세계 틈새 시장에서 최고의 사용자 경험을 누릴 수 있습니다 이 일을 돌리면, 잠시 후에, 경험이 너무 많아서 우리는 당신을 붙 잡지 못합니다 그리고 이것은 선순환입니다 우리가 AI에서 이야기하는 것은 정말로 사업을 변화시키고 있습니다

그리고 S & P 500의 다른 절반은 400 대와 몇몇 회사들에 의해, 위험하다 왜냐하면, 네가 이걸 가지고 있지 않으면, 거기 여기에서 10 마일 이내에있는 신생 업체입니다 그것은 이것을 시도하고있다 그들은 AI로 클라우드에서 시작하고, 이것을 가정합니다 그래서 내가 끝낼 수있는 것은 지금부터 시작하는 몇 가지 방법이 있습니다

그리고 너는이 물건들을 잔뜩 봤어 그래서 기본적으로 AI에갑니다 Google AI Vision 전에이 키트를 봤어? 이 킷을 본 적 있어요? 관객 : 이곳에 도착한 이후로 어디에서나 찾고 있습니다 SCOTT PENBERTHY : 그래, 그들은 아주 멋지다

자신의 스마트 카메라를 직접 만들려는 경우입니다 그것은 AIY라고 불리우며, AI 스스로하십시오 그리고 당신은 할 수 있습니다 – 이것은 놀 수있는 재미입니다 내 아이들이 다 그러니 또 다른 한 가지는 당신이 할 수있는 일입니다 – 너는 너의 자신의 조수를 세운다

이것은 모델을 가져 와서 그것을 과식하는 것과 같습니다 작은 장난감으로 이것은 아주 재미 있습니다 이것은 NYU에서 아주 새로운 것입니다 ML5

js라고합니다 그것은 제가 TensorFlow라고 부르는 시인들입니다 기본적으로 일반 인간 이제 3 ~ 4 줄로 갈 수 있습니다 간단하게 [? YouTube?] 데모, 너는 너의 자신의 인공 지능을 만들고 너의 친구를 날려 버린다

30 분쯤에 아티스트를 위해 제작 되었기 때문에 놀라웠습니다 그래서 이것은 이륙하고 있습니다 이것은 나 자신과 같은 무시 무시한 사람들을위한 것입니다 ML Kit이라고 불렀습니다

너 봤어 그것은 기본적으로 모든 멋진 것들입니다 여기에 고객과 함께 일하는 친구가 있습니다 그러는거야 최근에 이러는 거 잖아, 그렇지? 기본적으로 자바 스크립트입니다

웹 페이지를 실행할 수 있다면 이것을 할 수 있습니다 당신은 수십억의 힘을 가지고 있습니다 그것은 단지 자바 스크립트입니다 그것은 수색과 같습니다 그것이 당신이 원하는 것입니다

그리고 나는 이것을 사랑한다 나는 이것과 일종의 미친 NASA를 만들었다 이것은 $ 700 컴퓨터이기 때문에 라스베리 파이예요 $ 35 컴퓨터 만 있으면됩니다

함께 겹쳐서 그게 500 달러 인 이유는 누군가 나를 위해 조립했기 때문이야 그래서 나는 이것에 능숙하지 않기 때문에 꽤 보입니다 하지만 이것은 약간의 구름입니다 3 개의 프로세서, 네트워크, 케이블 링

AI 칩, 73 달러입니다 나는이 세 가지를 끌어 들였다 700 달러를 위해, 나는 그들이 어디에 있든 지을 수 있었다 NASA에게 500 만 달러를 청구했다 그게 그들의 관심을 끌었습니다

그리고, 내가 너를 떠날거야, 이 중 일부를 보시면 알 수 있듯이 당신이 온라인으로 본 적이 있다면 colab이라고 불리는 것을 알아 내야합니다 이것은 당신이 더 나쁜 부분에 도착할 때입니다 당신은 실제로 당신의 무료 수퍼 컴퓨터를 얻고 있습니다 이것이 우리가 내부적으로 사용하는 것입니다 먼저 검색합니다

우리는 기스 웁에 간다 우리는 코드를 찾는다 우리는 이것을 사용합니다 그것은 수색과 같습니다 초기의 초기 버전입니다

앉아있는 경우에는 자원을 사용하지 않습니다 방아쇠를 당기고, 훈련을합니다 당신이 필요로하는 많은 용기를 내뿜고 돌아옵니다 멋지지 않니? 검색과 마찬가지로 무료입니다 이제 비즈니스 모델을 파악하려고합니다

어쩌면 그 조각으로 우리를 도울 수 있습니다 그래서 나는 시간이 거의 다 지나간 것 같아, 그렇지? 그리고 제가 여러분에게 남길 수있는 것은이 세 가지 지수입니다 이것이 현재 작동 중입니다 Marvin Minsky는 잘못했기 때문에 충분한 컴퓨팅 성능과 충분한 데이터가 없었습니다 그것을 작동하게합니다

그리고 이제 컴퓨터 – 그리고 그가 누락 된 부분 지수 향상의 영향입니다 반면에, 그의 시간에서 현재까지, 100 억 배의 개선 70 년대에 어떻게 생각하니? 그리고 우리가 찾는 것은, 만약 당신이 세면 제출 된 논문 수, 이것이 우리가 학생들 인 이유입니다 나는이 재료의 유일한 학생이며, 당신도 지금입니다 18 개월마다 상승하고 배가되고 있습니다

의학 연구 논문을 읽는다면, 2009 년에는 9 명 밖에 없었습니다 작년에 2,300 명이 있습니다 처음 5 개월 동안 3,000 명이 있습니다 올해의 의학 다음은 우리가 이걸 보았다는 것입니다

이것이 필요한 컴퓨팅 성능의 양입니다 배고프다 배가 고파서 그래서 우리는 TensorFlow를 만드는 방법에 대해 정말로 열심히 생각하고 있습니다 두뇌처럼 칩

우리가 정말로 열심히 생각할 때 우리는 25 와트를 굽기 때문에 그것은 마치 전구와 같습니다 이 또는 기가 와트에 대해 메가 와트가 필요합니다 그 영화에서 말하는 것처럼, 그렇지? 무슨 일이 일어나고 있는지,이 모델들의 갈증, 3 개월 반, 3 개월 반, 1 / 2 개월마다 두 배가됩니다 그리고 이제 우리가 데려 갈거야, 너 어디에서? 모델을 만들기 위해 슈퍼 컴퓨터가 필요하다

우리가 증류해서 너를 위해 전화를 걸 수있어 오늘 사용할 사람들 잘하면, 나는 너에게 무엇이 커튼 뒤에서 그리고 기본적으로 우리가하는 것은 텐서스를 움직이는 것입니다 그래프를 통해

관객 : Google 디렉토리 란 무엇입니까? 그게 무슨 뜻 이죠? 오, 이거 요? 2012 년입니다 그리고 아무도 이것이 구글에서 진짜라고 믿지 않았습니다 그리고 우리는 추적을 시작했습니다 프로덕션에서 사용중인 모델을 저장하고 있습니까? 그래서 우리는 모든 코드 기반을 가지고 있습니다 그래서 우리는이 모델을 찾았습니다

TensorFlow 저장 모델이라고합니다 그리고 얼마나 많은 사람들이 모델 디렉토리를 저장했는지 추적하십시오 Mac에서 보는 것과 같습니다 마치 앱 안에있는 것을 저장하는 것과 같습니다 그것은 디렉토리 구조입니다

없음, 2012, Jeff Dean 외 다른 커플 제외 그리고 그것은 우리를 데려갔습니다 2014, '15, 사람들은 어쨌든, 데이터 센터에 얼마나 지출하고 있습니까? 그것은 100 억 달러였습니다 사람들은 말했습니다 이것을 어떻게 사용하는지 생각해보십시오

우리는 핵심 비즈니스를 살펴 보았습니다 그리고 나서, 잠시 후, 이제 당신이 우리 웹 사이트에 갈 수있는 곳에서 이륙, 코드를 다운로드하고이 코드로 게임을 시작할 수 있습니다 ML에 대해서도 모를 것입니다 몇 주 내에 세계 정상급 전문가가됩니다 당신이 물건을 산 꼭대기에 앉아 있기 때문에

그리고 지금, 그것은 요점은, ML을 제품에 넣지 않으면, 당신은 당신의 검토에 재미 있은보기를 얻는다 ML을 왜 사용하지 않는거야? 사업에 관해 수집 할 수있는 데이터가 없습니까? 그렇게 똑똑하지는 않습니다 그것이 바로 그 것입니다 음, 알았어 고마워, 스캇

박수 갈채 [박수 갈채]

Google's AI booking service, Duplex, is still relying on real people in call centers to make sure th

Google 's Duplex는 인공 지능을 사용하여 회사의 가상 조수를 통해 예약을 예약하는 무료 서비스이지만 New York Times의 최근 보고서에 따르면 Duplex는 여전히 콜센터에서 근무하는 사람들에게 의존하여 예약이 제대로 완료되었는지 확인합니다 Google은 Duplex에서 예약 통화의 약 25 %가 발신자에 의해 시작되었으며 인공 지능으로 시작된 통화의 약 15 %가 사람의 개입을 필요로한다고 Duplex by Times 기자 Brian Chen과 Cade Metz가 작성한 4 편의 예약 샘플 테스트에서 AI 호출자가 처음부터 끝까지 만든 것 중 하나만 만들었습니다 다른 세 가지 예약은 실제 사람들에 의해 완료되었습니다 자세히보기 : 사용자를 대신하여 약속을하기 위해 인간의 목소리를 가장하는 Google의 새로운 서비스 인 Duplex를 사용하는 방법입니다

Times에 따르면 Google은 영향을받는 문제를 예방하는 데 도움이되기 때문에 사람의 전화를 서두르지 않고 있습니다 순진한 사업주 Duplex는 사람의 소리를 듣고 다양한 질문을 던지기 위해 설계되었지만 예약을 완료하지 않으면 궁극적으로 비즈니스가 손실되고 레스토랑 및 기타 비즈니스에 많은 시간을 낭비하게됩니다 Google은 Duplex를 정교한 기술을 사용하는 완전히 자동화 된 서비스로 승격 시켰기 때문에 AI 서비스가 전통적 노동자에 너무 의존적이라는 점이 다소 역설적입니다 그러나 Duplex의 AI가 예약을 완료 할 수 있었던 한 사례에서 식당 주인은 실제 사람과 이야기하는 것과 같다고 말했습니다 Duplex가 완전히 자치권을 갖기까지는 다소 시간이 걸릴 것으로 보이지만 그날이 오기 전에 Google Assistant를 사용하는 사람들은 예약이 잘못되면 누군가가 개입 할 수 있다고 믿을 수 있습니다 New York Times가 Duplex의 예약 과정을 테스트 한 방법에 대해 자세히 알아 보려면 전체 기사를 확인하십시오

Automating Visual Inspections in Energy and Manufacturing with AI (Cloud Next '19)

[음악 재생] MANDEEP WARAICH : 제 이름은 Mandeep Waraich입니다 Google Cloud를위한 Industrial AI Initiative를 이끌고 있습니다

가입 해 주셔서 감사합니다 여기에서 당신을 정말로 기쁘게합니다 Google은 모든 기술의 목표 우리의 삶을 풍부하게하고, 우리의 사회, 우리의 집단적 인류, 앞으로 책임감있게 그렇게하십시오 그래서 우리는 끊임없이 기술, 특히 AI는 우리가 이 밝고 유망한 미래

그래서 우리는 어떻게 생각 했습니까? 고급 컴퓨터를 어떻게 적용 할 수 있습니까? 해결을위한 비전 기술 현명하고 어려운 문제들 산업 분야에서 그리고 우리는 어떻게 이러한 분야를 더욱 효율적이고 더 많이 만들 수 있을까요? 지속 가능한가? 그래서 앞으로 50 분 안에, 우리는 어떻게, 산업 검사 AI와 AutoML Vision 기술로 구동되며, 산업 검사를보다 쉽게 ​​할 수 있고, 빠르고, 정확하고, 더 중요하게는 더욱 안전합니다 또한 두 가지 주요 기업이 이 기술을 에너지 및 제조에 적용 부문 시작하겠습니다 AI는 해결에 대한 큰 약속을 가지고 있습니다

현실 세계의 문제들 녹내장을 망막 이미지로 탐지하는 것에서부터, 수백만 또는 수십억 건의 문서 처리 내용을 이해하고, 자동으로 검토하고 안전하지 않고 부적절한 콘텐츠, 우리는이 모든 경우에 걸쳐이 기술을 적용하고 있습니다 그러나 우리는 또한 이러한 맞춤형 비전 모델을 구축하는이 기술은, 힘드네 그리고 그것은 어렵습니다 그래서 우리는 프로그래머가 아닌 사람들까지도 원하고 싶었습니다

AI의 힘을 활용할 수 있습니다 이것이 바로 우리가 AutoML Vision을 만든 이유입니다 우리의 표준 API는 큰 발전소이지만 대량의 Google 이미지 데이터 세트에 대한 사전 교육을받은 모델의 경우, AutoML을 사용하면 귀사의 산업 요구 사항, 유스 케이스 요구 사항에 따라 다릅니다 어떻게해야합니까? 매우 간단하고 깨끗한 UI에서는 이미지를 업로드 할 수 있고, 이미지를 레이블링 할 수 있습니다 문제를 분류하려고합니다

또는 경계 상자를 그릴 수 있습니다 해당 이미지 내의 특정 오브젝트를 감지합니다 클릭 한 번으로 그 작업을 완료하면, 당신은 훈련 된 모델을 가지고 있습니다 그리고 그 모델은 상어 종류를 탐지하는데 사용될 수 있습니다 이 경우, 또는 그것을 사용하여 결함, 이상, 파손, 특정 산업 제작품

풍력 터빈 성능 저하 사례가 이미 있습니다 태양열 패널 농장에서의 정지, 또는 전기 기둥의 실패 그리고 우리는이 예제 중 일부를 더 자세히 살펴볼 것입니다 곧 상세하게 이 시점에서 나는 잠시 걸리고 싶다

데이터 보호 및 개인 정보 보호에 대해 이야기합니다 따라서 데이터 세트, 이미지, 이미지가 귀하의 이미지입니다 이러한 모든 맞춤식 훈련 모델 귀하의 유스 케이스에서만 사용됩니다 Google은 이러한 이미지를 가져 오지 않습니다 일반적인 리포지토리에 저장하거나이를 고객에게 사용합니다

그래서 당신의 데이터 세트, 당신의 이미지 이 기술이 어떻게 할 수 있는지 살펴 보겠습니다 풍력 터빈에서 항공 검사를 신청할 수 있습니다 그런 다음 생산 라인에서 그 적용 제조 회사에서 하지만 그곳에서 시작하기 전에 Google의 입장을 공유하고 싶습니다 이 기술의 사용에 관한 Google은 자사의 기술이 세계에서 긍정적 인 영향을 만들기 위해 사용됩니다

그리고 그 정점에서 Google은 지난 6 월 AI 원칙을 만들었습니다 그들은이 인공 지능의 응용 표준을 세웠다 기술 그리고 우리는 AI와 관련된 모든 작업에 대해 이러한 원칙을 준수합니다 그리고 마찬가지로,이 기술의 사용을 위해 이 제품의 경우이 기술이 AI 원칙에 따라 적용되어야한다

이 기술의 사용을 명시 적으로 금지 모든 사악한 목적으로 이제 우리는 선도적 인 에너지 중 하나가 어떻게되는지 살펴 보겠습니다 세계의 기업들이이 기술을 적용하고 있습니다 우리 모두를 위해 더 밝고 푸른 미래를 창조하십시오 AES 풍력 터빈 검사에 대해 살펴 보겠습니다

[비디오 재생] – 우리 시대의 가장 큰 도전이 아니라면 이제 우리는 실제로 기술을 보유하고 있습니다 탄소 발자국 온실 가스 문제 해결 전기 분야에서 AES Corporation은 리더 중 하나입니다 재생 에너지 및 에너지 저장을위한 신기술

Fortune 500 대 기업입니다 우리의 사명은보다 안전하고 친환경적인 에너지를 가속화하는 것입니다 미래 – 지금 우리는 8 개의 풍력 발전 단지를 가지고 있습니다 각 농장마다 용량이 다릅니다

50 개의 터빈부터 최대 300 개의 터빈까지 – 그들은 지형과 토지의 큰 범위를 커버 언덕 꼭대기와 산등성이에 퍼져 있습니다 -이 모든 터빈에는 매년 검사가 필요합니다 원래 한 검사를 수행하는 데 최대 2 주가 걸릴 수있었습니다 우리는 선도적 인 무인 항공기 서비스 제공 업체 인 Measure와 파트너 관계를 맺었습니다

지금 무인 항공기로 이틀 안에 할 수 있습니다 그리고 이것은 안전하고 빠릅니다 – 풍력 터빈 검사를 위해 조종사와 함께 나간다 우리가 찾고있는 것은 균열이나 결함, 사물 수리해야 할 수도 있습니다 – 일반적인 검사에서 30,000 개의 이미지가 반환됩니다

4 주 동안 이미지 검토하기 – 나는 아무도 논쟁하지 않을 것이라고 생각한다 이는 고도로 숙련 된 엔지니어의 시간을 최대한 활용하는 것입니다 – 어떻게 속도를 높이고 어떻게 할 수 있습니까? 10 배 더 효율적으로 만드시겠습니까? 그것이 바로 기계 학습과 인공 지능입니다 – Google을 사용하여 완벽한 엔드 투 엔드 솔루션을 구축했습니다 클라우드의 도구 및 플랫폼 AutoML Vision 도구를 사용하면 손상을 감지하도록 훈련 시켰습니다

우리는 약 절반을 제거 할 수 있습니다 인간의 리뷰가 필요하지 않은 이미지의 시간의 나머지 50 %는 이제 피해 확인에 집중해야한다 실제로 행동의 올바른 방향을 결정한다 그것을 수정하십시오 이미지 검토에서 교육 기계 학습으로 이동 모델 – 훨씬 더 높은 주문 고용 기회입니다

사람들을 위해, 그리고 우리 팀을 개발하려고 노력하는 사람들 Google Cloud는 훌륭한 파트너입니다 그들의 기술은 세계 지도자들간에 일관되게 있습니다 그리고 일하는 훌륭한 파트너, 사람과 사람 하루가 끝나면 우리는보다 깨끗한 에너지 미래에 도달하지 못할 것입니다

기계 학습 같은 고급 도구없이 – 재생 에너지를 허용하는 기술 재래식 에너지보다 싸다 인공 지능, 로봇 미래가 만나는 곳입니다 [끝내기] WARAICH : 제발 환영에 동참 해주세요 AES의 Nick Osborne 니콜라스 OSBORN : 고맙습니다, 맨드EP

멋진 동영상을 함께 제출 한 팀에게 감사드립니다 전력 산업은 엄청납니다 그것은 우리의 모든 삶과 그 영향에 영향을줍니다 세계 곳곳에서 느껴진다 산업 투자는 종종 수조 달러로 인용

개선 기회 수십 또는 심지어는 수십억에 불과하다 수백억 달러 업계는 또한 중요한 중후 한 변화 재생 가능 에너지는 가격면에서 지속적으로 하락하고 있습니다 태양열, 풍력 및 배터리 에너지 저장 단지 가능하지만 실용적이지 않습니다

소비자도 변화를 주도하고 있습니다 그들은 두 기회에 대해 훨씬 더 잘 알고 있습니다 에너지 사용과 관련된 비용 세 번째 메가 트렌드는 새로운 디지털 도구입니다 클라우드, 인공 지능 및 기타 많은 사람들이 변화하고 있습니다

통찰력의 경제 저는 오늘 우리가 파트너가 된 한 이야기를 나누기 위해 왔습니다 가속화하여 삶을 개선하는 Google과 더 안전하고 깨끗한 에너지 미래 우리는 이것을 우리의 비전, 공중 지능 플랫폼이라고 부릅니다 첫째, 나 자신과 내가 일하는 회사에 대해 조금

나는 닉 오스본입니다 나는 이해와 적용에 중점을 둔 비즈니스 리더이다 인공 지능과 같은 고급 분석 도구 적용되는 비즈니스 사례에 기계 학습을 제공합니다 욥은 정말 간단합니다 나는 가속하고, 조정하고, 촉진한다

조직 전반에 이러한 새로운 도구를 채택했습니다 AES는 글로벌 전력 회사입니다 우리는 미국에 본사를두고 있으며, 전 세계 15 개국에서 운영되고 있습니다 우리는 매우 중요한 약속을했습니다 2030 년까지 우리의 탄소 집약도를 70 % 줄입니다

이를 달성하는 데 도움이되도록 몇 가지 매우 중요한 투자 새로운 기술에서 우리는 배터리 에너지 저장 분야의 세계적인 선도 기업입니다 리튬 이온 배터리를 사용합니다 그리고 우리는 또한 미국에서 가장 큰 태양 자산 소유자입니다 미국

개인 메모에 집에 돌아 오는 것이 좋습니다 하루가 끝나고 내가 알아 돈을 버는 회사와 협력하는 곳 그것의 입은 그 변화를 몰고 간다 우리의 사명에 핵심입니다 새로운 기술 적용은 핵심입니다

우리가 사업을 운영하는 방법에 우리의 무인 항공기 프로그램은 세계 최고의 항공사로 간주됩니다 에너지 업계에서 우리는 Measure와 제휴하여이 프로그램을 개발했습니다 Measure는 전문 무인 항공기 서비스 조직으로, 및지면 제어 소프트웨어 측정 엔터프라이즈 구경 무인 항공기 운영 플랫폼입니다 이 파트너십을 통해 우리는 비용, 안전성, 및 우리의 검사의 수행 또 다른 고려 사항은, 우리는 종종 기술의 위협에 대해 듣는다

일자리를 구하거나 일자리를 없애면 그건 분명히 사실이 아닙니다 무인 항공기 프로그램에서 우리가 보는 것과 우리가 탐구하고있는 다른 많은 기술들도 포함됩니다 우리는 이제 170 명 이상의 조종사를 훈련 시켰습니다 우리 조직에서 100 개 이상의 작업 수행 전세계의 위치 엄청난 가치를 지닌 직원들입니다

우리 회사, 개인 발전, 및 그들의 더 넓은 경력 성장 드론 (Drones) 이전에는 이러한 검사 일반적으로 수동으로 수행되었습니다 그래서 그것은 터빈을 기어 오르는 사람이었습니다 그 다음에 블레이드를 검사하기 위해 아래로 래핑 (rappelling) 대형 망원 렌즈로 터빈 주변을 하이킹하거나, 각도를 잡고보고 보려고합니다 그들이 피해를 감지 할 수 있다면

이 두 가지 중 어느 것도 효과적이거나 효율적이지 못했습니다 또는 우리가 무인 항공기로 할 수있는 것과 마찬가지로 안전합니다 무인 항공기를 사용하여 이제 부분 검사를 할 수 있습니다 2 주간의 시간을 들여서 전체 검사를하고있었습니다 이틀 안에

훨씬 낮은 비용, 훨씬 높은 품질, 훨씬 안전한 방식으로 효율성과 속도의 엄청난 향상 우리 조직에서 그러나 새로운 워크 플로우가 하나있었습니다 이제 우리가 단일 터빈 검사를 수행 할 때 – 단일 터빈에는 약 300 개의 이미지가 있습니다 우리가 전체 분야를 할 때 이것은 의미한다 우리는 30,000 또는 심지어 60,000 이미지로 돌아오고 있습니다

이것은 세심하고 상세한 검토가 많이 필요합니다 검사 작업을 완료합니다 그래서 우리는 이것을 이것을 좋은 기회로 보았습니다 인공 지능을 위해 Google과의 파트너십은 성장하기 시작했다

AI에 대한 우리의 여정을 이해하려면, 우리가 어디에서 시작했는지 이해해야합니다 우리는 재능에 대한 투자로 시작했습니다 우리는 6 명의 두 클래스를 보냈습니다 Google의 고급 솔루션 실험실에 감독 된 기계 학습에 대한 강렬한 교육 이 코호트는 인공 지능에서의 작업을위한 토대가되었습니다 내부적으로이 결정을 언급했습니다

후회의 결정으로 우리가 빨리 앞으로 나아갈 수 있었다는 것을 의미합니다 이 투자는 우리에게 거의 주저하지 않고 있습니다 ROI를위한 몇 가지 열쇠는 IT 직원을 보내지 말고 이 훈련에 데이터 과학의 가치는 상당합니다

이 프로그램은 전문 지식과 아이디어가 혼합 된 것입니다 여러 유형의 사람들을 보낼 때 얻을 수있는 것 프로그램에 두 번째 조언 – 그리고 이것은 아마도 내 부분에서 조금 이기적입니다 네가 좋은 약속을했는지 확인해야 해 이 훈련을 마친 후에 프로젝트를 진행할 수 있습니다

우리는 교육에 높은 성과를 얻은 개인들만 보냈습니다 성과가 높은 개인을 보내는 위험성 빨리 도착할 것입니다 그들의 일자리로 되돌아왔다 그리고 그것은 우리가해야만하는 일입니다 조직으로서

그래서이 투자는 기초를 설정했습니다 회사로서의 진보를 가속화하고, 새로운 기술이 증가하고있는 또 다른 예입니다 직원들에게 기회를 제공합니다 이 기초부터 우리는 일해야합니다 우리는 증거 파일 제작 과정을 밟았습니다 각 단계는 추가 투자를위한 무대가되었습니다

그래서 우리의 증명으로 시작하여 우리는 맞춤형 TensorFlow 공개적으로 사용 가능한 V3 비전을 활용 한 모델 모델 그리고 효과가있었습니다 우리는 손상을 감지 할 수 있었지만 우리에게도 보여주었습니다 우리의 단점이 있었던 곳 우리의 데이터에는 작업이 필요했습니다

엔드 투 엔드 플랫폼 설정 어려워 질 것입니다 그리고 우리 도움이 필요했습니다 Google의 진행 상황과 학습 내용에 대해 Google과상의 할 때, 파일럿 단계에서 파트너 관계를 맺을 가능성에 대해 논의했습니다 파일럿 단계에서 Google의 데이터를 사용하고있었습니다 라벨링 서비스 및 Google의 AutoML Vision 도구 정말 우리의 노력을 가속화하고 효율성을 높일 수 있습니다

그리고 다시, 그것은 효과가 있었다 가짜는 주요 사업으로 보았습니다 조직의 위험 그래서 피해를 감지하지 못합니다 우리가 검사 할 때 받아 들일 수없는 방법

따라서 가장 엄격한 정밀 리콜 측정 기준을 사용하여, 이 파일럿 단계에서 우리는 우리는 이미지의 30 %를 제거 할 수 있다고 어떤 인간 검토가 필요하지 않습니다 그래서 4 주 검토 과정은 이제 3 주 정도가되었습니다 우리의 속도와 행동의 시간을 정말로 가속시킵니다 행동에 옮길 시간이 실제로 이러한 핵심 측정 지표 중 하나가되었습니다 우리는이 프로젝트를 보았습니다

그래서 이것은 우리에게 헌신과 능력을주었습니다 우리의 프로덕션 환경과 함께 나아갈 것입니다 따라서 우리의 생산 환경은 확장 가능한 플랫폼입니다 이미지에 라벨을 붙이고, 새 모델을 훈련시키고, 그 모델과 생산을 관리 할 수 ​​있습니다 우리는 여전히이 모델을 반복하고 수정하고 있습니다

그러나 우리는 다시 매우 유망한 결과를 보여주고 있습니다 이제 우리는 이미지의 50 %를 제거 할 수 있음을 보여줍니다 어떤 인간 검토가 필요하지 않습니다 그리고 나머지 50 %의 이미지 이제는 피해 유형별로 분류되고 분류됩니다 우리 행동의 시간을 더욱 향상시킨다

엔지니어를 가장 중요하고 가장 중요한 부분에 집중 중대한 유형의 피해 데이터로 돌아가서, 그 중 하나 우리가 초기에 배웠던 것은 우리의 데이터, 우리는 많은 데이터를 가지고 있지 않았습니다 일관성의 수준 또는 수준 기계 학습에 필요합니다 Measure로 작업하면서 우리는 9 가지 범주로 발전했습니다 손상 분류

여기에는 균열, 겔 코트 손상, 다양한 형태의 박리 및 분열, 일부 비 손상 범주뿐만 아니라, 일련 번호, 번개 보호 지점, 스티커, 그리고 이것 저것 Google의 데이터 라벨링 팀과 협력하여 반복 작업을 수행했습니다 다른 유형의 많은, 많은 모서리 사례를 살펴보십시오 밖에있는 피해의 우리는 일련의 배치들로 시작했습니다 규모면에서 완전하고 완전한 검토를 수행합니다

돌아 오는 모든 레이블의 그러나 라벨의 품질이 향상됨에 따라 배치 크기가 향상되어 샘플 기준으로 이동했습니다 우리는 또한 플랫폼을 개발해야했습니다 라벨 작업, 모델 교육, 예측 관리 방법 Google과 협력하면서 Clear Object를 확인했습니다 우리 지역의 GCP 파트너가되어 건축가가 될 수 있도록 클라우드에서 최신 사고 방식을 사용하여 플랫폼을 개발하십시오

및 서버리스 도구를 Google에서 사용할 수 있습니다 명확한 객체는 훌륭한 파트너였습니다 우리를 위해이 플랫폼을 신속하게 개발하기 위해 노력했습니다 플랫폼은 우리의 핵심 모델링 엔진에 AutoML을 활용하며, 이미지 저장소를위한 Cloud Storage 및 Cloud SQL 메타 데이터, 클라우드 기능 및 App Engine 우리의 상호 작용과 오케스트레이션을 관리합니다 이제 우리는이 플랫폼을 통해 모델을 지속적으로 개선합니다

그러나 우리는 또한 그것의 사용을 확장하고자합니다 우리는 새로운 비즈니스 사례를 찾고 있습니다 태양 광, 송전 인프라 및 심지어 안전– 새로운 검사 양식을 살펴 보는 것입니다 예를 들어, 적외선 및 심지어 라이더 우리는 모델을 가장자리로 밀어 넣는 것을 검토하고 있습니다

또는이 경우 무인 항공기 그래서 나는 무엇에 대해 듣고 정말로 기쁘게 생각합니다 LG는 다음에 공유 할 예정입니다 에너지는 1 조 달러 규모의 사업입니다 그것은 전세계의 모든 국가에서 매일 삶에 영향을줍니다

도전과 현실 세계의 영향은 엄청납니다 회사와 협력하는 데 관심이 있거나 회사에 관심이있는 경우 즉 가속을 통해 삶을 개선하는 것입니다 더 안전하고 깨끗한 에너지 미래, 제발 나와 이야기하십시오 Mandeep [박수 갈채] WARAICH : 대단히 고마워, 닉, 그 위대한 발표를

그래서 우리는 AutoML Vision을 육안 검사에 어떻게 사용할 수 있는지 보았습니다 보다 쉽고, 빠르며, 정확하고, 안전 해집니다 업계의 많은 전문가들과 이야기하면서, 우리는 몇 가지 특정 요구 사항이 있다는 것을 배웠습니다 유스 케이스 제조용 많은 시간 동안,이 데이터는 전제에 위치합니다

대기 시간 요구 사항이 있습니다 그리고 대부분의 이미지 및 데이터 세트 가장자리에서 처리해야하는 형식입니다 이 장치는 휴대 전화입니다 가장자리 TPU, CPU 또는 GPU가되어야합니다 AutoML Vision on Edge 솔루션을 통해, 맞춤식 훈련 모델을 사용할 수 있습니다

그런 다음 Edge 장치에서 다운로드하십시오 또한 Edge 디바이스에서 이러한 추론을 실행할 수 있습니다 내 생각에 너는 그걸 실제로 볼 수있을거야 다음과 같은 제조 회사에서 직접 듣습니다 이 모델을 생산 라인에 배치했습니다

초대하는 것은 대단히 기쁩니다 LG 이성욱 씨와 공유 이 이니셔티브에 대해 이씨 [박수 갈채] 성숙 리 : 안녕하세요 이전 프리젠 테이션에 관심을 가져 주셔서 감사합니다

내 이름은 이성욱, 나는 AI 부통령이다 LG CNS의 빅 데이터 사업부 그것은 많은 것, 나는 느낀다 보인다, 오늘 청중의 열정 나는 네가 나를 좋아한다면, 나는 우리가 많은 희망을 공유 할 것을 기대한다 AI가 세계 솔루션을 이끌어갑니다

또한 Google과의 협력에 대한이 짧은 검토를 기대합니다 AutoML은 AI 작업에서 모두 당신을 도울 것입니다 오늘 우리는 LG CNS와 Google이 어떻게 AI 이미지 인식 기술에 성공적으로 협력했습니다 그리고 우리가 우리의 [무관심한] 비전 검사 시스템 및 여러 제조 방법 솔루션 먼저 LG CNS의 배경을 살펴 보겠습니다

나는 당신이 LG 그룹의 이름을 알 것 같아 그러나 당신은 어떤 종류의 회사에 대해 알지 못합니다 LG 그룹에있다 그래서 몇몇 회사를 소개하고 싶습니다 우리는 LG 전자 텔레비전 및 냉장고

그리고 우리는 LG 디스플레이를 생산하고 있습니다 세계를 선도하는 OLED 패널 그리고 LG 이노텍은 카메라 모델을 생산합니다 귀하의 휴대 전화에 이미 LG Innotex 카메라가 있습니다 오, 미안, 스마트 폰

LG 화학은 전기 배터리를 생산합니다 이제 그들은 세계를 선도하는 회사입니다 [INAUDIBLE] 그룹에 그래서 당신은 거의 모든 LG 그룹 기업들은 제조 업계에서 일하고 있습니다 LG CNS, LG 그룹 계열사 IT 솔루션 공급 및 작업 및 제조에 다른 회사 산업 우리는 AI 기술을 가장 잘 적용하는 방법을 끊임없이 연구하고 있습니다

제조 공정을 개선한다 그리고 우리 모두는 사용하기가 정말 어려울 수 있음을 알고 있습니다 제품 품질 보장을위한 빅 데이터 및 인공 지능 기술 더 큰 규모의 생산에 이것은 Google AutoML에 대한 오늘의 논의입니다 LG CNS는 Google AutoML에 대한 작업을 시작했습니다

