How AI is Transforming the Enterprise (Next ‘19 Rewind)

CASSIE KOZYRKOV : NEXT 2019에서 거의 500 회의 세션이 있었지만, 당신이 그들 모두에게 다가 갈 수 없다는 것은 이해할 수 있습니다 따라서 AI가 어떻게 기업을 변화시키고 있는지 보지 못했다면, 여기에 되감기가 있으니 계속 지켜봐주십시오

[음악 재생] 인공 지능은 더 이상 과학 소설이 아닙니다 그것은 여기에 있으며, 창의력을 발휘하는 것은 당신에게 달려 있습니다 하지만 실제로 어떻게 생겼는지, 어떻게 보이는지 실제로 변환에 사용합니까? 대규모 산업? 그 커튼 뒤를 들여다보고 싶다면 익숙한 기업이 어떻게 채택하는지 알아보십시오 인공 지능으로 게임을 바꾸면 결과가 나옵니다 그것은 고객에게 좌절감에 대한 고객의 이야기를 전달합니다

그리고 승리 – 깊은, 실용적, 감동적인 이야기, 아주 진짜 호주 언론인 Fox Sports를 만나게 될 것입니다 AI를 사용하여 스포츠를 변화시키는 엔터테인먼트 회사 흥미 진진한 일이있을 때 팬들에게 경고합니다 배후에 Hulu에 가입하십시오 데이터 품질을 살펴보고 AI 다른 AI 응용 프로그램을 위해 더 나은 데이터를 생성하는 데 사용할 수 있습니다

고객 서비스 업무에 더 많은 즐거움을 가져다줍니다 자치령 대표 이제 창의성이 메타가됩니다 창의적인 비전과 데이터를 확보 한 후, 무엇 향후 계획? 모델이 필요합니다 모델은 조리법에 대한 멋진 단어입니다

이제 전통적인 인공 지능은 모든 요리법 그러나 당신이 필요로하는 모델이 이미 존재한다면 어떨까요? 피자 개념을 재창조하는 이유 좋아하는 요리사의 피자 요리법을 사용할 수있을 때? 글쎄, 그것이 바로 Google Cloud의 머신 러닝 API는 전부입니다 그것들은 우리가 여러분을 위해 만든 요리법입니다 요리 해 우리는 무거운 짐을 싣는 것을 배우는 기계를했습니다

이제는 플러그 앤 플레이 만 할 수 있습니다 기계 학습 API로 쉽게 만들 수 있지만, 당신은 그것들을 사용하여 믿을 수 없을만큼 환상적인 것을 달성 할 수 있습니다 너는 날아갈 것이고 영감을받을 것이다 API를 사용하여 유니레버의 여정에 대해 듣고 싶다면, 놀라운 투자 수익 (ROI)에서 눈썹을 올릴 수 있습니다 기존 솔루션을 빌리는 것은 대단합니다

그러나 일부 산업은 독점적 인 요리법을 처음부터 금융은 좋은 본보기입니다 세계에서 가장 큰 자산 관리자 인 BlackRock이 다이빙을하게됩니다 인공 지능을 사용하여 게임의 최상위 위치를 유지하는 방법에 대해 다음과 같은 과제를 해결하십시오 투명성에 대한 결정적인 필요성, 정당화되지 않은 복잡성의 위험, 미래에 대한 새로운 방향 – 자연 언어 처리와 비슷합니다

규모는 Google의 DNA에 있습니다 고객에게 매우 중요하다 이 이야기에서 만날거야 그래서 스케일 업은 큰 일입니다 그러나 지구 규모에서 AI를 실행하는 것은 하나의 크기가 모두를 만족시켜야한다는 것을 의미합니다

디즈니의 이야기는 모두 개인화에 관한 이야기입니다 그들은 첫 번째 고객 중 하나였습니다 공개하기 전에 AI 권고안을 시험해보기 Google NEXT에서 이제 1 년이 채 안되어 그들은 마법의 개인화 된 경험을 성공적으로 제공하고 있습니다 Shop Disney 사이트 사용자에게 제공됩니다 테스트 방법, 파워에 대한 통찰력을들을 수 있습니다

익명화 된 데이터와 왜 우리가 Eeyore 수면 마스크를 알고 있는지 정말로 다스 베이더와 같이 가지 마라 완전한 이야기를보고 싶다면, 설명의 링크를 확인하십시오 아래를 클릭하고 Cloud YouTube에 가입하는 것을 잊지 마십시오 더 나은 NEXT 되감기 콘텐츠를위한 채널 지켜봐 줘서 고마워

[음악 재생]

What is drawing? (ft. AI from Google)

이것을 간단하게 유지합시다, 도넛입니다 Doooonut 도넛 무작위 횡설수설 그 사람은 어떻게 눈사람입니까? 좋아, 거기에 뿌리 줄기가있어

훌라후 (HULAHOO- 알았어 도넛 도넛 DO SLAMS DESK입니다 긴 머리 긴 머리 긴 손목 시계!? 어떻게 chi – 나는 바다를 본다 : D String bean 오, 알아 스트링 빈이야 우리가 간다 나는 땅콩을 본다

아니면 붕대 땅콩 가난한 빵 어서 어서, 내 플랩에 와라 오, 알아요 벌 이예요

오 꽃 피는 것은 쉽습니다 꽃잎을 그 으시고 중간 것을 그리세요 좋습니다 좋은 좋아 좋아 이걸 어떻게 그리시오

나는 의자를 본다 또는 포도, 오, 나는 그것이 샹들리에임을 안다! : D 넌 샹들리에가있어 너는 도넛을 얻을 수 없어!? 지그재그 바로 거기에 ok

나는 가위를 본다 가위를 본다 나는 프라이팬을 먹는다 ?? 나는 SCIZZ를 보았다 tu uhh 첼로!? 또는 기타 나는 지우개에 지저분한 얼룩을 묻혔다

속옷 수박 수박을 참조하십시오 오, 예쁜 수박 네 너 거기 간다 * 직사각형을 그립니다 * Goofy Chuckle

(내가 왜 그렇게 썼는지 물어 보지 마라) 나는 귀나 마우스를 본다 또는 빵 또는 구름 존재하지 않는 예술가 경력 경로를 후회하기 시작합니다

이 인공 지능이 이걸 얻는다면 그건 그건 내 잘못이야 (나는 나의 스터 터링을 도와 줄 수 없다) 나는 선을 본다 또는 부메랑 또는 망치 또는 치약은 도끼입니다 예 그건 도끼 야! 아이오그드 마위 페피 도대체 커피 잔이야? 나는지도를 본다 강제 키는 도넛이나 양모 또는 커피를 보지 못합니다

미안, 나 * 내 책상 치기 * 커피인지 알아 오, 이제 커피 모노 리사를 사야 겠어 뭐라구? 내가 20 초나 스퀘어 볼까? 또는 위시 본 개구리 그래, 마치 성전에 걸린 것 같은데 청진기도 물의 위대한 벽은 무엇 이었습니까? 그것은 다리입니다 내 그림이 좋지 않다는 것을 압니다 누구나 다리라는 것을 알 수있다 미안, 나는 그것을 짐작할 수 없었다

브루 레이크 레이크 레이크 레이크 레이크 크레이그 그레이 레이크 레이크 레이크 크레이 빗자루 빗자루 옷 입는 옷 나는 하나 맞습니까? 나는 나는 랜턴이 뭔지는 알고 있지만, 나는 비난하지 않는다 나를 판단하지 마라 🙁 그래, 실제로 그걸 가지고있어! :디 미안하지만, 나는 무언가를 그리는 데 20 초 밖에 걸리지 않는다는 것을 알게되었다 인공 지능은 조금 더 똑똑해질 수 있습니까? 마찬가지로 나는이 frigging (FORGOT TO CENSOR) 웹 사이트가 내 꿈을 망치고있다 나는 거짓말을 본다 또는 malloc은 핫도그에 꽤 어렵습니다

그게 그녀가 말한거야 당신은 영리하거나 똑똑합니다 너 똑똑하다 나는 너 똑똑한 멍청 아 넌 바보 야

5 초 5 살이나 멍청 하네 오, 내가 침낭 인거 알아 나는 이것은 쉽다! 나는 하루 종일 두개골을 그릴 수있다 그것은 내가 인생을 가지지 않을 것이라는 것을 의미 할 것이다 나는 삶을 가지고 있다고 맹세한다 오, 나는 그것이 지그재그라는 것을 알고있다 오리 오리 오리 오리 GOOSE jk 나는 정원 호스를 본다 Aight 거기에 's아! 나는 부리를 말하지 않는다

나는 그 바보가 아니다 이 게임은 나를 똑똑하게 만든다! Google AI와 똑같은 스마트 나는 물고기를 본다 또는 신발 또는 펜치 또는 입

오, 물고기 인 줄 알아 바나나 포크 또는 라인을 본다 또는 정원 호스 뱀에게 왜? 왜이 게임은 정원 호스가 말을 계속해서 말하는거야? 그게 뭔지 잘 모르겠습니다 오, 나 알아 바나나, 네

6시 6 분 내가 뭐라 말했는지 뭐라 말하니? 너는 내 비디오를 본 사람이 아무도 없어 나오다 당신도 원한다면 비디오처럼! :디

Google’s new AI is better at detecting lung cancer than doctors

공상 과학 소설은 필연적으로 디지털 두뇌의 두려움을 두려워하도록 가르쳐 왔으며, 우리 자신의 창조 기계에 너무 많은 힘을 넘겨 줄 수는 있지만 AI는 그 자체가 삶을 향상시키는 놀라운 도구라는 것을 증명하고 있습니다 뉴욕 타임즈에 따르면 구글이 만든 인공 지능 인공 지능 (AI)은 매우 인상적인 것들을하고있다 새로운 연구 논문에서 Google과 의료 전문가 간의 파트너십으로 개발 된 알고리즘은 폐암을 발견하는 놀라운 정확성을 입증했습니다

Nature Medicine에 실린이 논문은 AI가 어떤면에서 훈련 된 방사선 전문의보다 의학적 스캔에서 암 표지의 징후를 발견하는 데 훨씬 더 정확하다는 것을 보여줍니다 의학 분야에서 사용하기 위해 테스트 된 다른 여러 심화 학습 알고리즘과 마찬가지로이 연구에서 컴퓨터 뇌는 과거 폐암 검진에서 스캔 한 것을 사용하여 훈련되었습니다 그런 다음 6,700 건 이상의 암 검진 스캔을 통해 이미 의사가 이미 알고있는 암을 발견 할 수있는 정확성을 확인했습니다 이 테스트에서는 944 %라는 놀라운 정확도를 보였습니다 그 알고리즘은 6 명의 방사선과 의사의 인간 두뇌와 맞 닿아 컴퓨터와 인간 모두가 이전에는 보지 못했던 슬라이드에서 암을 발견하는 데 얼마나 숙련되었는지를 확인했습니다 방사선 사진사를 위해 단층 촬영 스캔 형식의 추가 보충 정보가있는 데이터 세트를 스크리닝 할 때 컴퓨터는 전문가와 유사하게 수행되었습니다 그러나 추가 단층 촬영 데이터를 사용할 수없는 경우 인공 지능은 인체에 가장 잘 부합하여 6 명 모두를 웃돌 았으며 오탐 (false positive)이 11 % 감소하고 위음성 (false negative)이 5 % 감소했습니다 이것은 의사들에게 나쁜 소식처럼 들릴지 모르겠지만 요점은 전문가들을 초고속 컴퓨터로 대체하지 말아야한다는 것입니다 암 검진만큼이나 심각한 것으로 의사는 항상 방정식의 일부가됩니다

그러나 인간 의사의 경험과 깊은 학습 알고리즘의 두뇌를 결합하면 진단 오류가 줄어들어 우리 모두의 전반적인 삶의 질이 개선 될 것입니다

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

Google’s new AI is better at detecting lung cancer than doctors

공상 과학 소설은 디지털 두뇌의 불가피한 부상을 두려워하며 우리 창조물의 힘에 너무 많은 권력이 끝날 수 있다는 사실을 깨닫게합니다 인공 지능은 자신을 개선하기위한 도구로 사용할 수 있습니다

뉴욕 타임스 (New York Times)는 구글에 의해 그와 같은 인공 지능이 매우 인상적인 것을하고 있다고 언급했다 새로운 연구 논문에서 Googe와 의학 전문가가 파트너십을 통해 개발 한 알고리즘은 폐암을 발견 할 때 정확성이 입증되었습니다 Nature Med Cine에 실린 pape은 AI가 어떤면에서는 의학 검사에서 암의 징후를 발견하는 데 훈련받은 연구원보다 정확하다고 밝히고 있습니다 여러 다른 심층 신경 알고리즘이 의료 분야에서 시험되거나 사용되는 것처럼,이 연구의 컴퓨터 두뇌는 과거의 폐 흉막 검열에서 나온 캔을 사용하여 훈련되었습니다 그런 다음 6,700 건 이상의 암 검열 검사를 통해 암을 발견 할 수있는 정확한 정확성을 확인하는 질문을 받았습니다

의사는 이미 의사의 진찰을 이미 알고있었습니다 이 라운드에서 944 %의 충격을주었습니다 그 알고리즘은 6 명의 방사선과 의사의 인간 브래지어에 대항하여 우리가 이전에 보지 못했던 탐에서 암을 발견하는 데있어 기술자와 인간 모두 얼마나 숙련되었는지를 보여줍니다 컴퓨터 단층 촬영 검사에서 추가 보충 정보가 방사선과 관련하여 유용 할 수있는 데이터 세트를 스크리닝 할 때 컴퓨터는 전문가와 비슷하게 수행되었습니다

그러나 인공 호흡기 데이터를 추가로 사용할 수없는 경우 인공 지능은 인간 응답자에게 편의를 제공하여 인공 호흡기를 6 개 모두 11 % 감소시키고 위음매를 5 % 줄였습니다 이것은 의사들에게는 좋지 않은 것처럼 들릴지 모르겠지만, 요즘의 지적은 전문직의 컴퓨터를 가진 전문가들을 배치하는 것이 아닙니다 암 검진만큼이나 진지한 것, 의사는 항상 등식의 일부가 될 것입니다 그러나 경험이 풍부한 의사와 심층 학습 알고리즘의 두뇌를 결합하면 진단 오류가 줄어들어 우리 모두의 전반적인 삶의 질이 향상 될 수 있습니다

How Google Is Managing Its Smart Buildings Using Cloud IoT and AI (Cloud Next '19)

[음악 재생] MARC PAWLIGER : 그래서 우리는 어디까지 왔습니까? 그래서 구글은 크다 정말 놀라운 것은 아니지만 수백 개의 건물이 있습니다

우리는 수천만 평방 피트 모든 사무실 및 모든 연구소에서 그리고 우리는 그것을 관리하는 데 어려움이 있습니다 따라서 기존 도구와 플랫폼이 있습니다 스케일링에 어려움이 있습니다 실제로 데이터 표준화는 어렵습니다 우리가 한 일은 우리가 만든 것입니다