작년 여름에 우리는보고 나서 협력을 시작했습니다 Google이 이미지 인식에서 달성 한 우리는 Google AutoML이 LG 생산 시력 검사 개선에 도움 프로세스 그리고 우리의 큰 만족, 우리의 협력 성공했습니다 Google AutoML을 사용하기 전에 실제로 우리는 이미 자체 AI 시스템을 개발했습니다

제조 프로세스에 익숙한 사용자의 경우, 그 사진이 거기에 있다는 것을 당신은 알게 될 것입니다 화면의 일반적인 육안 검사 시스템은 인간 조작원을 의지합니다 많은 생산 라인이 카메라와 IoT를 가질 수는 없지만 센서 및 기타 감지 기술 – 많은 생산 라인이 카메라를 사용할 수 있지만, 그 작은 결함을 효율적으로 발견하는 것은 여전히 ​​어렵습니다 간혹 결함이없는 제품이 종종 있습니다 사소한 요인으로 인해 잘못 판단 된 경우 작은 먼지 입자 또는 저해상도 이미지와 유사합니다

그리고 사람들에게 의지하는 것이 여전히 더 효과적입니다 육안 검사를 완료합니다 사람들이 더 나은 결과를 얻지 만, 노동자들에 의한 육안 검사의 단조 또한 많은 오류가 발생합니다 이 문제를 해결하기 위해 LG CNS가 전환기를 맞이했습니다 우리는 전통적인 육안 검사에서 벗어났습니다

여기 왼쪽 이미지는 볼 수 있습니다 – 오른쪽에 표시된 AI 검사 시스템에 연결하십시오 많은 분들이 검사 작업을하고 계신 것을 확신합니다 기술이므로 재판에 익숙합니다 우리가 시스템을 개선하기 위해 수행 한 오류 메서드 인공 지능과 어쨌든, 자체 시스템으로, 우리는 정확도와 성능을 향상 시켰으며, 또한 프로세스 속도와 효율성을 향상 시켰습니다

이는 우리가 운영 비용도 줄일 수 있음을 의미합니다 사내 AI 시스템을 통해 30 개가 넘는 생산 라인에 적용 가능 LG 그룹에서만 이 중 일부는 다음과 같습니다 보시다시피 첫 번째 그림 – 우리는 결함 탐지를 향상시킬 수있다 LCD 및 OLED 의존도 그리고 그림의 중간에, 우리는 광학 필름에서 불순물을 제거 할 수있었습니다

생산을위한 품질 관리를 향상시키는 것조차도, 그래서 우리의 사내 AI로 자동차 용 직물을 만들 수 있습니다 체계 그러나 이러한 향상에도 불구하고 우리 시스템 최적으로 작동하지 않았습니다 수행에 많은 시간과 노력이 필요했습니다 그리고 이제 나는 단점에 대해 조금 이야기 할 것입니다

이 시스템의 종종 성공의 경우처럼, 우리는 또한 몇 가지 장애물을 만났습니다 AI 비전 검사의 적용 범위가 확장됨에 따라 다른 지역으로, 우리는 부족을 경험했다 숙련 된 AI 개발자 좋은 AI 개발자를 고용하는 것은 매우 어렵습니다 그들은 한국에 있습니다 그래서 매우 힘든시기입니다 한 AI 개발자가 우리 회사를 떠날 때, 나쁜 영향은 우리 회사에 너무 크다

AI 모델을 디자인하는 동안, 그들은 많은 시간과 노력을 들이야했습니다 높은 성능을 달성합니다 또한 서버를 사용하여 모델을 개발할 때 생산 현장에서 건축의 복잡성 증가되어서 해결하기가 어렵습니다 이제는 중앙에서 설계하고 테스트하는 프로세스가 필요합니다 모델과 함께 [INAUDIBLE] ,, 성능을 중앙 집중식으로 제어 할 수 있습니다

하나의 통합 된 시스템에 배치 된 모델의 Google과의 공동 작업 이러한 문제에 대한 해결책을 찾는 것이 중요합니다 Google AutoML의 성능은 정말 흥미 롭습니다 비록 AI 전문가들이 그것을 좋아하지 않더라도 AI 시스템에서 개선해야 할 주요 영역 중 하나 모델 개발 시간 측면에서 우리의 생산성이었습니다 왼쪽 그림에서 볼 수 있듯이, 우리의 위쪽 화살표 막대는 AutoML을 사용하기 전에 우리 모델을 완료하는 데 대략 7 일이 걸립니다

그러나 그 후, 우리는 그것을 단지 2 시간 만에 내렸습니다 구글 AutoML 우리가 개선해야 할 다른 영역 우리 시스템의 정확성이었습니다 더 빠르다는 것 외에도 – 오른쪽 그림의 다이어그램에서 – Google AutoML의 성능은 AI 전문가의 성능을 능가했습니다 여러 번

우리의 테스트 결과 평균 6 %의 향상을 보였습니다 우리가 기대할 수있는 성능 측면에서 Google AutoML을 사용한다고 생각합니다 Google은 Google AutoML을 사용하여 발전 시켰지만 이를 우리의 육안 검사와 통합함으로써, 우리는 여전히 여러 도전에 직면 해 있습니다 대부분의 경우 고객의 요구 사항을 충족시킬 수 없습니다 그리고 우리는 그 중 많은 부분이 낮은 이미지 품질에서 비롯된 것으로 나타났습니다 Google에서 만든 모델이 아닙니다

그래서이 문제를 해결하기 위해 최근에 즉각적인 사전 처리 연구 팀을 출범 시켰습니다 이 팀원들은 더 많은 시간을 보냅니다 탐색 데이터 분석 및 사전 처리 데이터, 더 나은 기계 학습을 위해 데이터를 보강하기 위해 열심히 노력하십시오 모델 그래서 그들은 많은 시간을 보냈습니다

검사 과정 자체를 어떻게 바꾸는 지 생각하고있다 우리 회원들이 시간과 노력을 기울일 수있을 것으로 예상합니다 더 많은 전략 작업 이제 우리는 사업을 컨설팅으로 확장 할 계획입니다 서비스를 제공하므로 전문성을 제공 할 것입니다

전반적인 검사 프로세스를 향상시킨다 원 스톱 솔루션으로 우리는 첫 번째 제조를 볼 수 있기를 희망합니다 인간과 AI가 지역을 공유하는 시각적 검사 영역 – 책임감 – 아주 최적으로 당신도 동의합니까? 승인 통합 된 인공 지능 비전을 구축했다고 발표하고 싶습니다

검사 아키텍처 따라서 Google 시스템과 Google AutoML은 완벽하게 연결됩니다 이 아키텍처를 통해 우리는 인간의 능력과 활용을 극대화 할 수있다 Google AutoML의 이 아키텍처는 데이터 과학에서 출발합니다 부품들 – 바닥

이미지 품질을 보장합니다 그래서 그들은 명확한 이미징을 생산할 것입니다 Google AutoML에 보낼 것입니다 그리고 Google AutoML은 명확한 이미징 효율성이있는 AI 모델을 생성합니다 그리고 효과도 있습니다

모델 – 우리는 모든 역사를 통해 그것을 완벽하게 관리합니다 데이터 및 성능 상태를 자동으로 학습 과정 이 아키텍처를 통해 LG 그룹 수천 개의 AI 모델을 개발하고 관리 할 수 ​​있습니다 동시에 시력 검사 이외에, 우리의 목표는 아키텍처를 확장하는 것입니다

다른 제조 사용 사례로, 전체 공장 관리 – 장비, 시설, 안전한 물건 등 많은 유스 케이스에 대해 생각할 것입니다 우리는이 통합 아키텍처를 확장 할 수 있습니다 제조 업계에서 이 시점까지, 우리는 Google AutoML과의 공동 작업이 개선되었습니다 우리의 육안 검사 시스템

이제 미래를 살펴 봅시다 LG 그룹 내 AI 통합 성공을 기반으로, 우리는 계속 자리 매김 할 것입니다 최고의 인공 지능 검사 전체 서비스 제공 업체로 따라서 사전 처리 영역에서 다루겠습니다 모델 학습에 대해 다룰 것입니다 그런 다음 Google AutoML을 사용하여 [미숙 한] 모든 것을 관리 할 것입니다

열악한 검사 품질의 원인 기계 학습 장비 또는 이미지 품질, 또는 데이터 라벨링, 또는 운영자 자신, Google AutoML을 사용하면 999 %의 정확성과 누출 율을 달성하기 위해 노력합니다 모든 조건 하에서 0001 %이다 업계에서 유사한 문제가 발생했다면, 이 세션이 도움이되기를 바랍니다

나는 너의주의에 정말로 감사한다 청취 해 주셔서 감사드립니다 고맙습니다 [박수 갈채] WARAICH : 고맙습니다, 리 씨 고마워요, 리

따라서 Lee가 LG에 대해 공유 한 목표 우리 제품과 로드맵에 대해 우리가 공유하는 것입니다 또한 우리의 추론을 더 빨리 만드는 것입니다 우리의 인터페이스는보다 직관적이고 쉽게, 우리의 결과는 더욱 정확합니다 제조 과정에서 우리는 더 많은 유스 케이스를보고 있습니다 자동차, 전자 제품, 음식, 소매로, 그리고 더 많은 카테고리

그리고 우리는이 새로운 용도로 일하게되어 매우 기쁩니다 너와 함께한 사건들 우리는 인공 지능과 육안 검사 방법을 보았습니다 제조 사용 사례에 적용 할 수 있으며, 우리는 이것이 어떻게 적용될 수 있는지 보았다 항공 검사 사용 사례

우리가 얘기 한 세 가지 유스 케이스를 넘어 항공 검사면에서 우리는 더 많은 연구를하고 있습니다 농업 모니터링 및 건설 현장에서 모니터링 현재이 기술은 베타 버전에서 사용할 수 있습니다 cloudgoogle

com/vision을 방문하십시오 당신의 관심사를 등록하십시오 바로이 기술을 사용할 수 있습니다 그러나이 사이트에 등록함으로써 우리는 당신과 파트너가 될 수 있습니다 곧 출시 될 예정이며 그리고 우리의 조기 접속 프로그램

그래서 우리는 당신의 의견을 기다리고 있습니다 이 공유 된 비전에 동참 해 주셔서 대단히 감사합니다 우리는 정말로 당신과 함께 일하기를 고대합니다 더 밝고 더 푸르고 긍정적 인 태도로 미래 대단히 감사합니다

[음악 재생]

Customer Stories: AI in Financial Services (Cloud Next '19)

[음악 재생] AAKASH BORDIA : 다음 날 3 일째되는 것을 환영합니다 3 위는 오늘 정말로 중요합니다

왜냐하면 여기서 우리 세션에서 많은 열을 볼 수 있기 때문입니다 그래서 그것은 오래된 농담이나 오래된 말을 떠올리게합니다 세 가지 종류의 사람이 있습니다 하나는 셀 수있는 사람이고 다른 하나는 사람입니다 할 수 없다

그래서 당신을 때리는 데 약간의 시간이 걸립니다 그러나 우리는 당신의 회색 문제를이 이야기에 사용할 것입니다 그래서 저는이 이야기가 시작되기 전에 여러분과 이야기를 나누었습니다 여기에는 세 가지 유형이있는 것 같습니다 어제 늦은 밤 늦게 지낸 사람이 방에서 콘서트에서 즐거운 시간 되시길 바랍니다

손을 들어주세요 네가 그 중 하나라면 좋아, 굉장해 침대에서 내려 주셔서 감사합니다 들어가서 방을 채우라

그리고 두 번째 종류가 있습니다 징계를 받았고 방금 시간에 또는 약 시간에 잠자리에 들었다 당신이 그들 중 하나라면, 손을 들어주세요 좋아요 당신의 훈련과 여기에 감사드립니다

그리고 그들이 잤다면 확실하지 않은 세 번째 종류가 있습니다 또는 그들이 잤을 때 당신이 그 종류라면, 당신이 용감한 마음이라면, 손을 들어주세요 오, 2 ~ 3 개가 있습니다 4 ~ 5 개가 있습니다

고마워요 네가 여기에 무슨 짓을했는지 고마워 정말 고맙습니다 마지막 날 첫 번째 세션에 오신 것을 환영합니다 Next AI 및 금융 서비스에서 내 이름은 Aakash Bordia, 나는 관례 엔지니어링에있다

팀과 Google Cloud 잠재 고객 또는 신규 고객 인 경우, 또는 우리의 기존 고객, 당신 팀의 누군가와 협력하고있을 가능성이있다 또는 우리의 파트너 그래서 우리 세션은 이야기 세션입니다 이는 두 고객과 파트너가 있다는 것을 의미합니다 약 15 분 안에 여기에 올거야

섹션을 만들고 클라우드 AI 로의 여행을 공유하십시오 둘 다 문제와 사용법에 대해 이야기 할 것입니다 사례 및 솔루션을 제공합니다 그래서이 세 가지 이야기에서 우리의 파트너 및 고객의 이야기 듣기 그들이 클라우드 AI 스택을 어떻게 활용하고 있는지, 우리의 개발 환경을 커버하는 플랫폼 일까? 우리의 견고한 인프라 또는 빌딩 블록이 될 수 있습니다 사전 정의 된 모델 또는 AutoML 모델 일 수 있습니다

너는 훈련 할 수있다 또는 서비스 및 솔루션에 대해서도 이야기 할 수 있습니다 전략과 문화에서 매우 중요하다 금융 기관에서 관점입니다 그래서 이것은 당신과 모든 지도자들 모두를 자극 할 것입니다

왜냐하면 우리는 스택 위에서 내려 가기 때문입니다 우리는 아마 다 떨어지기 때문에 끝날 무렵, 나는 너에게 모든 것을 격려한다 휴대 전화로 도리를 사용하는 방법 귀하의 질문을 게시하십시오 우리가 끝날 무렵에 우리는 방에서 생생한 Q & A를 할 것입니다 그렇지 않으면 스피커 그룹이 방 밖에 모이게됩니다

와서 우리에게 질문하고 토론 할 수 있습니다 굉장해 그렇게 말하면서 바로 그것에 뛰어 들자 환상적인 동기로 시작하겠습니다 데이비드 펄롱 (David Furlong), 캐나다 국립 은행 (National Bank of Canada) AI 프로그램을 설정하는 방법

이 세션의 비즈니스 트랙이 더 많습니다 Dave는 문화에 어떻게 영향을 주는지 이야기합니다 대기업에서 성공적인 AI 프로그램을 실행하는 방법 너 같은 우리는 또한 그것을 한 단계 더 깊게 볼 것입니다 RaboBank의 Daan Gonning과 Lee Boonstra와 고객 엔지니어링 팀의 동료입니다

고객 우수성에 대해 우리의 기계 학습 API 그리고 마지막으로 Jonathan Jeng과 Druva Reddy 우리의 최고 파트너 Pluto7의 파트너로부터 그들이 PSO와 어떻게 협력했는지 이야기 할 것입니다 전문 서비스 팀 힘든 위험 관리 문제 해결에 금융 기관들이 직면하고있다 이제 스택 맨 위에서 시작해 봅시다 사실 여기에 표시된 것보다 더 높은 레벨입니다

전체 스택을 포함하기 때문입니다 성공적인 구름 AI에 매우 중요합니다 프로그램은 조직의 전략과 문화입니다 그들은 모두 성공적인 AI를 설정하는 데 매우 중요합니다 귀하의 조직에서 프로그램 및 실행

그리고 이것에 대해 이야기하기 위해 나는 AI의 SVP 인 Dave Furlong을 환영하고 싶습니다 캐나다 국립 은행 (National Bank of Canada)에서 무대에 올라서게되었습니다 데이브 [박수 갈채] 데이비드 펄퐁 : 어렸을 때 나는 뛰어 올 수 있었고, 하지만 지금은 내 뒤에 있습니다 네, 시도 할 수 있어요

프레젠테이션에 몇 가지 사항을 추가하도록 요청 받았습니다 오늘 아침 너에게 약간의 문맥을 주겠다 National Bank에 관하여 캐나다에는 6 개의 대형 은행이 있습니다 우리는 그들 중 하나입니다

우리는 160 년 동안 자산 5 천억 달러를 관리하고 있습니다 그 책에 약 3 천억 달러를 가지고있다 우리는 약간의 능력으로 AI에 관여했습니다 꽤 오랫동안 이제 우리가 그것을 할 때 우리는 그것을 알지 못했지만 우리는 그러했습니다

2007 년에 입자 필터를 배치하기 시작했습니다 헤지 펀드 성과를 복제하려면, , 그리고, 우리는 엄격한 algos이었던 algo 무역으로 나아 갔다, 그리고 우리는 AI를 알 고리즘에 실제로 적용하기 시작했습니다 그들을 감독하고, 모두 감독 학습을 통해 인간에 의한 감독 그래서 우리는 오랫동안이 게임을 해왔습니다 그러나 이것이 자본 시장의 비즈니스입니다

나는 그것에 대해 이야기하지 않을 것이다 나는 우리 사람들에 대해 우리가하는 것에 대해 이야기 할 것입니다 소매 및 상업 분야에서 어떤 은행에서도 느린 페이스 조직이되는 경향이있다 자본 시장보다 다른 도전을 제시합니다 그리고 내 동료가 올 때 알게 될거야

그들은 그들이 직면 한 도전에 대해 조금 이야기 할 것입니다 기술적 인 것이 아닙니다 그래서 여기에 우리가 간다 그렇다면 160 세의 회사를 인공 지능으로 가져 가려면 무엇이 필요합니까? 방안에 몇 명의 사람들이 오래된 라인 회사를 위해 일하는지 – 20 년 이상 된 회사? 완전한 난 친구가있다

그래서 나는 우리 전략에 대해 조금 이야기 할 것이다 그리고 우리가 사물을 어떻게 추적하는지, 그러나 정말로 중요한 부분 우리가 이야기 할 내용은 교훈입니다 또는 내가 그것을 부르면, 2 년간의 자기 성찰 또는 자기 발견 따라서 전략적 관점에서 볼 때 매우 간단합니다 나는 그것을 매우 간단하게 특성화 할 수있다

첫째, 우리는 수익 창출 기회를 개선하고자합니다 우리 회사에 둘째, 고객을위한 우리의 경험을 만들고 싶습니다 우리 직원들에게 두 가지 경우에 대한 보존을 유도하며, 우리 조직에서 정말 좋았어 셋째, 운영 효율성을 높이기 위해 또는 생태계에서 비용을 제거하십시오

그럼 앞으로 6 개월 동안 여기 소매 상업 부문의 최상위 우선 순위 하나는 생산 생태계를 구축하는 것입니다 우리는 이미 더 작은 생산 생태계를 가지고 있습니다 우리가 필요로하는 것은 무한히 무언가입니다 확장 성 및 무한 확장 가능 오픈 소스는 우리가 플랫폼을 서비스로 사용할 수있게 해준다

적절한 경우 컨테이너 화 된 솔루션을 전개 할 수 있습니다 우리가해야 할 두 번째 일은 의사 결정 모델을 향상시키는 것입니다 이런 식으로 은행 업무를 생각한다면, 당신은 누군가에게 시장에 내놓기로 결정합니다 그런 다음 사기를 확인한 다음, 그런 다음 수명주기 동안이를 관리합니다 그리고 신들은 그들이 수집 물에 들어가는 것을 금지합니다

그러나 당신도 그것을 관리합니다 따라서 이러한 의사 결정 모델을 조정하고 동기화 할 수 있습니다 AI를 사용하면 더 나은 결과를 얻을 수 있습니다 우리가 착수하고 싶은 다음 AI, 자연 언어 처리, 모든 문서를 관리하는 방법에 대한 지능적인 라우팅 서비스 관점에서 고객과의 상호 작용 그리고 마지막 하나, 그리고 이것은 정말로 중요합니다

때때로 봇 또는 대화 엔진을 채팅 경멸 적으로 언급된다 내가 약속 했잖아 왜냐하면 왜 안돼? 귀하의 프론트 라인 직원이 가지고있는 조직에서 발생합니다 당신이 지식을 성문화해야하는 회전율 그 (것)들 및 클라이언트의 앞에 그것을 두십시오 직원과 고객 모두에게 힘을 실어주고 있기 때문입니다

따라서 대화 생태계가 좋을수록 좋습니다 경험은 두 가지 모두를위한 것입니다 그래서 교훈을 얻었습니다 또는 제가 부른대로, 데이빗의 실수들입니다 2 년 전에 우리는 AI 팀을 배치했다

고급 분석 인 것처럼 처리했습니다 고급 분석을 사용하는 방안에있는 인원의 수 AI를 지금 구축하고 있습니까? 좋아, 그러니 내가 한 일을하지 마라 그리고 내가 한 일은 나가서 고용 한 것이 었습니다 인공 지능 과학자들의 무리, 그들을 넣어, 그리고 말했다, 지금 AI 물건 그것이 작동하는 방식이 아닙니다

고급 분석 생태계에서 누군가 비즈니스 요청을 받으면 그들은 그것을 모형화 한 다음 산출물을 제출합니다 다른 누군가에게 모델의 비즈니스 규칙 또는 절차 등을 작성합니다 AI는 그 모든 것을 구현합니다 따라서 초기 결정의 결과로, 물론, 우리가하지 않은 것은 우리가 기금을 모으지 않았다는 것이다 소프트웨어 개발을 끝내라

인공 지능은 소프트웨어입니다 그것이 바로 그 것이다 우리는 또한 그 결과로 데이터 엔지니어, 소프트웨어 엔지니어, AI 스택에 익숙한 사람들 그리고 물론, 우리가 한 다른 것은 우리가 데이터 저장소 구축에 계속 주력했습니다 그래서 우리는 데이터웨어 하우스를 계속 유지했습니다

데이터 유입이나 데이터 인 스트림에 집중하는 대신 왜냐하면 당신이 정말로 효과적 이길 원한다면 차세대 뱅킹에서 당신은 스트림을 잡아서 인공 지능으로 스트림을 변경해야합니다 그리고 마침내 그 모든 것들 때문에, 우리는 처음에 우리의 기술 스택 내부 일 수 있습니다 그게 효과가 없다는 것을 알았습니다 위아래로 무한대의 확장 성이 필요하기 때문입니다 필요에 따라

오픈 소스가 필요합니다 다른 보안 모델과 보안 패러다임이 필요합니다 우리가 역사적으로 사용한 것보다 그래서 약 12 ​​개월 전에 우리는 뒤로 물러났습니다 그리고 일을 재구성하고, 그것은 꽤 잘 작동했습니다

그래서 우리는 운영 모델 관점에서 무엇을 했는가? 우리는 비즈니스 문제가있는 비즈니스 소유자를 데려 갔습니까? 그들에게 AI 과학자를 주었고, 그들에게 소프트웨어 엔지니어를 주었고, 데이터 엔지니어, 검증 엔지니어, 비즈니스 문제를 해결했다 그래서 그들은 끝까지 끝내기 시작했습니다 텔레콤 근처에서 일하면서 텔레콤은 항상 마지막 모델 문제를 불렀다 AI도 그렇습니다 우리가 한 두 번째 일은 우리가 자금 기금을 시작했다는 것입니다

소프트웨어 빌드를 종료합니다 그래서 우리는 자금 조달 모델을 변경했습니다 그리고 물론, 당신은 당신의 재능 프로파일을 바꿀 수 있습니다 따라서 클라우드 엔지니어를 고용해야합니다 전체 스택 개발자, 소프트웨어 엔지니어 AI에 익숙하다

라이브 AI 모델이 변경되기 때문에 모니터링하는 방법 그런 다음 데이터를 처리하기 시작했습니다 그래서 우리는 데이터 흐름을 가로 챌 수있었습니다 여기 방안에 아주 좋은 동료가있어 누가 사기 생태계를 운영하는지

그리고 그는 나를 자주 보며 말할 것입니다 데이빗, 내가 사기를 범하면, 돈은 벌써 떠났다 스트림에서 그것을 잡아라, 거래를 부정한다 그리고 마침내, 당신이 그것을 원한다면 나는 다시 돌아갈 것이다 개방적이고 확장 가능하며 강력한 인프라가 필요합니다

Google과 파트너로 만났던 것들 중 하나 그들은 모두 그것을 제공 할 수 있습니다 그래서 우리는 GKE를 사용하여 솔루션을 컨테이너 화합니다 우리가 제 3의 파티를 살 수 있도록 그들을 밖으로 넣어 솔루션을 배포하십시오 또는 서비스 유형 동작으로 플랫폼 용 GCP를 사용합니다 AutoML 등

솔루션 세트의 폭 우리가 속도를 얻을 수있게 해주는 것, 확장 성을 필요로합니다 그래서 그걸로, 나는 결론을 내릴 것입니다 내가 너와 함께하고 싶은 몇 가지 하나는 AI가 절대적으로 목표를 가속화하는 데 도움이됩니다 ands, ifs 또는 buts가 없습니다

그러나 당신은 일하는 방식을 바꿀 필요가 있습니다 나는이 길로 내려 갔고 누군가가 나올 경우 잘하면 여기 오늘 실수를 이해함 당신이 그들을 만들지 않도록 만든, 그것은 잘 보낸 시간이야 그리고 마지막으로, 만약이 변화를 쫓아 간다면 관리가 중요합니다 왜냐하면 만약 당신이 직원, 고객 등에 영향을 미치며, 당신은 그 주변의 모든 변화를 관리해야합니다

그것의 중요성을 과소 평가하지 마십시오 중요하고 중요한 항목입니다 그리고 그것으로, 나는 결론을 내리고 시간을 줄 것이다 일어나서 얘기 할 동료들에게 방금 말한 모든 것에 대한 실용적인 예에 ​​대해서

그래서 내가 다시 Aakash로 돌려 보자 [박수 갈채] AAKASH BORDIA : 고마워요, Dave 그 동기 부여, 영감 클라우드 설정 방법에 대해 AI 실제 금융 조직의 현실 세계에서의 프로그램 너 같은 이제 더 깊이 들어 봅시다 이제 집안의 건축업자들이 어떻게 할 수 있는지 이야기 해 봅시다

AI 스택의 빌딩 블록을 사용하십시오 고객 참여를 개선하기 위해 Dialogflow와 같은 기술? 그리고 그렇게하기 위해 나는 Daan Gonning을 초대하고 싶습니다 RaboBank에서 무대에 올랐다 댄을 환영 해주세요 고마워요

고마워요 안녕, 오늘 나 한테 주셔서 고마워 여기에 있고 Google을 소개하는 것이 정말 좋습니다 보조 프로젝트 우선, 이것이 어떻게 작동하는지 보겠습니다

거의 어떻게 작동합니까? 스피커 : 녹색입니다 DAAN GONNING : 작동하지 않습니다 그게 큰 녹색이야 DAAN GONNING : 네, 고마워요

작은 녹색 하나, 시원한 우선, 내 이름은 Daan Gonning 저는 프리랜서로 현재 RaboBank에서 임무를 맏고 있습니다 나는 디지털 상호 작용에 관한 프로그램을 이끌고있다 1 년 넘게 Google은 현재 Google과 협력하고 있습니다

Google Assistant 작업을 작성하려면, 또는 Rabo Assistant라고 부릅니다 기본적으로 우리가하고 싶은 것은 은행입니다 목소리로 그것도 간단하고 쉽게 만들 수 있습니다 모바일 응용 프로그램 중 하나를 사용하여 은행 업무로 그런데 왜? 라보 뱅크가 이러는거야 그래, 나 한테 다시 말하게 해줘

네덜란드에서는 RaboBank가 꽤 전통적인 은행입니다 확실히 첫 번째 발동기는 없지만 여전히 Google Assistant 액션을 개발했습니다 여전히 우리는 세계에서 유일한 은행입니다 잔액 및 거래와 같은 고객 계정을 연결했습니다 정보를 Google Assistant 환경을 통해 확인하십시오

그리고 우리는이 일을 단순한 이유로합니다 고객이 변화하고 있기 때문입니다 2 년 전 은행업은 꽤 간단했습니다 우리는 전체 데이터 흐름을 관리했습니다 우리는 라보 (Rabo) 고객이 있었는데, 라보 (Rabo) 은행 계정, Rabo 모바일 뱅킹 앱의 은행, 문제가 생겨서 라보 서비스 데스크에 연락했습니다

앞서 언급 한 것처럼 우리 모두는 전체 데이터 흐름을 보았습니다 우리는 이것을 행복한 데이터 흐름이라고 부릅니다 너는 훌륭한 서비스 또는 좋은 제품을 가지고있다 고객을 유치합니다 이러한 고객은 데이터를 생성하고 데이터를 사용합니다

당신은 제품을 개선하고, 계속해서, 계속해서, 그리고 계속합니다 하지만 이제 우리 고객은 많은 상호 작용을합니다 제 3 자와 사람들은 모바일 앱 사용에 질려하며, 오픈 뱅킹 결합으로 새로운 서비스와 새로운 채널의 조합이 많이 있습니다 사람들은 점점 더 많은 것을 바꾸고 있습니다

타사 대화 채널로 WhatsApp for Business, Google Assistant, Facebook 등 전령 데이터의 행복한 흐름을 의미합니다 보시다시피 여기가 방해 받고 있습니다 우리는 더 이상 모든 데이터를 가지고 있지 않습니다 우리는 완전한 통제권을 가지고 있지 않습니다

그리고 그것이 바로 RaboBank가 이 대화 형 도메인에서 우리는 제 3 자 채널에 있다는 것이 무엇을 의미하는지 배우고 싶습니다 우리는 고객이 은행 업무를 음성으로 좋아하는지 배우고 싶습니다 디자인에 자유가 없을 때 어떻게 확신 할 수 있습니까? 사용자 경험에 자유가 없으며, 우리 고객이 Rabo Google Assistant를 확인하는 방법은 무엇입니까? 행동은 공식적인 행동입니다 우리가하는 모든 종류의 질문들 이 프로그램에서 모두 유효성을 검사하고 새로운 기술을 실험 해보십시오 그리고 저의 뒤에있는 그래프와 함께, 그것은 그것을 모두 말한다

테스트하기 위해 음성 도메인에 있어야합니다 다음 큰 일이 될 수 있습니다 그리고 그렇지 않을 때 – 나는 그것이 의심 스럽습니다 우리가 많이 배웠을 때 그건 확실합니다

이것이 바로 그 이유입니다 그리고 그 말은 꽤 쉽지만 상당히 복잡합니다 우리는 많은 프로세스와 많은 규칙을 가진 은행이기 때문에, 모든 것 – 그냥 은행 그리고 오늘 제가 여러분과 나누고 싶은 몇 가지 교훈, 첫 번째는 포커스입니다 Google과 함께 작업을 시작했을 때 1 년 전에 우리는 사명 선언문을 만들었습니다

사기 해당 작업을 수행하는 Google Assistant 작업 디지털 사용자 집합을 원했습니다 이러한 사용자는 혁신적인 은행으로 RaboBank 은행을보아야하며, 우리는 그것을 제공하기를 원한다 적극적으로 게재함으로써 그들은 매끄럽고 마 법적 인 재정에 관해 신호를 보냅니다 이런 종류의 집중이 없다면 특히 기업에서 길을 잃다

그러나 실제로 은행 안에 그러니 집중하세요, 똑바로 집중하십시오 또 다른 교훈은 팀 구조에 있습니다 우리는 스피드 보트, 일종의 게릴라 팀을 만들기로 결정했습니다 물을 시험하고, 빠르게 움직이고, 일을 해칠 수있는 팀, 융통성이있다

라보 뱅크 (RaboBank)의 유산이 없으며, 더블 백 손실도없고, 팀 한 가지에만 집중했다 내 디지털 상호 작용 프로그램의 각 사례 그런 스피드 보트 야 그리고 성공하면 큰 유조선으로 되돌립니다 RaboBank라고 불렀습니다 성공하지 못했거나 유효성이 확인되지 않은 경우, 스피드 보트가 가라 앉고 사람들이 돌아 간다

네, 평범한 직장 생활이나 스피드 보트에 우리는 데모 전에 [비공식] 실행 중 하나를 보여줄 것입니다 우리가이 스피드 보트를 시작했을 때, 우리는 전통적인 역할을했습니다 제품 소유자, 개발자, 다른 것들을 생각해보십시오 그러나 우리는 계속 역할을 추가하고 우리는 결국 하나의 Google Assistant 작업을 위해 많은 사람들이 모였습니다

그러나 당신이 그 목표에 더 가까워지면, 당신은 여전히 ​​전통적인 제품을 제품처럼 보았습니다 개발자와 같은 소유자 그러나 데이터 과학, 마케팅, 대화 디자인과 같은 몇몇 특별한 것들, 규정 준수, 법적 위험 및 최고 추진 책임자 예를 들어, 대화 디자인을 편집합니다 목소리를 쓰는 것이 정말 다르니까요

그것을 웹 사이트 텍스트 작성과 비교할 때 또는 문자 채팅을위한 대화를 쓸 때도 봇 음성은 대화를하는 완전히 새로운 방식입니다 그래서 특별한주의가 필요했습니다 물론, 규정 준수, 법률 및 위험

다시 말하지만, 우리는 은행입니다 그리고 솔직히 말해서, 그것은 가장 고통스러운 부분이었습니다 그것은 내부적으로 승인 받기가 정말 고통 스러웠습니다 토론 – 제 3 자 채널에 참여하고 싶습니까? Google이 데이터로 무엇을하고 있습니까? 온 은행에서 온갖 종류의 토론은 정상에, 근본적으로 그리고 정말로 정상에, 그것은 끔찍합니다 그러나 다시 한번 Google이 우리를 도왔습니다

Google은 귀하의 데이터로 아무 것도하지 않는다고 말했습니다 귀하는 기업 계약하에 있으며, 모두 안전합니다 그리고 그것은 우리 모두가 들어올 수있는 길입니다 최고 추진 장교 이것은 일종의 후원자이며 최신 조언입니다 나는 너를주고 싶다

그러한 혁신이 이루어지면 내부적으로 후원자를 확보하십시오 따라서 귀하의 조직 상단에, 좋아,이 프로젝트를 믿어, 나는 믿는다 당신이 유효하다고 생각하는 부분에서, 나는 당신을지지 할 것입니다 따라서 규정 준수 및 법적 위험에 직면했을 때, 최고 추진 책임자는 OK라고 말했습니다 이제는 분명합니다

Google은 어떻게 완료했는지에 대해 이야기 했으므로 계속 진행하십시오 우리는 그것을 추진하고 있습니다 최고 추진 책임자가 없다면, 우리는 여전히 그 순간에 살지 않습니다 그래서 그것은 정말로 중요한 역할이었습니다 중요한 역할이었습니다

이 프로젝트 내부 그래서 1 분 정도 데모가 남았습니다 그래서 데모 효과없이 살 수 있다는 것을 보여줄 것입니다 화면을 전환합시다 저기, 멋지다

RaboBank와 대화하십시오 자동 음성 : 좋습니다 DAAN GONNING : 내 균형은 무엇입니까? 자동 음성 : 현재 잔액 2,177 유로 97 센트입니다 어떻게 도와 드릴까요? DAAN GONNING : 예산을 책정하고 싶습니다 자동 음성 : Rabo 어시스턴트 예산을 설정하는 데 도움이 될 수 있습니다

너가 얼마나 소비했는지 너에게 말할 수있어 특정 한도에 도달하면 알림을 보냅니다 예산을 설정 하시겠습니까? 대안 광 : 네 자동 음성 : 먼저 금액과 기간을 결정합니다 예산은 어떻게되어야합니까? DAAN GONNING : 200 유로

자동 음성 :이 예산이 어느 날짜까지? DAAN GONNING : 다음 금요일에 자동 음성 : 알려주는 알림을 받고 싶습니까? 예산 상태에 관해서? 대안 광 : 네 자동 음성 : OK, 고맙습니다 100 유로, 160 유로, 200 유로에 도달하면 알려 드리겠습니다 유로

언제든지 예산 업데이트를 요청할 수 있습니다 다음에 보자 어떻게 도와 드릴까요? 대안 괴팅 : 차가워요 고마워요 이, 제발 [INAUDIBLE] 데모에 참여하십시오

[박수 갈채] 이본 스타 : 감사합니다, 대런 안녕하세요 여러분, Lee Boonstra입니다 나는 Google의 고객 엔지니어로 일하고 있습니다 나는 주로 은행과 보험 회사와 일하고있다 네덜란드에서는 채팅 봇을, 그것은 제가 매우 흥분하는 주제입니다

그러나 그것은 또한 많은 회사들이 나에게 질문을하고있다 요즘 나는 변화했다고 생각합니다 기업이 구축 한 과거와 마찬가지로 많은 모바일 앱, 요즘 회사 더 많은 시간을 빌딩 채팅 봇에 쓰고 있습니다 그리고 왜 그들이 그렇게하고 있는지 그 이유 중 하나 많은 비즈니스 비용을 줄일 수 있기 때문입니다 채팅 봇 작업

주니퍼의 연구 결과와 마찬가지로, 80 억 달러 이상을 손질 할 수 있습니다 그것은 미친 금액입니다 맞죠? 그리고 이제 와우처럼 물어볼 것입니다 어떻게 할 수 있습니까? 글쎄, 먼저 한발 뒤로 물러나 보자 채팅 봇이란 무엇입니까? 나는 일반적으로 채팅 봇의 세 가지 유형이 있다고 말할 것입니다

당신은 RaboBank의 예를 보았습니다 음성 보조자 및 Google Assistant 또는 Google과 집, Google 허브에서는 일반적으로 음성으로 작동하는 스피커와 같습니다 당신은 Alexa 나 Apple에도 있습니다 그것이 음성으로 작동하는 스피커입니다 일반 채팅과 비슷한 다른 예입니다

당신이 알고있는 봇 예를 들어 웹 사이트에서 자주 사람들은 iframe으로 보지만, 그들을 소셜 미디어에 넣으십시오 마지막 예제는 호출 봇과 같습니다 이것은 IVR 시스템이나 전화 회선에 통합되어 있습니다 종종 사람들은 이것을 생각하지 않고, 하지만 이것은 매우 효과적인 방법입니다

당신은 비즈니스 비용을 조정할 수 있습니다, 그리고 나는 조금 설명 할 것입니다 오늘 그 일에 대해서 몇 가지 아키텍처를 살펴 보겠습니다 너에게 좋아 보여주기 위해서, 네가 할 수있는 방법이야 그런 식으로 구현하십시오

따라서 먼저 Google Assistant를 살펴보면 일반적으로 사용자는 Google Assistant 또는 Google과 대화합니다 Google 길잡이가 Dialogflow에 연결되어 있습니다 Dialogflow는 인 텐트 매칭을 수행하는 도구입니다 기본적으로 Dialogflow에서 만듭니다 회화 도구

당신은 당신의 대화를 만들고, 당신은 당신의 콘텐츠 사람들을 가지고 있습니다 또는 UX 디자이너가이 도구에서 대화를 쓰거나, 의도 일치는 자연어를 기반으로합니다 이해 그래서 기계 학습, 인공 지능 우리는 말한 것을 이해합니다

귀하의 사용자가 말하는 경우 중요하지 않습니다 다른 방법으로, 또는 그들이 잘못된 질문을 철자하는 경우, 우리는 그들의 질문을 시스템의 스크립트 응답에 연결할 수 있습니다 또는 API를 통해 답변이 될 수 있습니다 하지만 우리는이 의도를 일치시킵니다 Dialogflow입니다

자동 통합 기능을 갖춘 Dialogflow Daan, 너는 너의 전체 대화를 시작한다 그런 목소리로 화자 활성화 이제는 웹 사이트의 경우 일반적으로 사용자와 비슷합니다 그들은 채팅 봇의 웹 사이트에 글을 씁니다 다시 Dialogflow를 사용할 수 있습니다

의도 일치를 수행합니다 이제는 목소리가 아니지만 이제는 텍스트 일뿐입니다 똑같이 작동합니다 당신은 그것을 약간 향상시킬 수 있습니다 기업이하는 일을 많이 보지 못할 수도 있습니다

채팅이 확대되면 즉시 예를 들어, 보낸 요구에 따라, 또는 대체 시나리오를 기반으로 감지 할 수 있습니다 채팅 봇의 그런 다음 우리는 인간으로 넘어 가고 그 사람은 채팅을 인계받습니다 그는 전체 기록을보고 계속됩니다 그런 식으로 대화 하지만 컨택 센터는 어떨까요? 아마도 대부분의 사람들처럼 전통적인 접촉 센터가있다

이런 식으로 당신이 당신이나 당신의 고객 인 곳에서, 전화 번호로 전화를 해요 그 다음으로 일어나는 일은 당신이 보류 상태에 있다는 것입니다 기다리고 계시 며 잠시 시간이 걸립니다 테이프와 녹음 내용을 듣고 연주를 시작합니다 오, X에 대해 하나를 누르고 B에 대해 두 번 누르십시오

그리고 당신이 아주 재수가 있다면 9 번까지 기다렸다가 9 번을 누르십시오 다시 기다려야합니다 누군가 전화를 받으면, 당신은 당신의 질문에 대해 말을합니다 그 사람은 당신에게 대답하는 법을 모른다 그래서 그녀는 너를 다시 보낸다

당신은 당신의 전체 질문을 다시 말해야합니다 그러면 올바른 대답을 얻을 수 있기를 바랍니다 보험 회사에서 많이 볼 수있는 것 그들이 좋아하는 올해 말에, 모두가 그들의 보험 정책을 바꾸고 있습니다 그런 다음 연락 센터에서 뜨겁습니다 그래서이 회사들이하고있는 일 그들은 전화를 받기 위해 많은 학생들을 고용하고 있습니까? 그리고 그들은 분명히 사람들만큼 훈련받지 못했습니다

일반적으로 컨택 센터에있는 그래서 통화 품질 또한 항상 좋은 것은 아닙니다 이 경험은 매우 고통 스럽습니다 그런 식일 필요는 없습니다 현대적인 컨택 센터도 만들 수 있기 때문입니다 그리고 그것은 정확히 같은 도구를 사용합니다

내가 웹 사이트 나 구글에 대해 처음으로 설명 할 때 Dialogflow를 통해 이루어집니다 Google에는 Contact Center AI가 있습니다 IVR 시스템 내에서 더 많은 구성 요소를 사용하여 수행 할 수 있습니다 또는 Dialogflow를 사용하여 직접 빌드 할 수 있습니다 그 아이디어는 당신이 전화하기 때문에, 그 순간 당신은 당신은 대기 선에 들어 가지 않습니다

아니요, 채팅 봇이 전화를받습니다 대답하면 어떻게 도와 드릴까요? 너는 너의 질문을한다 봇이 대답을 알고 컴퓨터 음성을 듣습니다 웨이브 넷 모델처럼 그래서 연설문 – 그 질문에 당신을 알려줍니다 예를 들어, 보험 회사처럼, 항상 많은 질문이 있습니다

그것은 항상 매우 공통적이므로, 로봇을 그냥 보자 그 질문에 대답하십시오 그리고 그것이 더 어려운 질문이라면 봇이 알지 못한다면, 우리는 그것을 콜센터 에이전트에게 라우팅 할 수 있습니다 그래서 인간 하지만 콜센터 요원을 도울 수 있습니다

제안 사항을 화면에 표시함으로써, 그 사람이 처음에는 채팅 봇과 함께했습니다 그 사람이 인간과 이야기하는 동안, 화면에 실시간 제안 사항이 표시됩니다 더 이상 너는 붙잡아 두지 않고 너는 항상 동일한 품질을 보장 ​​할 수 있습니다 그 사람이 화면을 읽으니까 그래서 이것들은 아주 좋은 방법입니다

AI 솔루션을 하나 만들었다면 좋지 않을까요? 어디에서나이 모든 질문에 답할 수있는 솔루션 하나? 그리고 그것은 모든 곳에서 구할 수 있습니다 네가 원하지 않는 것은 빌드 이러한 모든 개별 솔루션을 하나씩 내 말은, 당신은 구글 어시스턴트에 대해 생각하지 말아야한다는 것이다 대상 또는 웹 사이트 채팅을 대상으로, 채널로보기 시작합니다 그렇게하면 Google Assistant와 채널, Alexa 채널, 소셜 미디어, Facebook Messenger, 채널, 내 웹 사이트 채팅, 채널, 연락처 센터, IVR 시스템, 그것은 채널입니다 Dialogflow가 제공하는 기능은 다음과 같습니다

우리는 의도를 매칭하고, 무엇을 이해 하는지를 이해합니다 이 AI 플랫폼을 기반으로합니다 채널을 올바른 채널로 라우팅하기 위해 생성 한 당신에게 답을줍니다 따라서 답변은 Google Assistant에 있습니다 또는 라이브 에이전트에 의해 전화로 전달됩니다

제안에 도달하거나 웹 사이트의 텍스트로 도달했습니다 그리고이 아주 좋은 점은 일단 AI 플랫폼을 구축하면 솔루션 어쨌든 당신은 또한 분석에 의해 그것을 강화할 수 있습니다 그래서 사람들이 실제로 무엇이 질문인지 알 수 있습니다 내 고객이 내 브랜드에 대해 어떻게 생각하고 있는지, 시간이 지남에 따라 어떻게 개선 할 수 있습니까? 그래서 사이클을 계속하십시오 그러나 새 AI 채널을 하나 추가하는 경우에도, 이미 고객 경험을 향상시킬 수 있다고 생각합니다

많은 비즈니스 비용을 줄일 수 있습니다 그래서 그걸로 고맙습니다 [박수 갈채] 그래서 다음에는 조나단과 드 루바에게 넘겨 줄 것입니다 명왕성 7에서, 그리고 그들은 구름 인공 지능 플랫폼에 대해 이야기 할 수 있습니다 고맙습니다

DRUVA REDDY TIRUVURU : 정말 고마워요 그래서 저는 Pluto7의 클라우드 데이터 엔지니어 인 Druva Reddy Tiruvuru입니다 Google은 Google 클라우드 최고의 파트너이며, 우리는 핵심 파트너 중 하나입니다 인공 지능 및 기계 용 각 분야의 학습 구현 우리 하이테크 제조 및 소매업, 및 건강 관리 우리는 세계 시장에 서비스를 제공합니다

우리는 Barea, Los Angeles 및 India를 기반으로합니다 유스 케이스에 대해 말하기, 오늘 일부 금융 기관 볼 문제가있다 대출 연체의 확장 가능한 예측보기 고객의 가능성 기본값입니다 그리고 나서 Google Cloud에 참여하게됩니다 전문 서비스 조직, 우리는 가속화 된 솔루션을 구축했습니다

기계의 성능을 어떻게 활용하는지 보여주었습니다 대출 연체 예측 모델 고객의 상태 데이터 세트에 대해 간략히 말하면, 우리는 낮은 수준의 신용 정보 성능을 사용했습니다 Freddie Mac이 공개적으로 사용할 수있게 만든 고객의 이 데이터 세트에는 약 2 천 6 백 6 십만 개의 레코드가 있습니다 1999 년에서 2017 년 사이에 유래했다

그래서 [무관심]은 꽤 컸습니다 특정 신용 실적 정보 그들의 데이터 세트에는 자발적 상환과 그 다음에 차압 대안이었던 대출 비용, 순 매출액, 수익 및 모기지 보험 상환 그런 다음이 솔루션의 고수준 아키텍처입니다 우리가 지은 것 저수준 데이터 신용 실적 정보의 집합 공개적으로 사용할 수있게 된 고객에 대한 정보 프레디 맥 (Freddie Mac)이 Google 클라우드 스토리지에 저장합니다

Google Cloud Storage는 온라인 RESTful 파일 저장소입니다 저장 및 액세스에 사용되는 시스템 Google 클라우드 플랫폼의 인프라에서 귀하의 데이터 그 뒤를 이어 초기 데이터 탐색을 수행했습니다 BigQuery를 사용한 분석 간단한 SQL 쿼리를 통해 수백만 건의 데이터를 스캔 할 수있었습니다 몇 초 내에 기록의

그런 다음 데이터 준비 및 데이터 흐름을 사용합니다 데이터 준비는 지능형 데이터 서비스 도구입니다 시각적으로 정화, 변환 및 탐색 할 수 있도록 도와줍니다 귀하의 데이터 그리고 그것은 또한 우리가 데이터를 논쟁하는 데 도움이됩니다

기계 학습을위한 데이터를 준비하십시오 그 뒤에 Datalab을 사용합니다 Datalab은 Jupyter Notebook을 기반으로 구축되었습니다 Jupyter와 동등한 환경을 제공하는 환경 수첩 그리고 클라우드 소스 리포지토리, 코드를 푸시하고 코드 버전을 지정하는 데 사용됩니다

그리고 그 다음으로, 가장 중요한 부분으로 왔습니다 Google Cloud Machine 인 고급 아키텍처 학습 엔진, 우리가 주최 한 곳 우리의 다양한 접근 방식과 다른 기계 학습 모델, 우리가 시도한 방식, 모든 것을 전개하고 예측했다 ML 엔진 클라우드 기능에 대해 간단히 설명하겠습니다 클라우드 기능을 사용하면 다양한 서비스를 연결할 수 있습니다

이벤트가 발생할 때마다 트리거됩니다 그것이 듣고있는 것입니다 동료가 더 설명하거나 이야기하게됩니다 세션의 뒷부분에서 데이터 준비 따라서 데이터 준비는 여행에서 매우 중요합니다

기계 학습 그래서 여기, 초기 데이터 탐색 및 분석 후 우리는 일부 기능이 매우 왜곡 된 데이터라는 것을 알아 냈습니다 예를 들어, 연체 유형과 마찬가지로 일부 값 다른 경우는 매우 드물던 반면에 더 자주 발생했습니다 그래서 이것은 우리 모델의 능력을 떨어 뜨릴 것입니다 이 원시 데이터 자산을 먹이면 훈련시킬 수 있습니다

그래서이 문제를 해결하기 위해 비닝 (binning) 연속적인 숫자 값을 변환하는 데 도움이됩니다 이산 카테고리로 그리고 여기에서 각 빈은 학위를 나타냅니다 각 클래스의 강도 여기서 볼 수 있듯이 클래스 0은 안전하다고 나타났습니다

클래스 1은 적당히 안전합니다 두 번째는 적당히 위험하며 세 번째 것은 위험합니다 우리는 이것을 예측 용 라벨로 사용합니다 그 뒤를 이어 우리는 또한 기능 공학을했습니다 원시 데이터에는 거의 40 개의 기능이 있었지만, 우리는 기능 공학을 min, 최대, 표준 편차, 평균 등 각 열마다, 그리고 그 다음에 – 우리는 우리가 만든 각 빈의 빈도를 찾습니다

마찬가지로 최신 성도, 최근 각 학급마다 발생했습니다 그런 다음 다른 시스템에서 사용한 최종 데이터 세트 우리가 시도한 학습 방법 TensorFlow 예측기, XGBoost, 우리는 운 좋게도 시도했다 프리 알파 단계에있을 때의 AutoML Google은 Google Cloud Professional Services의 일부이기 때문에 조직 알았어, 내 자신의 비디오를 보지 못하게하는거야 그래서 나는 빨리 설명 할 것이다

따라서 우리가 수행 한 기능 엔지니어링이 무엇이든, 그것은 데이터 준비의 위에 있습니다 데이터 준비는 시각적으로 데이터를 정제하고 논쟁하는 데 도움이됩니다 또한 기능 공학을 수행합니다 모든 일련의 단계는 레서피의 형태로 저장됩니다 일단 우리가 조리법을 실행하면 후드 아래에서 무엇을합니까? 그것은 데이터 흐름 작업을 시작합니다

데이터 흐름 작업은 ETL 도구입니다 그것은 당신을 위해 아파치 파이프 라인을 만듭니다 코드를 작성할 필요가 없으며 완전히 관리됩니다 완전히 관리하면 데이터에 집중해야합니다 분석이 필요하고 걱정할 필요가 없습니다

기본 인프라에 대해 Google에서 처리합니다 당신이 볼 수있는 것처럼 당신의 오른쪽에, 당신은 현재 근로자 수를 볼 수있다 이 현재 및 그들의 번호 대상 근로자, Google Cloud Platform의 하중에 따라 스케일링 그리고이 그래픽 사용자 인터페이스 당신이 직업의 상태를 볼 수 있도록 도와 줄 것입니다 그것이 완료되었거나 진행 중입니까

흐름이 완료되면 대상 결과 Google Cloud Storage 버킷에 저장됩니다 그리고 제 동료 인 조나단은 우리의 기계 학습 여행에 대해 이야기하십시오 [박수 갈채] JONATHAN JENG : 좋습니다 Druva가 언급했듯이, Google Cloud 기능을 사용합니다 CML이라는 함수를 설정했습니다

객체 완료 이벤트에 의해 트리거됩니다 버킷이 거기에 지정되어 있습니다 그래서 우리는 N19에 대한 대출 연체 입력을 만들었습니다 다음 19 이 클라우드 기능은 데이터를 가져 와서 양동이에 넣으세요

데이터 준비에서 가져온 다음 처리 된 데이터를 보냅니다 ML 엔진에 – 클라우드 머신 학습 엔진 – 예측을 형성한다 그리고 그 결과가 CSV 파일로 전송됩니다 두 개의 다른 CSV 파일 이 전류에 관한 내용을 담고있는 것 – 미안, 현재 예측, 그리고 하나 이전 모델과 비교해보십시오

또한 해당 파일을 Google Cloud Storage에 저장합니다 그리고 그것은 두 가지를 취할 것입니다 이메일로 보내도록 설정 했으므로 귀사의 통신 시스템으로 보내십시오 우리는 그렇게하지 않았고 방금 이메일로 보냈습니다 여기서 중요한 점은 거의 실시간으로 진행됩니다

온라인 예측을 통해 우리가 속도에 관심이 있으니까요 그러나 당신이 그것의 신속성에 대해 걱정하지 않는다면, 배치 예측을 요청할 수 있습니다 따라서 배치 예측 작업을 제출할 수 있습니다 따라서 하나의 이메일은 모델의 수행 방식을 보여줍니다 여기서는 클래스 당 평균 정확도라는 메트릭을 사용합니다

하단 이메일은 해석을 보여줍니다 예측의 따라서 대출 일련 번호 라벨이 있음을 알 수 있습니다 예측 해석을 보여줍니다 해당 대출 일련 번호

그리고 이전에 언급했듯이, 데이터 파일은 GCI의 Google Cloud Storage에 저장됩니다 그리고 그것을 사용하여, 당신은 그것을 설정할 수 있습니다 Google 데이터를 통해 대시 보드를 형성하는 방법 Studio 또는 Looker 또는 Tableau 그래서 여기서는 Google의 Data Studio를 사용했습니다 왼쪽에는 특정 정보가 표시됩니다

관심있는 데이터, 클래스가 어떻게 배포되는지 등 그리고 중간에 시각화가 있습니다 현재 기계 학습 모델의 그래서 맨 위에는 혼란스런 매트릭스가 있습니다 방금 전에 만들어진 그들의 예측에 관해서 바닥에 다른 모델과 비교해 보았습니다

우리가 사용하는 그래서 여기를 보시면 몇 가지 TensorFlow 모델 인 DNN 선형 결합 분류기를 사용하여 우리는 XGBoost뿐만 아니라 여러 공급 업체 견적서를 사용했습니다 그리고 오른쪽에, 그것이 비어 있음을 알 수 있습니다 서로 다른 액션을 구현하도록 선택할 수 있습니다 이전 두 개의 열에서 만든 예측에 따라 그리고 오른쪽 위에, 당신은 가질 수 있습니다

그 행동의 결과를 보여줍니다 또는 어떤 행동에 대한 권고 당신은 생산하도록 선택할 수 있습니다 맨 위에는 새로 고침 버튼이 있습니다 그래서 제가 말했듯이, 데이터는 GCS에 버려집니다 – 클라우드 스토리지 그런 다음 새로 고침 버튼을 누를 수 있습니다

가장 최신 데이터가있는 대시 보드를 제공합니다 여기에서는 해석 가능성에 대해 조금 이야기 할 것입니다 그래서 두 가지 두드러진 접근법이 있습니다 기계 학습 모델 해석하기 그래서 한편으로 당신은 본질적인 단순성을 가지고 있습니다

따라서 더 본질적으로 간단한 모델을 만들도록 선택할 수 있습니다 가장 똑똑한 선형 모델 또는 의사 결정 트리 등 반면에, 그것은 더 복잡한 것과 호환됩니다 신경 네트워크와 같은 모델, 그래서 일반적으로 무엇입니까 블랙 박스 모델로 간주됩니다 저기서, 너는

포스트 홉 (hocs)이라고 불릴 수도 있고, 모델에 대한 전체 설명을 작성하고자 할 수 있습니다 그 자체 그리고저기서 우리는 가장 유명한 접근법을 가지고 있습니다

피쳐 수입과 블랙 박스 베타가 될 것입니다 근접을 통한 블랙 박스 추정 오, 미안 그리고 나서 여러분은 현지 해석 그래서 각각의 개별 예측을보고 싶을 것입니다

거기 저기에 SHAP이라는 무언가를 사용할 수 있습니다 단지 개별 예측을 검사하기 위해 그 예측을 이끌어 냈다 어떤 기능 및 값이 중요한 결정 그 계급, 그 예측 여기서는 SHAP 값을 보여 드리겠습니다 그래서 SHAP은 실제로 솔루션을 나타냅니다

협동 게임 이론 도메인 게임의 시나리오는 게임을 시나리오로 해석 할 수 있습니다 기능으로서의 게임 플레이어, 그리고 기여금으로서의 지불금 그래서 우리는 XGBoost 앙상블 추정량을 사용했습니다 기준으로 우리는 지니를 선택했습니다

그래서 우리는 각 기능이 얼마나 도움이되었는지보고 싶었습니다 지니 기여도를 낮추십시오 그리고 당신은 x- 축에서 평균 채팅을 보게 될 것입니다 가치 그래서 그것이하는 일은 그 의미를 발견하는 것입니다 – 당신은 XGBoost 모델이 많은 나무들의 앙상블임을 알 수 있습니다, 관찰 된 평균 SHAP 값을 취하기를 원한다

전체 앙상블에 걸쳐 따라서 모델에 대한 높은 수준의 개요를 얻을 수 있습니다 그리고 당신은 관심을 가질 수도 있습니다 – 평가 전에, 예측 전에, 너는 전체에 관심이 있을지도 모른다 나는이 학급을 대출 연체를 위해 얻으 려한다면 예측, 어떤 기능이 더 중요합니까? 무엇을 우선시해야합니까? 그리고 이것으로 당신에게 그 개요를 알려줄 것입니다 그러나 일단 평가가 이루어지면 당신은 당신의 개인적인 사건을 좀 더 자세하게 조사 할 수 있습니다

그래서 여기에서는 ELI 5라는 모듈을 사용합니다 나는 5 살이라고 설명한다 그래서 그것이하는 일은 다른 금액을 취할 것입니다 지니 계수를 낮 춥니 다 귀하의 경우, 귀하는 다른 기준을 사용하도록 선택할 수 있습니다

엔트로피와 같은,하지만 우리는 지니를 선택했습니다 그리고 여기에, 당신이 볼 수있는 것은 기여입니다 각 사례에 대한 각 기능의 그래서 여기에 우리는 두 명의 다른 사람들을 보여주고 있습니다 Druva가 보여준 것처럼, 우리는 적당히 위험하다고 판단했습니다 그래서 1, 2, 3 등급

그들은 낮은 연체 범위입니다 그들은 완벽하게 안전하지는 않지만 너무 위험하지도 않습니다 그러나 당신은 2 개의 다른 클래스를 본다 두 명의 다른 개인 그들은 다른 특징을 가져옵니다

서로 다른 기능이 기여한 것으로 결정되었습니다 각 예측에 우리는 4 가지 기능 만 포함하기로했습니다 왜냐하면 인간은 더 간단하게 선호하기 때문에, 간결한 설명 반면 – 그래서 우리는 단지 4 개를 포함하기로했습니다 그리고 X가 더 긍정적이거나 X가 더 부정적임을 알 수 있습니다

그것들은 그 차이점을 알려줄 것입니다 원하는만큼 늘리거나 줄일 수 있습니다 그리고 나는이 공헌에 대해 당신을 싫어하고 싶지 않아 또는이 해석 때문에 우리는 계속 진행할 것입니다 그래서 이것은 제가 말하고 싶은 말의 끝입니다

나는 어떤 질문이라도 마루를 열 것이다 내 연사와 나에게있어 줄 수있는 [박수 갈채] AAKASH BORDIA : 고마워요, 조나단 고맙습니다, 명왕성 17 그래서 우리는 몇 가지 질문을 할 수 있습니다 우리는 시간이 없기 때문에

첫 번째 것은 쉬운 것입니다 이 슬라이드 데크는 온라인에서 사용할 수 있습니까? 그래서 우리는 당신을 확인하고 있습니다 나는 도리에 올랐다 동영상은 YouTube에서 사용할 수 있어야합니다 두 번째 질문은 Pluto7에 대한 질문입니다

그래서 너희들이 무대에 올라오고 싶다면, 문제는, AutoML estimators의 성능은 어떻습니까? TensorFlow 및 XGBoost 견적 도구와 비교합니까? 다시 한번, 성능은 어떻게 나타 났습니까? AutoML estimators 중 TensorFlow 및 XGBoost와 비교합니까? JONATHAN JENG : 이전에 대시 보드에서 보여 주었던 것처럼, 일부 모델 평가 메트릭이 있습니다 우리가 여기서 사용하는 다른 모델들에 대해서 그래서 우리는 클래스 정확성, 정밀도, 리콜, F1 점수 그리고 우리는 우리의 경우 XGBoost가 가장 좋은 것을 발견했습니다 그것은 TensorFlow를 능가했습니다

우리는 깊고 넓은 병을 사용했고, 그들은 성능이 뛰어났습니다 벤더 솔루션 및 AutoML AAKASH BORDIA : 좋아, 고마워, 조나단 참석해 주신 모든 분들께 감사드립니다 오늘 하루 쉬십시오

그리고 연사에 대해 질문이 있으시면, 우리는 밖에서 모여 나갈 것입니다 고마워 [음악 재생]

Biggest wins for AI will be in health care: Former Google CEO

일을보다 적게 할 수 있습니다 마리아 : 나는이 같은 생각이 듭니다

정말로 사람들을 보아라 너처럼 많이 먹어라 사람이 줄 수있는 사람, 그 리더십, 그리고 그 인구 구성 대표자 아이디어가가는 길 너는 그걸 알아야 해 힘을, 그러나 모두를 따르지 말라 사람의 결정 많은 사람들이 있기 때문에 그것은 또는 질문 QUESTION 너무 많아요

큰 결정을 Google에서 관리가 이루어졌습니다 사람들이 무서워했기 때문에 펜톤 (PENTAGON)에 관한 것 계약 또는 AI, 윤리적 단위는 너무 큽니까? >> GOOGLE CONTEXT ONE 우리의 가치는이 종류의 내부 회신 빌이 나에게 미안하다고 말하는 곳 가치에 아주 많이 찔림 원하는만큼 초점을 맞춘 것 비즈니스는 현실입니다 이 경영은있다 경성 및 경성 및 경성 사회 미디어와 그 때문에 너는 들으려고했다 더욱 조심스럽게 당신에게 직원

하지만 오늘이 끝날 무렵에는 이전 재생 목록 지도력, 코칭, 입문 신생아 인 사람들과 관련성 높은 경험 목표를 달성 할 수있는 가능성 그것이 무엇인지, 그것은 우리는 UNIVERSAL HUMAN VALUE입니다 책에서의 논증은 이들은 현재 적용 가능합니다 이 미래는 UNIVERSAL입니다 관리의 가치 지도 >> 일부 포인트 리더십 알았어

나는 너를 듣는다 그러나 나는 무엇을해야 하는가? 우리가 무엇을 위해 서있는 지 에 대한 >> 그것은 가치입니다 >> 책을 많이 읽으세요 경구 포함 교시 사람들은 청구서를 작성하는 신뢰를 받았다

사랑에 기반한 작업장, 무엇 그 말이 맞습니까? 나에게 실용적인 아이디어가 주어진다 ON LOVE >> 당신은 사랑을 보여줍니다 매니저, 코치 쇼 너의 백성, 숨 쉬다 그들에 대한 확신, 언제 시간이 점점 늘었습니다

>> 또한 차기를 의미합니다 빌이 그걸 좋아할 것 같아 이사회 회의 >> 중순에 좋은 이유가없는 마리아, 나는 너의 쇼를 사랑한다, [CLAPPING], 좋은 느낌 >> 회의에서, 오디오로 당신이 무엇을 알기를 힘들게해라

대단한 일을했다 >> 환상적 >> THE MOMENTUM THEWALL 결정 >> 모든 물건을 구매합니다 >> 네가 토요일에 말 안했어? 회의 AIRFARE 종류의 유급 괜찮아

그것도 가고 싶어 게임에서이기는 것 >> 기쁜 약간의 일 큰 차이를 만들자 AI GOOGLE에 관해서 물어보기 상원 의원 사이에 인위적으로 일하고있다 우리가 가진 정보 여기에서도 잘 보입니다

IT가 어디에나 있습니다 더 큰 것을 얻으려고 예방 조치 >> 많은 즐거움을 얻으세요 영리에 대한 운동가들 가장 큰 건강을 얻는다고 생각하십시오 내가 생각하기에 이것은 아주 이상하다고 생각한다

보고 된 것 >> 당신은 오랜 시간을 보냈습니다 >> 나는 여기에 이유가있다 우리가 생각하는 것만 큼 개인으로서의 자질 생물학적으로 우리는 ~와 비슷하다 다른 모든 컴퓨터는 시계를 사용할 수 있습니다

지금 무슨 일이 일어 났습니까? 알고리즘은 언제부터 좋은가요? 우리는 병원에 가면된다 대단히, 당신은 우리에게 당신의 것을 주셨습니다 허가 정보 이것은 지금 병원이 아닙니다 GOOGLE, THE HOSPITAL CAN SAY, 이봐, 우리는 다음이라고 생각한다 앞으로 나아갈 방향 HAPPEN, 그것이 얼마나 좋은가? 알고리즘은 정밀의 전체 1 년 의학 능력 직접 간호사가 지시 한 약 직접 회신 알고리즘, 진단 컴퓨터 만들기 권장 사항 의사의 얼음보다

>> A BABE DEBATE in A 조건에 대한 많은 심의 취업 일부 일자리가 생깁니다 래리 페이지에 가보시다 그들은 이론의 이론이다 ORELONLON이 될 수있는 곳 파괴성을 발휘할 수 있습니까? 인디언의 인공 지능 너무 익숙하지 않은 윤리적 인 방법 많은 사람 >> 윤리적 인 방법으로 절대적으로 전체 산업에 집중 내가 거기에있는 것으로 확신했다 그는 거대한 작업이 될거야

내가 말한 것만 큼 짧다 직업을 채우기에 풍성한 사람 이 때문에 열려 있습니다 그리고 이유는, 인공 지능 시스템이 그 일을 만듭니다 훨씬 더 효율적인 우리가 일상적으로 얻은 경제적 성장 더 많은 사람들이 필요하다 더 많은 교육,이 내용을 채우기 위해 욥은 질문이 없다

그 끔찍한 그 떠돌이 그럴 수있는 그 중재 그게 변한거야 방해하는 >> 우리는 때때로 학습 된 핵 기술 결코 누크가 아니 었습니까? 핵폭탄 붕괴 핵이 가능하다 우리가하는 모든 것을 더 많이 만들어라 효율적이고, 명확하며, 더 좋음 GRIMZ 더 생산적으로 DID와 동일한 개인 CPR 방법 이건 우리가해야할 일이야

산업계의 산업 학습, 비즈니스 개선 너가 달리고 있으면 알고리즘 AI를 사용하지 않는 사업 기계 학습 COMPETITOR는 당신을이기 수 있습니다 – >> 나는 그것이 그 것에 동의한다 우리가보고있는 곳 모든 단일 산업 데이터에 대한 정확한 진술 데이터, 삽입 된 컴퓨터로 컴퓨터 만들기 똑똑해 >> 오늘, 시스템은있다 언제나 전적으로 의존한다 큰 데이터 원본 가장 많은 데이터를 보유한 회사 지도 업무 또는 당신이 전형적으로 무엇을했는지 승리

미래에 우리는 생각한다 KRRZ를 위해 실제로 가능하다 그들의 개인 훈련을 생성하십시오 데이터 그래서 거기에 큰 새로운 들판 나가기 훨씬 더 효율적입니다 >> 빌 캠벨 씨가 말할까요? >> 그게 당신만큼 비열한거야