쉽고 빠르며 정확한 시운전을 가능하게하는 도구 규모로 왜냐하면 당신이 그것에 대해 생각할 때 오늘날 건물 관리 정말 괜찮아 그렇지? 그리고 그 대답은, 음, 정말로 아닙니다 그래서 우리는이 플랫폼을 순서대로 만들었습니다 우리 건물을 더 잘 관리 할 수 ​​있습니다

근본적으로 Google은 Google에서 Google을 운영하기를 원합니다 그래서 우리는 우리가 보여줄 수있는 자신의 고객이되고 싶습니다 이것이 우리가 우리의 데이터와 건물을 관리하는 방법입니다 그래서 우리는 우리의 데이터에 접근 할 수 있기를 원합니다 우리는 그것을 분석 할 수 있기를 원합니다

우리는 그것에 대처할 수 있기를 원합니다 오늘 우리는 플랫폼에 대해 이야기 할 것입니다 우리는 그것을 구축했고, 그 뒤에있는 데이터 과학의 일부를, 그리고 나서 우리는 당신에게 조금 빠른 데모를 보여줄 것입니다 당신이 그것에 구축 할 수있는 응용 프로그램의 종류 오늘 건물 관리에 관해 생각할 때, 정말로 세 명의 페르소나가 있습니다

첫 번째는, 만약 당신이 집주인 또는 단독 세입자 그래서 당신은 규모에 관한 것들을 돌보고 있습니다 개별 건물은 신경 쓰지 않아도됩니다 그러나 당신은 에너지 소비와 같은 방법에 관심이 있습니다 공간 활용도가 대규모로 발생하면, 그리고 왜이 건물이 그 건물보다 잘 작동하는지

시설 운영자가 될 수도 있습니다 그것은 좀 더 집중된 것입니다 당신은 특정 건물에 관심이 있습니다 또는 특정 캠퍼스 그리고 실제로 더 잘 운영 할 수있는 방법을 알고 싶습니다

문제 티켓을 다룰 수도 있습니다 유지 보수를하기 위해 트럭 롤을 할 수도 있습니다 기타 등등 그런 다음 거주자가 있습니다 오늘 여기있는 여러분 모두는 아마도 사무실에서 일하게 될 것입니다

건물을 편안하게 만드는 데 관심이 있습니다 당신은 시설에 관심이 있습니다 효율적이고 효율적으로 작업을 완료 할 수있게 해줍니다 그리고 편안하게 그럼 여기서 어떤 기회가 있을까요? 첫 번째 에너지입니다

그것은 언제든지 누군가 스마트 건물에 대해 이야기하고 있습니다 그들은 정말로 잘 지 냈습니다 당신은 더 적은 에너지를 사용할 수 있기를 원합니다 당신은 그것에 더 적은 것을 쓰고 싶다 그리고 나는 우리가 정말로 갈 필요가 있다고 생각하지 않는다

뒤에있는 동기에 대한 너무 많은 세부 사항으로 둘 다 비용이 든다 효율성이 있습니다 그것은 더 녹색입니다 운영면에 있다면, 나는 사람들이 정말로 그렇게한다고 말하기는 드문 일이라고 생각하지 않는다 경보 피로를 얻으십시오

건물 운영과 관련이 있다면, 당신은 문자 그대로 수만명이라는 것을 압니다 매주 또는 매월 들어오는 경고 메시지 그것은 단지 일상적으로 무시됩니다 너는 그걸 파헤쳐 볼 시간이 없어 당신은 정말로 순서대로 돌봐야 만합니다 거주자와 관련된 문제, 또는 귀하의 시설 전반에 적용됩니다

그리고 그들은 당신이 그렇지 않으면 할 수있는 효율성을 숨 깁니다 당신이 더 깊게 파고 갈 수 있는지를 깨달을 수 있어야합니다 그리고 생산성 측면에서, 뜨겁고 차가운 티켓에 답하는 것, 사람들이 충분히 불편하지 않다는 것을 의미합니다 그들의 일을 끝내기 위해서, 그들은 그것에 대해 당신에게 말하고 있습니다 당신이 시설을 관리한다면

또한 Google에는 수많은 건물이 있습니다 그 중 일부는 매우 복잡한 레이아웃입니다 사람들은 많은 모임을 갖는다 그리고 우리는 사람들이 실제로 지출하고 있음을 발견했습니다 측정 된 금액입니다

수백만 시간을 검색합니다 그들이 필요로하는 회의실 바닥에 이제 네가하는 문제가있을거야 너무 많은 모임이 있습니다 그것은 별도의 토론입니다

근본적으로, 당신은해야합니다 사람들이 더 빨리 갈 필요가있는 곳으로 사람들을 데려 갈 수 있습니다 그리고 나서 매우 중요한 것이 있습니다 나는 오늘 그것에 대해 너무 많이 들어갈 수 없을 것이다 하지만 그것은 사이버 보안입니다

당신은 당신이 가지고있는 장치가 그리고 점점 커지고 있습니다 당신의 건물에서, HVAC이든, 기후 조절이든, 점유 센서 여부, 그것이 있는지 여부 다른 종류의 경보, 물, 생명 안전, 그 일종의, 그들 모두 안전합니다, 그런 식으로 의사 소통을하고 있어요 그들은 그들이해야만하는 방식으로 의사 소통을하고 있으며, 누군가가 될 수 없다고 에어 컨디셔너를 통해 네트워크를 손상시킬 수 있습니다 그래서 많은 이야기가 있습니다 뉴스에서 그 얘기를 들었고 우리가 여기에 짓고있는 시스템을 원하지 마라

그 벡터 중 하나가 될 수 있습니다 그래서 우리의 플랫폼은 정말로 구원의 대상입니다 그리고 그것의 너트는 실제로, 우리가 원하는 것입니다 사람들이 당신의 센서가되는 것을 멈출 수있는 능력이 있어야합니다 당신은 센서를 사용할 수 있기를 원합니다

네가 건물에 가지고있는 그것으로부터 지성을 얻고 싶습니다 그래서 에너지 효율 측면에서, 모든 데이터를 수집하고 집계 할 수 있기를 원합니다 당신은 기계 학습, ML을 사용하여 탐지 할 수 있기를 원합니다 당신이 그것을 해결할 수 있도록 비정상적인 행동 효율성 측면에서, 당신은되고 싶다

수 만개의 알람을 모두 필터링 할 수 있습니다 당신이 불행하게도 얻을 수없는 것은 아닙니다 적은 수의 사람들에게 다가 가기 위해 너는 실제로 기술을 파견하고 싶어한다 실제로 처리 할 트럭을 파견하십시오 그리고 사이트에 방문하는 사람들이있을 때 이러한 문제를 해결하기 위해 그들에게 더 많은 정보를 제공해야합니다

당신은 그들이 장치가 어디에 있는지 알기를 원합니다 실제로 무슨 일이 벌어지고 있고, 무엇이 고장을 일으키는 근본 원인이 될 수 있습니다 탑승자 측에서, 당신은되고 싶다 문제 티켓이 열릴 때까지 기다릴 수 없습니다 당신은 뭔가를 감지 할 수 있기를 원합니다

사전 대처할 수있을만큼 충분히 대역 외입니다 그것 그리고 당신은 사람들을 확실하게 얻을 수 있기를 원합니다 그들이 가고 싶은 곳으로 그래서 그들은 길을 잃지 않아야합니다

당신이있는 곳에서 시간을 낭비해서는 안됩니다 마지막 사람이 나타날 때까지 기다리는 중이다 토론이나 모임을 위해서 보안 측면에서 우리는 이러한 기기를 지속적으로 모니터링하고 싶습니다 그들은 단지 어떤 방식으로 만 의사 소통을하고 있는지 확인하기 위해, 장치들과 만 통신 할 수 있습니다

그들이 있어야한다고 생각합니다 그리고 내가 말했듯이, 나중에 그것에 대해 더 이야기 할 수 있습니다 특정 측면에 관심이 있다면 프레젠테이션의 그래서 오늘날의 빌딩 관리 시스템은 정말로 조용합니다 그들은 오랫동안 주변에 있었어요 근본적으로, 당신은, 서로 다른 사일로들 각각에 대해서 – AV인지, 에너지인지, 조명인지, 보안인지, 그들은 그들 자신의 UI를 갖게 될 것입니다

그들은 그들 자신의 스택, 그들 자신의 스토리지를 가지게 될 것입니다 온 프레미스 일 수 있습니다 타사 클라우드에있을 수 있습니다 API를 통해 장치에 액세스 할 수 있습니다 그들은 자신의 네트워킹 요구 사항을 갖게 될 것입니다

그리고 정말로, 그들은 분리되어 있습니다 그들은 또한 규칙에 기반한 경향이 있습니다 그들은 배우는 경향이 없습니다 규칙을 세우면 어려워집니다 그래서 한 건물에서 그들을 데리고 그들을 둘 수있게 다른 건물로

그것은 기본적으로 벽으로 둘러싸인 정원의 많은, 그것은 문제가 있습니다 그리고 오늘날, 때로는 어렵습니다 이 분리 된 모든 사일로를 다룰 수 있어야한다 보다 밀접한 직교 플랫폼으로 결합 어디에서 사물에 액세스 할 수 있는지, 같은 종류의 지능을 하나의 시스템에 적용 다른 것에 관해서 그래서 우리의 접근 방식은 무엇입니까? 이것은 우리가 만들고자하는 플랫폼입니다

이 모든 것을 함께 조율합니다 그리고 그것은 우리가 모든 종류의 장치를 사용할 수 있기를 원합니다 내가 말했듯이, 그것이 기후 통제인지, 그것이 센서 이건, 보안 이건 – 그것을 직각으로 생각하십시오 그래서 우리는 API를 가질 수 있기를 원합니다 이 모든 것에 대해 어떻게 생각하는지에 대한 당신의 정신적 모델 똑같다

따라서 하단에는 장치와 네트워크가 있으며, 및 귀하의 연결성 근본적으로, 그것은 우리가 들어가야 할 것이 아닙니다 우리는 여러분이 어떤 종류의 게이트웨이를 갖게 될 것이라고 가정합니다 당신은 어떤 종류의 IP 연결성을 갖게 될 것입니다 이 장치들과 대화 할 수있게 그들과 대화하십시오

그리고 그들은 모든 종류의 산업 표준을 사용할 것입니다 Modbus, BACnet 등 – 너와 의사 소통하기 그리고 우리는 당신이 모든 것을 설정했다고 가정하고 있습니다 그것은 일을하는 표준 이해 된 종류의 방법입니다 하지만 그 위에, 우리가 할 일은 각 기기에서 데이터를 가져올 것입니까? 그것을 데이터 호수에 넣으십시오

자, 내가 데이터 호수를 말할 때, 그것은 많은 것을 의미한다 다른 사람들에게 근본적으로 우리에게는 시계열 데이터베이스입니다 장치의 각 하나에 대해 스탬프 찍고 그런 방식으로 행해진 다 우리가 온톨로지를 이해하고, 장치의 관계 서로에게 일반화시켰다

서로 다른 클래스의 기기에 구조화 된 방식으로 액세스 할 수 있습니다 때로는 데이터 호수를 단지 컬렉션으로 생각할 수 있습니다 데이터의 하지만 여기서 우리는 그 위에 주문을 걸고 있습니다 그리고 우리는 건물 온톨로지와 메타 데이터를 사용하여이를 수행합니다

각 장치에 대해 그리고 Charbel은 그것에 대해 훨씬 더 자세히 설명 할 것입니다 그리고 우리가하는 또 다른 일 제 생각에는 다른 시스템과 조금 다릅니다 우리는 이러한 장치가 어디에 있는지에 대해 공간적으로 이해하고 있으며, 그들은 서로 관계를 맺고 있습니다 건물의 바닥지도는 우리는 장치가 무엇인지, 무엇이 무엇인지 알고 있습니까? 연결되어 있고, 다른 장치와의 관계가 있으며, 그러나 그것이 또한있는 곳 그리고 물론,이 중 아무 것도 유용하지 않습니다

데이터에 액세스하기 위해 API가 없다면 그리고 우리는 같은 종류의 정신 모델을 사용합니다 다른 모든 Google Cloud Platform 스택에 대해 우리가 가진 기술을 이것은 의미가 있기 때문에 우리가 한 것입니다 표준화 된 방식으로이를 수행하여 다른 개발자가 이것 위에 앱을 개발하고있다 같은 방식으로 액세스 할 수 있습니다 그들은 다른 클라우드 플랫폼 기술을 수행합니다

그리고이 모든 것이 우리가 부르는 것입니다 디지털 빌딩 플랫폼 그래서 모두 가져 가면, 그것은 특별한 블랙 박스입니다, 만약 그렇다면, 한 쪽에서 데이터를 가져 오는 상단의 애플리케이션에 제공합니다 이것이 우리가 제 3 자와 일한 곳입니다 경고하는 것과 같은 일을하는 기존의 시스템을 이용하는 것, 분석 등, 우리 플랫폼을 사용합니다

데이터의 출처로 사용합니다 또는 Google 내부에 그룹이 있습니다 자체 애플리케이션을 구축 한 업체 이상 탐지 및 경고와 같은 일을 할 수 있습니다 그러면 건물에 어떻게 탑승합니까? 이제 온 보딩은 무엇을 의미합니까? 그래서 온보드하기 – 빌딩 자동화를 설정 한 사람 또는 건물 관리 시스템 – 당신의 장치를 가져 가서 그들과 대화 할 수 있습니다 어떤 종류로든 연결되도록 보유하고있는 관리 소프트웨어 또는 플랫폼 그리고 그것은 대개 매우 고통스러운 과정입니다

때로는 며칠이 걸릴 수 있습니다 때때로 그것은 몇 주가 걸릴 수 있습니다 우리가 만든 플랫폼으로 시작했습니다 그리고 그것은 실제로 며칠이나 몇 주 정도 걸렸습니다 건물 내 선상에

그러나 우리는 실제로 그 점에 이르렀습니다 우리는 몇 시간 안에 그것을 할 수 있습니다 Google의 대부분의 건물에서 꽤 큰 인상적인 물건 그래서 우리는 당신이 어느 곳에서든 시작합니다 새로운 장치 인 그린 필드 (greenfield) 또는 brownfield, 기존 장치입니다

그리고 그 장치들은 개별적 일 수도 있습니다 그래서 그들은 항공 처리기와 같은 것일 수 있습니다 그들은 당신이 생각하는 것일지도 모릅니다 서로 다른 구성 요소 장치가있는 곳에 VAV 같은 것, 또는 그와 비슷한 것 – 그 안에, 당신은 그것들을 하나로 생각합니다 그리고 우리는 그것들을 이상적으로 표현합니다