CHEER] 누르기] >> 대단히 감사합니다

Applying AI in Games with DeNA

[박수 갈채] 안녕, 모두들 오늘 우리와 함께 해줘서 고마워

오늘 너와 대화하기 위해 여기에 와서 정말 기쁩니다 흥미 진진한 주제 인 AI에 관한 이야기입니다 내 이름은 사미르 저는 Google Cloud의 게임 기술 전문가입니다 나는 도쿄에 있습니다

당신도 궁금해 할 것입니다 게임 기술 전문가? 나는 많은 친구들이 내게 묻고있다 내 일상 업무에서 내가하는 일 대답은 매우 간단합니다 나는 단지 게임을한다

하지만 농담이 아니에요 동료들이 항상 나에게 묻고있다 뭐하고 있니? 그들은 내 전화에서 나는 단지 놀고있는 걸 본다 하지만 더 심각하게, 나는 게임 스튜디오를 돕고 있습니다 아시아에서 GCP에 혁신적인 백엔드를 만들고 있습니다

오늘은 우리가 제공하는 것에 대해 이야기 할 것입니다 AI와 관련된 Google 클라우드 하지만 그때 나는 DeNA에게 그 공간을 줄 것이고, 오늘 나와 함께 무대에 올라있는 사람들, 그들의 경험에 대해 이야기 할 것입니다 사람들이 더 많은 중 하나에서 어떻게 시뮬레이트하는지 인기있는 게임 및 확장 성과 강력한 게임 Google Machine Learning Engine의 백엔드 그래서 그들은 무대에 다시 올 것이다 나는 약간의 소개를 할 것이다 그리고 나는 생각조차하지 않았어

오, 그래, 이거 그래서 그들은 몇 분 후에 다시 올 것이다 고맙습니다 그래서 Google은 게임 업계와 협력하고 있습니다 개발자의 성공을 돕기 위해 클라우드는 이러한 노력의 중심에 있습니다

멋진 게임을 만드는 데 도움이되고 싶습니다 전세계의 플레이어와 연결하고 확장 할 수 있습니다 귀하의 비즈니스 Google은 다른 Google 팀과 협력하고 있습니다 이 비전을 실현시켜야합니다

따라서 구체적인 구현으로 들어가기 전에 인공 지능 공간에서 DeNA의 게임에서 AI의 다양한 응용에 대해 그리고 나는 그들 모두에 대해서 당신과 이야기하지 않을 것입니다 하지만 내가 좋아하는 몇 가지 예를 들어, 첫 번째 것은 – 프로 플레이어를 시뮬레이트하는 봇과 대결 할 수 있습니다 비교할 수 없을만큼 멋지지 않습니까? 최고의 기술, 게임에서 최고의 기술? 보통, 당신은 기회가 없습니다

아마 프로 선수가 아닌 사람이라면 프로 플레이어와 대결 할 수 있습니다 그렇게하는 것이 멋지지 않습니까? 비슷한 방법으로 생각하십시오 프로 플레이어를 시뮬레이트하는 봇을 갖는 것, 그것은 자신을 시뮬레이션 할 수 있습니다 그리고 멀티 플레이를하고 있다고 생각해보십시오 온라인에서 누군가와 게임하고, 그 사람과 연결 해제에 대항하여 플레이하는 것, 게임이 조기에 종료됩니다

그렇게 좌절하지 않니? 나, 나는 많은 온라인 게임을하고, 그것이 일어날 때, 내가 게임을 끝내기를 원했기 때문에 나는 정말로 좌절감을 느낀다 그러나 당신이 자신을 시뮬레이션 할 수있는 로봇을 가지고 있다면, 네가하는 것처럼 온라인에서 놀고 있고, 연결이 끊어지며, 하지만 당신은 그 순간에 대체되었습니다 너와 같이하는 봇이 너의 상대가 알지도조차 모른다 그는 봇과 놀고 있고, 게임은 끝날 수 있습니다

그게 훌륭한 사용자 경험이 아니겠습니까? 우리가 사용할 유스 케이스도 있습니다 ML에 대한 전문 지식조차 필요로하지는 않지만 나중에 얘기하십시오 그러나 AI가 게임에서 그 자리를 차지한다는 것을 깨달으십시오 그리고 그것은 정말로 사용자 경험을 향상시키는 데 도움이됩니다 뿐만 아니라 수익 창출과 같은 매우 중요한 일에서 또는 피어 보존

AI가 게임에서 그 자리를 차지할뿐만 아니라, 게임은 AI를위한 이상적인 환경이기도합니다 따라서 게임은 우리가 기술을 개발하는 방법에 큰 역할을합니다 Google 및 알파벳 DeepMind는 그 좋은 예입니다 DeepMind는 인공 지능 연구 회사입니다

Atari에서 Go의 고대 게임에 이르기까지, 그들은 점점 더 도전적인 게임 환경을 사용합니다 보다 유능하고 일반적으로 개발할 수있는 시험장으로 극도의 복잡성을 극복 할 수있는 시스템 연구 프로그램의 자연스러운 다음 단계 실시간 전략 게임 스타 크래프트였습니다 스타 크래프트 2는 더 어려운 문제를 제기했기 때문에 컴퓨터 과학 분야에서 해결하기 위해, 계획, 불확실성 다루기, 특별 추론 최근에 무슨 일이 있었는지 네가 본지 모르겠다 스타 크래프트 입찰가로 그들은 톱 프로 플레이어를 이길 수있는 봇을 만들 수 있습니다

스타 크래프트 2 그래서 당신이가는 방법, 그들이 어떻게 한 것인지 정말 인상적입니다 그리고 AI가 어떻게 진행되고 있는지에 대한 비전을 볼 수 있습니다 불행히도, 모든 사람들이 딥 마인드는 아닙니다 모두가 ML 전문가를 보유하고있는 것은 아닙니다

데이터가 압도적입니다 ML 전문가가 부족한 세상입니다 2 천 1 백만 명의 개발자들로부터 백만명의 데이터 과학자와 ML보다 적다 전문가 Google Cloud에서의 목표는 누구나 기계 학습을 이용할 수 있도록 새로운 애플리케이션을 구축하거나 지능을 추가하는 방법 기존의 것들

Google 기계 학습을 최대한 활용하여 제공합니다 접근 가능한 모델을 통해 완전히 훈련 된 모델 [? VR?] API입니다 따라서 사전 훈련 된 모델은 모두 수년간의 Google 전문 지식과 세련된 교육을 바탕으로 구축되었습니다 데이터 시각 인식에서부터 자연어 처리에 이르기까지, API를 사용하여 애플리케이션을 교육 할 수 있습니다

사용자를보고 듣고 대화하기 완전히 다른 방식으로 그래서 다른 인공 지능 여행은 무엇입니까? Google 클라우드에서 제공합니까? 몇 가지가 있습니다 상단에 표시가 있으면 사전 패키지 된 솔루션 – 우리는 게임을위한 강력한 AI 솔루션을 미리 포장했습니다 아주 제한된 자원으로 AI 패스에서 새로운 것을 그리기 또는 매우 제한된 ML 전문가 아랫 부분에서는 AI 여행이있는 고급 스튜디오의 경우, 그들의 AI 여행에 전진했다 – 누가 데이터 과학자 또는 ML ML 모델 자체를 구축하고 교육 할 수있는 전문가 TensorFlow, Cloud TPU 또는 Cloud Machine Learning Engine을 사용합니다 그리고 중간에 새 경로가 있습니다

그것은 기계 학습에 당신을 돕기로되어 있습니다 ML 전문 지식이 없어도 고급 기능을 수행 할 수 있습니다 따라서 Cloud AutoML을 발견하게 될 것입니다 클라우드 AutoML은 게임 스튜디오를 지원합니다 제한된 전문 기술을 시작으로 자신의 고품질 모델을 구축하지만 GUI를 사용합니다

오른쪽에는 BigQuery ML이 있습니다 BigQuery는 친숙하지 않은 사람들을 위해 Google Cloud가 제공하는 데이터웨어 하우스입니다 그들의 구름에 제공하고있다 또한 추가 기능을 제공합니다 머신 학습 모델을 만들 수있는 곳 표준 SQL을 사용합니다

따라서 Cloud AutoML 또는 BigQuery ML과 같은 솔루션, AI 전문가도 생산성을 높이기 위해 왔습니다 하지만 도움이됩니다 덜 숙련 된 엔지니어에게 도움이 될 것입니다 ML에 익숙하지 않아 강력한 AI 시스템을 구축 할 수 없습니다 그들은 이전에 꿈을 꿀 수있었습니다

오늘 제가 열릴 유일한 판매 연설입니다 제 발표에서 – 왜 고객들에게 AI 용 Google을 선택하고 있습니다 나는 그 위에 아주 빨리 갈 것이다 그래서 네 가지가 있습니다 하나는 규모입니다

따라서 Google Cloud Platform이라는 클라우드를 제공합니다 우리 클라우드를 사용하기 시작하면 액세스 할 수 있습니다 수천 개의 인스턴스로 따라서 계산 작업량이 많은 경우, 당신이해야 할 계산에 접근 할 수 있습니다 둘, 속도 따라서 Google 클라우드가 TPUs라고 부르는 제품을 제공하는 것은 Google 클라우드뿐입니다

그래서 "TPU"가 무엇인지 들어 본 적이 있는지 모르겠습니다 CPU, GPU처럼 들립니다 그래서 TPU는 Tensor Processing Unit입니다 그래서 그것은 과정입니다 [? 칼?] 우리가 정의한 기계 학습용으로 제작되었습니다 그러나 그것이 얼마나 빨리 이루어지는지를 이해하려면 – 일반적으로 모델을 훈련 할 때 당신도 GPU를 사용할 시간 더 높은 계산 능력을 가진다

클라우드 TPU가 할 수있는 것을 비교한다면, ResNet 50 모델을 사용하면 벤치마킹 할 수 있습니다 단일 클라우드 TPU 사용 – 8 개의 코어와 64 기가의 램이있다 Nvidia P100 GPU보다 84 배 빠르며, Nvidia V100 GPU보다 5 배 빠릅니다 그래서 매우 빠릅니다

Inception V3과 같은 다른 Inception 모델로 시도하면, 당신은 비슷한 결과를 얻습니다 그래서 Google Cloud는 Cloud TPU를 제공하는 유일한 회사입니다 컴퓨터 학습 워크로드를 실제로 가속화 할 수 있습니다 세 번째는 품질입니다 이미 Google 포토, Google 번역가, Google Assistant

Google 포토가 얼마나 정확한지 알 수 있습니다 당신이 가지고있는 것을 찾기 시작할 때가 되십시오 Google 포토 앨범에 있습니다 나는 종종 "햄버거"를 검색합니다 왜냐하면 저는 내 친구에게 내가 먹은 마지막 햄버거를 보여주고 싶다

그리고 나는 "햄버거"를 넣습니다 그리고 나는 모든 햄버거의 목록을 얻습니다 나는 과거에 먹었다 그것은 매우 정확합니다 그래서 당신이 카드를 검색 할 때조차도 – 언젠가는, 내 신분증이나 신용 카드 사진을 찍었습니다

"카드"또는 "ID"를 입력하면 그렇지 않으면 내가 찾을 수 없을 것 같은 사진들을 찾으십시오 접근성, 이것은 도구 제품입니다 우리가 제공하는 사전 훈련 된 모델 밖에서, 우리는 중간 솔루션을 가지고 있습니다 Cloud AutoML 및 BigQuery ML과 같이 모든 사람들이 ML에보다 쉽게 ​​접근 할 수 있도록 도와줍니다 그래서 내 부분을 끝내기 위해, 나는 단지 세 단어 만 가지고있다

"놓치지 마세요" 인공 지능은 당신의 손끝에 있으며, 지금 바로 시작할 수 있습니다 귀하의 응용 프로그램에 인텔리전스 – 기존의 것들처럼, 또는 새로운 것에 – 그 사전 훈련 된 모델 또는 심지어 사용자 정의 모델을 사용하여 Cloud AutoML을 사용합니다 이미 ML 전문가 인 경우 TensorFlow Cloud ML 엔진으로 바로 이동할 수 있습니다 자신 만의 커스텀 모델을 실행합니다

그래서 내면 충분하다 더 이상 고뇌하지 않고, 나는 당신을 사람들에게 소개하고 싶다 DeNA의 경험에 대해 이야기 할 것입니다 AI 및 데크 추천 시스템 만들기 일본에서 가장 인기있는 GCP 모바일 게임 중 하나입니다 그래서 저는 6 월에이 발표를 계속하도록 할 것입니다

고맙습니다 [박수 갈채] JUN : 감사합니다, Samir, 소개해 주셔서 감사합니다 그리고 우리는 DeNA에서 왔으며 가장 큰 게임 중 하나입니다 일본의 출판사 그리고 오늘, 우리는 AI 구현을 공유하고 싶습니다

게임에 지금까지 우리는 두 가지 응용 프로그램을 출시했습니다 이야기하려고합니다 – 동기 부여 구현, 그리고 우리 사건의 결과 그래서 제 이름은 준 에른스트입니다 저는이 프로젝트를 이끌고 있습니다

또한 Ikki Tanaka를 소개하겠습니다 그는 데이터 과학자이며 AI 모델을 만들었습니다 그래서이 부분에서 우리 둘다 발표 할 것입니다 그래서이 작업은 시작되었습니다 4 명의 기계 학습 엔지니어 및 다수 게임 팀의 공동 작업자 우리 각자는 우리 자신의 전문 분야를 가지고 있습니다

저는이 팀을 정말 좋아합니다 시작하겠습니다 그래서 대부분의 사람들이 DeNA에 익숙하지 않다고 생각합니다 우리 회사는 가장 큰 인터넷 중 하나입니다 일본의 회사

우리는 게임과 같은 다양한 비즈니스 영역을 가지고 있지만, 자동차 및 스포츠에서 수익의 대부분은 게임에서 발생합니다 사실, 우리는 수십 가지 사내 게임 타이틀을 제공하고 있습니다 및 다른 발행인의 제목 어쩌면 당신 중 일부는 우리가 닌텐도와 동맹을 맺어 라 예를 들어, 우리 회사는 백엔드 시스템을 담당하고 있습니다

"Super Mario Run"에서 그래서 우리가 누군지 이 세션에서는 사내 게임 타이틀 "Othellonia 규약" 먼저, 우리가 가진 프로그램에 대해 이야기하고 싶습니다 우리가 이러한 문제를 해결하기 위해 어떻게 도전했는지 설명합니다 그래서이 게임 "Gyakuten Othellonia" 전략 앱 게임입니다

플레이어의 행동은 "오델로 (Othello)"라는 보드 게임을 기반으로합니다 또는 "Reversi", 그리고 선수들은 흰색 조각에 검은 색을 입혔습니다 택일 적으로 이 게임에 대한 독특한 점은 각 작품에는 자체 기술이 있습니다 전략적 구성 요소를 전투에 추가합니다

실제로, 당신이 게임을 시작할 때, 다양한 놀이가 시작되고 끝없는 탐험이 있습니다 게임을 마스터해야합니다 이 제목은 3 년 전에 발표되었습니다 다행히도 여전히 성장하고 있습니다 지금까지 2300 만 건의 다운로드가 있었지만, 서비스 지역은 점진적으로 확대되고 있습니다

그리고 물론, 나는 미래에 우리가 희망한다 미국에서도 석방 될 수 있습니다 그래서 "Othellonia"에는 개념이 있습니다 갑판과 캐릭터의 전투를 시작하기 전에 플레이어 [? 구조?] 16 자 이상으로 구성된 갑판 3,000 가지 옵션이 있습니다 그리고 각 캐릭터는 자체 기술을 가지고 있습니다

그리고 선수는 일치하는 문자를 선택해야합니다 그들의 놀이 작풍에 상상할 수 있듯이 조합 수는 극단적입니다 초보자도 쉽게 배울 수 있습니다 최적의 갑판을 만드는 법

또 다른 문제는 최적의 데크를 만드는 것입니다 프로세스를 통해 효과적인 전략을 습득해야합니다 시행 착오의 왜 이것이 문제인지 설명해 드리겠습니다 일반적으로 말해서 게임에 플레이어가 게임을 계속하는 것을 방해 할 수 있습니다

해지율이 증가하고 미래 수익에 영향을줍니다 권리? 예를 들어, 추정치가 있습니다 30 일간의 해지율에서 단지 몇 포인트가 감소한다는 것 미래에 매출을 20 % ~ 30 % 증가시킬 수 있습니다 "Othellonia"로 돌아 가면 실제로 해지율이 높기 때문에 문제가 발생했습니다 이것은 부분적으로 게임이 복잡하고 부족하기 때문입니다 충분한 [부적절한] 지원

따라서 초심자에게는 어렵습니다 최적의 갑판을 만들 수 있습니다 또한, 연습을위한 좋은 곳이 없다 그들의 전투 기술을 향상시키기 위해서 예를 들어 초보자에게는 두 가지 전투 옵션 만 있습니다

하나는 NPC와의 전투입니다 약한 상대, 그리고 다른 PvP 전투입니다, 숙련 된 선수와 자주 매치된다 그래서 우리는 비슷한 수준의 상대가 필요했습니다 초보자에게 이것이 우리의 상대 설정입니다

그럼 우리의 접근 방식을 보도록하겠습니다 초보자를 지원하기 위해 두 가지 기능을 개발했습니다 첫 번째는 갑판 추천 시스템이며, 플레이어의 조각에서 적절한 문자를 선택합니다 상자에 넣고 연관 분석을 사용하여 더 나은 제안 두 번째는 Othellonia Dojo라고 부르는 전투 AI입니다

이 기능에서 우리는 모든 수준에서 재생할 수있는 인공 지능을 개발했습니다 이 인공 지능에는 심 신경 네트워크가 사용됩니다 나중에, Ikki는이 기술들이 어떻게 우리의 경우에 사용됩니다 그래서, 기계 학습 관점에서 볼 때, 그러한 인공 지능을 구축하기위한 데이터를 준비해야합니다 우리는 다양한 종류의 게임 내 데이터를 수집하고 있습니다

데크 로그 및 전투와 같은 게임의 릴리스 이후 로그 따라서 우리는이 프로젝트를 시작하기 전에 많은 양의 데이터를 가지고 있습니다 그래서 우리의 경우에는 데이터를 사용했습니다 지난 9 개월 동안 수십억 개의 로그 항목 그런 다음 플레이어 기술로 데이터를 필터링했습니다 전투 AI 사례에서 원본 데이터를 보강했습니다

오른쪽 이미지는 예제입니다 JSON으로 포맷 된 전투 기록의 상태 및 액션 입력에 대해 설명합니다 전투 정보 하단 다이어그램은 대략적인 데이터 파이프 라인을 보여줍니다 BigQuery는이 사전 처리 단계에서 매우 훌륭하게 작업했습니다

예를 들어, 테라 바이트 단위의 데이터까지도 처리 할 수 ​​있습니다 매우 빠르며 처리 시간을 단축 할 수 있습니다 과감하게 BQ는 몇 분 안에 데이터를 처리 할 수있었습니다 온 – 프레미지의 Hadoop 클러스터

BQ가 다른 GCP와 공동 작업하기 쉽다는 점도 마음에 듭니다 서비스 그래서 여기에 우리의 AI가 성공적으로 수행되었음을 강조하고 싶습니다 충분한 양의 데이터와 신뢰할 수있는 파이프 라인으로 구축됩니다 그럼 각 사례가 어떻게 작동하는지 살펴 보겠습니다

이것은 갑판 추천 시스템의 매우 대략적인 개요입니다 그래서 우리는 먼저 전처리 데크를 이용합니다 로그를 통해 각 문자의 모양에 대한 정보를 추출합니다 연관, 이는 연관 규칙이라고합니다 이 분석을 통해 우리는 강도 모든 문자 쌍에 걸쳐 관계의 그리고, 플레이어로부터의 요구가 있으면, 추천 서버는 플레이어의 조각 상자에있는 캐릭터 세트, 16 자 모두를 채 웁니다

협회 규칙의 점수에 따라 이 기능은 매우 유연하며 플레이어 갑판 원형, 갑판 비용, 및 그들의 마음에 드는 특성은 갑판에서 포함될 것이다 KPI와 관련하여 몇 가지 측정 항목을 모니터링하고 있습니다 예를 들어, 우리는 몇 명의 플레이어가 추천 시스템을 사용했다 권장 갑판이 수락되었는지 여부, 그리고 그 데크가 플레이어 측면에서 기여했는지 여부 그들의 승리율은 전투 중입니다 따라서 Dojo의 경우 AI와의 전투가 가능합니다

다양한 원형과 강점이 있습니다 여기 우리는 깊은 신경망을 훈련시킨다 전처리 된 전투 기록에서 클라이언트는 현재 게임 상태를 보내고, 전투 API 서버가 반환합니다 게임의 매 턴마다 신경 네트워크의 추론

측정 항목에 관해서는 Dojo가 얼마나 자주 사용되는지, 그리고 강도 의 AI는 승리율면에서 충분했다 그래서이 두 인공 지능은 이미 풀려 났고, 우리는 매우 긍정적 인 KPI를 관찰하고 있습니다 그래서 결과를 보여주기 전에 Ikki에게 이야기를 전달할 것입니다 그는 기술 세부 사항 및 몇 가지 팁에 대해 이야기하겠습니다 AI 시스템 구축 용

[박수 갈채] IKKI : 감사합니다, Jun 안녕하세요 저는 Ikki이고 DeNA의 데이터 과학자입니다 그래서 나는 우리 게임 AI를 만든 개발자 중 한 명입니다 시스템은 데이터 분석, 데이터 과학 및 기계를 사용하여 배우기

그래서 오늘, 우리의 기술적 인 세부 사항에 대해 이야기 할 것입니다 GCP 사례 이제 기술 부분에 대한 이야기를 살펴 보겠습니다 먼저 갑판을 표준화하고 싶습니다 추천

이것은 데크 추천 알고리즘의 개요입니다 그리고 첫째, 갑판 추천 알고리즘 데크 아키타 입 (deck archetype)과 같은 플레이어로부터의 입력을 수신하고, 갑판 비용, 소유 한 캐릭터 및 캐릭터 플레이어가 사용하기를 원합니다 다음으로 알고리즘은 리더를 선택합니다 협회 결과를 이용하여 분석 및 통계 자료 따라서이 알고리즘에서 리더 캐릭터가 먼저 선택되고, 다음 문자는 리더를 기준으로 선택됩니다

잘 연관된 문자는 간단합니다 연관 분석의 결과에 따라 선택됩니다 데크가 16 자로 가득 차 있지 않은 경우, 다른 문자가 가장 좋은 문자로 선택됩니다 이 절차를 여러 번 반복 한 후에, 추천 된 덱이 플레이어에게 제안됩니다 게임이 다른 경우, 미세 조정의 방법 또한 다릅니다

그래서 우리 게임에서, "Gyakuten Othellonia," 예를 들어 리더를 결정하기위한 추가 규칙을 만들었습니다 우리는 스킬을 가지고 활성화를 확인했습니다 갑판 건물에서 간단한 설명을 드리고 싶습니다 관계 추출 방법 문자 사이

우리의 권고안에서는 협회 분석을 사용하고 있습니다 연결 분석은 규칙 기반 시스템입니다 흥미있는 관계를 발견하는 학습 방법 큰 데이터 세트의 내용 사이 따라서이 방법은 고속 계산을 수행 할 수 있습니다 주요 관계를 추출하려면, 추출 된 관계는 이해하기 쉽고 매우 다양한 설정에서 유용합니다

관계는 몇 가지 메트릭으로 평가됩니다 연결 강도의 정도와 같은 규칙이나 패턴의 우리의 추천은 캐릭터를 선택하여 덱을 만듭니다 순차적으로 강한 관계, 하나 후에 따라서이 방법은 다양한 종류의 데이터를 쉽게 처리 할 수 ​​있습니다 그래서이 기술은 많은 게임에 적용 할 수 있다고 생각합니다

다음으로, 나는 그 시스템에 대해 이야기 할 것이다 그래서 우리는 갑판 추천과 같은 우리의 응용 프로그램을 만들었습니다 깊은 학습 AI 봇과 GCP 왜 우리는 ML 시스템을 위해 GCP를 선택 했습니까? 두 가지 주된 이유가 있습니다 첫 번째는 강력하고 유연한 도구입니다

기계 학습 및 데이터 과학 데이터 분석에서 우리는 종종 데이터를 조사하려고 노력하지만, 시각화하고 프로토 타입 모델을 만들 수 있습니다 거대한 데이터 분석을위한 GCP 서비스 BigQuery, Cloud Datalab, 및 Google Compute Engine이 포함됩니다 클라우드 스토리지 용 GCP 서비스 대규모 데이터를 위해 확장 가능하고 빠른 서비스를 제공합니다 큰 데이터와 많은 기계를 관리하는 데 도움이됩니다

학습 모델 Cloud ML 엔진에 관해, AI 모델을 배치 할 수 있습니다 클라우드 ML 엔진에 쉽고 빠르게 또한 사용자에게 친숙한 예측 API도 제공합니다 또한 GCP는 기계를 수행 할 수있는 많은 서비스를 제공합니다 효율적으로 학습합니다

예를 들어, 우리는 GKE의 서비스 내용 커스텀 기능으로 클라우드 ML 엔진 교육 확장 가능하고 분산 된 ML 교육 두 번째는 확장 가능하고 강력한 인프라 서비스입니다 응용 프로그램을 쉽게 실행할 수 있습니다 몇 가지 프로그래밍 언어로 Google App Engine을 사용함으로써, Python Go 언어처럼 그리고 우리는 시스템 성능의 여러 측정 기준을 확인할 수 있습니다

스택 스택 드라이버, 로깅 등을 통해 GAE의 자동 크기 조정 기능을 강조하고 싶습니다 새로운 인스턴스가 증가하기 때문에 매우 훌륭한 서비스입니다 또는 트래픽에 대한 응답으로 중지되었습니다 그리고 [INAUDIBLE]은 인스턴스에 배포됩니다

자동으로 따라서이 GCP 서비스는 쉽게 통합 할 수 있습니다 동일한 시스템에 통합 할 수 있습니다 이러한 이유로 우리는 ML 시스템을 위해 GCP를 선택합니다 갑판의 시스템 아키텍처를 보여 드리겠습니다 GCP와의 추천

먼저 BigQuery에 데크 로그가 저장됩니다 규칙을 추출하는 데 사용됩니다 일괄 처리를 수행하기 위해 [INAUDIBLE] 일정을 보냅니다 Google Compute에서 연관 분석 처리 엔진 그리고 훈련 된 데크를 따라 잡기 위해 최신 문자를 사용하여 일괄 처리를 수행하고 있습니다

매일 그런 다음 클라우드 함수가 결과를 사전 처리합니다 연관 분석을 수행하고 데이터를 업데이트합니다 생산 환경을 위해 클라우드 기능은 데이터가 올바르게 업데이트되었는지 확인합니다

예를 들어 갑판의 크기가 너무 작거나 큰 경우 우리는 Google App Engine Python을 사용하고 있습니다 권장 API 서버의 경우 37입니다 서버는 클라이언트로부터 요청을 수신하고, 갑판을 만들고 마지막으로 권장 덱을 플레이어에게 반환합니다 주목할만한 점 중 하나는 GAE Python입니다

37은 작년 말에 일반적으로 이용 가능했지만, 그래서 우리는 적시에 그것을 사용할 수 있습니다 그 결과로 [? 기다려?]를 파이썬 37, 우리가 이미 가지고있는 코드를 변경할 필요가 없습니다 Python 3에서 개발되었습니다

지금까지 알고리즘과 시스템을 설명했습니다 갑판 추천 다음 주제로 넘어 갑시다 Deep-Learning AI-Bot Othellonia Dojo입니다

"도장"은 자신의 노는 기술을 향상시키는 훈련실을 의미합니다 이것은 Deep Learning AI의 교육 개요입니다 봇 브랜딩은 우리의 경우에 적합합니다 상태와 같은 많은 복잡한 기능을 배우기 보드, 데크, 손, 기술 및 조합 기능들

딥 학습 AI 봇은 상태를 수신합니다 클라이언트와의 전투 전투 정보가 변환됩니다 수치적인 특징에 깊은 학습의 입력으로 사용됩니다 네트워크는 상위 계층 플레이어의 행동을 학습합니다

바이너리 분류 마지막으로 Deep Learning 모델 될 각 액션의 값을 출력한다 다음 행동을 결정하는 데 사용됩니다 여기서 우리는 1 천만 개 이상의 전투 기록을 사용했습니다 훈련에서

다음으로 AI Bot 시스템을 보여 드리겠습니다 우선, 교육 단계에 대해 이야기하겠습니다 PvP에서 다수의 전투 기록 BigQuery를 통해 Google Cloud Storage에 저장됩니다 그리고 교육 과정은 기능의 전처리와 모델 트레이닝, Google Compute Engine에서 실행되고 있습니다 전처리 과정에서 기능 전투 기록의 요구에 따라 생성된다

게임을 에뮬레이션합니다 여기서는 custom 함수를 만들었습니다 교육 과정에서 기능을 만드는 데이터 생성기 교육을 마친 후 훈련 된 인공 지능 모델 클라우드 스토리지에 저장되어 클라우드 ML에 배포 엔진 다음으로 추론 단계로 넘어갑니다 그러니 연락해주십시오

클라이언트 추론 API 서버 슬라이드 왼쪽에 전투 기록은 추론 API 서버에 게시됩니다 AI 로봇과의 전투 이벤트를 진행하는 클라이언트로부터 추론 API 서버가 전투를 재현합니다 레코드로부터, 피쳐를 추출하고, 이러한 기능을 온라인 예측에 보냅니다 클라우드 ML 엔진이있는 API Cloud ML 엔진의 온라인 예측 그것이 최적화되어 있기 때문에 매우 유용합니다

[INAUDIBLE]이 적은 AI 모델을 실시간으로 실행합니다 클라우드 ML 엔진은 DCS에서 시작하여 숙련 된 AI 모델을 사용합니다 각 액션의 값을 반환합니다 값은 클라이언트로 다시 보내지고, 클라이언트가 전투 단계로 이동합니다 값에 따라 최상의 조치를 선택하십시오

그것은 클라이언트 간의 전반적인 커뮤니케이션입니다 및 서버 Google App Engine 및 Cloud ML 엔진 서버의 부하에 대한 응답으로 자동 확장 할 수 있습니다 그것은 아주 좋은 기능입니다 따라서 자동 크기 조정의 이점을 취함으로써, 우리는 많은 양의 요청을 관리 할 수 ​​있습니다

마지막으로 기술 주제를 다룰 것입니다 시스템 테스트 그렇다면 시스템을 테스트해야하는 이유는 무엇입니까? 마지막 슬라이드에서 언급 한 Cloud ML Engine은 자동 확장이 가능합니다 빨리– 좋습니다 네, 그렇습니다

그러나 우리는 얼마나 많은 부하에 대한 지식이 충분하지 못했습니다 시스템은 견딜 수 없다 모바일 게임에서, 일반적으로, 부하 새로운 이벤트가 열리는 순간에 증가하는 경향이 있습니다 슬라이드의 그림은 예제를 보여줍니다 yardstick 이벤트에서 초당 예상 요청 수

시험 계산입니다 초당 요청 수는 수백 개로 증가합니다 10 분 안에 우리는 사전에 시스템이 이 하중을 견뎌야합니다 주목할 점으로 우리는 AI의 행동을 예측할 수 없습니다 일괄 처리로 정기적 인 간격으로

우리 시스템은 요청에 응답해야합니다 실시간으로 플레이어로부터 그것이 AI가 다음 턴에 캐릭터를 배치해야하는 곳입니다 이를 위해 온라인 예측 API를 선택했습니다 클라우드 ML 엔진의 Cloud ML 엔진이 만족할 수 있는지 확인했습니다

부하를 수행하여 우리의 요구 사항 릴리스 전에 테스트합니다 우리의 경우, 테스트가 수행되었습니다 설정에서 요청이 선형 적으로 증가하고 도달합니다 초당 최대 1,000 개의 요청 Cloud ML Engine은 자동으로 응답으로 확장 할 수 있음을 발견했습니다 요청 및 예측의 평균 지연 시간 1 초 미만입니다

그러나 몇 가지 요청이 있습니다 평소보다 더 오랜 시간이 걸렸다 플레이어에게 요청할 수 없기 때문에, 그래서 우리는이 조건을 해결할 필요가있었습니다 DeNA 팀과 Cloud ML 엔진 팀 병목 현상을 조사하기 위해 협력했습니다 그런 다음 시간 초과가 발생했음을 발견했습니다

자동 크기 조정 과정에서 앱의 새로운 인스턴스가 우리의 무거운 짐 때문에 많은 요청을 처리하는 것이 어렵습니다 온라인과 동시에 많은 기능으로 구성됩니다 [? 예측 ?]하지만이 문제를 해결할 수 있다면 효율적이지만 일관성있는, 우리는 미리 시스템을 워밍업 할 필요가 없습니다

시스템이보다 강력해질 것입니다 그래서 우리 팀은이 문제를 해결할 시간을 들였습니다 오류를 제거하기 위해 우리가 다뤄야 할 사항을 살펴 보겠습니다 오류가 한 번에 반환되면 다시 서버로 다시 던질 수 있습니다 그러나 시간 초과가 발생하면 시스템에서 다시 보낼 수 없습니다

다시 한번, 타임 아웃 에러가 반환되지 않기 때문이다 따라서, 추론 API 서버가 5 초 이내에 응답을 받고, 요청이 API로 다시 전송됩니다 다시 말하면, 추측에서 나쁜 것이 발생했기 때문입니다 또한, 요청의 목적지가 동일한 종단점 인 경우, 서버의로드가 증가합니다 결과적으로 백업 엔드 포인트를 설정합니다

실패한 요청을 받는다 메인 엔드 포인트에서 작동합니다 즉, 두 번째 요청이 전송됩니다 독립적으로 준비된 백업 끝점으로 메인 엔드 포인트에서 이것은 백업 엔드 포인트로로드 테스트의 결과입니다 그림은 여러 설정의 오류 비율을 보여줍니다

최소 10 개의 노드가있는 백업, 백업 없음, 최소 20 개의 노드로 백업합니다 백업 엔드 포인트가없는 경우, 왼쪽에, 오류의 약 13 %가 남아 있습니다 최소 10 개의 노드가있는 백업의 중간 설정에서, 작은 오류는 여전히 남아 있지만, 백업은 대부분의 엔드 포인트 오류를 ​​처리 할 수 ​​있습니다 우리는 이러한 작은 오류의 원인을 발견했습니다

백업 인스턴스 수가 조금 적기 때문입니다 그래서 타임 아웃이 여전히 발생했습니다 자동 크기 조정의 예열시 백업 환경에서 그래서 미세 조정 설정의 대부분의 경우, 여기서 백업 인스턴스의 수 주 엔드 포인트의 오류를 처리하기 위해 20으로 설정되었습니다 대체로

이 경우 모든 요청을 처리 할 수 ​​있습니다 오류없이 그래서 이런 식으로, DeNA와 Cloud ML Engine 팀 높고 뾰족한 트래픽과 대기 시간에 대한 도전을 극복했습니다 오류없이 제한하십시오 배포 후이 시스템은 많은 오류를 처리 할 때 안정적입니다

지금까지 AI의 [INAUDIBLE] 시스템에 대해 설명했습니다 GCP 시스템은 유연하게 구축 할 수 있습니다 게임용 다양한 프로그램에 대처할 수 있습니다 이제는 KPI에 대해 6 월으로 넘겨주고 싶습니다 결과와 미래

감사 [박수 갈채] JUN : 네 고마워, 일키 그리고 당신이 언급 한 것 같아요, 우리는 확장 가능하고 견고한 실제 AI에서이 AI를 실제로 구현할 수 있습니다 그래서이 마지막 부분에서 나는 출시 이후에 어떤 일이 일어 났는지 알려주고 먼저 갑판 추천을 위해 초보자 수를 보여주는 차트입니다

누가 데크 추천을 사용하는지 출시 이후에도 일정한 사용이 있었지만이 시점에서, 이 기능은 잘 알려지지 않았습니다 그러나 역은 우리가 홍보 할 게임 내 이벤트 시작 새로운 갑판을 만드는 선수 갑판 추천 시스템은 더 많이 인식되어 왔으며, 이벤트가 끝난 후에도, 많은 플레이어들이이 기능을 자주 사용하고 있습니다 그래서 두 번째로, 우리는 추천 된 갑판이 초보자의 승리율은 약 5 % 추천없이 작성된 데크와 비교 체계

우리의 초점은 초보자를 지원하는 것이었기 때문에, 우리는 이러한 결과에 매우 만족하고 있습니다 또한, 나는이 기능이 잘 적용되고 있음을 언급하고자한다 최상위 계층 플레이어에게도 마찬가지입니다 이것은 부산물 이었지만 우리는 무거운 선수가 보통 관찰 갑판을 자주 업데이트하십시오 그리고이 추천 시스템은 비용을 완화합니다

처음부터 건물 갑판의 그들은 초판으로 추천을 사용하며, 원하는대로 데크를 사용자 정의 할 수 있습니다 이제는 시스템 메트릭을 살펴 보겠습니다 출시 후에는 안정적인 대기 시간을 갖습니다 20 밀리 초이며 이는 우리의 경우에 충분히 빠릅니다

그러나 우리는 결과에 매우 놀랐습니다 추천 알고리즘이 매우 복잡하기 때문에, 우리는 그러한 낮은 대기 시간을 예상하지 못했습니다 자동 크기 조정은 좋은 일을합니다 우리는 지금까지 시스템에 문제가 없었습니다 간단히 말하면, 우리는 평가에 대해 설명 할 것입니다

딥 학습 AI 봇의 공개 후, 우리는 우리 인공 지능 봇은 연습만큼 좋은 승리율을 가지고있다 초보자를위한 파트너 우리의 인공 지능 봇 (AI Bot) 따라서 플레이어는 AI의 모든 레벨을 선택할 수 있습니다 일종의 멘토입니다 이것이 지난 주 발표되었지만, 우리는 비즈니스 영향을 평가할 수있는 충분한 데이터가 없습니다 Dojo는 초보자가 잘 사용하며, 앞으로도 좋은 KPI를 이끌어 낼 수 있기를 바랍니다

그래서 지연에 관해서는, 기계 학습의 추론 엔진은 약 200-300 밀리 초이며, 그들은 매우 빠르고 안정적입니다 전체 시스템의 경우에도 응답 시간 약 1 초입니다 우리의 경우에는 충분히 빠릅니다 백업 엔드 포인트가 잘 작동하고 있습니다 지금까지 시스템에 문제가있었습니다

그래서 내 이야기의 끝으로, 나는 아이템을 보여줄 것이다 우리의 경우에는 효과가있었습니다 인간처럼 게임을 한 인공 지능을 훈련 시키려면, 우리는 완전히 재현 된 전투 기록이 필요했습니다 전투 상태 및 행동 게임에 임의의 효과가 있다면, 무작위 종자가 로그에 저장되었는지 확인하십시오

둘째, AI의 진화를 위해, 우리는 수천의 전투를 수행해야했습니다 실적 통계를 얻을 수 있습니다 헤드리스 시뮬레이터는 이러한 맥락에서 우리에게 많은 도움이되었습니다 강화 학습을 사용하려는 경우 기술, 당신은 또한 매우 빠른 시뮬레이터가 필요합니다, 우리 버전이 나올 전투의 숫자가 정말 중요한 일을 통해 셋째, 스트레스를 받고 싶습니다

구현을 위해서는 확장 가능하고 강력한 시스템이 필요하다는 실제 서비스의 AI 우리는 GCP가 특히 Machine Learning Engine과 GAE – 우리에게 좋은 선택 이었어 마지막 항목은 기술적이지는 않지만 중요합니다 일반적으로 말하자면, 우리는 AI가 얼마나 잘 수행 할 수 있는지 알지 못합니다 비즈니스에 미치는 영향이 얼마나 큰지 프로젝트를 시작하기 전에 있어야합니다

그래서 그러한 불확실한 상황에서, 통신 및 제어 기대는 매우 중요합니다 우리가 기계 학습 엔지니어이지만, 우리는 게임과 비즈니스 문제를 이해하려고 노력합니다 바르게 그리고 이것이 이것이 성공의 핵심 요소라고 생각합니다 이 프로젝트 중 이것은 나에게서 왔고 요약을 사미르에게 전하고 싶습니다

다시 감사 [박수 갈채] 네, 그렇습니다 이 놀라운 발표를 해주신 Jun-san과 Ikki-san에게 감사드립니다 나는 그것이 오늘 많은 사람들에게 영감을 주었다고 생각합니다

그리고 그것은 매우 인상적입니다 그들은 게임을 조금 더하게 만들었습니다 포괄적이며 초보자에게는 좀 친숙합니다 그리고 그들이 구현 한 바를 매우 성공적 일 것이며, 오늘의 프리젠 테이션 어쩌면 몇 가지 아이디어를 가질 수 있습니다 그리고이 세션을 마치기 전에, 나는 당신에게 간단한 사용법을 보여주고 싶다

컴퓨터 학습을 시작할 수있는 경우 그리고 나는별로 이야기하지 않는 두 사람에 대해 빨리 이야기 할 것입니다 전문 지식이 필요하고, 매우 전문 지식이 필요합니다 그들이 한 일과 비슷합니다 그래서 이것으로 시작, 채팅 번역

따라서 게임의 가장 큰 문제점 중 하나는 언어 장벽입니다 그래서 저는 제가 온 지역에서 – 일본, 선수들은 단지 일본어로 말하고 있습니다 그리고 당신은 그 게임을 보지 못할 것입니다 일본인 커뮤니티가 여러 곳있다 한국인과 대만인과 놀고, 왜냐하면 언어 때문입니다

그리고 그 장벽을 깨고 싶다면, 이런 종류의 사전 훈련 된 모델을 사용하여 시작할 수 있습니다 번역 API와 같이 번역 할 실시간으로 메시지를 채팅하고 그러한 종류의 장벽을 깨뜨릴 수 있습니다 좀 더 통합 된 커뮤니티를 갖는 것이 좋을 것입니다 국경 너머로 갈 수있는 게임 내에서 그래서 이것은 하나의 유스 케이스입니다

매우 빨리 시작하십시오 번역을 해본 적이 있다면 – Google 번역 – 당신은 그것이 매우 정확하다는 것을 알 수 있습니다 그리고 언어에서 완벽하지는 않을지라도 게임을 즐기는 것보다 커뮤니티가있는 것보다 낫습니다 서로 통신 할 수없는 두 번째 것은 내가 시도하는 모든 게임 회사를 보는 게임입니다 싸우는 것은 플레이어의 독성입니다

때로는 게임에서 다른 플레이어를 괴롭히는 사람들이있다 그리고 그것은 약간의 경기를 망칠 수 있습니다 따라서 중요한 플레이어를 잃고 싶지는 않습니다 나쁜 선수의 행동 GCP에서 Google Cloud Platform을 시작할 수 있습니다

Natural Language Processing API를 사용합니다 여기에는 감정 분석이라는 기능이 있습니다 Sentiment Analysis가하는 일은, 그것은 입력으로 텍스트를 취할 것이고, 그것이 맞는지 말할 수 있습니다 긍정적 인 입력 또는 부정적인 입력이 완료되었습니다 귀하가 취할 수있는 많은 데이터를 바탕으로, 당신은 아마 선수들로부터 매우 부정적인 통찰력을 발견 할 수 있습니다

그들을 경고하고, 아마 그들을 금지 시키려하고, 정말로 그 시점에 있다면 하지만 너는 수동으로 가고 싶지 않아 모든 채팅 또는 플레이어의 행동을 확인하는 그 사람이 독성이 있는지 결정하십시오 이런 종류의 API를 가져올 수 있습니다 게임의 잠재적 문제에 대한 통찰력, 거래하고있는 잠재적 인 플레이어, 어쩌면 게임의 문제, 그리고 결국 손상시킬 수 있습니다

따라서이 두 가지 사례는 매우 빠르게 시작할 수 있습니다 사전 훈련 된 모델을 사용합니다 마지막으로 좀 더 전문 지식이 필요합니다 DeNA가 오늘 한 것과 매우 비슷하다고 생각합니다 게임을 단순화합니다

DeNA가 한 일은 오늘 생각합니다 단순화의 완벽한 예입니다 AI를 사용한 게임 그리고 그들은 갑판 추천을했습니다 약간의 게임 구성을 간소화하는 방법 당신이 너무 많은 문자를 가지고있을 때

또한 봇에 맞서 훈련 할 수있는 방법이 있습니다 사람들을 훈련시키고 도울 수있는 방법이기도합니다 따라서 다른 유스 케이스에서도 생각할 수 있습니다 그리고 내가 항상 스튜디오에서들을 수있는 Q와 A입니다 따라서 QA 테스트 – Q 및 A가 아닌 QA 테스트

따라서 QA 테스트는 많은 비용이 들며, 당신이 약간의 변화를 할 때마다 당신은 시험을해야하기 때문입니다 이것이 깨지지 않는지 테스트해야합니다 예를 들어, 당신의 게임의 균형 모바일 공간에서, 심지어 지금은 콘솔에서, 당신이 Fortnite와 같은 최신 게임을 보게되기 때문에, 매주 업데이트되어 게임에 새로운 아이템을 가져옵니다 이런 종류의 테스트를 자동화 할 수 있다면, 당신은 언제 게임에 새 아이템이나 새 카드를 가져 오면, 그것은 게임의 균형을 깨지 않습니다

그리고 보통, 나는 일본에있는 것으로부터 볼 수 있습니다 일본의 모바일 게임을 즐기는 새로운 아이템, 새로운 캐릭터를 2 주마다 가져옵니다 때로는 캐릭터가 균형을 깨뜨릴 수 있습니다 Fortnite에서 보았을 때도 있습니다 새로운 무기를 가져와, 너무 강하다

즉시 조치를 취합니다 하지만 그렇게하기 전에 행동하고 싶습니다 업데이트로 프로덕션에 들어가기 전에 만약 자동화를 만들 수 있다면, 그것은 유스 케이스 중 하나가 될 것이다 재미있을 수 있습니다 그리고 저는 이런 종류의 일을한다고 생각합니다

TensorFlow, 기계 학습을 사용할 수 있습니다 엔진을 사용하고 DeNA가 수행 한 것과 매우 유사한 작업을 수행하십시오 DeNA의 발표 내용 영감을주고 통찰력을주었습니다 어떻게 복잡한 문제를 제기하고 접근하는지, 어쩌면 인간이 만든 로봇 일 수도 있습니다 그러나 이것이 당신에게 도움이되기를 바랍니다

그리고 우리는 시간이 좀 있다고 생각합니다 나는 우리에게 10 분이 더 있다고 생각한다 자네가 궁금한 점이 있으면 우리는 Ikki-san, 준 산 – 제발 무대에 올라와 궁금한 점이 있으시면 그들은 뒤쪽에 마이크가 있습니다 그리고 자유롭게 질문하십시오 조금 더 깊이 이야기하고 싶다면 당신이 가진 도전, 우리가 할 수있는 회의가 끝나면 토론한다 정말 고마워요

[박수 갈채] 다른 질문 있나요? 아 관객 : 먼저, 당신의 이야기에 감사드립니다 다른 기술 수준에 따라 AI를 훈련 할 때 – 초보자와 상대로 놀기 전문가 – 당신은 클라우드 시스템, ML 시스템에 물어 보셨습니까? 다중 추론을 위해서? 아니면 다르게 훈련 시켰습니까? 자주 잃는 사람들을위한 게임에 대해 교육을 받았습니까? 전문가 들과는 반대로? JUN : 그래서 당신의 질문은 만약 우리가 최상위 계층 플레이어와 함께 기차 [INAUDIBLE] ?? 아 네 네

맞습니다 관객 : 가끔씩 그렇게 훈련 시키길 원합니다 초보자를 잃는다 그렇다면 어떻게 그 목표를 달성 했습니까? JUN : 당신은 그 수준을 훈련시키는 것을 의미합니까? 네 네

승인 그래서 우리는 그러한 조정을위한 몇 가지 계획을 고안했습니다 그래서 우리는 매번 추측하여 이동의 점수를 얻습니다 권리? 예를 들어, 10 개의 움직임이 있다면, 우리는 모든 최신 점수를 분류하고 가장 높은 점수를 골라냅니다 까지– 나는 강한 것을 의미합니다

권리? 그러나 우리는 특정 확률로 2 위와 3 위를 움직이며, 이것이 하이퍼 매개 변수이며 우리는 수동으로 튜닝을하고 있습니다 그 매개 변수 그래서 우리가 – 우리는 플레이어에 따라 레벨의 균형을 맞출 수 있습니다 관객 : 게임 봇 구축시, 강화 학습을 사용 했습니까? 또는 즉석에서 배우기, 또는 어쩌면 너 다른 모델과 다른 결과가 있었습니까? JUN :이 경우에는 사용하지 않지만 노력하고 있습니다 글쎄요, 실제로, [INAUDIBLE] ,, 여기, 그것 [? main?] function running이 매우 불안정합니다

배우다– 특히 이런 종류의 전략적 게임에서 그래서 우리가 노력하고 있지만 승리율이 그렇게 높지는 않습니다 감독 된 학습 인공 지능 로봇과 같습니다 여기 요 관객 : 안녕하세요

다시 한 번 말씀해 주셔서 감사합니다 따라서 9 개월간의 데이터 및 수십억 개의 로그가 시작되었습니다 이 시스템을 새로운 게임에 넣으려면, 9 개월은 매우 오랜 시간이며, 많은 선수들이 이미오고 갈아 입을지도 모른다 그러면 이상이 될 것입니다 무엇이 정렬일까요? 이론적 인 최소값은? 처음에 이것을 넣고 가서 배우십시오

일정 시간 기다려야합니까? [? 이것을 성취합니까? ?] JUN : 네 사실, 2 주 또는 1 개월 데이터 우리 사건에 충분하다 그래서 9 개월은 완충기의 일종입니다 그래서 9 개월짜리 데이터를 사용하는 것은 너무 어렵다고 생각합니다 하지만 당신은 [INAUDIBLE]을 측정하고 있습니다

관객 : 할 수 있다면 – 이것을 다음 게임으로 옮기면 시작했을 때 이걸 가지고 있을까? JUN : 아 네 그래서 그럴 경우 아마도 한 달 간의 데이터가 필요할 것입니다 또는 훈련 시작 전 몇 주 동안의 데이터 – 다른 질문 있니? 아

저쪽에 예 그건 그렇고, 아주 좋은 질문에 감사드립니다 아주 좋은 지적입니다 관객 : 게임의 본질, 요즘, 게임의 규칙이 자주 바뀌는 것입니다

특히 게임 업데이트 그리고 그것은 봇의 플레이 방식을 변경합니다 그걸 어떻게 처리 할 계획입니까? JUN : 네 그건 좋은 지적이야 사실 우리는 매주 몇 명의 성격을 발표하고 있습니다

게임 로봇은 시간에 따라 변합니다 그러나 우리의 깊은 학습 프레임 워크는 심지어 그러한 경우에도 작동합니다 때문에– 음, 일주일 또는 며칠의 데이터를 사용한 직후, 인공 지능은 다음과 같이 추가됩니다 어떻게 ~ 최신 환경 따라서 1 주일 지연 될 수 있습니다

그러나이 경우, 나는 우리가 받아 들일 만하다고 생각한다 그래 그 질문에 대한 답변입니다 관객 : 다른 문제는 무엇입니까? JUN : 그래서 당신의 질문은 무엇이 문제인지, 현재, 우리가 가진거야? 또는– 청중 : 다른 유형의 문제가 있습니까? 너는 달려 드는 것을 고려하고있다 오늘 발표 한 것 외에? 다른 문제가 있다면 ML을 사용하여 해결하고 싶습니까? JUN : 아

그래 물론 그래서 기계 학습의 중요성을 언급했습니다 하지만 실제로는 게임 밸런스를 유지하려고합니다 매우 안정적이며 캐릭터를 공개하기 전에 권리? 따라서 우리는 강화 학습 엔진을 구현하고자합니다 릴리스 전에 새로운 캐릭터를 배우려면, 잔액이 너무 많지 않은지 확인하십시오

내 말은, 힘, 강하고 약한 것, 또는 그와 비슷한 것 그래서 그것은 다음 도전 일 것입니다 관객 : 안녕하세요 감사 귀하의 의견과 관련하여 귀하는 어떤 데이터를 삭제합니까? 캡처 한 모든 것을 사용하고 있습니까? 처음부터, 또는 마지막 패치에서부터, 마지막 두 패치 – 오히려 업데이트? JUN : 네

사실, 우리는 거의 모든 것을 사용하고 있습니다 정보, 내가 이것을 말하면서 그래서 우리는 5 킬로의 특징을 사용하고 있습니다 이사회를 위해 발휘되었다 어떤 종류의 기술이 활성화되는 것과 마찬가지로, 또는 마지막 턴에서 일어난 일, 또는 그런 것

네 관객 : 레거시 데이터가 종류의 인공 지능, 또는 선택, 모든 종류의? 6 월 : 음 – 미안 나는 네가 놓친 것 같아 관객 : 예 더 많은 캐릭터를 소개 할 때, 더 많은 옵션이 있습니다

아주 오래된 데이터가 이 모든 새로운 것들에 대해 몰랐다 종류의 왜곡 권고, 또는 AI가 무엇인지 – 사마르 : 네가 게임에 변화가 있다면 시간이 지남에 따른 기능성, 새로운 유형의 데이터 처리 방법 네가 전에 없었던 JUN : 네, 그게 지금 우리가 가진 가장 큰 문제입니다 그리고 솔직히, 우리는 – 그래서 우리가 새로운 기술을 발표 할 때마다, 우리는 기능 추출기를 조정하고 있습니다 새로운 기능을 만들 수 있습니다 하지만 그 운영 비용은 매우 높습니다

그래서 우리는 어떻게 든 그 과정을 최적화하기를 원합니다 그래서 이것이 해결해야 할 다음 과제 일 수 있습니다 – 다른 질문 있니? 승인 제 생각에 좀 더 자세히 이야기하고 싶다면, 우리는 무대 왼쪽에 머무르고 있습니다 와 주셔서 언제든지 질문하십시오

그 이외에 오늘 다시 감사드립니다 정말 좋았어요 그리고 오늘 우리와 함께 해 주신 모든 분들께 감사드립니다 [박수 갈채]

#QDay: Cum verifici ce pagini ai indexate in Google?

당신은 SEO 전략으로 시작하고 궁금해했습니다 얼마나 많은 페이지를 Google에서 색인 생성합니까? 나는 그것을 할 수있는 두 가지 방법이 있다고 말하고 싶다

너는 이것을 확인할 수있다 1 Google Search Console을 사용하여, '색인 상태'섹션에서 정확한 페이지 수를 볼 수 있습니다 Google에서 색인 생성 됨, 또는 2 Google에서 직접 검색을하면, "site : siteultau

ro"와 같은 정확한 페이지를 보여주는 검색 Google이 제공 한 자연 검색 결과에 이미 색인되어 있습니다

Henry Shi: "AI Startup Ecosystems in the US and China: A Comparative Perspective" | Talks at Google

[음악 재생] HENRY SHI : 안녕하세요 여기 데려 줘서 고마워

그래서 제가 시작하기 전에, 얼마나 많은 사람들이 당신인지 궁금합니다 인공 지능을 다루고 있습니까? 손 들어 오, 많이 오늘 주제는 "AI Startup Ecosystem 미국과 중국에서 " 나는 몇 가지 비교 관점을 제시 할 것이다

두 생태계에 많은 사람들이 AI 창업이 빠르게 성장하고 있음을 알고 있습니다 AI 유니콘을 보면 "유니콘" 신생 기업이 10 억 달러가 넘는 가치를 보유하고 있다는 것을 의미합니다 2018 년까지 32 AI 유니콘이 있습니다 CB Insights는이를보고합니다 이것은 유니콘 클럽 전체의 약 10 %입니다

그리고이 비율은 계속 증가하고 있습니다 미국이 17 개, 중국이 10 개이다 따라서 미국은 중국보다 AI 유니콘이 더 많습니다 그러나이 그림을 보면 우리는 가장 많이 자금을 모으는 5 대 유니콘을 실제로 살펴보십시오 중국에는 세 가지가 있습니다

그리고 가장 잘 투자 된 AI 유니콘은 중국 출신이다 어쩌면 당신은 몇몇 회사에 익숙하지 않을 수도 있습니다 나는 너에게 조금 배경을 제공 할 것이다 최초의 잘 투자 된 회사는 ByteDance입니다 사실, 그들은 컬버 시티에 큰 사무실을 가지고 있습니다

ByteDance는 30 억 달러를 모금했습니다 그것은 중국 회사입니다 그것은 많은 제품을 가지고 있지만, 두 가지 주요 제품, 하나 AI 기반의 뉴스 앱인 Toutiao입니다 매월 5 억 명이 넘는 활성 사용자를 보유하고 있습니다 아마 더 인기있는 두 번째 것은, 그들은 TikTok이라 불리며, 5 억 명이 넘습니다

월간 활성 사용자 수 이것은 AI 기반의 짧은 비디오 공유 응용 프로그램입니다 사용하지 않았다면 시도해보십시오 이제 두 번째로 잘 투자 된 AI 회사를 SenseTime이라고합니다 이 회사는 26 억 달러를 모으고 컴퓨터 비전에 중점을 둡니다 이제 SenseTime은 700 명이 넘는 기업 고객을 보유하고 있습니다

전 세계적으로 전략적 파트너가되었습니다 10 가지가 넘는 산업 분야의 애플리케이션을 보유하고 있습니다 SenseTime의 주요 기술 또는 제품 얼굴 인식입니다 그들의 얼굴 인식 서비스가 제공됩니다 4 억 명이 넘습니다

따라서 다섯 번째 잘 투자 된 회사는 UBTech라고합니다 그것은 또 다른 중국 회사입니다 이 회사는이 서비스 로봇을 구축하고 있습니다 이것은 UBTech에서 제작 한 인간과 같은 로봇처럼 보입니다 로보틱스가 많이 있습니다

따라서 2018 년의 수입은 실제로 3 억 달러를 넘습니다 그래서 그들은이 로봇을 아주 잘 팔았습니다 그리고 그들의 판매는 4 년 안에 500 번 이상 증가했습니다 이제 우리가 미국의 다른 두 회사를 보면, 그들은 자율적 인 운전 회사 인 Nuro와 Argo입니다 그들은 모두 10 억 달러를 모금했습니다

Nuro는 조금 다릅니다 그들은이자가 운전용 자동차를 만들고 있습니다 음식 배달을 위해, 또한 할 수있는 동안 나중에 다른 물건을 배달하십시오 Argo AI는 표준 자체 운전 자동차 회사와 더 비슷합니다 그들은 스스로 운전하는 자동차를 만들고 있습니다

우리는이 5 대 최고 기금의 AI 회사, 그들은 모두 몇 년 안에 자금을 지원 받는다 그리고 다른 많은 유니콘들이 있습니다 그들은 너무 빨리 자랍니다 그래서 내가 묻기를 원하는 질문은 왜 이러한 인공 지능 신생 기업인가 그렇게 빨리 성장하고 있습니까? 몇 가지 이유가 있습니다 첫째, 지속적인 발전이 있습니다

데이터 처리, 컴퓨팅 성능 및 알고리즘에서 이 두 그림을 보면 ImageNet 데이터 세트에 대한 일부 통계입니다 나는 많은 사람들이 그것을 알아야한다고 생각합니다 ImageNet 데이터 세트의 분류 정확도를 살펴보면, 정확도가 계속해서 향상됩니다 2014 년과 실제로 2014 년 이후에, 그것은 인간보다 우수합니다 이제는 계속 개선됩니다

또 다른 매우 흥미로운 관찰 지난 1 년 또는 2 년 동안, 훈련 시간 이러한 기계 학습 모델을 구축하기 위해 ImageNet에서 실제로 극적으로 떨어졌습니다 이 모든 병렬 컴퓨팅, 클라우드 컴퓨팅 AI 회사의 급속한 성장의 두 번째 이유는 AI에 대한 벤처 캐피탈의 중요한 성장이다 따라서이 그림은 전 세계 AI 투자를 매년 보여줍니다 우리는 추세가 VC 자금이 올해 성장하고 있음을 볼 수 있습니다

AI로 연도 별 그리고 2008 년 VC 펀드 총액은 실제로 2017 년 대비 70 % 증가했습니다 이제이 곡선은 실제로 거래 수를 보여줍니다 매우 흥미롭게도 2018 년에 돈을 모으는 거래 중 실제로는 2017 년보다 적습니다 그리고 우리는 큰 라운드를 관찰하지만 거래는 더 적습니다

더 적은 수의 회사를 의미하는 거래 감소 실제로 돈을 모았습니다 왜 그런가요? 왜, 많은 돈이 인공 지능에 있다고 가정 할 때, 그러나 돈은 거래에 집중되어 있습니다 몇 가지 이유가 있습니다 그러나 요점은 일부 AI 필드에서, 큰 것이 커집니다 기본적으로 대기업, 대형 신생 기업, 돈을 더 많이 모으는 것이 더 쉽습니다

그래서 몇 가지 이유가 있습니다 하나는 데이터 네트워크 효과이며, 왜냐하면 이러한 인공 지능 유니콘은 점점 더 많은 데이터를 수집하기 때문입니다 그리고이 데이터는 실제로 회사를 제공합니다 기술 발전 둘째, 이러한 AI 유니콘은 더 쉽습니다

더 많은 AI 인재를 유치 할 수 있습니다 그리고 당신은 더 많은 AI 재능을 의미합니다 당신은 기술 개발면에서 더 많은 힘을 가지고 있습니다 물론이 AI 유니콘은 더 쉽습니다 더 많은 영토로 확장 할 수 있습니다

내가 말했듯이, TikTok은 ByteDance의 핵심 제품이며, 그들은 실제로 미국, 아시아 및 유럽으로 확대됩니다 현재 전 세계적으로 5 억 명이 넘는 월간 활성 사용자를 보유하고 있습니다 네 번째 이유는 이러한 더 큰 인공 지능 신생 업체가 더 많은 산업에 쉽게 SenseTime, 예를 들어, 그들은 이미 10 개 이상의 산업을 다룹니다 자, 자연스러운 질문은, 거기 것입니다

인공 지능에 더 많은 자본이 있으십니까? 아마 네 미국 VC 시장을 살펴보면 2018 년은 실제로 기록적인 해였습니다 따라서 이것은 전체 벤처 캐피탈을 보여줍니다 미국 신생 기업이 모금 한 돈 2018 년에이 금액은 2017 년과 그 이전 년 이렇게 이것은 미국 인공 지능 시작을위한 훌륭한 타이밍입니다

왜냐하면 시장에 많은 돈이 있기 때문입니다 중국은 어떨까요? 2017 년에 실제로 AI 자금, 중국의 VC 자금, 미국을 초과합니다 중국의 총 자금은 약 48 % 전 세계 AI 총액 중 미국은 78 % 만 가지고있다 미안해, 38 % 그러나 상황은 변화하고 있습니다

2018 년부터이 수치를 살펴보면, 그래서 거래 건수와 벤처 캐피탈 금액 중국의 돈이 줄고있다 그래서 중국에서는 벤처 기업과 VC가 직면하고 있습니다 소위 "수도 겨울" 그게 왜? 여러 가지 이유가 있습니다 한 가지 이유는 중국 경제의 둔화입니다

둘째로, 하락세 때문에 기술 거인의 가격, 사람들은 시장을 두려워합니다 다른 이유가있을 수 있습니다 그러나 요점은 중국에서, VC 시장 은 다르다 점점 바뀌고 있습니다 그리고 이것은 중국 인공 지능 유니콘에 도전 할 수 있습니다

인공 지능 유니콘의 급성장 세 번째 이유 번창하는 산업 응용 프로그램입니다 요즘에는 AI 유니콘을 볼 수 있습니다 거의 각 산업에서 큰 문제를 해결하고 있습니다 상상할 수 있습니다 나는이 세부 사항을 나중에 다룰 것이다

그러나 이러한 대규모 애플리케이션은 급속한 성장을 이끌고 있습니다 AI 유니콘의 이제 두 번째로 중요한 질문을 해봅시다 왜 일부 인공 지능 회사는 한 나라에서 그렇게 빠르게 성장할 수 있습니까? 다른쪽에 있지 않습니까? 우리는 ByteDance, SenseTime과 마찬가지로 그들은 중국에서는 크지 만 미국에서는 그렇지 않습니다 미국에서는 이러한 자율 주행 신생 기업 많은 돈을 모았지만 중국에서는 그렇지 않다 왜 그런가요? 그래서이 질문에 대답하기 위해 실제로 우리는 네 가지 중요한 관찰이있다

그래서 우선, R & D에있어서, 미국은 중국보다 앞서 있습니다 둘째, 제조면에서 중국은 자체적으로 장점이있다 셋째, B2B 산업의 경우 미국이 강하다 그렇다면 B2B는 무엇입니까? B2B는 B2B를 의미하며, 고객이 기업이라는 의미입니다 B2C와 B2G의 경우 중국이 강하다

B2C는 비즈니스에 대한 소비자의 약자입니다 모든 고객은 소비자입니다 B2G, G는 정부, 의미 당신은 정부에 봉사하고 있습니다 따라서 B2C와 B2G의 경우 중국이 강하다 네 번째 관찰은 실제로 중국 유니콘들이 독특한 성장 전략을 채택하고 있습니다

그래서 저는 이러한 관찰에 하나씩 올 것입니다 첫째, R & D, 미국은 중국보다 앞서있다 자, AI의 재능을 살펴보면 재능을 살펴보면 모든 AI 회사에서 미국은 재능의 약 15 배입니다 중국에서

그 차이는 그다지 중요하지 않습니다 그러나 우리가 최고의 AI 재능의 수를 보면, 미국은 훨씬 유리하다 미국의 최고 AI 재능은 53 배입니다 중국 내 번호의

이러한 모든 AI 재능은 R & D에 매우 중요합니다 이러한 파괴적인 기술을 개발할 수 있습니다 또 다른 예는 자율 주행을 보는 것입니다 과학 기술 이것은 일종의 인공 지능 기술입니다

복잡한 시스템을 구축하고 있기 때문입니다 이 수치는 매우 흥미 롭습니다 2018 년 DMV에서 발행합니다 이탈 당 마일 수를 나타냅니다 무슨 뜻이에요? 그것은, 얼마나 많은 마일을 운전할 수 있는지를 의미합니다

인간이 개입 할 때까지? 따라서 Google에서 개발 한 첫 번째 Waymo임을 알 수 있습니다 Waymo는 테스트 측면에서 분명히 상위 1 위입니다 그러나 이것은 2018 년입니다 현재 Google은 절대적인 리더입니다 이 차트에서 미국은 16 개의 회사가 있습니다

중국에는 4 명이있다 미국의자가 운전 자동차 회사처럼 보입니다 중국과 다른 나라들보다 훨씬 큽니다 Nuro, Aurora도 잘하고 있습니다 당신은 상위 5 개 회사가 미국 출신이고, 중국을 앞서고 있음을 의미합니다

흥미롭게도, Nuro와 Aurora는 전직 Google에 의해 설립되었습니다 따라서 Waymo는자가 운전 기술의 선두 주자입니다 그것은 재능의 큰 수영장을 만들었습니다 Waymo는 실제로 10 년 전에이 기술을 개발했습니다 그리고 Waymo가 개발 한 인재 풀 실제로 다른자가 운전 자동차를 도왔다

그들의 기술을 할 수 있습니다 그래서 Google은이 공간에 큰 영향을주었습니다 자, 두 번째 관찰은 중국에서의 제조 그것의 유일한 이점이있다 그게 왜? 상대적으로 낮은 노동 비용이 있기 때문에 및 중국에있는 원료 제조 인프라는 성숙합니다

중국의 고속도로, 도로 및 항구는 잘 발달되어 있습니다 셋째, 세부적인 업무 분담이 있습니다 따라서 제조 공정은 매우 성숙합니다 예는 UBTech Robotics입니다 그들은 이런 종류의 로봇을 상당히 저렴하게 생산할 수 있습니다