그래서 당신은 당신이 각각의 수업을 생각하는 곳이 있습니다 장치를 포함하는 방식으로 모든 특수 필드와 데이터 제조업체의 각 장치 그 안에 들어있을 수도 있습니다 하지만 우리는 당신이 직각으로 주소를 지정할 수 있습니다 따라서 브랜드에 대해 걱정할 필요가 없습니다 이것이 어떤 유형인지 등등

그리고 만약 당신이이 장치들을 다루었다면 그것들 각각을 다루었습니다 데이터 포인트가 있습니다 그것은 기본적으로 말하는 데이터와 태그입니다 이게 뭐야, 그게 무엇을 나타내는가, 어떤 단위가 있는지 등등 그리고 이상화 된 표현에서, 우리에게는 똑같은 것이 있습니다

그리고 우리는 이런 식으로 이것을 다시합니다 모든 장치를 다룰 수 있도록 특정 클래스에서 동일합니다 그리고 우리는이 데이터들 각각에 대해 알아야합니다 포인트, 어떤 의미 태그, 무엇이이 데이터가 무엇인지 알려줍니다 그리고 그것이 무엇을 나타내는 지, 어떤 단위를 가지고 있는지, 등등

예를 들어, 태그 일 수 있습니다 실제 장치에있는 것입니다 그리고 여기에 다른 의미 론적 태그가 있습니다 우리가 그것을 무너 뜨릴 수도 있고, 기본적으로 말하기 위해 클러스터링과 매칭을 할 수 있기 때문에, 우리는 이러한 일련의 포인트에서 이런 종류의 장치를 인식합니다 그것이 가지고있는 태그의 집합입니다

그리고 기본적으로, 우리는 메커니즘을 가지고 있습니다 그 모든 것이 일치하고 그렇게됩니다 시스템의 다른 지점 및 태그 중 그런 식으로 많은 수작업을 절약 할 수 있습니다 이전에 해왔 던 일 이었어 보다 자동적 인 방법으로 그리고 나서, 물론, 당신은 API를 가지고 있습니다

상단에 액세스 한 다음 응용 프로그램에 액세스합니다 그래서 전체적으로 이것은 기본적으로 무엇입니까? 너가 끝난 후 스택이 생겼어 선상에서 건물 시스템으로 들어갔다 일단 우리가 다 끝내면이 모든 것을 어떻게 처리할까요? 데이터를 보유하는 것이 좋습니다 그러나 실제로 그것을 사용하면 재미 있지 않습니다

그래서 예로서, 특별한 문제 당신이 직면 할 수있는 것은 외부 설정 온도입니다 그래서 상자를 노란색으로 보면, 그 데이터는 장치에서 나오는 원시 데이터와 같습니다 그리고 이것이 센서라고합니다 화씨 62도에서 화씨 72도 범위 내에 있어야합니다 현재 81도이므로 분명히 문제가 있습니다

이것은 데이터 호수에 도착했습니다 센서 데이터가 데이터를 캡처하고 거기에 넣습니다 타임 스탬프로 태그를 붙였습니다 이 중 어느 것도 정말 이상한 일은 아닙니다 이전의 전형적인 빌딩 자동화 시스템을 다루었습니다

그러나 우리는 또한 당신에게 말하는 온톨로지와 매핑을 가지고 있습니다 장치가 어디에 있는지, 어떤 종류인지, 어떤 종류의 클래스인지 그것은 관련이 있으며 더 많은 문맥 정보를 얻을 수있게 해줍니다 이 특별한 오류에 대해, 우리가 파견 할 때 누군가 돌봐 줄 사람이야 이 문맥을 더 많이 가질 수 있다면, 그리고 문제를 더 빨리 해결할 수 있기를 바랍니다 그들이 그렇지 않은 것보다

따라서 전체가 부분의 합이 더 큽니다 그리고 이러한 모든 종류의 센서를 사용할 수 있습니다 함께 집계 이야기를 들려줍니다 이제 Charbel로 전환 할 것입니다 누가 당신에게 데이터 과학의 일부를 말할 것인가? 이 모든 플랫폼 뒤에

CHARBEL KAED : 감사합니다 그래서 저는이 데이터를 어떻게 이해할 수 있을까요? Marc가 이전에 언급했듯이 정말로 수직적 인 모든 사일로 데이터가 트랩됩니다 따라서 한 걸음 물러나면 다른 장치가 있습니다 다양한 공급 업체가 제공하는 시스템 등이 있습니다 지역에 따라 또는 국가별로 다를 수 있습니다

왜냐하면 단일 공급 업체가 지구 전체를 포괄 할 수 없기 때문입니다 그리고 언급했듯이 데이터는 사일로에 갇혀 있습니다 우리는 우리가 조명을 가지고있는 것을 보았습니다, 우리는 냉각 장치가 있습니다 배지 액세스 리더 이 모든 데이터는 실제로 수직적입니다

그리고 물론 건물에 대해 이야기 할 때, 전체 생태계이므로 우리는 필요합니다 더 나은 관리를 위해 데이터 상관 관계 분석 공간이 가득 차 있지 않다는 것을 알고 있다면, 우리는 그것을 청소할 필요가 없습니다 아니면 우리는 그것을 식힐 필요가 없습니다 아니면 우리는 불을 붙일 필요가 없습니다 그래서이 모든 간단한 정보 더 나은 관리 공간에 대한 많은 통찰력을 우리에게 줄 수 있습니다

물론 데이터를 상호 연관시킬 수 있기를 원합니다 그래서 우리는이 세 사람을 위해 봉사 할 수 있습니다 당신이 집주인 이건, 거주자 이건, 시설 이건간에 매니저 그래서 그것을하는 방법 중 하나는 온톨로지에 의존하는 것입니다 그래서 제가 손을 보여주기 전에, 누가 전에이 말을 들었습니까? 승인

시원한 따라서 온톨로지는 일반적인 어휘입니다 건물의 개념을 참조하십시오 그러나 우리는 또한 그것을 관계를 표현하는 방법으로 사용할 수 있습니다 이러한 개념들 사이

이 정의를 싫어하지 마십시오 나는 더 자세한 내용을 살펴 보겠습니다 그래서 이것은 우리가 발명하지 않은 것입니다 그것은 그리스 철학자들로부터 시작되었습니다 그들이 세계를지도로 만들기 시작했을 때

포유류가 인간과 어떻게 관련이 있는지 살아있는 존재가 행성과 어떻게 관련되어 있는지, 그리고 그 모든 것 물론 컴퓨터 과학자 과거의 것들을 재사용하고 싶습니다 따라서 컴퓨터 과학자들은 온톨로지를 재사용합니다 정보를 나타내는 방법

건물 안에있을 수도 있습니다 그래서 단순화 된 정의에서, 온톨로지 도메인 개념을 표현하는 방법 일뿐입니다 그리고 이러한 개념들 사이의 관계 그들은 대개 삼중 항으로 표현되며, 우리는 클래스와 인스턴스를 구별합니다 그래서 우리는 도시와 국가를 볼 수 있습니다

클래스는 "위치한"에 의해 연결되며, 관계 야 그런 다음 파리와 같은 경우가 있습니다 프랑스에 있습니다 온톨로지에 대한 좋은 점은 우리가 필요로하지 않는다는 것입니다 우리가 어떻게 그들을 대표 할지를 발명하고, 월드 와이드 웹 컨소시엄이 이미 제안 된 표준화 – RDF, OWL 및 JSON-LD와 같이 이러한 종류의 관계를 표현하고 표현합니다

그럼 건물에서 예를 들어 봅시다 우리에게는 개념 인 위치가 있습니다 우리는 건물 층과 회의 같은 하위 카테고리를 가질 수 있습니다 함께 연결된 객실 그리고 우리는 그것들을 방, 바닥, 및 특정 건물

따라서 이것은 사일로 중 하나로 볼 수 있습니다 그리고 우리는 또 다른 격납고가 있습니다 우리는 측정중인 센서를 가지고 있습니다 양, 온도를 측정하는 온도 센서, 그런 다음 인스턴스가 있습니다 보시다시피 온톨로지 덕분에, 우리는이 두 가지 사일로를 함께 연결할 수 있습니다

관계를 추가하고 함께 연결함으로써 거기에는 많은 온톨로지가 있습니다 우리는 Google에서 그 목표를 재발견하고 싶지 않았습니다 그래서 우리는 밖에있는 것을 보았습니다 나는 다음에 집중할 것입니다 그 중 세 명에요

그리고 볼 수 있듯이 클라우드 태그를 사용하면 SAREF와 KNX, M2M 온톨로지와 같은 많은 것이 있습니다 저는 그 중 세 가지에만 집중할 것입니다 그래서 Haystack Vocabulary는 2014 년에 시작되었습니다 그리고 그것은 내가 말한 첫 번째 노력 중 하나였습니다 내 건물을위한 어휘 제안을 시작하겠습니다

도메인 그리고 이것이 우리가 이러한 태그가 나타나기 시작한 곳입니다 따라서 Twitter 해시 태그와 유사한 태그 기반 시스템입니다 온도 센서 (1)와 같은 특정 지점에 대해, 하나 이상의 태그를 함께 할당 할 수 있습니다 태그 기반 모델입니다

그것은 온톨로지가 아닙니다 그리고 2014 년에 그들은 W3C 컨소시엄에 의지하지 않았습니다 그러나 그들은 그들 자신의 아연 표준을 가졌다 또 다른 흥미로운 진전은 Siemens에서 제공했습니다 연구 논문에서 지적한 2015 년 건초 더미의 한계

표현력의 부족 태그 지정시 모호성 당신은 단지 당신과의 관계를 표현할 수 없다고 상상할 수 있습니다 태그 관리가 매우 어려워집니다

물론 추상화가 필요합니다 당신이 쿼리를 할 때 태그는 매우 평평한 시스템입니다 쿼리를 시도하면 위치 또는 상위 클래스를 기준으로 쿼리 할 수 ​​있습니다 태그가 없기 때문에 평평합니다

그래서 Siemens는 Haystack 태깅 온톨로지 (Tagging Ontology) 건초 더미 사이에서 혼합하는 것을 제안하는 태그, 시맨틱 센서 네트워크 온톨로지 및 BIM 및 IFC와 같은 건물 모델에 대해 설명합니다 그래서 기본적으로 지멘스는 무엇을하려고 했습니까? 이 플랫 태그를 가져 와서 트리플로 표현하는 것입니다 그러나 보시다시피, 실제로는 아닙니다 명백한 관계가 많이있다 추가하려면 triplets에 태그가 있어야합니다

우리는 여전히 표현력이 부족합니다 그리고 이것이 벽돌이 그려지는 곳입니다 그래서 그것은 제안 된 벽돌 스키마입니다 IBM 및 여러 대학에서 Haystack, Haystack 태깅을 고려했습니다 온톨로지, SAREF, 그리고 제안 된 단순한 태그보다 더 풍부한 모델이라고 할 수 있습니다

모델 또한 실용적인 접근법에 의존합니다 그들은 약 6 개의 건물을 가져갔습니다 전 세계에 흩어져있다 다른 공급 업체와의 지원

그리고 그들은 세련되게하려고합니다 개념은 무엇입니까? 또는 이러한 온톨로지와 제안 된 개념의 공통된 개념 벽돌 Brick에 대한 좋은 점은 그곳에있는 것이 아니라는 것입니다 그것은 [부끄러움] 몸의 일부분입니다 그것은 Brick을 표준으로 삼으려고 노력하고있다

그래서 이것은 정말로 흥미로운 것입니다 당신은 건물 도메인에 속해 있습니다 이 어휘와 온톨로지에 영향을 미칠 수 있습니다 그리고 물론, Brick 스키마는 우리의 선택을 인도했습니다 우리의 디지털 빌딩 플랫폼 그것의 부유함 때문에, 그리고 그것 온톨로지와 관련된 이전 작업을 기반으로합니다

이제 우리가 정보를 어떻게 표현할 것인가에 관해 이야기를 나누었습니다 벽돌에 대해 이야기하고 싶습니다 우리는이 플랫폼을 구축하기 위해 GCP에서 재사용했습니다 그래서 우리는 장치들을 연결하는 구름을 가지고 있습니다 구름에

우리는 게시 – 구독 메커니즘 인 Pub / Sub를 가지고 있습니다 배치 및 스트리밍 처리를위한 Dataflow가 있으며, 스토리지 용 Bigtable 및 Spanner 그리고 나서 간단한 chat봇 (chatbot)을 보여 드릴 것입니다 우리가 보여줄 수있는 방식으로 아주 빨리 만들었습니다 존재하는 온톨로지와 API를 갖게되면, 시스템을 활용하는 것이 얼마나 쉬운 지 원하는 정보를 추출하십시오

먼저 IoT Core에 대해 이야기하겠습니다 그것은 당신을 위해 완벽하게 관리되는 서비스입니다 장치 및 시스템을 클라우드에 연결할 수 있습니다 아키텍처 다이어그램에서 볼 수 있듯이, 다른 여러 구성 요소와 결합 할 수 있습니다 Pub / Sub, Dataflow와 유사하므로 수집, 처리, 귀하의 데이터를 분석하십시오

지금까지 베이 지역에는 약 100 개의 건물이 있습니다 선상에 있었다 우리는 약 20,000 대의 장치를 보유하고 있습니다 연결되어있는 120,000 포인트는 데이터를 클라우드에 퍼블리시합니다 따라서 일단 이러한 장치가 연결되어 있고 밀고 있습니다

데이터를 클라우드로 원격 측정 할 때 우리는 on Pub / Sub는 엔터프라이즈 지향 미들웨어입니다 이는 안전하고 확장 가능하며 전 세계에 분산되어 있으며, 주제와 여러 구독이있는 곳 귀하를 위해 데이터를 수집 할 수 있습니다 지금까지이 기기는 약 4 백만 일종의 메시지인데, 규모에 대한 아이디어를 줄뿐입니다 Pub / Sub가 처리 할 수 ​​있습니다 이 데이터가 Pub / Sub에 들어 오면, 당신은 다른 메커니즘을 가질 수 있음을 알 수 있습니다

데이터 재생을 시작하려면 일괄 처리 및 스트림 처리 그것에 대한 처리 그리고 이것이 우리가 Dataflow를 사용하는 곳입니다 통합 배치 및 처리 서비스를 제공하기 때문입니다 오픈 소스 프로그래밍 인 Apache Beam에 의존합니다 모델

그래서 당신은 당신의 논리를 한번 씁니다 그리고 나서 달리기를 고를 수 있습니다 당신이 원하는 환경 따라서 Spark가 될 수도 있고, Dataflow 일 수도 있습니다 Dataflow에 대한 멋진 점은 완벽하게 관리됩니다

크기를 조절할 필요가 없습니다 그래서 번거롭지 않습니다 그리고 물론, 그것은 매우 확장 성이 있습니다 초당 수백만 개의 쿼리를 지원합니다 따라서 Dataflow는 Pub / Sub에서 데이터를 가져 오는 중입니다

그런 다음 처리를 수행합니다 완전히 관리되는 NoSQL 인 Bigtable에 넣습니다 페타 바이트까지의 데이터 세트를 처리 할 수있는 데이터베이스를 제공합니다 또한 Internet of Things 데이터에 이상적입니다 시계열처럼

현재, 우리는 약 500 기가 바이트의 데이터를 저장합니다 우리 건물에서 왔습니다 그리고 제가 언급했듯이, 오늘날 우리는 단 100 개의 건물 밖에 없습니다 그리고 가장 좋아하는 것은 Dialogflow입니다 Dialogflow를 사용하면 대화방 또는 대화 형 에이전트를 만들 수 있습니다

Google의 지식에 의존합니다 기계 학습 전문 지식과 관련하여 NLU에 그것은 다중 채널을 지원합니다 채팅 할 수 있습니다 당신은 목소리를 낼 수 있습니다

어떤 채널을 생각하든간에, 통합 할 수 있습니다 그리고 가장 널리 사용되는 도구 중 하나입니다 Google Assistant 상단에서 작업을 구축 할 수 있습니다 그래서 나는 데모를 조금 훑어 볼 것입니다 오, 지적 할 수 없어? 여기에서 볼 수 있듯이 우리는 하나의 사용자가 될 수 있습니다

이 3 인물 중 – 집주인, 탑승자, 또는 심지어 시설 유지 보수 운영자 – 채팅 응용 프로그램과 상호 작용할 시설의 봇으로 향합니다 Dialogflow와 상호 작용하여 사용자가 무엇이든간에 해석합니다 입력되었습니다 그리고 시설의 봇은 실제로 API로 호출을 처리하십시오 그래서 나는 작은 비디오 데모를 만들었습니다

물론 이것은 단지 개념 증명 일뿐입니다 가능한 것을 보여주기 위해 그러나 모든 유형의 작업을 지원하도록 마음을 확장 할 수 있습니다 건물에있는 데이터를 기반으로합니다 발표자 1 : 전체 화면으로 보겠습니다

CHARBEL KAED : 네 나는 단지 그것을 고품질로 만들고 싶었다 감사 여기서 볼 수있는 것은 사용자입니다 특정 건물의 층을 계산하는 쿼리를 입력하는 것입니다

그래서 그것의 아름다움은 우리가 일단 이것을 넣으면, 우리는 건물을 바꿀 수 있고 어떤 건물이라도 사용할 수 있습니다 Google이 운영 중입니다 그래서 뉴욕의 캠브리지에있을 수 있습니다 이 쿼리를 처리하는 방법은 변경되지 않습니다 그리고 이것은 온톨로지 덕분입니다

Dialogflow가 쿼리를 해석 할 수있는 용량 회의실 정보를 검색 할 수 있습니다 예를 들어 회의실 수를 계산하고 싶습니다 또는 나는 그들을보고 싶다 내가 가장 큰 회의실을보고 싶다

이벤트를 주최하고 싶습니다 알고 싶으면 어디에서 예약해야합니까? 사이트를 변경할 수 있습니다 그리고 내가 유지 보수 운영자라면 그것을보고 이해하고 싶습니다 이 HVAC 구성 요소입니까? 왜냐하면 당신이 유지 보수 운영자 일 때, 보통, 당신은 건물 안으로 들어가고 있습니다, 이 모든 구성 요소는 숨겨져 있습니다 천장 뒤에

그래서 당신은 어떤 펌프도 보지 못합니다 팬이 보이지 않습니다 이 HVAC 구성 요소는 보이지 않습니다 그래서 너는 좋아, 좋아 나는 그들을 찾아야 해

그들을 찾아야 해 그리고 이것은 유지 보수 운영자로서, chatbot과 유사한 기능을 사용하여, 장치는 어디에 있습니까? 교체해야 할 장비는 어디에 있습니까? 어디에 있습니까? 그래서 여기에서 우리는 여전히 바닥 레벨을 목표로 삼고 있습니다 그러나 당신은 상상할 수 있습니다, 우리는지도를 보여줄 수 있습니다 유지 보수 운영자를 안내 그가 준비 할 곳을 찾아가 봐 그를위한 환경 그래서 그는 팬을 찾을 수 있습니다

그는 이러한 유형의 장비를 교체해야하기 때문에, 그는 바닥으로 그룹화 할 수 있습니다 진단 작업을하고 싶습니다 바닥에서 벤치마킹을하고, 어떻게 행동하는지 설명합니다 여기에서는 HVAC와 관련된 더 많은 쿼리를 볼 수 있습니다 따라서 이러한 검색어 및 귀하가보고있는 키워드 – 팬, 펌프, 팬 코일과 같이 이전에 우리가 얘기 한 Brick 스키마에서 모두 가져 왔습니다

Brick은이 어휘의 기초를 놓을 수 있기 때문입니다 그래서 우리는이 어휘들을 가져다가 여기에 넣었습니다 물론, 타이핑을 원하지 않는 사람들을 위해, 우리는 또한 이러한 쿼리가 할 수있는 대화식 메뉴를 가지고 있습니다 이미 채워져 있고 연산자 단추를 누르거나 그 중 하나를 클릭하기 만하면됩니다 데모 용입니다

물론 이것은 단지 개념 증명이었습니다 이 빌딩 플랫폼 위에 무엇이 가능한지 보여줍니다 나는 내가 붙어있는 것 같아 승인 감사

나는 괜찮다고 생각한다 슬라이드가 하나뿐입니다 감사 그래서 또 다른 예제는 시계열을 추출하는 것입니다 채팅 봇과 통합하십시오

다른 제 3 자에게 통합 할 수도 있습니다 신청 그렇게 말하면, 나는 Marc의 마이크를 통과시킬 것이다 결론을 위해서 고마워요

감사합니다, [부적절한] 글쎄요, 그게 당신에게 어떤 아이디어를 줄 수 있기를 바랍니다 우리는이 플랫폼과 그 플랫폼으로 할 수있는 것을 구축했습니다 이것은 정말로 우리를 위해 진행중인 작업입니다 Google에서 자체 시설을 관리하는 방법에 대해 알아보십시오

그러나 그것은 정말로 당신을 보여주기위한 것입니다 퍼져있는 주제들 중 일부는, 제 생각에, 여기 회의에서 특히, 우리는 우리 자신의 스택에서 이것을 수행하고 있습니다 기본적으로 당신이 이 풍부한 애플리케이션을 구글이 이미 가지고있는 많은 기능들 인프라를 현대화하고 있습니다 그 솔직히 수십 년 동안 변경되지 않았습니다

따라서 많은 새로운 분석 기술을 접하고 있습니다 응용 프로그램 및 플랫폼을 최상위 수준에 배치하고, 그러나 우리는이 스택의 모든면에서 매우 깊숙이 들어가고 있습니다 장치에 우리는 GCP에서 이러한 빌딩 블록을 사용하고 있음을보고 있습니다 기본적으로 애플리케이션 플랫폼을 구축하는 방법입니다

그래서 당신은 바퀴를 재발견 할 필요가없고 활용하고 있습니다 샤벨이 언급 한 것처럼 구축에 필요한 많은 기능을 제공합니다 이러한 응용 프로그램 그리고 분석에서 행동으로 옮겨 가고 있습니다 따라서 우리는 기계 학습과 같은 기능을 사용하고 있습니다

우리는 많은 데이터 시각화 등을 사용하고 있습니다 원시 데이터를 가져올 수 있어야합니다 어쩌면 메시징을 식별하기가 어렵습니다 그리고 행동은 – 분석을 해낼 수있게해라 기술자 또는 운영자를위한 펀치리스트 포함 갈 수 있도록

탁탕 치다 잘못된 길로 갔다 우리의 온 보딩 과정은 실제로, 내 생각 엔 도약과 경계 오늘날 전형적인 시스템에서 온 보딩을 수행합니다 그리고 이것은 많은 지능이있는 곳입니다 지금 개발 중입니다

우리가 새로운 건물에 들어가 새로운 유형의 장치를 발견 할 때, 새로운 종류의 네트워크 토폴로지, 새로운 유형의 게이트웨이 상자 이 플랫폼을 더욱 풍부하게 만드는 데 도움이됩니다 우리가 다음에 그것을 만날 때, 선상에 올 수있는 것이 훨씬 빠릅니다 정말 근본적인 지능을 구축하고 있습니다 하부 시스템의 실제 적용을 위해 우리가 따라가는 길 여기서 구조화 된 데이터를 사용하고 있습니다

따라서 우리는 업계에서 최선을 다하고 있습니다 온톨로지의 관점에서 지금은 용어의 관점에서, 운영자가 한 건물에서 배운 교훈을 얻을 수 있어야한다 캠퍼스 전체에 적용 할 수 있어야합니다 또는 다른 건물 그래서 다음은? 글쎄, 너희들이 들어오는 곳이야

우리는 대화를 계속하고 싶습니다 특히 기기 데이터 또는 흥미로운 방법이있는 경우 데이터를 나타냅니다 그래서 우리는 주로 기후 조절, 오늘 HVAC 하지만 나는 많은 일이 있다고 언급했다 우리가 점거 같은 것들을 위해서도하고있는 센서 및 알람, 물리적 보안, 기타 등등

그래서 그것들이 일종의 장치라면 너와 함께 일하고, 우리가 알고 싶어, 이 플랫폼과 어떻게 통합 될까요? 네가 할 수 있다면 너는 무엇을 할 수 있니? 그 배관을 모두 다 할 필요는 없었어요 스택 맨 아래에 있지만, 그냥 적용 할 수있었습니다 어플에서 가장 잘하는 것은 무엇이든간에? 장치 보안 및 유지 관리 – 나는이 부분을 처음부터 조금 만졌고, 하지만 우리는 오픈 소스 커뮤니티에서 어떻게 장치의 지속적인 통합 테스트 수행 기기와 만 통신하고 있는지 확인해야합니다 그들이 처방받는 방식으로 그들이 필요로하는 것 그리고 그것은 우리가 조금 이야기 할 것입니다

더 공개적으로 그러나 근본적으로, 이것은 무언가이다 우리는 Google에서도하고 싶습니다 우리의 네트워크가 안전하게 유지되도록 보장 할 수 있습니다 그리고 나서, 다시, 제 3 자 애플 리케이션 및 기타 통합

파트너 참여 등 남아있는 다양한 표준, ASHRAE, Brick, 건초 더미와 같은 신체 그리고 만약 당신도 거기에 개입했다면, 우리는 분명히 듣고 싶습니다 당신이하고있는 일은 우리가 구축하고있는 것과 잘 통합됩니다 이 스택을 사용하면 언제 우리는 현장에서 장치를 발견합니다

잘하면 우리는 그들과도 통합 할 수 있어야한다 [음악 재생]

How AI is Transforming the Enterprise (Cloud Next '19)

앤드류 무어 : 나는 내 경력을 보냈다 인공 지능, 점프 학계와 산업계 사이

이 특별한 Next는 나에게 너무 흥분된다 왜냐하면 그것은 인공 지능이 갖는 모든 것 때문입니다 세계 경제의 실질적이며 중요한 부분이되었습니다 그리고 저는 학생들이 제가 상상했던 것입니다 20 년 전 인공 지능의 미래 약속에 대해 가르쳤습니다

그리고 우리는 훨씬 더 많은 것을 가지고 있습니다 이제 실제로 여기에 있습니다 RAJEN SHETH : 안녕하세요 내 이름은 Rajen Sheth이고 나는 리드했다 클라우드 AI 용 제품 팀 나는 Google에서 15 년 동안 엔터프라이즈에 근무했습니다

내 열정이 돌고 있기 때문에 내내 이런 흥미로운 기술을 제품에 적용 고객, 개발자, 파트너는 정말 대단한 일을합니다 그리고 AI는 아마도 가장 흥미로운 기술이라고 생각합니다 정말 힘을 실어 줄 수 있기 때문에 보았습니다 사람들은 그것을 실제로 변형시킵니다 앤드류 무어 : 그래서 2019 년에, 저는 생각합니다

당신은이 특별한 모임에서 이것을보고 있습니다, 우리는 AI의 사업을 진지하게 생각하고 있습니다 사실 우리 중 많은 사람들이 어떤 도구를 만드는 것에 대해 흥분했습니다 변화하는 산업을 지원할 전망을 가지고 있었고, 우리는 이제 기업의 과학에 가장 관심이 있습니다 너무 많은 잘못된 출발없이 AI를 효과적으로 채택하고, 안전하게, 물론 윤리적이고 합리적인 방법으로 우리가 인공 지능을 최대한 발휘할 수있는 문화를 존중합니다 RAJEN SHETH : Andrew가 종종 말했듯이, 우리는 거꾸로 작업하는 것을 좋아합니다

당신의 문제부터 시작하십시오 밖에있는 실제 비즈니스 문제는 무엇입니까? 그런 다음 우리가 함께 해결할 수있는 방법을 찾아냅니다 이것이 바로 우리가 지향하는 방향입니다 앤드류 무어 : 그래서 우리는이 세션을 공동 주최하고 있습니다 우리는 실제로 AI 멍청이들입니다

꽤 다른 경력 경로가 여기에 도착했다, 그러나 그것이 우리에게 매우 흥분되고 영광스러운 이유입니다 확실한 책임을 질 수 있도록 Google은 AI 측면에서 올바른 일을합니다 이제 우리와 Google Cloud가 전념했습니다 RAJEN SHETH : 오늘 세션에서, 우리가 정말로 초점을 맞추고있는 것은 고객의 이야기입니다 그래서 당신은 다양한 것을 듣게 될 것입니다

흥미로운 고객 및 이야기 어떻게 다른 고객으로부터 AI를 사용하여 문제의 일부를 해결할 수 있습니다 그리고 이것이 오늘날 어떻게 존재하는지에 초점을 맞추고 있습니다 오늘 할 수있는 일 앤드류 무어 : 첫 번째 손님은 AI 고객은 강력한 알고리즘 만 필요하지 않습니다 그리고 그것은 분명히 거대한 학습이었습니다

내 생각에 우리 업계의 많은 사람들이 – 당신이 이러한 것들을 어떻게 확장 할 수 있는지에 관한 것입니다 재미있는 주피터 (Jupyter) 노트북에서 현실 세계로 발전합니다 부회장 겸 글로벌 책임자 인 Alex Owens을 환영합니다 Unilever의 데이터 센터, AI 및 데이터 관리에 대한 [음악 재생] 좋아, 그렇게 환영 해 여기 있습니다

첫째로, 우리가 세부 사항으로 뛰어 들기 전에, 경력 궤적에 대해 알려주십시오 당신을 AI의 세계로 이끌어주는 것은 무엇입니까? ALEX OWENS : 그래, 내 생각에 나는 저는 데이터와 분석 분야에서 일해 왔습니다 유니레버 이전에는 은행 업무를했습니다 날 쏘지 마 나는 언론에서도 일 했으므로 루퍼트 머독 (Rupert Murdoch) 막내 아들 James는 데이터 및 분석을 사용하여 BSkyB에 전력을 공급합니다