다른 어느 곳보다 가격 샤오미 (Xiaomi)는 또 다른 훌륭한 예입니다 Xiaomi, 스마트 장치의 생태계 구축 비교적 싼 가격에 미국 신생 기업을위한 테이크 아웃 이 제조를 활용할 수 있다는 것입니다 중국의 이점

좋은 예는 라임과 버드입니다 그들은 스쿠터를 만들고 있습니다 산타 모니카에서 많이 볼 수 있습니다 실제로,이 스쿠터는 주로 중국에서 개발되었으며, 이 회사들은 20 일 이내에 비용을 충당 할 수 있습니다 튜링 (Turing)은 한 가지 예입니다

우리는 보안 로봇을 들고 투자했습니다 실내와 실외를 순찰 할 수 있습니다 하드웨어는 중국에서 제조되기 때문에, 그것은 미국 경쟁사보다 80 % 저렴합니다 따라서 여기있는 회사는 하드웨어 비용을 활용하려고 노력해야합니다 중국의 이점

그래서 세 번째 관찰은 정말로 중요합니다 따라서 B2B 공간에서 미국 신생 기업은 강해 졌는데, B2C와 B2G 분야에서, 중국 신생 기업이 강하다 그래서 우리는 실제로 평균 기금을 계산했습니다 각 업계에서 3 대 신생 기업 AI가 적용되는 곳 그래서 첫 번째 부분은 산업입니다

미국 신생 기업들이 훨씬 더 많은 자본을 마련했다 중국보다 두 번째 부분은 다음과 같습니다 중국 창업이 더 많은 돈을 모으는 산업 그리고 우리가이 두 부분을 파헤 치면, 우리는 이러한 산업이 더 많은 B2B 산업임을 발견합니다

고객은 일반적으로 기업입니다 두 번째 부분은 고객이 소비자 및 정부와 더 비슷합니다 설명해 봅시다 이유가 무엇입니까? 미국에서는 B2B 생태계가 잘 정립되어 있습니다 즉, AI 벤처 기업이 데이터에 쉽게 액세스 할 수 있습니다

SaaS 모델 기반의 모든 종류의 회사를 볼 수 있습니다 미국에서 아주 잘 발달되어있다 또한 AI는 기업에 명확한 가치를 부여하며, AI는 기업의 비용 절감을 도울 수 있기 때문에, 효율성을 향상시킵니다 그래서 미국에서는 많은 기업들이 AI 기술을 시도하고 있습니다 중국은 어떨까요? 중국은 다릅니다

중국에서는 미국의 B2B 생태계가 잘 정립되어 있지 않습니다 신뢰 생태계, 신뢰 체계, 미국에서 개발 된 것도 아닙니다 또한 인건비가 저렴하기 때문에, 중국 기업들은 더 많은 사람들을 고용하는 경향이 있으며, 대신 AI를 사용하여 비용을 낮추십시오 효율성을 향상시킬 수 있습니다 또한 B2C는 중국에서 더 높은 성장과 더 많은 데이터를 보유하고 있습니다

따라서 B2C 공간을 사용하는 신생 기업은 훨씬 쉽게 데이터에 액세스 할 수 있습니다 그리고 중국에서는 모바일 인터넷이 사용자는 매우 빠르게 성장하고 있습니다 마지막 이유는 B2G가 더 높다는 것입니다 수익 및 중국에서 더 많은 데이터 그래서 중국에서는 중국 정부가 높습니다

AI 신생 기업을지지합니다 그들은 SenseTime과 같은 신생 기업에 많은 데이터를 제공합니다 그래서 정부와 협력하여,이 큰 AI 유니콘 더 많은 데이터에 액세스 할 수 있으며 큰 계약을 체결 할 수도 있습니다 중국 정부 출신 이것이 이들 기업의 높은 성장을 주도합니다 B2C 공간에 대해 조금 이야기하고 싶습니다

중국에서는 더 많은 데이터에 액세스 할 수 있습니다 이 곡선을 보면, 중국에서는, 미국보다 3 배나 많은 액티브 모바일 장치가 있습니다 그리고 음식 배달 주문 수 미국에서는 10 배나 더 많습니다 그러나 이것은 2017 년입니다 오늘 미국은 식량 배급이 더 많다고 생각합니다

DoorDash, Postmates, 모든 종류의 배송 업체를 볼 수 있습니다 또한 중국의 모바일 결제 금액은 미국보다 50 배 많습니다 따라서 이러한 소비자 기반 데이터에 액세스 할 수 있습니다 상당히 쉽게 AI가 데이터를 기반으로하고 있다는 사실을 알고 있습니다

그래서 이것이 열쇠입니다 몇 가지 예를 들어 드리겠습니다 B2B 업계의 한 예로 로봇 공학 프로세스 자동화가 있습니다 AI는 많은 양의 반복 작업을 자동화 할 수 있습니다 전형적인 예가 UiPath입니다

이 회사는 약 5 억 달러를 모금했습니다 매출액은 1 백만 달러에서 1 억 달러로 증가합니다 단 21 개월 만에 미국 기업이 많은 돈을 지불하고 있다는 것을 알 수 있습니다 이러한 유형의 회사 또한 전 세계적으로 2,000 명이 넘는 기업 고객이 있습니다

그래서 다른 B2B 공간은 사이버 보안입니다 많은 돈을 지불하는 미국 기업들 사이버 보안 회사가 사용하기 위해 AI가 이러한 공격을 탐지하고 방어하는 데 도움을줍니다 한 회사 인 CrowdStrike는 약 5 억 달러를 모금했습니다 그들은 실제로 일주일에 수조 건의 사건을 분석합니다 또한 연간 약 3 만 건의 위반을 방지합니다

매우 중요합니다 또 하나의 사례는 농업인데, 회사 인 Plenty는 전통적인 농장보다 작물 수확량이 300 배가 넘고, 오직 1 %의 물만 사용하십시오 AI가 중요한 역할을하는 것을 볼 수 있습니다 효율성 향상 측면에서 B2C 공간의 몇 가지 예를 살펴 보겠습니다 중국 신생 기업이 강하다

엔터테인먼트가 하나의 예입니다 AI를 사용하여 개인화, 인공 지능을 사용하여 지능형 추천을 수행합니다 앞서 언급 한 것처럼 ByteDance는 좋은 예입니다 또 다른 산업 인 서비스 로봇 UBTech와 같은 회사는이 모든 종류의 제품을 생산하고 있습니다

로봇을 통해 사람들에게 봉사하고, 사람들과 상호 작용하며, 어디에서 인공 지능은 환경을 인식하는 데 중요한 역할을합니다 사람들과 상호 작용합니다 B2G의 좋은 예는 물리적 보안 공간입니다 중국 정부가 높은지지를받는 ​​곳 신생 기업에 큰 계약을 맺습니다 숫자를 살펴 보겠습니다

중국에는 1 억 7 천만 대의 보안 카메라가 설치되어 있으며, 당신은 4 억을 더 기대할 수 있습니다 그래서 미국보다 더 많은 보안 카메라가 있습니다 SenseTime은 공간의 선두 주자입니다 중국에서 다른 경쟁자들도 눈치 챘을 것입니다 FaceTime, CloudWork, [INAUDIBLE] ,, 모두 큰 돈을 모았습니다

따라서 중국의 B2G 공간은 실제로 많은 자본을 끌어 들인다 나는 또한 중국의 B2B 공간이 호황을 누리고 있다고 언급하고 싶다 당신은 미국이 B2B에서 더 강하다는 것을 알지만, 중국 기업들은이 공간에 더 많은 관심을 기울이고있다 그게 왜? 인건비가 증가하고 있기 때문에 고령화 인구의 이제 중국의 기업들은 비용에 더 많은 관심을 기울이고 있습니다 둘째, 모바일 인터넷 사용자의 높은 성장, 성장률은 감소하고있다

현재 중국 기업들은 B2B 공간을 더 찾고 있으며, 더 이상 B2C에서 큰 성장을 할 수 없었기 때문에, 대부분의 분야에서 우리는 몇 가지 예를 볼 수 있습니다 예를 들어 UBTech는 지능형 검사를 구축하고 있습니다 순찰과 안전 위험을 발견 할 수있는 로봇 SenseTime은 원격 감지도 수행합니다

위성 데이터에서 작동합니다 그들은 데이터의 통찰력을 끌어 당깁니다 농업과 같은 산업에 적용 할 수 있습니다 이제 미국 신생 기업을위한 테이크 아웃 B2B 공간에서 뭔가를하고 있다면, 중국 시장으로 확대 할 수있는 큰 기회입니다 한 가지 예가 DataVisor입니다

세쿼이아가 후원하는 미국 회사입니다 그들은 실제로 미국에서 많은 고객들에게 서비스를 제공하고 있으며, 중국에서도 마찬가지입니다 Alibaba, Jingdong, 및 중국의 일부 다른 소셜 앱, 큰 소셜 앱 등이 있습니다 그들은 미국에서 시작했지만 지금은 중국에서 크게 팽창합니다 또 다른 테이크 아웃은 당신이 B2C 또는 B2G 공간, 실제로 당신은 중국의 연습에서 많은 것을 배울 수 있습니다, 중국 신생 기업들이 시도했기 때문에 이 공간에서 정말로 열심히

B2B는 더 힘들 기 때문에 B2C 및 B2G에서 열심히 노력했습니다 그리고 그들은이 공간에서 다양한 가능성을 탐구했습니다 몇 가지 예를 살펴 보겠습니다 얼굴 인식 – 당신은 얼굴 인식을 볼 수 있습니다 중국의 기술이 모든 산업에 적용되었습니다

당신은 교육, 재정, 건강 관리, 엔터테인먼트, 자동차, 보안 여기 많은 산업 당신은 그것이 미국보다 훨씬 앞서 있다고 상상할 수 있습니다 흥미로운 또 다른 예는 번호판 인식입니다 이것을보다 쉬운 컴퓨터 비전 작업이라고 생각할 수 있습니다

차 안에서 번호판을 알아볼 수 있습니다 현재 중국에서는 많은 쇼핑몰에 이러한 시스템이 있습니다 이 시스템은 귀하의 번호판을 인식합니다 네가 주차 구조에 들어갔을 때 그리고 나가면 자동으로 얼마나 많은 시간을 소비했는지 계산해보십시오 그러면 비용을 지불하게됩니다

티켓이 필요하지 않습니다 또한 전체 트래픽 흐름을 크게 향상시킵니다 그래서이 시스템은 현재 중국에서 광범위하게 사용되고 있습니다 그러나 그것은 미국에서 아직 일찍입니다 따라서 미국의 신생 기업의 경우 중국의 일부 응용 프로그램에서

어쩌면 그 중 일부는 미국에도 적용 할 수 있습니다 또 다른 예는 실제 보안 공간입니다 나는 우리가 투자 한이 회사에 대해 언급했다 그들은 보안 로봇을하고 있습니다 그들은 실제로 중국의 B2G 공간에서 많은 것을 배웠습니다

이 보안 로봇은 사무실 공간을 순찰합니다 근무 시간 외 그들은 인간의 탐지를 할 것입니다 그들은 얼굴 인식을하지 않을 것이며, 왜냐하면 사람들은 자신의 프라이버시에 대해 덜 우려 할 것이기 때문입니다 그러나 그들은 인간을 발견하고 안전상의 위험이있는 경우

그들은 또한 미국 보안 경비원들과 협력 할 것이며, 그래서 어떤 위험이 발견되면, 로봇은 이러한 위험을 해결하기 위해 경비원과 협력하게됩니다 자, 우리가 가진 네 번째 관찰 중국 유니콘이 독특한 성장 전략을 채택하고 있다는 것입니다 하나의 전략은 수평 확장입니다 중국에는 몇 가지 유니콘이 있습니다 핵심 AI 기술을 여러 산업 분야에 적용하십시오

SenseTime은 한 가지 예입니다 컴퓨터 비전 기술을 적용합니다 10 개 이상의 산업에 또한 SenseTime은 기업 VC를 설정합니다 다른 전략적 파트너에 투자 할 수 있습니다 엔터테인먼트를하는 회사, 회사를 투자합니다

건강 관리로 AI를하는 똑똑한 도시에서 AI를하는 것 그래서 SenseTime은 실제로이 수평 확장을 수행하고 있습니다 전체 성장을 가속화합니다 다른 많은 AI 유니콘이 있습니다 비슷한 일을하는 중국에서

글쎄, 우리는 미국에서 대부분의 인공 지능 유니콘, 그들은 주로 수직, 그들은 자본 효율이 더 좋다고 생각하기 때문입니다 우리는 수평 확장 일부 미국 AI 시작 프로그램에도 적용 할 수 있습니다 그러나 전부는 아닙니다 중국의 두 번째 흥미로운 전략 여러 수익원 스트림이라고합니다 중국의 인공 지능 신생 기업, 그들은 freemium 모델을 제공합니다 얼리 어답터 용

그러나 이것이 무료라면 어떻게 돈을 벌 수 있습니까? 그들은 다른 시내에서 수익을 얻을 수 있습니다 이 번호판 인식 시스템을 예로 들어 봅시다 그래서 중국에서는 이들 회사가이 시스템을 구축 할 때, 쇼핑몰 운영자에게 판매하기가 어렵습니다 쇼핑몰 주인이하지 않기 때문에 그 댓가를 많이 치르고 싶어 그들은 오, 나는 당신이 아무것도 지불 할 필요가 없다고 말합니다

나는 너에게 그것을 무료로 줄 것이다 그러나 교환을 위해 입구에 광고를 몇 개 넣으십시오 이제 그들은 광고, 광고, 다른 회사에게 돈을 벌기 위해 그렇게함으로써, 비용을 충당합니다 그러나 나중에 쇼핑몰이 점점 더 많이 늘어날 때 그들의 시스템을 가지고 있다면, 그것들은 더 쉽다 다른 많은 쇼핑몰에 팔려고 실제로 이것은 B2C 성장 전략과 유사합니다

Google은 소비자에게 무료 서비스를 제공하며, 채택이 훨씬 빨라질 수 있습니다 그래서 중국어 유니콘이 실제로 적용됩니다 B2C 공간에서의이 흥미로운 성장 전략 B2B에, 중국에있는 B2B가 아주 단단하기 때문에, 그들은 B2C 공간에 들어갈 영리한 방법을 생각할 필요가 있습니다 채택을 가속화합니다 그렇다면 왜 이런 종류의 성장 전략을 시도할까요? 내가 말했듯이, B2B는 중국에서 더 힘들다

고객 채택 속도가 느리기 때문에 가능한 한 빨리 여러 산업으로 확장해야합니다 둘째, 성장 압력이있다 중국 투자자들로부터 그래서 중국에서는 투자자들이 B2C 성장을 추구 했었습니다 B2B 공간에서 더 힘들어하는 기하 급수적 인 성장과 같습니다 따라서 여러 산업으로 확장해야했습니다

더 빠른 성장을 달성하십시오 셋째, 높은 압력이 있습니다 중국의 치열한 경쟁에서 그래서 SenseTime은 실제로이 회사들과 경쟁하고 있습니다 많은 산업 분야에서 이 회사들은 모두 엄청난 돈을 모았습니다 그래서 경쟁은 정말로 높습니다

그래서이 회사들은 다른 산업으로 진출하려고 노력할 것입니다 경쟁사보다 빠릅니다 이제 미국 신생 기업을위한 테이크 아웃 일부 신생 기업을 위해 수평 확장을 시도 할 수 있습니다 핵심 기술과이 기술이 있다면 여러 산업 분야에 적용 할 수 있으며, 이런 종류의 성장 전략을 시도해 볼 수 있습니다 자가 운전 기술과 같은 몇 가지 예를 들면, 당신은 자동차에 적용 할 수 있습니다; 소매업; 보안, 당신이 보안 로봇을한다면; 공급망 관리, 당신은 창고에서 로봇을 할 수 있습니다

로봇 프로세스 자동화 및 사기 탐지를 위해, 비슷한 전략을 시도해 볼 수 있습니다 많은 산업 분야에 적용된다 둘째, 여러 수익에 대한 인수 스트림, 나는 미국 B2B 벤처 기업이 다른 수익을 생각할 수 있다고 생각합니다 스트림은 고객이 서비스를 구독하는 것 이상입니다 이것은 실제로 고객 채택을 가속화 할 수 있습니다

미국에서이 전략을 적용하는 경우, 어쩌면 경쟁자보다 훨씬 빨리 갈 수 있습니다 마지막으로 몇 가지 기회에 대해 이야기하고 싶습니다 미국 신생 기업 먼저 시장을 넓힐 수 있습니다 내가 언급 한 것처럼 중국과 다른 신흥 시장 그래서 두 번째로, 미국 신생 기업은 중국의 관행, 특히 B2C 및 B2G 공간에서

셋째, 적은 비용으로 산업을 살펴 ​​보는 것이 흥미 롭습니다 경쟁, 그래서 사람들을위한 더 많은 기회가있다 새로운 인공 지능 시작을 시작합니다 넷째, 기업들은 새로운 기술 동향을 활용해야한다 AI에서

따라서 세 번째 기회에 대해 신생 기업 경쟁이 덜한 산업으로 진입 할 수 있습니다 그래서 숫자를 조사합니다 우리는 특정 산업의 경우, 자본 집중도가 높습니다 이는 신생 기업이 이미 많은 자본을 확보했음을 의미합니다 따라서 경쟁이 치열할 수 있습니다

그러나 새로운 신생 기업의 경우 일부 업종을 살펴 보는 것이 좋습니다 적은 경쟁으로 – 예를 들어, 교육, 여행, 에너지, 소매, 우주 기술, 농업, 재료 및 기타 여러 분야에 적용됩니다 그래서이 공간에서 실제로 어떤 회사도 거대한 자본 라운드를 일으켰다 따라서 신생 기업이 쉽게 진입 할 수 있습니다 경쟁이 덜합니다

따라서 이러한 산업에 관심을 기울이는 것이 좋습니다 따라서 네 번째 기회는 새로운 기술을 살펴 보는 것입니다 AI의 추세 나는 세 가지 범주로 간단히 요약했다 하나는 데이터 처리를위한 것입니다

AI plus IoT– 가장자리 계산, 5G 이 기술은 모두 더 많은 실시간 처리를 허용합니다 대용량 데이터 두 번째 범주는 계산 능력입니다 예를 들어, 텐서 처리 장치, TPU, Google이 제공합니다 나는 그것이 활용할 좋은 기술이라고 생각합니다

전체 AI 계산 속도를 높이십시오 양자 컴퓨팅이 진행 중입니다 우리는 아직 몇 년 전에 그것을 기다릴 필요가 있습니다 더 잘 개발된다 그러나 그것은 유망하다

세 번째 범주는 새로운 알고리즘입니다 다시 한 예로, 다음과 같이 사용할 수 있습니다 매우 실제 가짜 이미지를 생성합니다 예를 들어 일부 회사는 GAN은 인공 지능 시스템에 대한 위조 훈련 데이터를 생성합니다 많은 데이터를 가져올 필요가 없습니다

이제 알고리즘을 사용하여 더 많은 교육 데이터를 생성 할 수 있습니다 일부 회사는 신청할 생각이 있습니다 GAN은 어떤 창조 작업을해야합니다 AI 기술을 적용한 학습 학습 한 산업에서 다른 산업으로 너에게 이미 지식을 전하라 한 업계에서 배웠습니다

한 국가에서 다른 국가로 시스템을 확장하는 경우, 전송 학습도 도움이 될 수 있습니다 연합 학습 – 협업 시스템을 수행 할 수 있습니다 중앙 교육 데이터없이 학습 분산 컴퓨팅과 같은 기능을 수행 할 수 있습니다 큰 시스템을 훈련 할 때

승인 요약하면, 오늘 네 가지 주요 관찰 내용을 나눴습니다 첫째, R & D 분야에서 미국은 중국보다 앞서있다 둘째, 제조를 위해 중국 미국 회사가 활용할 수있는 몇 가지 이점이 있습니다 셋째, B2B, 미국은 중국보다 앞서 있습니다

그러나 B2C와 B2G에서 중국 기업 실제로 매우 강하다 따라서 여기에있는 B2B 회사가 중국으로 확장하는 것이 좋습니다 또한 B2C 및 B2G 산업의 경우, 미국 신생 기업은 중국의 성공을 통해 배울 수 있습니다 네 번째 관찰은 중국 유니콘이다 독특한 성장 전략을 채택하십시오

나는 미국에서의 대부분의 창업을 생각한다 어쩌면 중국의 성장 전략에서 뭔가를 배울 수 있습니다 빠른 고객 채택을 가능하게합니다 그리고 미국 기업에 대한 기회 – 첫째, 더 많은 시장으로 진출하십시오 둘째, 중국의 관행에서 배울 수 있습니다

셋째, 경쟁이 덜한 산업으로 진입하십시오 엄청난 기회가 있다고 생각합니다 AI 신생 기업이해야 할 일 이러한 산업에서 큰 문제를 해결할 수 있습니다 경쟁이 덜합니다

마지막으로, 이러한 새로운 기술 동향에주의를 기울이고, 기술 일부를 활용할 수 있습니다 앞으로 귀하의 유니콘을 건설하십시오 모두들 감사합니다 [박수 갈채]

John Searle: "Consciousness in Artificial Intelligence" | Talks at Google

존 브라 카글 ​​리아 : 제 이름은 존 Bacaglia입니다 저는 YouTube 운영에 종사하는 Google 직원입니다

또한 Singularity Network라는 그룹을 이끌고 있습니다 토론에 초점을 둔 내부 조직 인공 지능의 합리성 오늘 John Searle과 함께 기쁘게 생각합니다 간단한 소개로 John Searle 대학에서 철학 교수 인 Slusser입니다 캘리포니아 – 버클리

그는 그의 공헌으로 널리 유명하다 언어 철학, 정신 철학, 사회 철학 John은 Jean Nicod Prize, National Humanities 그의 작품에 대한 마음과 두뇌 상 메달 그의 고귀한 개념 중에는 중국 방의 논쟁 강한 인공 지능에 반대한다 John Searle, 모두들

[박수 갈채] 존 시어 : 감사합니다 많은 감사합니다 Google에 다시 오게되어 반갑습니다 그것은 대학 밖의 대학입니다 그리고 때로는 이것이 대학이라고 생각합니다

정말로 봐야한다 어쨌든, 여기 있는게 대단한데 그리고 저는 어떤 것에 대해서 이야기 할 것입니다 음, 나는 많은 것을 이야기 할 것입니다 하지만, 기본적으로, 나는 이야기하는 것으로 시작하고 싶다

기술 진보의 중요성에 대해 그리고 미국, 특히,하지만 모두, 정말로, 진보를 축하하기를 원합니다 자기 차를 몰고 다니는 차를 가지고 있다면 그것이 의식적인지 여부에 관심이 있습니다 그러나 나는 많은 것들이 있다고 말할 것입니다 이해에 대한 특정 목적의 문제 기술의 그리고 그것이 제가 말하고자하는 것입니다 이제부터는 몇 가지를 만들어야합니다

지루한 구별 네가하지 않으면 현대의 지적 삶을 이해한다 이 구별을 이해하십시오 우리 문화에는 객관성에 대한 큰 논의가 있습니다 주관성 우리는 객관적인 과학을 위해 노력합니다

문제는 이러한 개념이 체계적으로 지적 재앙을 일으키는 방식으로 모호하다 그들은 인식 론적 의미에서 모호하다 인식론은 지식과 관련이 있다는 것을 의미합니다 인식 론적 – 그리고 존재 론적 인 감각, 존재론은 존재와 관련이 있다는 것을 의미합니다 난 멋진 polysyllabic 단어를 사용하여 싫어

그리고 나는 그것들을 최소한으로 유지하려고 노력할 것입니다 하지만 나는이 두 가지, 인식 론적, 존재 론적이 필요합니다 객관성과 주관성 문제 체계적으로 모호하다는 것입니다 나는 주관성을 줄여서 – 인식 론적 의미와 존재 론적 의미 사이 인식 론적으로, 구분은 유형들 사이에있다

지식 주장 내가 말하면, 렘브란트는 1606 년에 죽었다 아니, 그는 그때 죽지 않았다 그는 그 때 태어났다 나는 렘브란트가 1606 년에 태어 났다고 말할 것입니다

즉 객관적인 사실입니다 그것은 인식 론적으로 객관적입니다 하지만 렘브란트가 가장 위대하다고 말하면 이제까지 살았던 화가, 음, 그것은 의견의 문제입니다 그것은 인식 론적 주제입니다 그래서 우리는 인식 론적 객관성과 주관성을 가지고 있습니다

그것의 기본은 존재의 형태에서의 구별이다 누구나 생각하는 것과 관계없이 많은 것들이 존재합니다 산, 분자 및 지각 판 온톨로지 적으로 객관적인 존재 방식을 가지고있다 그러나 통증과 절임과 가려움증, 그들은 주제에 의해 경험되는 한 존재합니다 그들은 존재 론적으로 주관적이다

그래서 저는 모든 사람들이 그 구별을하기를 바랍니다 왜냐하면 그것은 매우 중요하기 때문에 음, 많은 이유 때문에, 그러나 하나는 많은 현상들입니다

존재 론적으로 주관적이다 인식 론적으로 객관적이다 나는이 물건에 처음 관심이있었습니다 나는 두뇌가이 두뇌를 풀지 않는 이유를 생각했다 의식의 문제

그리고 나는 그들의 신경 생물학 단체에 UCSF를 갔다 그들에게 왜 지옥이 뇌가 의식을 어떻게 일으키는 지 알아 냈어? 내가 너 한테 뭘 지불하니? 그리고 그들의 반응은, 우리가 과학을하고있는 것입니다 과학은 객관적입니다 그리고 당신 자신은 의식이 주관적이라고 인정합니다 따라서 의식의 과학은있을 수 없습니다

이제는 모두 모호함의 오류라고 인식하게 될 것입니다 과학은 실제로 인식 론적으로 객관적이다 우리가 주장하는 것을 위해 노력하기 때문에 진실 또는 거짓으로 확립 될 수 있으며, 제조사의 태도와 무관하다 주장의 해석자 그러나 이론의 인식 론적 객관성 인식 론적 객관적인 설명을 배제하지 않는다

존재 론적으로 주관적인 도메인의 나는 너에게 너무 많은 큰 말들을 사용하지 않겠다고 약속했다 하지만 어쨌든 몇 가지가 있습니다 요점은 이것입니다 인식 론적으로 객관적인 과학을 가질 수 있습니다 의식의 경우에도 의식의 존재 론적으로 주관적이다

이제 그것이 중요 할 것입니다 그리고 다른 구별이 있습니다 모두가 이것을 볼 수있는 것은 아니기 때문에, 나는 내가 지울 때 지울거야 결정적인 또 다른 차이점이 있습니다 그리고 그것은 관찰자 – 독립적인 현상들 사이에 있습니다

그리고 거기 나는 산과 분자를 생각하고있다 지각 판 (tectonic plates), 그들이 어떻게 존재하는지에 관계없이 아무나 생각하는 것 그러나 세상은 관측자 친척 인 우리에게 중요합니다 이는 관찰자와 사용자에 대해서만 존재합니다 예를 들어 지갑에있는 종이는 돈입니다

그러나 돈을 벌 수있는 사실은 그 화학의 사실이 아닙니다 우리가 가지고있는 태도에 대한 사실입니다 따라서 돈은 관찰자 – 상대적인 것입니다 돈, 재산, 정부, 결혼, 대학, Google, 칵테일 파티 및 여름 방학 모든 관찰자 – 상대 그리고 그것은 관찰자 – 독립적 인 것과 구별되어야합니다

그리고 관찰자 – 상대 현상 인간의 의식에 의해 만들어집니다 그러므로 그들은 존재 론적 주관성의 요소를 포함하고있다 그러나 당신은 이미 당신이 가질 수 있다는 것을 알고 있습니다, 어떤 경우에는, 인식 론적으로 객관적인 관찰자 – 상대적인 영역의 과학 그래서 객관적인 과학 경제학을 가질 수 있습니다 비록 경제학에 의해 연구 된 현상 일반적으로 관찰자 – 상대, 존재 론적 주관성의 요소를 포함하고있다

경제학자들은 그것을 잊어 버리는 경향이 있습니다 그들은 경제학을 생각하는 경향이 있습니다 물리학과 비슷합니다 단지 더 힘들어요 내가 경제학을 공부했을 때, 나는 소름이 끼쳤다

한계 비용은 한계 수입과 같습니다 같은 음색의 목소리로 물리학에서 우리는 힘은 질량 시간 가속도와 같습니다 그들은 경제학의 요소 때문에 완전히 다릅니다 모든 관측자 – 상대적이며 요소를 포함합니다 존재 론적 주관성의 주관성이 바뀌면

모든 것이 무너집니다 그것은 2008 년에 발견되었습니다 이것은 경제학에 관한 강의는 아닙니다

나는 네가 그 모든 것을 명심하길 바란다 이제 그 점이 중요합니다 인지 과학, 특히 지능,인지, 기억, 생각, 지각, 그 밖의 모든 것들 두 가지 다른 감각을 가지고있다 그것들은 관찰자 – 독립적 인 하나의 감각을 가지고 있으며, 관찰자 – 상대적인 다른 의미 그리고 결과적으로 우리는 매우 신중해야합니다

우리는 그러한 감각을 혼동하지 않는다 인지 과학의 중요한 개념들 기준 현상을 가지고있다 이는 관찰자 – 상대적이며 관찰자 – 독립적이 아니다 나는 그걸 알게 될거야 좋아, 지금까지 우리 랑 같이 있니? 모든게 너무 분명해 보이길 바래

그런데 왜이 녀석이 우리에게 이런 단호한 태도를 보였을까요? 왜 논란이되는 말을하지 않습니까? 이제 나는 가서 이야기 할거야 일부 지적 역사 몇 년 전에, 여러분 중 누구도 태어나 기 전에, 새로운 학문이 탄생했습니다 그것은인지 과학이라고 불 렸습니다 그리고 그것은 우리 전체에 의해 설립되었습니다

누가 심리학에서 행동주의를 아프게하는지 그것이 그 이유였습니다 그리고 슬로안 재단 (Sloan Foundation)은 우리를 강연하러 돌아 다니곤했습니다 대부분 서로에게 그러나 어쨌든, 괜찮습니다

우리는 슬로안 레인저스라고 불 렸습니다 그리고 저는 인공 지능 연구실 (Artificial Intelligence Lab) 예일에서 그리고 나는 생각했다, 잘, 그리스도, 나는 아무것도 모른다 인공 지능에 대해서 그래서 나는 나가서 Yale에있는 사람들이 쓴 책을 샀다

그리고 생각 나는 $ 1695 플러스 세금 – 돈 낭비를 기억합니다 그러나 그것이 틀렸다는 것이 판명되었습니다 그들은 컴퓨터가 어떻게 이해할 수 있는지에 대한 이론을 가지고있었습니다 그리고 그 아이디어는 당신이 컴퓨터에 이야기를하는 것이 었습니다

그런 다음 컴퓨터에 이야기에 대한 질문을합니다 그리고 컴퓨터는 질문에 정답을 줄 것입니다 대답은 이야기에 포함되지 않았지만 전형적인 이야기 한 남자가 식당에 가서 햄버거를 주문합니다

그들이 햄버거를 가져 왔을 때, 그것은 선명하게 타 오르게되었다 식당에서 폭풍이 몰아 치는 남자 그의 계산서를 지불하지도 않았다 질문, 그 사람이 햄버거를 먹었 니? 음, 여러분 모두 컴퓨터가 이에 대한 해답을 알고 있습니다 아니, 그 사람은 햄버거를 먹지 않았다 그리고 그 대답이 '예'라는 이야기는하지 않겠습니다

똑같이 지루합니다 이제 요점은이 사실이 컴퓨터가 실제로 이야기를 이해합니다 그래서 나는 유나이티드 항공의 뉴 헤이븐으로가는 중이었습니다 30,000 피트에서 그리고 나는 생각했다, 대체, 그들은 나에게 줄 수 있었다

이 이야기는 중국어로 그리고 나는 이야기에 답하기 위해 컴퓨터 프로그램을 따라갈 수 있었다 그리고 나는 그 이야기의 한마디를 이해하지 못한다 그리고 그 생각은, 음, 그건 반대입니다 그들은 생각 했음에 틀림 없다

그리고 저것은 저를 지키지 않을 것입니다 뉴 헤이븐에서 일주일 동안 글쎄, 그들은 그것을 생각하지 않았다는 것이 밝혀졌습니다 그리고 모두들 내가 틀렸다고 확신했습니다 그러나 흥미롭게도 그들은 모두 다른 이유가있었습니다 생각하기에 틀렸어

그리고 논쟁은 1 주일 이상 지속되었습니다 그것은 35 년 동안 지속되었습니다 내말은, 얼마나 자주이 사람들을 논박해야합니까? 그러나 어쨌든, 그것을 통해 가자 인수가 가장 간단한 버전으로가는 방식 나는 중국인이 가득한 방에 갇혀있다? 글쎄, 그들은 중국 상징과 규칙 책으로 가득 찬 박스 다 기호를 조작하기위한 영어로 알 수없는 상자는 데이터베이스라고 부릅니다

규칙 책은 프로그램이라고 부릅니다 방에 와서, 나는 중국 상징을 얻는다 알지 못하는 사람들은 질문입니다 나는 내가해야 할 일을 찾는다 그리고 내가 많은 상징들을 섞은 후에, 나는 다른 상징들을 돌려 준다

그리고 그 질문에 대한 답변입니다 이제 우리는 당신의 지루함을 희망합니다

나는 이것 때문에 나는이 이야기를 여러 번 말했어 우리는 그들이 프로그램을 잘 작성한다고 생각할 것입니다 나는 기호를 뒤적 거리며 걷는 것을 아주 잘한다 내 대답은 구별 할 수 없다

원어민 화자로부터 나는 중국어를 이해하기 위해 튜링 테스트를 통과한다 똑같은, 나는 한 마디의 말을 이해하지 못한다 그리고 중국 방에는 방법이 없습니다 내가 중국 만 이해할 수 있기를

컴퓨터 시스템입니다 그리고 내가 운영하는 규칙은 컴퓨터 프로그램입니다 그리고 이것은 중요한 포인트입니다 이 프로그램은 전적으로 구문 론적이다 전적으로 일련의 작업으로 정의됩니다