그게 앤드류 무어 : 오, 놀라운 ALEX OWENS : 당신은 아마 그것에 익숙 할 것입니다 그리고 그 전에는 BBC에서 일했습니다

그래, 그래 앤드류 무어 : British Broadcasting Corporation 알렉스 오웬 : 영국 방송 공사 앤드류 무어 : 아주 좋아요 ALEX OWENS : 그리고 유니레버에서 나는 지금, 많은 사람들이 사람들이 유니레버를 잘 알고 있는지 잘 모르겠습니다

하지만 당신 중 일부는 아마 할 수 있다고 생각합니다 Google은 두 번째로 큰 광고주입니다 세상에 우리는 연간 80 억 달러의 광고비를 지출하며, Google은 Google과 매우 전략적인 파트너입니다 우리는 200 개의 시장, 500 개의 브랜드 및 실제로 가장 큰 기회는 사실에있다

25 억 명의 사람들이 매일 우리 제품을 사용합니다 그래서 엄청난 기회가 있습니다 거기 소비에 소비자에게서 자료를 모으기 위하여 제품의 앤드류 무어 : 훌륭합니다 나는 그 데이터를 갖는 것이 정말로 흥미 롭다는 것을 알았다

하지만 당신은 그것의 볼륨에 완전히 박살납니다 당신이 그것을 관리하기위한 전략을 가지고 있지 않다면 따라서 직책의 일부는 사람들 데이터 센터입니다 이상하지만 시원한 용어입니다 그것에 대해 좀 더 말해줘

ALEX OWENS : 네, 우리는 유니레버에서도 농담을했습니다 그리고 사실 – 나는 유일한 상수가 변화라고 생각한다 나는 이것이 오늘 나의 직책이라고 생각한다 하나님은 내가 집에 돌아올 때 내일이 될 것을 알고 있습니다 누가 알아? 하지만 좀 더 배경을 알려주지

적어도 손님에게 컨텍스트를 가져다줍니다 Google Cloud API 사용 방법 그러나 우리에게는 매우 큰 야망이 있습니다 10 억 대 1 대 1 관계 의미 있고 적절한 대화를 통해 그러면 우리는 그것을 어떻게 의미합니까? 데이터 및 기술을 사용하여 소비자와 일대일로 대화합니다 제 일은 주로 사람들이 사용하는 데이터 센터였습니다 효과적으로 3 개의 기둥입니다

따라서 모든 소셜 및 비즈니스 분석 우리는 전 세계적으로 그렇게합니다 30 개 또는 40 개의 서로 다른 데이터 요소에 액세스 할 수 있습니다 소셜 데이터, 검색 데이터, 평가 인터뷰 여부 데이터 또는 비즈니스 데이터 내 팀이 전 세계에 기반을두고 있습니다 그 데이터는 통찰력을 이끌어냅니다

사람 데이터 센터의 두 번째 요소 우리가 소비자 참여 센터라고 부르는 것입니다 또는 다른 말로하면, 콜 센터 그리고 오늘 아침 대화를 너무 좋아합니다 Contact Center API를 둘러보십시오 우린 1500 만 콜을받을 수 있습니다

얼마나 많은 사람들이 우리 제품을 사용하는지 고려하십시오 그다지 많지는 않지만 엄청난 통찰력 소스입니다 방대한 양의 데이터가 필요합니다 그리고 세 번째 요소는 우리가 내부적으로 부르는 것입니다 PRM, 또는 사람들 관계 마케팅, 효과적으로 CRM입니다

따라서 기능 배포에 대한 책임이 있습니다 사업 전반뿐만 아니라 운전 Adobe Marketing Cloud를 사용하여 우리의 비즈니스 전반에 걸쳐 CRM을 실제로 이 경우에 앤드류 무어 : 좋아, 매우 흥미 롭다 그래, 그 규모에서 운영하는 것은 너무나 재미 있어야합니다 그래서 복잡성을 감안할 때 이게 네가 왜 그랬는지 이유의 일부 야

정기적 인 정보 기술 이상으로 나아가 다 인공 지능으로 알렉스 오웬스 : 네,보세요 제 말은, 나는 AI에 관해 사람들과 이야기 할 때마다 항상 농담합니다 아마도 과도하게 사용 된 용어이거나 오해의 용어 일 것입니다 그리고 저를 위해서 AI는 내가 생각하는 포괄적 인 용어라고 생각합니다

그리고 우리가 보는 방식은 다양한 가닥들을 통해서입니다 AI의 Google에서 API로 사용한 가장 큰 것 원근법, 그리고 우리는 다른 많은 것을 사용하고 있습니다 나는 잠시 후에 설명 할 것이다 Vision API입니다 예, Vision API를 사용하면 우리가 보는 많은 이미지들을 디코딩하기 위해서, 그것이 Instagram에 있건 없건간에 이미지가 많은 사회적 기반 위에 있어야합니다

그러나 그것은 주로 통찰력을위한 것입니다 그러면 방법에 대해 더 많이 이해할 수 있을까요? 우리 소비자가 우리에 관해 말하고있는 사회적 플랫폼상의 이미지를 통해 그러나 더 중요하게 그리고 최근에, 우리는 실제로 Google Vision을 사용하고 있습니다 데이터 기반 마케팅에 대한 API 그러면 어떻게 캠페인을 어떻게 이해할 수 있을까요? 실시간으로 공연하고 있습니까? 따라서 잠재 고객을 충족시키기 위해 콘텐츠를 최적화 할 수 있습니다 제작자가 아닌 경우 효과적으로 광고 소재를 변경합니다 그들 자신은 너무 잘 작동한다

앤드류 무어 : 아주 좋아서, 나는 커브 볼을 던질거야 이리 알렉스 오웬스 : 네 ANDREW MOORE : Vision API를 자랑스럽게 생각합니다 그러나 우리가 이미 해보고 싶은 뭔가가 있어야합니다

우리가 더 잘할 수있는 것이 있습니까? ALEX OWENS : 솔직히 말해서 우리를위한 Vision API 뛰어난되었습니다 나는 그것이 정말로 현저하다고 생각한다 우리가 많이 놀 때 과거에 이미지 인식 기능을 갖춘 너도 알다시피, 예 물 물고기 야? 물고기 타입인지는 잘 모르겠습니다

그러나 요즘에는 Vision API가 뛰어나다 고 생각합니다 우리가 다른 사람들을 사용한다는 뜻입니다 따라서 우리는 귀하의 움직이는 이미지 인 귀하의 비주얼 API를 사용합니다 아마도 거기에는별로 없을 것이라고 생각합니다 Vision API만큼 좋았습니다

앤드류 무어 : 우리 한 주 더주세요 ALEX OWENS : 또 한 주 줘 예 바로 그 거예요 너희들이하지 않은 무언가가 있니? 좋은 질문이지만, 제 생각에는 비전 API에 깊은 인상을 받았습니다 그리고 디코딩 능력 만이 아니라고 생각합니다 그리고 [? 결국?] 뒤에 앉는다 그러나 실제로 정보를 얻을 수있는 속도 데이터를 처리하고 최적화하여 최적화 할 수 있습니다

우리의 캠페인 실시간 앤드류 무어 : 아주 좋아요 그 긍정적 인 피드백을 듣기 좋네 긍정적 인 의견이라면 이것이 정말로 내 프로젝트 였다고 말할 수 있습니다 그것이 다른 방법이라면, 그것은 Rajen의 프로젝트였습니다

ALEX OWENS : 나를 잘 모르는 사람들 – 하지만 내가 말할 수있는 것은, 나는 칭찬의 팬이 아니야 나는 칭찬을 정말 싫어한다 좋은 일이야 앤드류 무어 : 아주 좋아요 괜찮아

그래서 일종의 실제 결과에 관해서 – 너에게 보여주고있는 메트릭스가 있니? 이런 종류의 AI 사용이 실제로 도움이되는지? ALEX OWENS : 그럼 내가 돌아가서하자 Vision API를 사용할 때 두 가지 예를 설명합니다 첫 번째는 통찰력을위한 것이고 두 번째는 통찰력을위한 것입니다 결과에 도달하기 전에 데이터 기반 마케팅을위한 것입니다 첫 번째 것은, 내가 말했던 것처럼 Vision API를 사용하여 디코딩하는 것입니다

모든 이미지 우리는 우리 자신의 도구를 내부적으로 발명했습니다 Pixel은 기본적으로 Google Vision API를 기반으로합니다 우리는 인도에서 최근 작품을했습니다 우리의 아주 유명한 차 브랜드입니다

립톤을 모를 수도 있습니다 우리는 Ben & Jerry 's, 비둘기, Lipton을 만듭니다 너는 그것을 먹고, 너는 그것을 너의 피부에 넣고, 우리가 갖고있는 대부분의 물건으로 집을 청소하십시오 하지만 그건 정말 우리를 도왔습니다 우리가 다른 수준으로 한 것

Vision API를 사용했기 때문에 우리는 사람들이 차를 소비하는 방법, 더 중요한 것은, 우리는 그러면 얼굴 표정의 관점에서 물건을 볼 수 있습니다 상황 별 유형 분석으로 놀 수있다 게다가 그래서 사람들이 차를 마시고있는 곳이면 어디든 궁극적으로 그것은 우리에게 통찰력을주었습니다

우리는 결코 전에 없었던 것입니다 그래, 통찰력의 대부분이 과거 텍스트에서 왔어 그러나 사람들이 우리 제품을 소비하는 방식, 대부분의 상황에서 당신은 반드시 그렇지 않으면 보았다 그리고 실제로, 저는 MRSI에서 가장 좋은 논문을 받았습니다 인도에서 우리가 재생산 한 통찰력 때문에 그리고 우리가 지금 캠페인을 추진하는 능력

매우 다른 캠페인입니다 우리가 몇 년 동안 차에서 뛰었던 것보다 두 번째는 데이터 기반 마케팅이며 매우 자랑스러워하는 사람 나는 우리가 이것에 대해 Effie를 얻었고, 다시 Google과 함께 그래서 우리는 명령 센터를 설립했습니다 그것은 Lifebuoy를위한 것이 었습니다

Lifebuoy 기본적으로 손 소독제 그것은 손을 씻는 것입니다 우리의 가장 오래된 브랜드 중 하나입니다 약 80 ~ 100 년 전이라고 생각합니다 그리고 그것은 북아프리카와 중동에 있었고, 그리고 그것은 라마단 기간 동안이었다

그래서 우리는 명령 센터를 설립했습니다 Google 분석가가 참여했습니다 Google은 검색 기능 측면에서 Google Analytics를 사용합니다 사람들이 어떻게 상호 작용하는지 이해할 수 있습니다 그러나 더 중요한 것은 Vision API입니다

콘텐츠를 실시간으로 적용 할 수있었습니다 능력으로 인해 내용을 실시간으로 변경했습니다 정보를 처리하기 위해 콘텐츠가 어떤 잠재 고객과 협력하고 있는지, 궁극적으로 그 내용을 개조한다 소비자의 요구를 더 반영 할 수 있습니다 나는 이것이 대략 7-8 시장에 걸쳐 있다고 생각한다

앤드류 무어 : 환상적입니다 ALEX OWENS : 그 결과는 놀라운 것이 었습니다 나는 그들이 정말로 경이 롭다는 것을 의미한다 우리는 라마단 기간 동안 시장 점유율을 증가 시켰습니다 Lifebuoy가 4 %로 상당히 경이 롭습니다

나는 그런 결과를 전혀 보지 못했습니다 그리고 그것은 우리가 말하기 때문에 순전히있었습니다 소비자에게 올바른 방향으로 올바른 내용의 채널을 통해 앤드류 무어 : 매우 흥미 롭습니다, 축하합니다 그럼 다음은 뭐니? AI 배포로 끝나지 않았다고 가정합니다 알렉스 오웬 : 아닙니다

제가 말했듯이, 우리는 그것을 광범위하게 사용합니다 조직 전체에서 우리 팀이 디지털 전환의 중심에 있다고 생각합니다 그것이 우리의 종단 간 공급 체인이든간에, 그것이 우리가 많이 혁신 할 수있는 방법이 될 수 있는지 여부 시장으로의 빠른 진입 여부 데이터 기반 마케팅을 통해 그래서 다음 단계는 우리가 당신과 크게 협력하고 있다는 것입니다 사람들은 다시 시각적 API를 사용하므로 움직이는 이미지 1, YouTube와 같은 것들을 할 수 있습니다 다시, 통찰력 원근법을 위해 뿐만 아니라 캠페인 관점을 위해

Contact Center API는 우리가 가지고 놀고있는 것입니다 지금 조종사 조종사가 두 명 있습니다 나는 그 노동의 열매를 아직 보지 못했다 Vision API와 같은 것이라면 전반적으로 꽤 잘하고있다 그리고 NLP

우리는 NLP를 우리가하는 모든 일에서 무겁게 사용합니다 특히 많은 데이터를 요약하기 시작할 때 우리는 우리의 사회적 기반에서 얻을 수 있습니다 앤드류 무어 : 아주 좋아요 그래서이 모든 것의 다음 일은 중요성입니다 우리가 어떻게 책임감있게 행동하는지

알렉스 오웬스 : 네 앤드류 무어 : 저는 브랜드 킬러가 얼마나되는지 잘 알고 있습니다 누군가가 무책임한 행동을한다면 그것은 가능할 수 있습니다 너는 어떻게 이걸 처리 하나? ALEX OWENS : 아니요, 아주 좋은 질문입니다 내 말은 궁극적으로 우리가하는 모든 것 소비자의 신뢰를 유지해야합니다

우리는 소비재 거인입니다 소비자는 우리 사업의 핵심입니다 많은 기업에서 다음과 같이 말합니다 소비자는 비즈니스의 핵심에 있으며, 그러나 그것은 우리에게 사실입니다 소비자를위한 것이 아니라면, 우리는 사업을하지 않을 것입니다

유니레버는 그 가치에 대해 열정적으로 관심을 가지고 있습니다 우리는 매우 가치 중심적인 조직입니다 지속 가능성은 우리의 핵심입니다 환경 적 또는 사회적이다 그러므로 우리가하는 모든 일, 우리는 우리의 마음 속에 소비자를 가지고 있습니다

우리가 내부적으로 설정 한 것들이 있습니다 나는 사실 내가 오늘 분홍색 양말을 입었다는 것을 깨달았습니다 전에 메모를 본 사람들에게도 마찬가지입니다 포괄 성 나는 몰랐다

그것은 우연히 만난 것이었다 어쨌든 우리에게는 AI 윤리위원회가 있습니다 그리고 우리는 귀하와 같은 파트너들과 긴밀히 협력합니다 Facebook을 통해 데이터와 관련된 모든 작업을 올바른 방법으로 그렇게합니다 그리고 AI 윤리위원회는 실제로 우리의 법률 고문, CFO, 우리의 주요 데이터 임원, 최고 디지털 책임자

그래서 그것은 맨 끝까지갑니다 예, 우리는 일반적으로 상향식 조직입니다 하향식 조직 하지만 이런 일이 생기면 고위급에서 후원을해야합니다 앤드류 무어 : 네

ALEX OWENS : 마찬가지로 우리는 우리가 말하는 유니레버 클라우드는 기본적으로 작년에 24 개 시장에서 어도비 마케팅 클라우드 그것은 모두 [? 원위치?] 수집 한 데이터 DNP 및 모든 PII 정보를 통해 구독을 통해 수집 한 또는 경연 또는 무언가 그러나 우리가 살고있는 모든 단일 시장, 우리는 그들이 GDPR인지 확인합니다 이제 GDPR은 유럽에 적용되는 규제입니다 그것은 매우 엄격한 규제입니다

하지만 태국에 가야한다면, 예를 들면 태국 당신은 당신이 원하는 모든 것을 할 수 있습니다 나는 길거리에있는 한 남자에게서 사기꾼 명부를 구입할 수 있었고, 그 목록을 사용할 수 있습니다 하지만 궁극적으로 모든 시장은 생방송은 GDPR을 준수해야합니다 왜냐하면 하나, 그것은 명성을 쥐고있다

그러나 두 번째로, 우리가 미래에 사업을 증명할 수 있도록 보장합니다 게다가 앤드류 무어 : 훌륭해, 나는 정말로 다행이 접근 방식을 취하십시오 그래서이 시점에서 저는 라옌 (Rajen)에게 이의를 제기 할 것입니다 다음 유스 케이스 중 하나

여러분, 정말 고마워요 우리와 함께한 Alex에 감사드립니다 알렉스 오웬 : 완벽 하네, 고마워 [박수 갈채] RAJEN SHETH : 감사합니다 그래서 우리가 이야기 할 다음 이야기 호주의 폭스 스포츠입니다

그리고 저는 그것이 매우 흥미로운 이야기라고 생각했습니다 혹시 크리켓 팬이 계시나요? 군중에 좋은 금액 나는 크리켓의 뉴비이지만 내 가족 전체 크리켓 팬 이니 정말 배웠습니다 이것에 급속하게 흥미로운 점은 호주의 Fox Sports AutoML 테이블을 사용하고 있습니다

이 제품은 우리가 크리켓이 지켜지는 방식을 바꾸기 위해 오늘 소개되었습니다 그리고 AutoML Tables는 본질적으로 한 가지 방법입니다 우리는 AutoML의 힘을 취할 수 있습니다 주어진 기계 학습 모델을 자동 생성 데이터 세트를 배포하고 배포 할 수 있습니다 그러나이를 구조화 된 표 형식의 데이터에 적용 할 수 있습니다

많은 고객이 직면하는 많은 문제 표 형식의 데이터 문제입니다 그들의 경우 폭스 스포츠와 함께 그들이하고 싶었던 구체적인 것을 가지고있다 그래서 그들의 경우 크리켓은 방송의 필수 요소였습니다 호주에서 60 년 동안 그리고 전통적으로 무료로 사용할 수있었습니다

하지만 지금은 그렇지 않습니다 이제는 유료 방송입니다 그리고 크리켓을위한 폭스 스포츠의 기대 정말로, 정말로 높았다 그래서 그들의 도전은 어떻게 됐습니까? 신규 가입자 확보? 그들이이 게임을 실제로보기 위해서는, 실제로 이러한 구독자를 확보해야합니다 취득 당 비용을 어떻게 40 % 줄입니까? 그리고 어떻게 실제로 라이브 크리켓의 점유율을 얻습니까? 이것에 경청자? 그래서, 그들은 이것을하는 방법을 알아 내야했습니다

그들은 기계 학습과 인공 지능을 사용했다 이것을 할 수 있어야합니다 그래서 뒤에있는 비전은 그들이 알아 내려고 노력했다는 것, 실제로 게임의 가장 흥미 진진한 순간을 예상 하시겠습니까? 크리켓은 긴 경기입니다 어떤 경우에는 며칠 동안 지속됩니다 그러면 어떻게 실제로 예상 할 수 있습니까? 흥미로운 일이 곧 일어나고 사용자에게 경고합니다

재미있는 것이 일어날 것 같니? 그리고 그들이 한 일은 우리 기술을 사용하여 그들이 본질적으로 모델 인 몬티 (Monty)라고 부르는 것 이것을 예측하려고 노력하는 것 – 흥미로운 일들이 일어나고 있다는 것을 예측하려고 노력하라 게임에서 그래서 그들은 그것들에 무엇을 넣었습니까? 이 크리켓 경기에서 볼링 볼 – 바이 – 볼 데이터 그리고 그들은 우리의 기술을 사용하고있었습니다 그 데이터를 기반으로 예측을합니다

특히, 그들이 무엇을 출력하는지 개찰구가 떨어지는 기회였습니다 그리고 그들은 예를 들어, 이것은 단지 예를 들어, 그들이 말할 수있는 곳 x 확률로 예를 들어 개찰구가 앞으로 5 분 안에 빠지게 될 것입니다 그리고 그렇게 할 수있는 뭔가가 있습니다 사람들이 게임을보고 와서 끌기 때문에 흥미 진진한 일이 일어나기를 기다리고 있습니다 그리고 일단 그들이 이것을 한 다음, 그들은 이를 마케팅 캠페인에 통합했습니다

그래서 그들은 그것을 모든 것에 통합 할 것입니다 말 그대로 빌보드 광고에서부터 폭스 스포츠 앱에, 일을 통해 Google 홈 및 소셜 미디어처럼 구경꾼들에게이 개찰구 경보를 내보내는 것 그리고 나서 그들은 다시 이것으로 끌릴 수있을 것입니다 그리고 실제 정확도면에서 놀랍도록 정확했습니다 대부분의 경우 실제로 흥미로운 것을 그 후에 정말로 일어났습니다

그리고 이것은 결과에 대한 트윗이었습니다 그리고 물론, 게임 체인저의 용어 진부한 표현이되었지만 실제로는 진짜를 위해 여기에 적용됩니다 그래서 이것은 근본적인 부분이되었습니다 방송과 근본적인 방법 시청자와 소통하기 시작했습니다 그래서 이것은 사소한 예와 같이 보일 수 있습니다

그러나 그것은 그들에게 실질적인 주요 비즈니스 영향을 미쳤습니다 시청자 참여를 140 % 증가 시켰습니다 그것은 그들의 가입자 대 달러를 증가시켰다 150 % 지출 브랜드 리콜이 2 배 증가했습니다

그래서 이런 종류의 일은 다른 방법 일 수 있습니다 AI를 사용하여 사람들을 끌어 들이고 시작할 수 있습니다 실제로 브랜드를 구축하고 실제 결과를 얻으려면 그것의 따라서 표 형식의 데이터는 가장 흥미로운 지역처럼 보이지만, 실제로는 가장 흥미로운 부분 중 하나입니다 우리가 찾는 것은 많은 고객들과 아마 기계 학습 문제의 절반 이상 테이블 데이터 문제가 있습니다

AutoML 테이블은이를 해결할 수있는 좋은 방법입니다 근본적으로 우리가 지금 할 수있는 것은 이 표의 데이터 위에 정확한 모델을 생성한다 당신이 결과를 가질 수 있도록 마케팅, 그러나 많은 사람들을 통해서, 다른 많은 사람들이 친절하게 구조화 된 데이터 문제 그래서 앤드류에게 돌려 줄거야 다음 고객을 소개합니다

앤드류 무어 : 아주 좋아요 고마워, Rajen 그리고 그것은 정말 재미있는 이야기입니다 [박수 갈채] 나는 크리켓에 사로 잡힌 아버지와 자랐다 그리고 나는이 시스템을 실제로 사용할 수있었습니다

실제로 재미있을 때에 만 뛰어 들어보십시오 크리켓 팬을 대상으로 한 의도는 없습니다 알았어 정말 좋은 토론을 했어 마케팅 및 소매업, 그리고 또 다른 좋은 토론 미디어 및 엔터테인먼트에 관해

물론 정말로 중요한 또 다른 영역 세계 경제는 금융입니다 그리고 금융에 인공 지능을 적용하는 것 중요하다 그것이 할 수있는 모든 종류의 선이 있습니다 그것은 정말로 사물에 대한 필요성을 강조합니다 예측 정확도를 뛰어 넘습니다

특히 투명성이 포함됩니다 블랙 박스가 금융 세계를 운영하는 것을 허용 할 수 없습니다 우리를 위해 그래서 우리의 다음 연사 또는 인터뷰 대상자는, 이것과 함께 매우 중요한 경험을 가지고있다 BlackRock 조직의 그래서 저는 매우 환영합니다

무대에, 스테파노 파스 콸리 [음악 재생] 스테파노, 고마워 BlackRock과 문제의 종류에 우리를 기입하십시오 당신이 직면하고 있다고 STEFANO PASQUALI : BlackRock은 대량 자산 관리자로서, 투자와 무역을 관리하는 임무가있다

고객의 요구를 충족시키기위한 시장의 보안 미래의 부를 위해 돈을 투자하는 것 제 특정한 경우에는 BlackRock에는 많은 것들이 있습니다

그것은 기계 학습을 적용합니다 내 특정한 날 직업이 모델을 만들려고 노력하고있다 다른 유형의 유동성 예측 상인과 포트폴리오 관리자가 더 잘 관리 할 수 ​​있도록 지원 [INAUDIBLE]의 포트폴리오 관점 관리 앤드류 무어 : 아주 좋아요 그렇다면 클라우드 인공 지능이 실제로 어떻게 도움이됩니까? 스테파노 파스칼리 : 내 목표는 인공 지능, 나는 종종 기계 학습이라는 단어를 사용합니다

내 목표는 모델을 만드는 것입니다 이제 유동성은 문제의 성격 상, 해결하기가 매우 어려울 수있는 문제입니다 스파 스 데이터 또는 사용 가능한 데이터는 매우 시끄럽기 때문에, 높은 차원 성이 있습니다 그래서이 모든 유형의 기계 학습 많은 도움이 될 수 있습니다 그래서 우리는 거의 즉시이 모험에 참여합니다

10 년 전 내가이 직업을 시작했을 때 약 [? 필수?] 유동성, 나는 즉시 임의의 숲, 결정 나무, 신경 네트워크, 10 년 전의 재미 때문이었습니다 신경망은 실제로 해결책이 아니 었습니다 이제 우리는 개인적으로 팀과 연구용 클라우드를 사용합니다 개념 증명

그리고 우리는 많은 테스트를 할 수 있습니다 클라우드를 활용 한 우리 연구의 개발이 많이있었습니다 그리고 필요할 때만 기계 학습 / AI를 사용하십시오 그래서 생산에 [부적절한] 것을 말하는 것을 부끄러워하지 않습니다 내 팀은 지난 분기에 모델 기반 임의의 숲으로 다른 모델 기반 또는 두 개의 변수 [? 완성

?] 그것이 일을하고 있었기 때문에, 그렇지 않았습니다 기계 학습에 관해서 기계 학습을 위해서 앤드류 무어 : 네 나는 그런 방식으로 전적으로 동의합니다 그리고 일반적으로 당신이 항상 거대한 복잡한 모델이 필요합니다

아주 자주, 그것은 실제로 책임있는 일입니다 매개 변수의 수를 최소화하려고 시도하는 것 설명하기 그리고 나는 당신의 산업에서 어떻게 볼 수 있습니다 그것은 특히 중요합니다 200 만 개가 아닌 2 개의 매개 변수예요

나는 이것을 명예 배지로 입을 것입니다 스테파노 파스칼리 : 그 일을한다면, 그렇습니다 앤드류 무어 : 네 그래서 정말로 중요한 일이 있습니다 우리가 제조 업체의 결함을 예측하려고하는 것 같지 않습니다

선글라스, 또는 뭔가 실제 사람들과 삶과 사회 문제가 계속되고 있습니다 이리 그렇다면 AI 디자인에서 어떻게 이것을 설명합니까? 시스템? STEFANO PASQUALI : BlackRock에는 큰 회사가 집중되어 있습니다 인공 지능에 대한 [부적절한] 인공 지능의 이러한 습관을 구축하려고 시도합니다

회사에서 모델을 구축하는 구체적인 사례는 매우 간단합니다 나는 공연을 찾고있다 모두는 그들이 수행하는 모델을 가지고 있다고 주장하고 싶다 샘플은 아주 잘 그리고 멀리주는 것없이 – 우리가 고객의 신탁 법률을 다루고 있기 때문입니다

우리는 사람들의 돈을 다루고 있습니다 그래서 상인에게 흑인에 기반한 내 모델을 믿을 수는 없어요 상자 그래서 우리 모두는 올바른 균형을 찾으려고 노력하고 있습니다 때로는 침략 사이에, 때로는 침략 일을 할 수 있습니다

멋지지만 흥미 진진하지만 꼭 필요한 것은 아닙니다 그리고 당신이 기계 학습에 밀어 넣을 수있을 때 [? 세계,?] 너무 멀리 밀어 넣을 수없는 계정 유형 해석 가능성 때문에 연구에 깊이 관여했다 그렇게 할 수 있어야합니다 어쩌면 다른 분야에서도 그렇지만 금융 분야에서는 특히, 당신은 설명 할 수 있어야합니다 그리고 그 [? 계시 된?] 당신의 모델의 결과 입력 기능

앤드류 무어 : 아주 좋아요 나에게 중요하고 전형적인 교훈은 두 가지 데이터 과학자들은 실제로 동일한 제조법을 따릅니다 모든 산업 분야와 모든 유스 케이스에 꽤 많이 있습니다 당신이 겪고있는 제약 조건들의 조합 그리고이 경우에, 당신은 정말로 이것들을 실험해야합니다

당신이 정당화 할 수없는 여분의 제약 모델의 복잡성 우리 중에 누가 그런 것들이 있다고 생각하니? 인공 지능 산업이 더 잘 수행되어야한다 AI에 더 많은 금융 – 친화적 인 형태를 만드는 것을 돕기 위해? 스테파노 파스칼리 : 네 Rajen은 나의 편집증, 해석 가능성을 알고 있습니다 다른 Google 이벤트에서 연설 할 때 런던에서 우리는 무대에서 나옵니다

Rajen은 나에게 약간의 연구를 보여 주었다 해석 가능성에 대해 일하는 사람들이있었습니다 나는 정말 [? 잠겨 있니?] 방에있는 사람 그것이 실제로 있기 때문에 더 많은 것을 이해하려고 노력했습니다 우리의 우선 순위

그래서 확실히 우리의 최우선 사항입니다 그리고 그것이 이전에 언급되었을 때의 요지까지 그것에게 무작위 숲에 근거한 모형을 허용하십시오, 우리는 구름 속에 평행선을 가지고 있습니다 구현 신경 네트워크 예상대로 성능은 더 높습니다 하지만 우리는 해석 가능성 프레임 워크를 구축해야합니다