이상 구문 요소 약간 더 기술적으로 말하자면, 동일하게 구현 된 프로그램이라는 개념 이 동등한 클래스를 정의합니다 모든 물리학과 완전히 독립적으로 지정됩니다 특히 물리학 적으로 독립적이다 그 실현의

결론은 내가 이해할 수 없다면이다 구현에 기초한 질문 및 답변 프로그램을 실행하면 다른 디지털 컴퓨터에서도 마찬가지입니다 그 이유는 컴퓨터가 없기 때문입니다 내가 갖고 있지 않은 것이있다 컴퓨터는 순수 구문 장치입니다

그들의 연산은 구문 적으로 정의됩니다 그리고 인간의 지능은 구문 이상의 것을 필요로합니다 의미론이 필요합니다 그것은 무슨 일이 일어나는지에 대한 이해가 필요합니다 내 행동을 영어로 대조하면 이걸 볼 수 있어요

내 행동은 중국어로 그들은 나에게 영어로 질문을한다 그리고 저는 영어로 답변을드립니다 그들은 미국에서 가장 긴 강이 뭐란 말인가? 그리고 제가 말하길, 음, 그것은 미시시피입니다, 또는 미시시피 – 미주리 주 당신이 하나의 강으로 간주한다면 그들은 중국에서 나에게 묻습니다

중국에서 가장 긴 강은 무엇입니까? 나는 그 질문이 무엇인지, 그것이 무엇을 의미하는지 모른다 내가 가진 모든 것은 중국 상징입니다 그러나 나는 그 상징으로 무엇을해야 하는지를 찾는다 나는 대답을 돌려 준다 그것은 옳은 대답이다

그것은 양쯔시 다 그것은 중국에서 가장 긴 강입니다 나는 그 어떤 것도 모른다 나는 단지 컴퓨터 일 뿐이야 따라서 결론은 구현 된 컴퓨터 프로그램 그 자체로는 충분하지 않을 것입니다

인간의 이해가 있기 때문에 인간의 이해를 위해 구문 이상 그것은 의미론을 가지고 있습니다 두 가지 기본 원칙이 있습니다 그것은 중국 방의 주장을 뒷받침한다 그리고 그들 둘 다 분명히 사실입니다

각 단어를 네 단어로 나눌 수 있습니다 구문은 의미론이 아닙니다 그리고 시뮬레이션은 중복되지 않습니다 시뮬레이션 할 수 있습니다 질문을위한 충분한 시간

그건 그렇고 시간이 얼마나 남았습니까? 나는 ~하고 싶다 JOHN BRACAGLIA : 궁금한 점이 많습니다 JOHN SEARLE : 나는 모든 사람들에게 질문을 할 기회가있는 질문이 있습니다 어쨌든, 그것은 유명한 중국 방의 주장입니다 그리고 설명하는데 약 5 분이 걸립니다

이제 내가 가진 반응에 놀랄 것입니다 그들은 절대적으로 아슬 아슬했다 그들의 터무니없는 이제 몇 가지 대답을 드리겠습니다 좋아하는 대답은 이것이었다

너는 방에 있었다 너는 그 모든 상징을 가졌다 상자가 있었어 아마 일할 스크래치 용지를 가지고있을 것입니다 자, 이해 한 것은 당신이 아니 었습니다

당신은 CPU 일 뿐이며, 그들은 경멸감을 가지고 말할 것입니다 처리 장치 나는 그 당시에이 단어들이 의미하는 것이 무엇인지 몰랐습니다 CPU, 그것은 이해하는 시스템입니다 그리고 처음이 이야기를 들었을 때, 방은 중국인을 이해한다, 나는 그 사람에게 말했다

그리고 그는 말했다, 예, 방은 중국어를 이해합니다 음, 필사적 인 대답입니다 나는 용기를 존경합니다 그러나 문제가 있습니다 그리고 그것이 내가 이해하지 못하는 이유입니다

나는 구문에서 의미론으로 갈 수 없다 그러나 방도 마찬가지입니다 컴퓨터의 구문에서 방이 어떻게 생깁니 까? 의미에 대한 입력 기호의 프로그램 상징의 이해? 방이 거기에 도착할 수있는 방법이 없습니다 그것은 의식이 필요하기 때문입니다 내 의식 외에도 방에서

그리고 그러한 의식은 없습니다 어쨌든, 그것은 많은 해답 중 하나였습니다 내 즐겨 찾기 중 하나는 이것이었다 이것은 공개 토론에서였다 한 남자가 내게 말했다

그러나 우리가 당신에게 묻는다 고 가정 해보자 중국어를 이해합니까? 네가 중국 말을 이해한다고 가정 해 봅시다 잘? 글쎄, 좋아, 시도하고 우리가 얼마나 멀리 있는지 보자 나는 이렇게 보이는 질문을 받는다 자, 이것은 중국인의 방언에있을 것입니다

인식하지 못합니다 알 수없는 그 상징은, 중국어를 이해합니까? 나는 내가해야 할 일을 찾는다 그리고 나는 그들에게 상징을 되돌려 준다 같은 중국어 방언에서 그리고 그렇게 보입니다

그리고 그건 왜 너희들이 내게 그런 멍청한 질문을하는거야? 내가 중국어를 이해한다는 것을 알 수 있니? 나는 다른 응답과 이의 제기를 계속할 수 있었고, 하지만 그들은 모두 똑같이 약하다고 생각합니다 최종선에는 논리적 인 진실이 있습니다 그리고 그것은 구현 된 컴퓨터 프로그램 구문 적으로 정의됩니다 그리고 그것은 약점이 아닙니다 그것이 권력입니다

계산의 구문 론적 정의의 힘 당신은 전자 기계에 그것을 구현할 수 있습니까? 말 그대로 수백만 개의 계산을 수행 할 수 있습니다 매우 짧은 시간에 나는 이것을 믿을 지 모르겠다 그러나 항상 그것을 믿는다 교과서에서 딥 블루 1 초에 2 억 5 천만 회의 계산을 수행 할 수 있습니다 좋아, 나는 그들의 말을 듣는다

따라서 컴퓨터의 약점이 아닙니다 자, 내가 때때로 가지고있는 또 다른 주장 프로그램에서, 우리는 종종 자연 이해의 의미론이라 불리는 섹션 프로그램 그리고 그것이 옳다 그러나 물론, 그들이하는 일은 더 많은 컴퓨터에 넣는 것입니다 이행

그들은 더 많은 구문을 사용합니다 자, 지금까지, 너무 좋아 그게 전부라고 생각한다면, 나는 전에 그 모든 것을 말했어 하지만 지금 나는 훨씬 더 많은 것을 계속하고 싶다 재미있는

그리고 여기에 그것으로갑니다 이제 어떻게 지내니? 나는 모든 사람들이 이해하는 것 같다 질문 할 시간이 충분할 것입니다 나는 좋은 질문 기간을 주장한다 그래서 물 한잔하자

나는 다음 단계로 나아 간다 나는 그것이 더 중요하다고 생각한다 많은 사람들이 생각하고, 잘 보았고, 어쩌면 컴퓨터가 중국어를 이해하지 못하고, 그러나 모두 똑같이 정보 처리를합니다 그리고 그것은 결국 계산을합니다 그것이 우리가 기계를 정의한 것입니다

최근에 두 권의 책을 검토해야했습니다 한 권의 책은 우리가 새로운 시대에 살고 있다고 말하면서, 정보의 시대 그리고 놀라운 폭발에서, 저자 모든 것이 정보라고 말했다 이제 모든 것이 정보라면 우리를 걱정해야합니다 그리고 나는 또 다른 책을 읽었다

이것은 낙관적 인 책이었습니다 나는 이것을 검토했다 – "The New York Review of Books" 컴퓨터가 지금이다라고 말하는 사람에 의한 덜 낙천적 인 책 너무 똑똑하기 때문에 그들은 우리만큼 영리합니다 그리고 곧 우리는 똑똑해질 것입니다 그리고 나서이 청중에게 다음 단계를 말할 필요가 없습니다 그들은 우리보다 훨씬 똑똑해

그리고 나서 그들이 얻을지도 모르기 때문에 밖으로 본다 우리에게 억눌린 것에 질려 그리고 그들은 단순히 일어나서 우리 모두를 전복시킬 수 있습니다 그리고 이것은 저자가 겸손하게 말한 것입니다 나는 이것이 당신이 책을 판매하는 방법이라고 생각합니다

그는 이것이 인류가 당면한 가장 큰 도전일지도 모른다고 말했다 이제까지 직면 한, 곧 나오는 반란 슈퍼 스마트 컴퓨터의 자, 나는이 두 주장이 어리 석다는 말을하고 싶습니다 내 말은, 나는 여기서 속기를 말하고있다 나에게 대답 할 기회가 충분히있을거야

왜 그런지 간단히 말하고 싶습니다 지능의 개념에는 두 가지 의미가 있습니다 그것은 관찰자 – 독립적 감각을 가지고있다 그것은 심리적으로 실제적인 것을 식별합니다 그래서 나는 내 개 Tarski보다 더 똑똑하다

이제 Tarski는 꽤 영리합니다 나는 동의합니다 하지만 전반적으로, 나는 Tarski보다 더 똑똑합니다 나는 네 마리를 낳았다 Frege, Russell, Ludwig 및 Tarski가 있습니다

그리고 타 스키, 그는 베르네 산 강아지입니다 나는 그를 데려 오지 않아서 미안해 그러나 그는 차를 위해 너무 크다 이제, 그는 매우 영리합니다 하지만 그는 똑같은 의미의 지성을 가지고 있습니다

단지 그는 내가하는 것보다 다소 적게 발생합니다 자, 내 컴퓨터도 지능적입니다 또한 정보를 처리합니다 그러나 이것이 핵심 포인트입니다 – 그것은 관찰자 – 친척입니다 컴퓨터에 지능이있는 유일한 감각 내재적 인 것이 아니라 관찰자 – 상대적인 의미입니다

우리는 그런 방식으로 그 동작을 해석 할 수있다 우리가 할 수있는 건 이 용어를 보아

인식 론적으로 객관적인 정보의 주장 문제의 지성 보는 사람의 눈에 전적으로 달려있다 이것은 강제적으로 나에게 집으로 가져왔다 IBM이 디자인 한 신문을 읽었을 때 세계 유수의 체스를 이길 수있는 컴퓨터 프로그램 플레이어 그리고 Kasparov가 Karpov를 이길 때와 같은 감각으로 그래서 우리는 Deep Blue가 Kasparov를 이길 것이라고 들었습니다 이제는 Karpov와 Kasparov에 대해 우리를 걱정해야합니다

체스를 치기 위해서는 의식이 있어야합니다 그들은 체스를하고있다 둘 다 그런 것들을 알아야 해 내가 4 대 왕에게 전당포로 열었을 때, 내 여왕이 왼쪽에 위협 받고있어 보드의

그러나 지금 주목해라, 딥 블루는 그 누구도 알지 못한다 아무 것도 모르기 때문에 인식 론적으로 객관적인 주장을 할 수 있습니다 딥 블루에 대해서 그것은 그러한 움직임을 만들었습니다

그러나 놀고있는 지적인 체스의 귀속, 이 움직임 또는 그 움직임, 그것은 모두 관찰자 – 상대적인 것입니다 그 중 어느 것도 본질적이지 않습니다 내가 더 많은 지능을 가지고있는 본질적인 의미에서 내 개보다 내 컴퓨터에는 제로 지능이 있습니다 절대적으로 전혀 매우 복잡한 전자 회로입니다

생각하고있는 것처럼 행동하도록 설계된 마치 지능적인 것처럼 그러나 엄밀한 의미에서, 관찰자 ​​- 독립적 인 의미에서 너와 나는 지능이있다 컴퓨터에 지능이 없습니다 그것은 모두 관측자 친척입니다 그리고 정보에 대한 간다

인지 과학의 주요 개념에 대해 지능, 기억, 지각, 의사 결정, 합리성 두 가지 감각, 감각 심리적으로 실제 현상을 확인하는 곳 너와 나 그리고 계속되는 종류의 관찰자 – 상대 현상을 확인한다 그러나 본질적인 의미에서 너와 나는 정보를 가지고있다, 우리가 말하는 기계류 지능이 없다 그것은 더 많거나 적은 것을 갖는 것에 대해서는 의문의 여지가 없습니다 그것은 같은 사업 분야에 있지 않습니다 모든 지능은 보는 사람의 눈에 있습니다

그것은 모두 관측자 친척입니다 이제, 당신은 말할 수 있습니다 – 그리고 나는 말할 것입니다 – 그래서, 대부분의 목적을 위해, 아무런 차이가 없다 제 말은, 당신이 스스로 운전할 수있는 자동차를 디자인 할 수 있다면, 의식이 있든 없든 누가 신경 쓰나요? 말 그대로 지능이 있다면 무슨 상관이야? 그리고 나는 동의한다 대부분의 경우 문제가되지 않습니다 실제적인 목적을 위해, 당신은 옵저버에 독립적입니다

또는 관찰자 – 상대 감각 문제가되는 유일한 지점입니다 저작자 표시에는 심리적 의미가 있다고 생각합니다 지능의 본질적인 지능이 없다 자, 우리가 지능을 주목해라

우리가 지능을 결정 짓는 정신적 과정 의식이 필요합니다 따라서 관찰자 – 상대성 이론의 속성 의식있는 대리인에 의해 행해진 다 그러나 의식은 관찰자 – 친척 자체가 아닙니다 관찰자 – 상대 현상을 만드는 의식 관찰자 – 친척이 아니다 그러나 이제는 위기 상황에 도달하자

정보가 체계적으로 모호하다면 너와 내가 가진 본질적인 감각 사이에 정보, 관찰자 ​​- 상대 감각, 컴퓨터가 정보를 가지고, 계산은 어떨까요? 결국, 계산, 반드시해야합니다 컴퓨터에 내재되어 있어야합니다 그것이 우리가 할 일을 고안하고 건설 한 것입니다 계산이었다 그러나 물론 같은 구분이 적용됩니다

그리고 나는 물 한 잔 마시고 싶다 역사에 대해 잠시 생각해보십시오 내가 Alan Turing의 글을 처음 읽을 때, 그것은 "Computing Machinery and Intelligence"라고 불렸다 이제 그는 왜 그것을 "컴퓨터와 지성"이라고 부르지 않았습니까? 글쎄, 당신은 모두 답을 알고 있습니다 당시 "컴퓨터"는 "계산하는 사람"을 의미했습니다

컴퓨터는 주자 또는 피아노 연주자와 같습니다 수술을하는 사람이 바로 인간입니다 요즘 아무도 그렇게 생각하지 않을 것이기 때문에 그것의 의미가 바뀌었다 또는 오히려 체계적 모호성을 얻었습니다 관찰자 – 상대 감각 그리고 관찰자 – 독립적 감각

이제 우리는 컴퓨터 이름 실제로 수행하는 인간이 아닌 기계의 한 유형 계산 그러나 우리가 적용한 동일한 구별은, 우리가 발견 한 것과 똑같은 구별 이 모든 다른 경우에 적용됩니다 리터럴 또는 관찰자 – 독립적 인 계산에 이제 나는 간단한 계산을 할 것입니다 나는 더하기 함수를 사용하여 계산을 할 것입니다 그리고 그것이 어떻게 진행되는지에 대한 것입니다

그것은 큰 문제가 아닙니다 하나 더하기 하나는 2와 같습니다 자, 내가 계산을 수행 한 감각 절대적으로 내재적이며 관찰자 – 독립적이다 아무도 나에 대해 말한 것을 신경 쓰지 않는다 전문가들이 말한다면, 당신은 실제로 컴퓨팅이 아니 었습니다

아니, 그랬어 나는 의식적으로 계산을했다 포켓 계산기가 같은 작업을 수행 할 때, 수술은 전적으로 관찰자 – 상대적인 것입니다 본질적으로 진행되는 모든 것은 전자 상태 집합입니다 우리가 디자인 한 트랜지션 계산적으로 해석 할 수 있습니다

그리고, 다시 말하면, 대부분의 목적을 위해, 그것은 중요하지 않습니다 중요한 것은 사람들이 말할 때입니다 글쎄, 우리는 기계적 지능의 경주를 만들었습니다 그리고 그들은 일어나서 우리를 전복시킬 것입니다 아니면 그들은 다른 어떤 것도 동등하지 못한 것이라고 생각한다

기계에 대한 심리적 해석 상업용 컴퓨터에서, 계산 관측자 상대 이제 주목해라, 너는 모두 그것이 의미하지 않는다는 것을 안다 그것은 인식 론적 주관적입니다 그리고 나는 많은 돈을내어 애플이 프로그램을 구현할 기계를 만들 것입니다

내 초기 컴퓨터가 지능이 충분하지 않았다고 구현 관찰자 관련 기여에 유의하십시오 여기에 정보가 있습니다 그래서 당신이하지 않으면 절대적으로 무해합니다 심리적 인 의미가 있다고 생각합니다

물론 기계에서 부족한 부분은 무엇입니까? 우리는 인간 안에서 관찰자의 차이 상용 컴퓨터에서 계산의 상대성 내재적 또는 관찰자 독립적 계산 내가 칠판에 방금 공연 한 내용, 부족한 부분 의식이다 모든 관찰자 – 관련 현상은 인간과 동물의 의식에 의해 만들어집니다 그러나 인간과 동물의 의식 그것들을 만드는 것은 그 자체가 관찰자 – 친척이 아니다 따라서 본질적인 정신 현상, 의식 관측자 상대 현상을 만드는 에이전트의 또는 관찰자에서 기계 시스템을 해석한다 상대 패션

그러나 관찰자 상대성을 만드는 의식 관찰자 – 친척이 아니다 내재적이야 이제는 충분한 시간을 들여 토론하고 싶었습니다 그러니 내 숨을들이 쉬고 나서 무엇의 주요 추진력에 대한 요약 나는 논쟁 해왔다 그리고 내가 강조하지 않은 것들 중 하나 하지만 지금 강조하고 싶습니다

대부분의 장치, 개념 장치, 우리는 이러한 문제를 논의하기 위해 완전히 폐기되었습니다 정신과 육체의 차이, 사회와 개인의 차이, 이 특징들 사이의 구별 관찰자 – 상대적인 방식으로 식별 될 수 있고, 계산과 같은 관찰자 – 독립적 인 방식으로 식별 될 수 있으며, 계산과 같은 우리는하지 않는 어휘에 혼란 스럽습니다 문제는 충분히 명확하다 그리고이 토론을 끝내겠습니다

어휘의 몇 가지 요소를 살펴 보겠습니다 이제 물 한 잔 마시고 숨을 쉬자 그 오래된 질문부터 시작해 보겠습니다 기계가 생각할 수 있을까? 글쎄, 나는 그 어휘가 쓸모 없다고 말했다 그리고 인간과 기계의 어휘 기계에 의한 것이기 때문에 이미 폐기되었습니다

수행 할 수있는 물리적 시스템을 의미했습니다 특정 기능을 사용한다면, 우리는 모두 기계입니다 나는 기계 다 당신은 기계입니다 그리고 내 추측은 기계 만이 생각할 수있는 것입니다

왜? 그럼 다음 단계입니다 사고는 뇌에서 만들어지는 생물학적 과정입니다 확실히 복잡하지만, 충분히 이해하지 못함 신경 생물학 과정 생각하기 위해서, 당신은 뇌가 있어야합니다 또는 당신은 동등한 인과 관계를 가진 어떤 것을 가지고 있어야합니다

뇌에 우리는 다른 매체에서이 방법을 찾아 낼 수도 있습니다 우리는 뇌가 어떻게하는지 충분히 알지 못합니다 그래서 우리는 그것을 인위적으로 만드는 법을 모릅니다 그래서 기계가 생각할 수 있을까요? 인간은 기계입니다

네,하지만 인공 기계를 만들 수 있습니까? 생각할 수 있니? 왜 안돼? 그것은 인공 심장과 같습니다 질문, 인공 뇌를 만들 수 있습니까? 생각할 수 있습니다 질문과 같습니다 혈액을 펌핑하는 인공 심장을 만드십시오 우리는 마음이 그것을 어떻게하는지 압니다

그래서 우리는 그것을 인위적으로하는 방법을 알아라 우리는 뇌가 어떻게하는지 모릅니다 그래서 우리는 전혀 모릅니다 내가 이것을 반복하겠습니다 우리는 생각을 만드는 방법을 모릅니다

왜냐하면 우리는 뇌가 어떻게하는지 모르기 때문입니다 우리가 할 수있는 것은 시뮬레이션을 사용하는 것입니다 일종의 공식 체계 하지만 그건 진짜가 아닙니다 당신은 그렇게 생각하지 않습니다

인공 심장은 실제로 혈액을 펌프질합니다 그래서 우리에게는 두 가지 질문이있었습니다 기계가 생각할 수 있을까요? 그리고 인위적으로 만들어진 기계가 생각할 수 있습니까? 질문 1에 분명히 대답하십시오 질문 2에 대한 답변은 아직 모릅니다 그러나 원칙적으로 장애물은 없습니다

모두가 그것을 볼 수 있습니까? 인공 두뇌를 만드는 것은 빌딩과 같습니다 인공 심장 유일한 것은 아무도 그것을 시도하기 시작했습니다 그들이 어떻게 시도했는지 모르기 때문에 시도를 시작하지 않았습니다 실제 두뇌는 그것을합니다

그래서 그들은 실제 두뇌를 모방하는 법을 모릅니다 음, 그래,하지만 인공 뇌를 만들 수 있니? 완전히 다른 재료로 생각할 수 있습니다 아무것도없는 것에서 핵 – 단백질과 관련이 있고 뉴런과 신경 전달 물질 나머지는 모두 다 그리고 대답은, 다시, 우리는 모른다 그것은 나에게 열린 질문으로 보인다

우리가 뇌가 어떻게 그것을했는지를 안다면, 우리는 정의 할 수 있을지도 몰라 내 말은, 그것을 사용하여 할 수있는 기계를 설계 할 수 있어야한다 어떤면에서 완전히 다른 생화학 인공 심장이 사용하지 않는다는 것 혈액을 펌프로 보내는 근육 조직 혈액을 펌프질하는 데 근육 조직이 필요하지 않습니다 의식을 만들기 위해 뇌 조직이 필요하지 않을 수도 있습니다

우리는 단지 무지합니다 그러나 원칙적으로 장애물이 없다는 것을 알 수 있습니다 문제는 아무도 당신이 어떻게 할 것인지 생각하기 시작하지 않았다는 것입니다 생각하는 기계를 만들자 어떻게 사고를 만들지? 뉴런이 아닌 다른 재료로 기계를 만든다

그들은 우리가 어떻게 할 수 있는지 생각하기 시작하지 않았기 때문에 복제하고 단순히 시뮬레이션하지 않는 두뇌가 실제로하는 일 그래서 질문은 기계가 생각할 수 있습니다 인공 기계가 생각할 수있는, 인공 기계를 만들 수 있니? 일부 완전히 다른 재료들 중, 그 기계들이 생각할 수 있겠 니? 그리고 이제 다음 질문이 명백합니다 글쎄, 컴퓨터는 어때? 컴퓨터가 생각할 수 있을까요? 자, 여기서주의해야합니다 컴퓨터가 수행 할 수있는 것으로 정의 된 경우 계산, 글쎄, 방금 했어

이것은 계산입니다 그래서 저는 컴퓨터입니다 여러분 모두 마찬가지입니다 수행 할 수있는 모든 의식 요원 그 간단한 계산이 가능하다는 것은 컴퓨터 생각할 능력이있다 내 추측은

그리고 나는 기회가 없었어 이 아이디어를 개발하는 것 – 그것은 컴퓨터뿐 아니라 생각 해봐 너와 나 하지만 내 추측이야 그게 생각할 수있는 모든 것입니다 수행 할 수 있어야한다 간단한 계산

그러나 이제 계산 상태는 어떻습니까? 여기 핵심 요소는 이미 언급 한 것입니다 계산은 두 가지 감각, 관찰자 ​​- 독립적 감각 관찰자 – 상대 감각 관찰자 – 상대적인 의미에서, 무엇이든 컴퓨터 해석입니다 손목 시계 아주 간단한 컴퓨터를 보여 드리겠습니다

그 컴퓨터는 방금 잘 알려진 기능을 계산했습니다 s는 1/2 제곱 제곱과 동일합니다 그리고 만약 당신이 충분히 좋은 시계를 가지고 있다면, 당신은 실제로 시간을 정해서 알아낼 수 있습니다 그 망할 것이 얼마나 떨어진거야 모두가 본다

그것은 초등 수학입니다 그럼이게 컴퓨터라면 뭐든지 컴퓨터라서 컴퓨터 란다 관찰자 – 상대 감각에서는 그렇지 않다 물체의 본질적인 특징, 그러나 우리의 물리학 해석의 특징 현상의 옛날 중국 방일 때, 언제 나는이 사람들에 대해 토론해야했다

한순간에, 나는 펜을 가져갈 것이다 그것을 테이블에 밀어 넣고 디지털 컴퓨터라고 말하십시오 지루한 컴퓨터 프로그램이 생기는 것입니다 이 프로그램은 거기 머물러 있다고 말합니다 요점은이 일에 아무도 나를 부르지 않았다는 것입니다

분명히 옳기 때문입니다 그것은 교과서 정의를 만족시킵니다 알다시피, 초기에는 기술적 인 razzmatazz를 많이 보면서 나를 눈 떴습니다 "당신은 가상 머신 비 가상 머신 "또는"은 트랜스 듀서를 제거했다 " 당신은 내가 변환기가 뭐였는지 모르겠다

가상 머신 그러나 그러한 것들을 배우는 데는 약 5 분이 걸립니다 어쨌든, 이제 우리는 이것에 대한 중요한 질문에 도달하게됩니다 컴퓨터가 생각할 수 있다면, 인공 컴퓨터 생각할 수 있습니다, 기계는 생각할 수 있습니다, 계산은 어떨까요? 계산은 기계, 사고 과정의 이름입니까? 즉, Alan Turing에 의해 정의 된대로 계산입니다 그것은 그 자체로 생각하기에 충분한가? 그리고 당신은 지금 그것에 대한 답을 알고 있습니다

관찰자 – 상대적인 의미에서 대답은 '아니오'입니다 계산은 자연의 사실이 아닙니다 그것은 우리의 해석의 사실입니다 그리고 우리가 인공 기계를 만들 수있는 한 계산을 수행하고, 계산 자체를 수행한다 생각하기에 충분하지 않을거야

또는 임의의 다른인지 프로세스를 수행 할 수있다 형식적으로나 구문 론적으로 순전히 정의된다 튜링 기계는 자연에서 발견되지 않습니다 그것들은 자연에 대한 우리의 해석에서 발견 될 것입니다 이제는 더해 보겠습니다

많은 사람들이 생각합니다 아, 이 논쟁은 기술과 관련이있다 또는 기술 발전이있을 것입니다 나는 그 기술이 훌륭하다고 생각한다 그리고 나는 그것을 환영한다

그리고 기술의 가능성에는 제한이 없습니다 내 목표는이 이야기가 단순히 건너려고하는 것입니다 당신은 철학적, 심리적, 실제로,이 기술의 과학적 함의 고맙습니다 [박수 갈채] 존 브라 카글 ​​리아 : 감사합니다, 존

John Searle : 너무 빨리 얘기해 죄송합니다 그러나 나는 많은 시간을두고 질문하고 싶다 JOHN BRACAGLIA : Ray 선생님이 한 가지 질문으로 시작하겠습니다 커즈와일 RAY KURZWEIL : 이거인가요? [소리내는 소리] RAY KURZWEIL : 음, 고마워, 존

나는 18 세를 위해이 논쟁을해온 사람들 중 한 사람입니다 년, 나는 생각한다 그리고 나는 장수를 위해 중국 방을 칭찬 할 것이다 그것은 분명히 부조리에 빠지기 때문에 계산과 같은 결정 론적 과정 아마도 사고와 같은 것에 대한 책임이있을 수 있습니다 그리고 당신은 그 구별을 지적합니다

그 효과와 주관적 상태 사이의 사고, 의식의 동의어이다 그래서 저는 제 독서에서 "Singularity is Near"라고 당신에게 인용했습니다 뉴런의 동등성과 심지어 기계와 함께하는 두뇌에서 그래서 나는 왜 기계와 컴퓨터가 당신의 주장을 취했는가? 그것이하는 일을 진정으로 이해할 수 없었습니다 컴퓨터 용 대체 인간 두뇌, 네가 동등하다고 말한 이후로, 신경 전달 물질 농도 및 관련 기본적으로 공식 기호에 대한 메커니즘 신경 전달 물질 농도는 그냥 기계 론적 개념

그래서 당신은 그 대체물들과 함께, 인간의 두뇌는 조작에 성공한다 신경 전달 물질 농도 및 기타 관련 메커니즘 신경 전달 물질 농도 및 관련 메커니즘 자체 아주 무의미하다 그들은 우리가 그들에게 붙인 의미만을 가지고 있습니다 인간의 뇌는 아무 것도 모른다

그것은 단지 신경 전달 물질 농도를 섞는다 및 관련 메커니즘 그러므로 인간의 두뇌는 참된 이해를 가질 수 없습니다 그래서– [웃음] JOHN SEARLE : 흥미로운 변형이 있습니다 내 원본에

RAY KURZWEIL :하지만 내가하고 싶은 요점은, 당신의 연설에 관심이 있다면 왜냐하면 의식의 본질이기 때문입니다 너 오늘 말했어, 너는 썼다 의식을 인식하는 것입니다 소화, 수유, 광합성, 또는 유사 분열 우리는 두뇌가 의식을 유발한다는 것을 압니다

특정한 생물학적 메커니즘을 가지고있다 그러나 우리는 두뇌가 의식이 있다는 것을 어떻게 알 수 있습니까? 내가 의식이 있다는 것을 어떻게 알 수 있니? 그리고 어떻게 존 시어 : [부적절한] RAY KURZWEIL : 그리고 컴퓨터가 의식적인지 어떻게 알 수 있습니까? 우리는 오늘 컴퓨터가 없다

의식이있는 것처럼 보입니다 그 반응은 설득력이 있습니다 그러나 내 예측은 우리가 할 것입니다 우리는 시간 틀에 관해 논할 수 있습니다 우리가 할 때 의식이 있는지를 어떻게 알 수 있습니까? 의식이있는 것 같아? 어떻게 측정할까요? John Searle : 음, 여기에 두 가지 질문이 있습니다

하나는, 내가 사용하지 않은 단어를 대체한다면 그리고 내가 사용한 단어들은이 관찰 결과를 얻을 수 있습니까? 물론, 그렇게 할 수 있습니다 이것은 정치인들의 유명한 기법입니다 그러나 그것은 그 주장이 아닙니다 컴퓨터와 뇌의 차이점은 무엇입니까? 한 문장에서 두뇌는 인과 적 메커니즘이다 어떤 복잡한 것으로 의식을 생산하는 여전히 신경 생물학 과정을 완벽하게 이해하지 못합니다

그러나 그것들은 특정한 전기 화학에 대해 아주 구체적입니다 우리는 단지 세부 사항을 모른다 그러나 우리가 시냅스 틈에서 주위를 어지럽 혀 있는지, 이상한 효과를 얻으실 겁니다 코카인은 어떻게 작동합니까? 글쎄요, 특이한 계산법을 가지고 있기 때문에 아닙니다 생산 능력

수용력을 망쳐 놓기 때문에 꽤 특이적인 재 흡수를위한 postsynaptic 수용체의 신경 전달 물질, 노르 에피네프린 – 다른 두 개가 뭐야? 하느님, 나는 여기서 시험을하고있어 도파민 Gaba는 세 번째입니다 어쨌든, 뇌는 위나 다른 기관과 같이, 특정한 인과 적 메커니즘이다 그리고 그것은 특정 생화학 적 원리에 작용합니다

컴퓨터의 문제는 세부 사항과 아무 관련이 없다 구현의 모든 구현은 제공됩니다 프로그램의 단계를 수행하는 것으로 충분합니다 프로그램은 순전히 형식적이거나 구문 적입니다

두뇌는 그렇지 않습니다 뇌는 특정 생물학적 기관이다 특정 원칙에 따라 운영됩니다 그리고 의식이있는 기계를 만들기 위해, 우리는 인과 관계를 복제하는 법을 알아야합니다 그 원칙들을 자, 컴퓨터는 그렇게하지 않는다

더 높은 수준을 만들어내는 인과 적 메커니즘으로 작용한다 풍모 오히려 계산은 추상적 인 수학적 프로세스의 이름을 지정합니다 특정 하드웨어에서 구현할 방법을 찾았습니다 그러나 하드웨어는 계산에 필수적인 것은 아닙니다

계산을 수행 할 수있는 모든 시스템 동등한 것입니다 이제 두 번째 질문은 당신은 의식에 대해 알고 있습니다 실생활을 생각해보십시오 내 강아지 Tarski가 의식인지 어떻게 알 수 있습니까? 여기, 내 스마트 폰은 의식이 없나요? 나는 어느 것에 대해서도 의심의 여지가 없다 나는 타르 스키가 의식이 없다고 말할 수있다

행동 주의적 근거 사람들은 인간처럼 행동한다고 ​​말합니다 그는하지 않습니다 봐, 내가 아는 인간들 서둘러서 내 손을 핥지 말고 꼬리를 흔들지 마라

그들은 단지하지 않습니다 내 친구들은 그렇게하지 않습니다 그러나 Tarski는 않습니다 나는 타르 스키가 의식이 있다는 것을 알 수있다 그는 기계가있어 내 자신과 비교적 비슷합니다

그것들은 그의 눈이다 이것들은 그의 귀이다 이것은 그의 피부 다 그는 산출물에 대한 투입 자극을 매개하는 메커니즘을 가지고있다 행동은 인간의 메커니즘과 비교적 유사하다

이 때문에 나는 Tarski의 의식이있는 나는 벼룩과 흰개미에 관해서는 아무것도 모른다 전형적인 흰개미에는 100,000 개의 뉴런이 있습니다 충분하니? 큰 주말에 10 만 달러를 잃어 버린다 그래서 그것이 의식에 충분한 지 모르겠습니다

그러나 그것은 사실적인 질문입니다 나는 그것을 전문가들에게 맡길 것이다 그러나 인간에 관한 한 이 방에있는 모든 사람들이 의식이있다 내 말은, 저기있는 남자가 잠든 것 같아 그러나 장군이