이 모델을 허용하기 위해이 주변 내가 항상하는 모범이다 이 모델 중 하나는 [? t 플러스?] 채권에 대한 거래 가능한 볼륨 나는 상인에게 가서 거기에 가서 말한다 내일 거래 가능한 볼륨이 약간 떨어집니다

내일이 채권을 가져가는 것이 문제가 될 수 있습니다 내가 옳다고 가정하면, 다음 질문 상인이 내게 묻는거야, 왜 당신의 모델은 훨씬 더 낮은 수치를 예상합니까? 그리고 솔직히 나는 그에게 말할 수 없다 나에게는 아름다운 깊은 학습 모델이 있는데, 나는 모델을 [INAUDIBLE]이라고한다 아니,이 모든 기능 때문에 그에게 말할 필요가있다 그들은 뛰어 내리고 움직이며 예측은 변화합니다

이것은 우리에게 큰 일입니다 앤드류 무어 : 아주 좋아요 그리고 그것은 Google에서 우리가 실제로 추진해 온 것입니다 우리가 대답 할 준비가되었는지 확인하는 데 열심히 노력한다 질문의 유형

항상해야 할 일인가요? 그래서 우리는 하루를 보지 못합니까? 우리가 가지고 있기 때문에 정말 정교한 모델을 사용하십시오 그들 모두를 해석 가능한 상태로 유지하기 위해? 스테파노 파스칼리 : 아니요, 우선 우리는 많은 사람들을 의지합니다 당신이 문제를 해결하는 것 같아요 그리고 둘째로, 나는 한 회의를 받고있었습니다 질문, intrepretability를 얼마나 줄 것인가? 실적을 확인하십시오

내 경험에 따르면, [INAUDIBLE] 생산 모델은 비즈니스 의사 결정에 사용된다는 것이며, 나는 해석의 0 %를 줄 것이다 그럼 뭐든간에 임의의 숲으로 돌아가거나 되돌아갑니다 역행 모델로 이들이 최종 출력의 입력 인 피처라면, 어쩌면 당신은 해석 능력을 포기할 수 있습니다

예를 들어, 아름다운 모델을 만든다면 유동성에 대한 정서 지수를 산출하기 위해, 이것은 모델에서 하나의 기능입니다 어쩌면 그것은 당신에게 덜 중요 해지고 있습니다 그것을 입력의 감성에 부여 할 수 있어야한다 [불가능] 그건 불가능하고 실제로 의미가 없습니다 그래서 그것은 다릅니다 – 프로세스의 레이어 산출물을 생산하는 모델은 어디에 있는가? 해석 가능성을 포기할 수 있습니까? 앤드류 무어 : 예, 저는 그 답변에 매우 동의합니다

그리고 저는 대개 대형 기계 학습 배치를 보았습니다 다른 모델에 공급되는 모델 때로는 그 중 하나를 분리 할 수 ​​있기를 원합니다 그것이 무엇을하고 있는지 이해하십시오 그러나 때로는 출력 중 하나가 잘 설명해야 할 필요가 있습니다

나중에 그 일을하는 것 아주 좋아 그럼 당신은 금융에서 다음에 무엇을 볼 수 있습니까? 인공 지능을 사용하고 있습니까? 스테파노 파스칼리 : 내 경우에는, 우리의 한 모델의 품질을 향상시키기 위해 노력하라 이 기술 그래서 제게 인공 지능, 기계 학습은 도구입니다

더 나은 성과 회계 우리가 방금 말했던 것, 해석 가능성 구성 요소 나는 개인적으로 볼 때, 나는 강한 신자입니다 – 우리, 나, 우리 팀, 우리는 기계 학습 전문 지식을 가지고 있습니다 우리는 적어도 NLP 사람이 아닙니다 [INAUDIBLE] NLP에서 일하고 있습니다 나는 개인적으로 NLP가 가치있는 기능을 많이 포함하고있다

모델에 꽂습니다 그래서 누군가가 강력한 NLP를 구축하는 것을 보았을 때 감정을 추출하는 모델 [? 테스터?] 뉴스, 나는 이것이 이것이 큰 발전이라고 생각한다 우리 모델의 품질 앤드류 무어 : 나는 매우 동의한다 그래서 자연 언어 처리 – 시스템에있는 자유 텍스트 몇 가지 다른 일을하는 것이 중요합니다

참조되는 엔티티를 추출하십시오 텍스트가 문장 인 경우 관계를 찾습니다 우리가 트리플 및 지식 그래프라고 부르는 것에 설명되어 있습니다 그리고 감정적 인 또 다른 큰 것입니다 아주 많이, 이것은 다른 측면이나 예제입니다

배포 단계에서 학습 된 단계적 다중 계층 시스템, 더 자연스러운 언어를 사용할 곳 보다 나은 의사 결정을 내리는 데 도움이되는 신호를 얻으려는 처리 아주 좋아 고맙습니다 너와 대화하는 걸 정말 즐거웠 어 당신과 더 오래 이야기 할 수 있습니다

그리고 나는 우리 모두가 매우 흥분했다고 생각한다 BlackRock과 같은 중요한 회사 AI 작업에서 실제로 투명성에주의를 기울이고 있습니다 고맙습니다 스테파노 파스칼리 : 그리고 내일, 나는 [INAUDIBLE] 세션에서 실제로이 중 일부가 표시됩니다 모델을 푸시 할 수있는 위치를 볼 수 있습니다

또는 우리는 조금 기다려야했습니다 왜냐하면 해석 가능성 앤드류 무어 : 좋아, 잘됐다 우리는 내일 그것을 고대 할 것이다 고맙습니다

스테파노 파스칼리 : 고마워 즐거웠습니다 RAJEN SHETH : 감사합니다 [박수 갈채] 그래서 내가 이야기하고 싶은 다음 사례 연구 월트 디즈니 컴퍼니에서 왔습니다 그리고 그것은이 경우에 이러한 것들 중 하나입니다, 많은 경우 월트 디즈니 컴퍼니 전자 상거래 회사 또는 소매 회사입니다

그리고 그들이 알아 내려고 시도하는 것 실제로 사용자를 어떻게 알 수 있습니까? 사용자에게보다 개인화 된 경험이 있습니까? 오늘 아침 일찍 우리가 권고안 AI라고 부른 것을 발표했다 여기서 우리가하는 일은 우리가 개인화에 대한 우리의 지식을 최대한 활용 이것을 제품을 제공 할 수있는 제품으로 가져 오십시오 권장 규모 그리고 디즈니는이 첫 번째 고객 중 한 명입니다 그리고 그들은 그것을 다양한 용도로 사용하고 있습니다

그들의 Shop Disney 사이트에 그래서 그들은 제품 배치와 같은 것들을 위해 이것을 사용하고 있습니다 세부 정보 페이지를 사용하면 더 많은 것을 찾을 수 있습니다 기존 시스템이 있습니다 1 년간의 익명화 된 데이터를 사용하고 있습니다 이 권고를 이해할 수 있어야합니다

그리고 그들의 믿음은 그들이 할 수 있다면 더 나은 추천을 받으면 더 행복한 사용자를 갖게 될 것입니다 수익이 증가 할 것입니다 그래서 그들이 시도한 것은 테스트였습니다 우리와 함께 – 기존 시스템을 이용한 A / B 테스트 우리 시스템 대 그리고 이것은 문자 적으로 그들이 본 것입니다, 그것은 정말로 매력적이었다

여기에서 볼 수 있습니다 조금 작습니다 고객이 여기에서 주문하려고했던 것이 무엇인지 Eeyore 수면 마스크 였어 그리고 Eeyore가 잠을 자면 가면, 아마 다스 베이더를 찾지 않을거야 마스크

그러나, 오른쪽의 결과 우리 시스템을 가진 테스트 그룹 B 였고, 그리고 당신은 사물의 종류를 볼 수 있습니다 이것이 훨씬 더 논리적 인 것입니다 Eeyore 수면 마스크를 받고 있다면, 당신은 아마 Eeyore 또는 다른 것들로 다른 것들을 원할 것입니다 거기 있을지도 몰라 푸우에게서 그래서 우리는 단지 관련이없는 것들을 기반으로 이것을하고 있습니다

현재 제품에 대한 것이 아니라 전체적인 고객 관점 디즈니의 데이터에서 이러한 결과를 얻을 수 있습니다 결과는 최종 사용자에게 훨씬 좋습니다 그래서 그들이 생산에서 보았던 것 이것은 평균 주문 값을 증가 시켰고, 그것은 트랜잭션 당 단위 수를 증가 시켰고, 또한 전체적으로 수익을 증가 시켰습니다 그들은 지금 이것을 생산에서 운영하고 있습니다 Shop Disney는 2018 년 7 월부터 그들은 우리가 함께 일한 첫 번째 고객 중 한 명이었습니다

그리고 최근에 그들은 이것을 함께 자주 구입하는 섹션 그리고 이제 그들은 그것을하기 시작했습니다 작년 11 월부터 그래서 그들은 매우 명백한 결과를 볼 수 있습니다 ROI가 분명합니다

그래서 우리가 이야기하고 싶은 마지막 것은 Hulu입니다 기조 연설에서 우리는 이것에 대해 조금 이야기했습니다 오늘 아침 그러나 우리는이 유스 케이스에 대해 자세히 설명하고 싶다 Hulu가 컨택 센터 AI를 사용하여 어떻게 고객 서비스를 지원할 수 있습니다

그래서 저는 무대에 오신 것을 환영합니다 Matt Kravitz, 서비스 응용 프로그램 책임자 Hulu의 시청자 경험 [음악 재생] 안녕 KRAVITZ : 안녕하세요 RAJEN SHETH : 안녕하세요 여기 와줘서 고마워 그래서 너 자신에 대해서 조금이라도 말해 줄 수 있니? Hulu에 대해 조금 말해 주시겠습니까? KRAVITZ : 물론입니다

첫 번째 질문은 뉴저지에 왜 그 사람을 넣을까요? 스테파노 후 액센트? 훌륭한 악센트를 얻었습니다 그래서 모든 사람들이 나와 함께 치료를 받고 있습니다 그래서 나는 Matt Kravitz이고 나는 서비스 감독이다 Hulu의 애플리케이션 그리고 저는 혁신에 대한 책임이 있습니다

서비스 경험 그래서 처음에, 나는 정말로, 여기에 있기 위해 정말로 흥분한다 오늘 아침에 발표 된 것이 있습니다 Five9 및 Salesforce와의 파트너십 그리고 정말 기회가 있습니다 우리 사업의 많은 부분에 영향을 미칩니다

그래서 저는 슈퍼입니다, 매우 흥분합니다 Hulu를 잘 알기를 바랍니다 많은 사람들이 방에 있기 때문에 당신은 정말로 대상 인구입니다 그러나 그렇지 않은 사람들을 위해 2,500 만 명의 활성 가입자 우리는 10 살 된 사업입니다

그리고 10 주년을 맞이하여 48 % 전년 대비 성장 RAJEN SHETH : 와우 MATA KRAVITZ : 좋은 소식은 많은 성장입니다 단점은 실제로 복잡한 측면에서 많은 위험을 감수해야한다 고객 경험 측면에서 어떤 영향을 미치는지 알아보십시오

그런 종류의 규모에 대비하고 있습니까? 그래서 몇 가지 흥미로운 도전 과제가 있습니다 고객 만족을 유지하려는 관점에서 또는 [? C Sat?] 콜 센터 내 및 거래 경험 그래서, 왜 AI에 흥미가 있습니까? 그것이 실제로 도달했다고 생각하십시오 변곡점의 그리고 저는 이것이 매우 최근의 사건이라고 생각합니다 기술이 단순화되었습니다

당신이 가지고 있지 않은 충분히 충분히 접근 가능한 조직으로서 최고 기술자가 되려면, 얻으려고 노력하는 측면에서 많은 채용을하십시오 일종의 능력 향상 RAJEN SHETH : 그렇습니다 MATA KRAVITZ : 그 성숙과 그 종류 때문에 우리가 훨씬 더 많은 시간을 걱정할 수있게 해줍니다 고객 경험과 시간 단축 모델과 알고리즘 및 실제로 우리 투자의 측면에서 그다지 영향력이 없습니다

RAJEN SHETH : 그건 의미가 있습니다 기술을 어떻게 사용하고 있습니까? 고객 경험을 향상 시키는가? KRAVITZ : 좋아, Hulu에서 우리는 진정으로 파트너십에 집중하기로 결정했습니다 비즈니스의 다른 영역이 있습니다 역사적으로 일종의 건설업입니다 특히 핵심 역량에 관해서는 미디어 및 스트리밍 및 검색 알고리즘입니다

그러나 더 나아 가기 시작하면 핵심 역량과 서비스 환경에서, 우린 파트너 야 그래서 우리에게는 우리가있는 세 파트너가 있습니다 우리의 생태계에 연결됩니다 첫 번째는 Salesforce입니다 우리는 끝까지 사용합니다

도움 사이트는 Salesforce, 우리 지역 사회, 전능 채널 배포 – 그래서 우리는 두 가지 다른 방법을 제공합니다 채팅이나 전화를 통해 우리에게 연락하기 최근 채팅 봇으로 AI 여행을 시작했습니다 두 번째 파트너는 Five9이며 클라우드 기반 전화 회사 정말 우리가 매우 빠르게 확장 할 수있었습니다 또한 Salesforce에 아주 잘 연결됩니다

전 방향 채널 전화 기능과 관련하여 이제 Google과 파트너 관계를 맺고 있습니다 우리는 Google을 차세대에 실제로 노출시키고 있습니다 복잡한 사용 사례 그리고 우리에게 정말 놀라운 것은 우리가 이 생태계를 구축했습니다 그리고 각 파트너는 그들의 각각의 로드맵을 진화시키는 종류, 이 플러그인을 사용하는 것은 매우 쉽습니다

Dialogflow와 같은 것입니다 우리를 위해 플러그 앤 플레이 따라서 우리가 구축 한 정말 좋은 파트너 생태계입니다 RAJEN SHETH : 멋지 네요 서로의 위에 추가하고 각 하나를 더 낫게 만듭니다

비즈니스 과제에 대해 조금 이야기 할 수 있습니다 당신이 겪고있는 어려움은 무엇입니까? KRAVITZ : 그렇습니다 그래서 우리는 48 %의 숫자입니다 그 성장이 실제로 볼륨에 접촉하는 것입니다 따라서 점점 더 많은 사람들을 고용하는 것에 의존 할 수는 없습니다

그냥 확장 할 수 없습니다 기술에 대한 의존도가 점점 더 커지고 있습니다 혁신 권리? 내가 생각하기에 몇 가지 KPI가 있습니다 어떻게 진전하고 있는지