그것은 그렇지 않다는 것에 대해 의문의 여지가 없습니다 내가 가지고있는 이론조차도 그것은 배경 전제입니다

바닥이 단단하다고 가정하는 방식입니다 나는 모든 사람들이 의식하고 있음을 당연시합니다 그것을 정당화해야한다면, 할 수 있습니다 이제는 세부 사항에 항상 문제가 있습니다 다른 마음의

물론, 나는 네가 의식이 있다는 것을 안다 그러나 당신은 산업화 이후의 남성에 대한 불안감에 시달리고 있습니까? 늦은 자본주의 하에서? 글쎄, 나는 그들이 주장하는 많은 친구가있다 그리고 그들은 내가하지 않기 때문에 내가 철칙이라고 생각합니다 그러나 그것은 더 어렵습니다 우리는 그것에 대해 대화를 나누어야합니다

그러나 의식을 위해, 그것은 진짜 문제가 아닙니다 실생활에서 관객 : 그래서 우리는 두뇌가 어떻게 작동 하는지를 이해하기 시작했다 비교할만한 기계 그러나 우리가 미래에 상상해보십시오 그래서 우리는 뇌에 ​​대해 시뮬레이션을 실행할 수 있습니다

그리고 우리는 그것을 현실과 연결합니다 모터 출력, 감각 입력을 통해 그 차이점은 무엇입니까? 네가 아는 한 두뇌 의식을 생산하고 있습니까? 에서 John Searle : 어떤 경우에는 전혀 차이가 없습니다 그리고 그 차이는 중요하지 않습니다 네가 기계를 가지고 있다면 – 너를 바래

실제로 신문사들이 신문을 만들기 때문에 너라고 해 운전할 프로그램이 있다면 의식이있는 운전자가없는 내 차는 훌륭합니다 나는 그것이 훌륭하다고 생각한다 문제는 기술이 할 수있는 것이 무엇이 아닌가? 우리 아빠는 AT & T의 전기 기술자였습니다 그리고 그의 가장 큰 실망은 나는 철학자가되기로 결심했다

왜냐하면, Bell Labs와 MIT에가는 대신에 그래서 나는이 기술의 성공에 아무 문제가 없다 문제는 그것이 무엇을 의미 하는가? 물론, 기계를 가지고 있다면 그걸로 나는 차를 운전할 수 있습니다 아니면 내가 할 수있는 것보다 낫다 기계류에 더 좋습니다 문제는 철학적 심리학이란 무엇인가? 과학적 중요성? 그리고 생각한다면, 글쎄, 그건 당신이 만든 것을 의미합니다

의식, 당신은하지 않았습니다 의식을 창조하기 위해서는 더 많은 것을해야합니다 그리고 많은 것들, 의식 중요한 문제 내가 리뷰 한이 책의 경우, 그 남자가 말했던 곳에, 음, 그들은 기계를 가지고있다 일어나서 우리 모두를 타도 할 것입니다

그것은 심각한 가능성이 아닙니다 의식이 없다 그들은 의식적 심리 상태가 없습니다 신발이 벽장에서 튀어 나올 수도 있다고 말하는 것과 같습니다 우리를 온통 걷는다

결국, 우리는 수세기 동안 그들을 걷고 있었고, 그들은 왜 다시 공격하지 않습니까? 현실적인 걱정이 아닙니다 네? 관객 : 내가 관심을 갖고있는 차이점은 – 미안하지만, 관심있는 유사성이 꼭 필요한 것은 아닙니다 시스템의 출력 또는 결과, 오히려 그것은 내부 인과 적 유사성을 가지고있다 네가 언급 한 뇌에 JOHN SEARLE : 네, 그건 사실적인 질문입니다

문제는 어느 정도로 프로세스가 프로세스와 동형의 컴퓨터에서 계속 진행 뇌에 들어가는거야? 우리가 아는 한,별로 내 말은, 체스 게임 프로그램 이것의 좋은 예가되었습니다 인공 지능의 초기에, 그들은 훌륭한 체스 선수들을 인터뷰하고 그들의 생각을 알아내는 것 프로세스가 있었고 그들을 시도해보십시오 컴퓨터에서 복제합니다 이제 우리는 딥 블루가 어떻게 작동했는지 알게됩니다 딥 블루는 2 억 5 천만 체스 포지션을 계산할 수 있습니다

1 초 보십시오, 체스는 게임 이론적 인 관점에서 하찮은 게임입니다 당신은 완벽한 정보를 가지고 있기 때문에 시야가 넓습니다 그리고 당신에게는 유한 한 가능성이 있습니다 따라서 x 개의 가능성이 있습니다

이동 및 x 번호에 응답하는 방법 그 이동을위한 가능성들 기하 급수적 인 문제 때문에 우리에게 흥미 롭습니다 컴퓨터를 프로그래밍하는 것은 매우 어렵습니다 지수에서 많은 단계를 거칠 수 있지만 IBM은 그렇게했습니다 그것은 심리적 관심사가 아닙니다

그리고 그들의 신용에 AI의 사람들 그것을 적어도 하나의 승리로 주장하지 않았다 나는 AI의 승리라고 주장하지 않았다 그들은 아무것도 볼 수 없었기 때문에 인간의인지와 관련이있다 내 추측에 의하면 그것은 흥미로운 철학적 인 것입니다 질문 – 또는 심리적 질문 – 어느 정도까지 두뇌의 실제 과정 전산 시뮬레이션을 거울 삼아 라

물론, 어느 정도 존경을받을 수 있습니다 이것이 계산 시뮬레이션 온갖 종류의 분야에서 흥미 롭다 심리학뿐만 아니라, 진행중인 모든 종류의 프로세스를 시뮬레이션 할 수 있습니다 그러나 그것은 강한 인공 지능이 아닙니다 Strong AI는 시뮬레이션은 단순한 시뮬레이션이 아니라고 말합니다

그것은 중복입니다 그리고 우리는 그것을 반박 할 수 있습니다 관객 : 당신이 영어를 이해한다는 것을 증명해 주시겠습니까? John Searle : 네, 신경 쓰지 않을 것입니다 (영국 동의서로 말하기) 제가 옥스포드에있을 때, 많은 사람들이 내가 한 것을 의심했다 나는 우연히 불려지는 다소 움푹 파인 대학에 있었다

그리스도 교회 그리고 물론 나는 영어를 못합니다 나는 결코 사칭하지 않았다 나는 많은 영어 사람들을 만드는 미국 방언을 말한다 생각에 떨다

관객 : 당신이 영어를 이해한다고 말했죠 하지만 당신이 컴퓨터 프로그램이 아니라는 것을 어떻게 알 수 있습니까? JOHN SEARLE : 음, Ray와 같은 질문입니다 그리고 대답은 모든 종류의 방법입니다 위기 상황에 빠지면 나 한테 물어볼지도 몰라 이제 나는 부정직 한 대답을 줄 수도 있습니다

아니면 정직한 대답을 줄 수도 있습니다 그러나 가고 싶지 않은 경로가 있습니다 그것이 인식 론적 경로입니다 인식 론적 경로는 말합니다 컴퓨터가 의식이 있다는 증거를 많이 가져라

우리는 당신이 의식하고 있다는 것입니다 아니 정말 내 말은, 내가 좀 자세히 들어갈 수 있다는거야 사람들의 물리적 구조에 대해 의식을 일으킬 수있게하십시오 당신은 멋진 이론을 가질 필요가 없습니다

나는 신경 생물학의 멋진 이론을 필요로하지 않는다 당신의 눈은 그것들입니다 너 입에서 말했다 질문은 의식적인 의도의 표현이었습니다 질문을하기 위해서

저를 믿으십시오, 당신이 국부적으로 생성 한 기계 인 경우에, Google은 내가 생각했던 것보다 더 나아 갔다 그러나 분명히, 당신은 그렇지 않습니다 JOHN BRACAGLIA : 우리는 도리에게 질문을 할 것입니다 John Searle : 그 다음인가요? JOHN BRACAGLIA : 우리에게는 사람들이있었습니다 관객 : 거의

JOHN BRACAGLIA : 우리는 몇몇 사람들이있었습니다 사전에 질문을 제출하십시오 존 씨 : 좋습니다 JOHN BRACAGLIA : 그래서 우리는 그것들을 또한 읽을 것입니다 존 씨 : 좋습니다

괜찮아 권리 JOHN BRACAGLIA : 도리 출신의 첫 번째 질문입니다 당신이 사용하고있는 의식의 정의는 무엇입니까? 이 이야기의 기간 동안? 존 씨 : 좋습니다 여기 있습니다

JOHN BRACAGLIA : 최대한 구체적으로 작성하십시오 John Searle : 일반적으로 의식 정의하기 어렵다 나는 정의하는 것이 오히려 쉽다고 생각합니다 우리는 과학적 정의가 없다 왜냐하면 우리에게는 과학 이론이 없기 때문입니다

어떤 용어에 대한 상식적인 정의 조사 대상을 식별합니다 물은 깨끗하고 무색이며 맛이없는 액체입니다 그리고 이것은 병 속에 들어 있습니다 그것은 상식적인 정의입니다 당신은 과학을하고 당신은 그것이 물이라는 것을 발견합니다

자, 의식과 함께, 우리는 깨끗하고 무색의 액체, 맛이없는 감각 하지만 여기 있습니다 의식은 모든 주들로 구성됩니다 감각이나 지각 또는 인식의 당신이 깨면 아침에 시작하는 꿈없는 잠에서 그리고 그들은 잠들 때까지 하루 종일 계속됩니다

그들이 말했듯이 무의식적으로 다시 또는 그렇지 않으면된다 이 정의에서 꿈은 의식의 한 형태입니다 의식의 비밀, 본질 의식 상태에 상관없이 그 의식 상태에있는 것처럼 느껴지는 어떤 것 그런 이유로, 의식은 항상 주관적인 온톨로지를 가지고있다 기억해, 나는 너에게 그 주관적 목적의 비트를 주었다

항상 주관적인 온톨로지를 가지고 있습니다 그것은 의식의 작동 정의입니다 그리고 그것은 실제로 신경 생물학 조사관이 사용하려고하는 뇌가 그것을 어떻게하는지 그것이 당신이 알아 내려고 시도하는 것입니다 어떻게 두뇌가 그것을 생산합니까? 뇌에 어떻게 존재합니까? 어떻게 작동합니까? 관객 : 더 강하게 제안하고 싶습니다

우리가하지 않는 관찰에 묶여있다 오늘 사고 기계를 만드는 법을 아십시오 비록 우리가 그것을 만드는 법을 알았지 만, 우리의 생각 기계는 진화의 과정에 의해 세워졌습니다 내가 제안하고 싶다 – 글쎄, 너 너 뭐니? 사실, 우리는 시간이 없어? 실제로는 중요하지 않을 수도 있습니다 우리가 시간을 가질 수없는 이유는 소행성이 떨어지고 닦는 것처럼 일어날 필요가있다

공룡과 늑대 인간, 우주에서 일어날 수 없다 우리가 살았던 그러나 당신이 평행 우주 이론에 가입한다면, 다른 곳에서는 인공 의식이 있습니다 John Searle : 네 좋아요, 우리는 시간이 없어서, 글쎄, 나는 서둘러

하지만 우리가 할 수있는 한 열심히 노력해야한다고 생각합니다 사실입니다 어쩌면 우리의 능력 밖의 것들이있을 수 있습니다 지구상의 인간의 삶을 해결하는 것 그러나 바쁘게 지내고 노력합시다

사람들이 말했던 시대가있었습니다 인생을 정말로 이해합니다 그리고 우리가 그것을 완전히 이해하지는 못하더라도, 하지만 우리는 꽤 멀리 있습니다 기계공들 사이의 오래된 논쟁 그리고 우리에게 더 이상 이해가되지 않는 바이타스트들입니다 그래서 우리는 많은 진전을 이루었습니다

귀하의 질문에 또 다른 절반이있었습니다 관객 : 그것은 모든 우주 – John Searle : 오, 그래 어쩌면 의식이 중요하지 않을 수 있습니다 글쎄, 내가 사는 곳이야 그것은 나에게 중요합니다

관객 : 철학적 말하기 John Searle : 네,하지만 요점은 그렇지 않을 수도있는 많은 것들이있다 우리에게 필사적으로 중요한 문제 – 민주주의와 성 및 문학과 좋은 음식 그리고 모든 종류의 물건 어쩌면 누군가에게 중요하지 않을 수도 있습니다 그러나 그 모든 것들이 내게 중요합니다

관객 : 당신이 언급 한 인공 심장 비유 나는 그것이 가능하다는 생각을 포함 시켰다고 생각한다 인공 심장과 마찬가지로, 우리는 다른 재료와 다른 접근법을 사용합니다 심장을 시뮬레이션하고, 어떤면에서는, 그냥 넘어서십시오 – 중복에 가깝게 오십시오, 이론 상으로는 우리가 똑같은 일을 할 수있을 것입니다 인공 두뇌

당신이 가능하다고 생각하는지 궁금하네요 그냥 시도하는 경로를 추락하는 뇌의 모의 실험을하는 것은 우연히 만들어 낸다 의식이나 우발적으로 복제물을 만들거나, 우리가 똑같은 방법으로 그것을하려고하지 않더라도 뇌가 만들어지면 JOHN SEARLE : 나는 그것을 믿는다 고 말할 것입니다 기적을 믿어야합니다 당신은

이제 그것에 대해 생각해야합니다 우리는 단지 무엇에 대해서도 컴퓨터 시뮬레이션을 할 수 있습니다 당신은 정확하게 묘사 할 수 있습니다

당신은 소화의 컴퓨터 시뮬레이션을합니다 그리고 컴퓨터 모델을 얻을 수 있습니다 그것은 피자를 소화시키는 완벽한 모델입니다 내가 아는 한, 아마이 건물의 누군가가 해냈을거야 하지만 일단 그렇게하면, 서두르지 않고 피자를 사지 않아도됩니다

그것을 컴퓨터에 채워야하기 때문에 피자를 소화하지 않을거야 그것이 당신에게주는 것은 그림이나 모델입니다 또는 수학적 다이어그램 그리고 저는 그것에 반대하지 않습니다 하지만 내 인생이 알아내는 데 달려있다면 두뇌가 의식을 생산하는 방법, 컴퓨터를 너와 똑같이 사용할거야

생물학의 모든 분야에서 컴퓨터를 사용하십시오 알아내는 데 매우 유용합니다 너의 공리의 의미, 알아내는 것에 대한 당신이 디자인 할 수있는 가능한 실험 그러나 어떻게 든 또는 다른 생각 그인지 행동의 컴퓨터 시뮬레이션 생화학에 열쇠를 제공 할 수도 있습니다 글쎄, 그건 의문의 여지가 아니야

그것은 그럴듯하지 않습니다 JOHN BRACAGLIA : 인간은 쉽게 속고 자주 있습니다 기계의 지능을 과대 평가합니다 일반 지능에 대한 더 나은 테스트를 제안 할 수 있습니까? 튜링 테스트보다 관련성이 적은 테스트 가양 성? John Searle : 글쎄, 내 대답은 모두 알지 그 첫 번째 단계는 구별하는 것입니다 진정한 내재적 관찰자 – 독립 지능과 관찰자 – 관련 정보

그리고 관찰자 – 상대 정보 항상 보는 사람의 눈 속에있다 그리고 무엇이든 지성을 가질 것입니다 당신은 그것에 귀속 될 수 있습니다 나는이 물건에 많은 지능이 있다고 생각했다 함수를 계산할 수 있기 때문에, s는 1/2 제곱과 같습니다

이제이 객체는 지능이 뛰어납니다 머리카락 하나를 차별하기 때문에 그것을 증명하지는 않을 것이지만, 내 머리 속에서도 그것이하는 나의 말 머리카락이 희박하다

그래서 지능은 관찰자 – 상대적인 것이기 때문에, 우리가 기준을 말해줘야 해 그것을 판단 할 것입니다 튜링 테스트의 문제점 – 음, 모든 종류의 문제가 있습니다 그러나 근본적인 문제는 입력과 출력 모두 그것들은 우리의 해석과 만 관련이 있습니다 이것을 질문으로 해석해야합니다

그리고 당신은 대답으로 해석해야합니다 내 전체 토론 중 하나의 결론 오늘은 튜링 테스트가 실패한 것입니다 그것은 당신에게 지능을 시험해주지는 않습니다 관객 : 당신은 믿음의 기사로 여길 것 같습니다 우리는 의식이 있고, 개는 의식이 있으며, 그 의식은 온다

생물학적 물질로부터, 우리가 정말로 좋아할 수없는 것들 알다 하지만이 말을 용서해주세요 지능형 디자인 이론가처럼 당신을 소리 낸다 진화론과 모든 것 존재하는이 창조 우주에서 너무 복잡해서 가질 수 없다 불활성 물질로부터 진화했다

아메바와 개 사이 어딘가에 의식이 있어서는 안된다 그리고 그 라인을 어디서 그릴 지 모르겠습니다 그리고 만약 인간의 의식 응급 상황이 발생했거나 심지어는 개가 어느 지점에 있었는지 진화론 적 규모에서 왜 그렇게 할 수 없었는가? 계산 시스템에서 나온다 충분히 분산되고 네트워크화되며 능력이있다 많은 계산을 수행하고 어쩌면 구부리기도한다

생물학적 시스템에? JOHN SEARLE : 음, 그것이 나타날 수 있을지, 기적은 언제나 가능합니다 가능한 네가 가지고 있지 않다는 것을 어떻게 알 수 있니? 이것을 전환시키는 화학 공정 의식적인 빗으로? 어떻게 알 수 있습니까? 글쎄, 그건 심각한 가능성이 아니야 내 말은, 의식 두뇌에서 창조된다 확실히 명확하다 그리고 이것이 핵심 포인트라는 것을 기억하십시오

의식을 만드는 모든 시스템 그러한 인과 적 힘을 복제해야한다 그건 말처럼, 당신은 깃털을 주문할 필요가 없습니다 비행 기계를 가지고 있지만 복제해야합니다 조류의 인과 관계를 단순히 시뮬 레이팅하는 것이 아닙니다 지구 대기의 중력을 극복하기 위해 그리고 그게 비행기가하는 일입니다

그들은 인과 관계를 복제합니다 그들은 같은 원칙을 사용합니다, 베르누이의 원리, 중력을 극복하기 위해 하지만 어떻게 든 다른 사람이 할 수 있다는 생각 특정 형식 구조에 대한 시뮬레이션 만하면됩니다 입출력 기능, 입출력 기능, 글쎄, 기적은 항상 가능합니다 그러나 그것은 그렇게 보이지 않습니다 그것은 진화가 작동하는 방식이 아닙니다

관객 : 그러나 기계는 스스로를 향상시킬 수 있습니다 그리고 아메바가 결코 할 수없는 이유에 대한 사례를 만들고 있습니다 충분히 오랜 기간 동안 개에게 발달 시켜라 의식이있다 JOHN SEARLE : 아니, 나는 그런 경우를하지 않았다

아니, 나는 그런 경우를하지 않았다 [소리내는 소리] 존 세일 : 아메바는 가지고 있지 않습니다 관객 : 당신은 그 의식을 의심하고 있습니다 충분히 복잡한 계산 시스템에서 나타날 수 있습니다 JOHN SEARLE : 복잡성은 항상 관찰자 – 상대적인 것입니다

복잡성에 대해 말하면 통계에 대해 이야기해야합니다 복잡성을 계산하는 기준은 무엇입니까? 나는 복잡성이 아마도 무의미하다고 생각한다 메커니즘이 간단하다는 것이 드러날 수 있습니다 내 계정에는 아무 것도 없습니다 컴퓨터가 절대로 의식을 잃지 않을 수 있다고 말한다

물론, 우리는 모두 의식있는 컴퓨터입니다 아메바에 관한 요점은 아메바는 훨씬 복잡한 유기체로 진화 할 수 없습니다 어쩌면 그렇게 된 것일 수도 있습니다 그러나 아메바는 그대로 – 단세포 유기체 – 복제 할 기계가 충분하지 않다 뇌의 인과 관계

저는 과학 소설 프로젝트를하고 있지 않습니다 음, 인위적으로 만들어 질 수는 없다 컴퓨터 프로그램을 설계하는 사람들의 의식 물론 논리적으로 불가능하다는 것은 아닙니다 나는 단지 지적인 프로젝트가 아니라고 말하고있다

당신의 삶에 대해 생각하고 있다면 의식을 만드는 기계를 만들 때, 당신은 콘솔에 앉지 않고 프로그래밍을 시작하지 않습니다 어떤 프로그래밍 언어로 그것에 대해 갈 길은 잘못되었습니다 관객 : Google 번역을 해체 한 경우 중국 방 실험을 실행 해 보았습니다 너에게 수천이 걸릴거야

모든 어셈블리 지침을 펜과 종이로 실행하는 데 수년간 걸렸습니다 그렇지 않으면 영어로 디 컴파일 할 것입니다 그 형식으로 크게 최적화 할 수 있습니다 그리고 그 과정에서 많은 것을 배우게되었습니다 서로 다른 변수 간의 관계에 대해 및 서브 루틴

그렇다면 중국인에 대한 이해는 그것으로부터 나오지 않겠습니까? John Searle : 음, 좋아, 나는 이런 종류의 질문을 좋아한다 괜찮아 자, 내가 말할 때, 물론, 내가 원래의 생각을했을 때 실험, 아무도 당신에게 사실을 말하면 프로그램에서 단계를 수행하고 있었다 중국어로 질문에 대답하기 위해, 음, 우리는 몇 백만 년 동안있을 것입니다

좋아, 나는 그들의 말을 듣는다 나는 프로그래머가 아니지만 나는 엄청난 시간이 걸릴 것입니다 그러나 논쟁의 요점은 그 예가 아닙니다 이 예제는 설명하기 위해 디자인되었습니다 인수의 요점

인수의 요지가 주어질 수있다 다음 유도에서 프로그램은 형식적이거나 구문 적입니다 그것이 공리 넘버 1입니다 그것이 프로그램의 전부입니다

조금 더 우스꽝스럽게 말하면, 동일하게 구현 된 프로그램이라는 개념 완전히 지정된 등가 클래스를 정의합니다 형식적으로 또는 구문 적으로 그러나 마음에는 의미론이 있습니다 이 예제의 핵심은 구문 자체입니다 의미에 충분하지 않습니다

이것이 그 예입니다 중국 방은 공리 3을 설명하기 위해 디자인되었습니다 프로그램의 단계 만있는 것은 아닙니다 의미론에 충분합니다 그리고 마음에는 의미론이 있습니다

이제는 컴퓨터가 정의되면 프로그램 운영 측면에서, 구문 작업, 다음 프로그램 작업, 컴퓨터 운영 자체 이해하기에 충분하지 않다 왜냐하면 그들은 의미론이 부족하기 때문입니다 하지만, 물론, 나는 말하지 않습니다 컴퓨터였던 기계를 만들 수 없었습니다 의미론을 가지고 있었다

우리는 그런 기계입니다 관객 : 실험적으로 확인할 수 없습니다 의미와 의미의 차이점은 무엇입니까? 그리고 수천에서 나오는 것은 무엇인가? 주어진 통사 프로그램에 대한 수년 간의 경험 JOHN SEARLE : 나는 너를 상속받을 수 없다고 생각한다 그는 그렇지

나는 당신이 인식 론적 경로를 가고 싶지 않다고 생각합니다 너는 말하고 싶지 않아 음, 봐 당신은 생각 기계의 차이를 말할 수 없다 그리고 비 – 사고 기계

그게 잘못된 길이야 우리는 지금 압도적 인 증거를 가지고 있습니까? 어떤 종류의 메커니즘이 무엇을 생산하는지 일종의인지 내가 처음 뇌에 관심을 갖자, 나는 나가서 모든 교과서를 샀다 그건 그렇고, 당신이 주제를 배우고 싶다면, 그것은 그것을하는 방법입니다 모든 신입생 교과서 구입하십시오

이해하기 쉽기 때문입니다 이 교과서 중 하나인데, 고양이는 색이 다릅니다 우리의 비전 그들의 시각 경험은 우리와 다릅니다 그리고 나는이 사람들을 고양이로 만들 생각을 했어? 다른 고양이들에게 문제가있어? 고양이가되는 것이 어떤 것인지 알고 있습니까? 그리고 대답은 물론, 그들은 완전히 알고 있습니다

그들이 할 수 있기 때문에 고양이의 컬러 비전은 무엇입니까? 색 수용체를보십시오 그리고 고양이는 우리와 다른 색조를 가지고 있습니다 그들은 서로 다른 색 수용체를 가지고 있기 때문입니다 나는 그 차이를 잊어 버린다 어떤 교과서에서든 그들을 찾을 수 있습니다

그러나 현실 세계에서 우리가 완전히 우리 강아지가 청각 스펙트럼의 일부를들을 수 있다고 확신합니다 나는들을 수 없다 그는 내가들을 수없는 높은 주파수를들을 수 있습니다 그리고 고양이는 내 것과 다른 색감을 가지고 있습니다 우리는 장치가 무엇인지 알 수 있기 때문에

또 다른 질문이있어? 너 온거야 JOHN BRACAGLIA : 이것이 우리의 마지막 질문 일 것입니다 존 씨 : 좋습니다 나는 오후 내내 갈 준비가되어있다 이런 종류의 쓰레기를 사랑해

관객 : 그래서 대화가 시작될 때, 당신은 신경 과학자에 관한 일화를 언급했습니다 의식에 관심이 없다 그리고 물론,이 시간까지, 많은 신경 과학자들 그것을 연구했다 그래서 그들은 그것들을 자극 할 것입니다 지각의 문턱 근처에있다

뇌의 반응이 위 또는 아래 일 때를 측정합니다 그것에 대해 어떻게 생각하세요? 그게 올바른 방향일까요? 다르게 무엇을 하시겠습니까? JOHN SEARLE : 아니요 저는 최고의 것들 중 하나라고 생각합니다 내 일생에 일어난 일 긴 평생 – 지금은 신경 과학적 조사의 번성하는 산업 의식의

그것이 우리가 대답을 얻는 방법입니다 내가 처음이 것에 관심을 갖자, 나는 UCSF로 가서 그 사람들이 바쁘다고 말했다 그들이 듣고 싶었던 마지막 물건 어떤 철학가가 잔소리를하고 있었는데, 내가 말할 수있다 하지만 한 남자가 나에게 말했다 유명한 신경 과학자 내 훈련에서, 의식에 관심이 있지만 우선적으로 재임 기간을 가지십시오

재임 기간을 먼저 확보하십시오 이제 변화가있었습니다 나는 변화에 대한 공로를 인정하지 않는다 그러나 나는 확실히 그것을 촉구했습니다 이제는 의식 작업을 통해 재임 기간을 가질 수 있습니다

이제 신경 과학이 바뀌 었습니다 신경 과학 분야의 번성 한 산업 실제로 알아 내려고하는 사람들의 두뇌가 그것을하는 방법 그리고 그들이 그걸 알아 내면 – 나는 어떤 장애물도 보지 못합니다 그걸 알아내는 것 – 그것은 엄청난 지적 돌파구, 우리가 정확히 어떻게 두뇌를하는지 알아낼 때 의식을 창조하십시오 관객 : 그러나 특히, 그들이 지금 사용하고있는 접근법 – 나는 프리젠 테이션의 예를 사용합니다

지각의 문턱 근처에있는 자극 신경 상관 관계를 찾고, 그게 결실이 있다고 생각하니? 알아 내야 할 특별한 질문이 있습니까? JOHN SEARLE :이 일에 관심이 생겼습니다 그리고 내 견해에 관심이 있다면, 나는 "신경 과학의 연간 리뷰" "의식"이라는 제목으로 기억하기 쉽습니다 웹에서 찾을 수 있습니다 그리고 내가 말했던 것은, 두 가지 주요 선이있다 오늘 진행되는 연구

내가 빌딩 블록이라고 부르는 것을 가지고있는 사람들이있다 접근 그리고 그들은 신경 관련성을 찾으려고 노력합니다 특별한 경험들 빨간 물체가 보입니다

또는 중간 C의 소리가 들립니다 뇌의 상관 관계는 무엇입니까? 그리고 그들이 가진 생각은 당신이 알아낼 수 있다면입니다 어떻게 두뇌가 빨강, 당신은 모든 문제를 해독했습니다 DNA 같기 때문에 당신은 모든 표현형이 어떻게인지 알아낼 필요가 없습니다

DNA에 의한 것이다 일반적인 원칙을 얻는다면 충분합니다 자, 문제는 그들이 많은 진전을 이루지 못하고 있다는 것입니다 이것에 내가 빌딩 블록 접근법이라고 부르는 것 그것은 나에게 훨씬 더 결실이 많은 접근법으로 보인다

의식이오고 있다고 생각할 가능성이있다 통일 된 분야에서 지각을 의식을 창조하는 것으로 생각하지 말고, 그러나 의식 분야를 수정하는 것으로 그래서이 남자 셔츠에 빨간 색을 볼 때, 양심의 가책을 수정합니다 나는 이제까지 경험하지 못한 빨간 경험을 가지고 있습니다

대부분의 사람들 – 그리고 과학의 역사 이를 지원합니다 빌딩 블록 접근법을 사용하십시오 대부분의 과학사가 원자 적으로 진행되었다 작은 일들이 어떻게 작용하는지 알아 낸다 그리고 큰 물건으로 간다

그들은 의식으로 많은 진전을 이루지 못하고 있습니다 그리고 그 이유는 당신이 알아 내야 할 필요가 있다고 생각합니다 두뇌가 의식 분야를 만드는 법 처음에는 특별한 경험, 적색의 인식이나 중간의 C의 소리처럼, 그것들은 그 의식적인 분야를 수정합니다 그들은 의식이없는 분야를 아무것도 만들지 않습니다 그들은 기존의 의식 분야를 수정합니다

자, 그렇게하는 것이 훨씬 어렵습니다 뇌의 얼마나 큰 덩어리인지 알아 내야 해 의식을 창조하십시오 그리고 우리는 그것을 모른다 문제는 의식이있는 두뇌가 많이 보인 MRI에 있습니다

무의식의 두뇌처럼 거기에는 약간의 차이가 있어야합니다 그러나이 시점에서 나는 그것에 대해 연구하지 않고있다 나는 다른 일을하고있다 하지만 누군가가 내게 정확히 뭐라고 말했으면 좋겠어

의식이있는 두뇌의 차이 그리고 의식을 설명하는 무의식의 두뇌 우리는 아직 거기에 없다 그러나, 내가 여기서하고있는 것은 신경 생물학적 추론이다 내 말은, 나는 대답하지 않을거야 철학적 논증에 의해, 그러나 누군가에 의해 누가 정확히 무엇을 알아 내는지에 대한 어려운 연구를하고있다

뇌의 메커니즘은 생산 의식 정확히 어떻게 작동합니까? John BRACAGLIA : 존, 엄청난 영광 이었어 오늘 너와 함께있어 시간 내 주셔서 대단히 감사합니다 Google과상의 해 주셔서 감사합니다 John Searle : 저, 데려 줘서 고마워요

[박수 갈채]

Google Cloud Composer, AI-powered speech, KMS client libraries, & more! (This Week in The Cloud)

모두들 왜 그래? 우리가 봉사하는 "클라우드에서의 이번 주"를 확인해 주셔서 감사합니다 당신에게 가장 낮은 대기 시간 뉴스입니다

클라우드 탐색은 까다로울 수 있습니다 그래서 우리는 당신이 모든 도구를 가지고 있는지 확인하고자합니다 성공할 필요가있다 먼저, 강사가 진행하는 교육 세션을 주최합니다 함께 기초를 도울 수 있습니다

이 수업은 당신에게 개요를 줄 것입니다 가장 인기있는 Google 클라우드 솔루션 프레젠테이션, 데모 및 실습을 통해 우리와 함께 배우십시오 물론, 당신이 그 지역에 없거나 당신이 그것을 만들 수 없다면, 당신은 또한 기초 또는 다른 과정을 체크 아웃 할 수 있습니다 Coursera에 이것은 자기 주도 학습을위한 훌륭한 도구이며, 여전히 코드를 실행 해보십시오 실습 자습서

학습하고 얻을 수있는 과정이 많이 있습니다 인증 그래서 당신에게 맞는 컨텐츠를 찾으십시오 자, 일단 당신이 기본을 알고, 아마도 클라우드에서 일부 작업을 실행하려고 할 것입니다 Google Cloud Composer는 관리되는 버전입니다

자동으로 실행되는 Apache Airflow 워크 플로를 실행하기위한 비늘 방금 솔루션 기사를 시작했습니다 더 나은 이해를 돕기 위해 가상 컴퓨터를 백업하는 샘플 워크 플로를 실행하고, 자신의 작업을 사용자 정의 할 준비가되었습니다 직접 해보고 빌드 할 수있는 것을 확인하십시오 자, 다시 말하면, 당신이 필요로하는 것을 만들고자한다면 보안 및 스포일러 경고, 그것은 아마도 – 암호화 키를 직접 관리하려면, 새로운 클라이언트 라이브러리와 코드 샘플도 있습니다

너 시작하기 클라우드 키 관리 서비스가 제공합니다 암호화 제어 및 클라우드에 통합 아이덴티티 스위트를 사용하면보다 쉽게 ​​빌드 할 수 있습니다 보안 응용 프로그램 새 샘플을 확인하고 새 클라이언트 라이브러리를 사용하십시오

앱을 안전하게 보호합니다 또한 앱에서 음성 텍스트를 사용하는 경우 또는 TTS (text-to-speech)를 통해 공유 할 수있게되어 기쁩니다 몇 가지 훌륭한 업데이트, 더 많은 기능 등을 선보였습니다 음성, 더 많은 언어, 더 나은 정확성 및 저렴한 가격을 제공합니다 당신이 이것들을 시험해보고 싶다면, 지금보다 더 좋은 시간은 없습니다

그래서 우리가 어떻게 모델을 더 잘 만들 었는지 확인해보십시오 그런 다음 직접 사용해보십시오 처음 60 분을 잊지 마세요 매달 음성으로 처리하는 오디오는 무료입니다 이 공지 사항에 대해 더 알고 싶다면 전체 목록을 보려면 링크를 확인하십시오

어떤 생각이나 생각이 있으십니까? 우리에게 의견을 남기거나 우리를 트윗하십시오 클라우드에서 보자