아주 간단한 두 가지는 Average Handle Time, AHT입니다 그리고 그것을 측정하는 방법과 기술 AHT와 맞설 수 있습니다 우리가 그것을 어떻게 다루고 있는지에 대한 좋은 예가 몇 가지 있습니다 그리고 다른 하나는 긍정적 인 편향입니다 권리? 그래서 편향이 아니라 긍정적입니다

이는 사람들이 문제를 해결하는 데 도움이됩니다 따라서 문제는 AHT를 줄이면 당신은 긍정적 인 편향을 증가 시키려고 노력하고 있습니다 부정적인 영향을 미치지 않으면 어떻게합니까? 순 발기인 점수 및 [? C 토?]? 너는이 두 가지의 균형을 맞추어야한다 이는 흥미로운 비즈니스 과제입니다 RAJEN SHETH : 아니, 당연하지

정말 까다 롭고 알아 내려고 노력하다 다른 하나에 영향을 미치지 않고 균형을 유지하는 방법 그래서 정말 재미있는 것을 공유 할 수 있습니까? 청중과 함께 멋진 청중에게 흥미가있을 것이라고 생각합니까? MATL KRAVITZ : 그렇습니다 그래서 Hulu는 미디어 회사입니다 그래서 우리는 이제 애니메이션 단편이 있습니다

Salesforce 및 Google과 파트너 관계를 맺고, 이 놀라운 새 영화입니다 RAJEN SHETH : 물론 MATA KRAVITZ : 우리는 당신과 그것을 공유 할 것입니다 그리고 그것은 아마 단어가 할 수있는 것보다 더 잘 설명 할 수 있습니다 RAJEN SHETH : 훌륭합니다

우리는 그것을보고 싶습니다 [비디오 재생] – Google Cloud와 Salesforce는 파트너 관계를 맺고 있습니다 AI 기반의 고객 서비스 경험 회사는 고객의 경험을 변화시킬 수 있습니다 매력적인 경험을 확장하기위한 Hulu의 비전을 보여 드리겠습니다 눈을 통해 2 천 5 백만 명이 넘는 가입자에게 Hulu 뷰어 Lauren의 Hulu를 사용하면 시청자가 쉽게 시청할 수 있습니다

언제 어디서나 도움을 얻을 수 있습니다 고객이 긴 전화 트리를 탐색해야하는 대신, Google Cloud의 가상 에이전트를 기반으로하는 Hulu 봇 기술로 시청자를 즉시 ​​유도 할 수 있습니다 대화식 경험과 같은 인간의 경우, 24 시간 연중 무휴로 문제를 해결하고 전화를 원활하게 전달할 수 있습니다 적시에 요원에게 안녕, 로렌

Hulu에게 전화 해 주셔서 감사합니다 오늘 어떻게 도와 드릴까요? – 안녕, 계획을 업데이트하고 싶습니다 NBA 농구 경기를 볼 수 있습니다 – 확실한 것 Chromecast Ultra에서 시청 한 것 같습니다

게임을보고있는 장치입니까? – 응 – 완벽 해 우리 Hulu Plus 라이브 TV 플랜을 권하고 싶습니다 니가 원한다면 나는 너를 옮길 수있어 뷰어 경험 옹호자 중 한 명에게 그 설정을 맡깁니다

– 고마워 고마워 [전화 거는 중] – 로렌 Hulu에게 전화 해 주셔서 감사합니다 – 인간 요원이 이제 모든 것을 갖추고 있습니다

Salesforce 서비스에 필요합니다 클라우드 콘솔, 전체 통화 기록부 포함 사례 해결을 신속하게 처리 할 수 ​​있습니다 Google의 상담원 지원 기술 기계 학습에 의한 권장 사항 제시, 상담원이 시청자가 필요로하는 것을 쉽게 알 수 있습니다 빠른 답변 – Hulu Plus Live TV 플랜을 추가하려는 것 같습니다

농구 경기를 볼 수 있습니다 나는 당신을 도와 드리겠습니다 – 좋을거야 – 완벽하게, 라이브 TV 추가 계획을 업데이트하겠습니다 – 통화가 진행되면 상담원 지원 새로운 추천을 계속해서 나타냅니다

대화의 컨텍스트를 기반으로합니다 너는 또한 너가 볼 수 있었다는 것을 알았 는가? Hulu 라이브 TV를 태블릿과 같은 추가 장치에 설치합니다 그걸 도와 드릴까요? – 물론 이죠 – 좋아요, 기사를 보내 드리겠습니다 미래의 장치를위한 단계를 안내합니다

게다가 – AI가 제공하는 권장 사항 및 제공 정보가 실제 제공됩니다 상담원이 모든 대화에 가치를 더할 수있게하는 시간 시청자의 참여와 행복을 유지하십시오 – 그 밖에 너 최근에 봤어? 농구 외에? – 남편과 내가 원했던거야 우리가 준비 할 수 있도록 게임의 진실을 기다려라

마지막 시즌 – 굉장해 HBO를 추가하면 Hulu 계획을 통해 Hulu 앱에서 직접 시청할 수 있습니까? 원하시면 HBO를 플랜에 추가 할 수 있습니다 – 네, 그렇게합시다 – 상담원은 모든 비즈니스 프로세스를 단계별로 안내합니다

다음에해야 할 일에 대한 암기가 필요하지 않습니다 Google Cloud AI와 Salesforce의 결합 된 힘 Einstein은 또한 미리 채워진 케이스로 통화 정리를 쉽게 만듭니다 세부 정보, 데이터 품질 향상 및 에이전트 시간 절약 그들은 다음 시청자를 돕는쪽으로 나아갑니다 Google Cloud 및 Salesforce를 사용하면 Hulu는 이제 모든 서비스 상호 작용에 AI를 통합 할 수 있습니다 시청자 경험을 다시 상상해보십시오

[끝내기] RAJEN SHETH : 와우는 정말 흥미 롭습니다 아주 멋지다 MATL KRAVITZ : 내 IMD 프로필이 좋아 보인다 정말로 매우 흥미로운 RAJEN SHETH : 훌륭합니다

그러나 그것은 정말로 흥미 롭습니다 아주 멋진 것들 이것이 정말 유용 할 수있는 방법의 예를 보여줍니다 MATA KRAVITZ : 여기에 많이 있습니다 내가 좋아하는 두 가지를 공유하고 싶습니다

그래서 하나는 기억하기에 좋은 두문자어입니다 실시간 음성 분석 인 RTSA입니다 그래서 저는 이것이 게임 체인저 인 것 같아요 게임 체인저의 동영상에서 볼 수있는 놀라운 점은 무엇입니까? 화면 중앙에서 무슨 일이 일어 났는가? 시청자와 대화하는 방법 당신은 문자 그대로 – 자막과 거의 같습니다 목소리의 즉각적인 녹음이 있습니다

이 기술 자체가 게임 체인저가 아닙니다 그러나 무슨 일이 일어나는가는 그것이 존재하는 것입니다 텍스트로 기록 될 수있는, 몇 가지 흥미로운 기능을 사용할 수 있습니다 그래서 한 가지 흥미로운 기능은 전통적인 콜센터에 있습니다 환경은 케이스가로드 될 때입니다

당신은 지식 기사 또는 차선책을보고 있습니다 그리고 이것은 용어로는 하나의 개념입니다 대화가 시작되는 방법 그러나 그 동영상에서 그 동영상이 자신과 대화를 통해 업데이트 할 수있다 정말 역동적 인 추천을 제공합니다 RAJEN SHETH : 훌륭합니다

MATT KRAVITZ : RTSA가 정말로 그 기술을 가능하게합니다 따라서 매우 흥미로운 대화 기능입니다 정말 잠금을 해제 할 수있는 다른 것 전화 도중 상상해보십시오 upsells 또는 유지를 통해 A / B 테스트를 할 수 있습니다 제공합니다

다시 말하면, 시스템이있는 정적 목록 대신에 그 대화의 의도를 이해하십시오 그 경우에, 당신도 알다시피, Game of Thrones 의향이고 제안 HBO는 다음 제일 활동이다 – 그 패키지 그냥 정말 멋진 기능을 정말로 열어줍니다 그리고 인공 지능으로 우리는 모든 호출에서이 작업을 수행 할 수 있습니다 호출의 일부만이 아닙니다

그리고 당신은 정말로 최적의 추천을 얻을 것입니다 그것을 통해 그것의 사업 결과의 점에서, 나는 그것이 정말로 초점이라고 알고 있습니다 당신은 정말로 최소한 30 초를 기준으로 삼고 있습니까? 검색 비용의 RAJEN SHETH : 정말요? MATA KRAVITZ : 기술 자료, 그리고 다음 최상의 행동을 위해 알다시피, 우리 사업에서 초 카운트

시청자가 TV를 더 빨리 시청하도록 유도 정말로 우리의 목표입니다 따라서 20 초, 30 초 절약하면 정말 좋은 리프트입니다 따라서 평균 처리 시간에 영향을 미칩니다 RAJEN SHETH : 훌륭합니다 고객과 고객 모두에게 훌륭한 제품입니다

네, 크라비츠는 모두 승리합니다 RAJEN SHETH : 훌륭합니다 다른 유스 케이스는 어떤가? 두 번째 유스 케이스는 무엇입니까? MATA KRAVITZ : 두 번째는 내가 제일 좋아하는 것입니다 그리고 그것은 내가 가장 좋아하는 것입니다 그리고 그것은 정말로 보편적 인 콜센터 통증이라고 생각합니다

요점은 일에 관한 가장 재미있는 일입니다 콜센터에서 속성 또는 전화 작업 후 그것은 일종의 비용 보고서를 작성하는 생각 나게합니다 그리고 당신은 모든 드롭 다운을 가지고 있습니다 운임인가? 아니면 식사입니까? 그것은 단지 고통스럽고 반 시간은 당신입니다

다만 진짜로 적당한 가치를 선택하지 않기 때문에, 왜 나는이 모든 시간과 에너지를 소비하고 있는가? 올바른 가치를 고르는거야? 콜센터도 같은 느낌입니다 콜센터 에이전트 아주 자주 당신은 다른 많은 것을 보게 될 것입니다 또는 알파벳순으로 맨 위에 뭔가가 나타납니다 그것은 선택하기가 가장 쉽기 때문입니다

그래서 그 비디오를 보면서, 그 스크린 오른쪽 상단에 튀어 나온 사례 결과의 측면에서 측면 그 주변의 귀속 두 가지면에서 게임 체인저입니다 다시 한 번 전화 당 20 초가 걸릴 것입니다 따라서 마지막 유스 케이스에서 30 초가됩니다 우리는 자동 귀속을 통해 20 초를 얻게 될 것입니다

하지만 다른 점은 실제로 우리에게주는 것입니다 좋은 데이터와 통찰력 그래서 누군가와 파트너가 될 수있는 것입니다 그 정보를 분석 할 수있는 구글처럼, 의도를 결정하고 모든 정보를 돌려 준다 상담원이 말하는 서비스 콘솔에 예, 예, 최종 승인을해야합니다

정말 우리에게 큰 통찰력을 줄 것입니다 RAJEN SHETH : 정말 대단합니다 MATA KRAVITZ : Dialogflow는 정말입니다 이 기술을 구현하는 데 매우 가치가있을 것입니다 나는 그것이 보편적 인 유스 케이스라고 생각한다

RAJEN SHETH : 훌륭합니다 이것에 대한 마지막 생각은 인공 지능의 윤리에 관한 것입니다 그리고 그 생각에 대해 우리에게 무엇을 말해 줄 수 있습니까? MATA KRAVITZ : 물론 두 가지 예를 생각해 보았습니다 우리가하는 것의 관점에서 낮은 매달린 과일 시간을 절약하는 것과 관련이 있습니다 그래서 50 초

문제는 50 초 동안 무엇을합니까? 쉬운 대답은 ROI라고 말하는 것입니다 이것이 귀하의 프로젝트에 자금을 공급할 것입니다 또한 매우 흥미로운 잠재적 인 대치 포인트가 있습니다 그게 아마 뭔가 더있어 그 시간에 인간적

에이전시와 시간을 분할했을 수도 있습니다 의미는 ROI에 20 초, 25 초, 다시 비즈니스로 25 초를 요원에게 돌려 줄 수 있습니다 권리? 숨을 쉬거나 일어 서서 잠시만 기다려주세요 또는 단순히 업무 경험의 질을 향상시킬 수 있습니다 정말 재미있는 대화입니다

그리고 나는 우리가 상황에 처한 것은 꽤 행운이라고 생각한다 그 내부 토론의 한가운데에 있기조차했다 그러나 나는 AI가 가져올 것의 윤리를 생각한다 정말 좋은 주제입니다 RAJEN SHETH : 너무 좋습니다

그것에 대해 생각할 수있는 좋은 방법입니다 이것은 매우 흥미로운 새로운 접근법입니다 이 사실을 우리와 공유해 주셔서 감사합니다 크래비츠 : 대단히 고마워 RAJEN SHETH : 감사합니다

[박수 갈채] 앤드류 무어 : 그래서 나는 이것을 정말로 즐겼습니다 그리고 Google에 대해 어떻게 이야기하는지 알아 봅니다 인공 지능, 최선의 방법 실제로 무슨 이야기인지 이야기하는 것입니다 기업에서 일어나는 일 그것이 우리가 요즘있는 곳이기 때문입니다

우리가 공통으로 볼 수있는 핵심 사항 시청자 참여를 높이고 있습니다 우리는 고객 서비스를 확장하고 있으며, 우리는 결정을 내리고 있습니다 보다 빠르고 투명하게 우리는 물건을 세계화시키고 있습니다 그러나 우리는 여전히 개인화 터치를 유지하고 있습니다 RAJEN SHETH : 가장 중요한 것은, 이것은 도달 범위 내에 있습니다

이것은 미래에있는 것이 아닙니다 바로 지금있다 모두를위한 것입니다 더 효율적이고, 데이터의 가치를 잠금 해제하는 것과 같습니다 더 나은 방법으로 고객에게 다가 갈 수 있습니다

그래서 많은 세션들이 많이 있습니다 여기는 다음에 훨씬 더 깊어 질 것입니다 그리고 더 많은 것을 찾으려면 cloudgooglecom/AI로 이동하십시오

우리 모두와 함께 일하고 싶습니다 고맙습니다 [음악 재생]

What is a quantum computer? (QuantumCasts)

구글 AI 양자 양자 컴퓨팅 최근 뉴스에 떠돌면서 종종 신비스러운 분위기나 환상적인 약속들을 곁들였습니다 그런데 "양자"가 컴퓨터 하드웨어의 문맥 안에서 의미하는 것은 무엇일까요? 양자 컴퓨터를 일반적인 컴퓨터와 구분되게 하는 것은 무엇인가요? 양자 컴퓨터는 어떻게 생겼나요? 우리가 그것을 어떻게 만드나요? 제 이름은 마리사 지우스티나이고 구글 AI 양자 하드웨어 랩의 연구원입니다 저는 그 질문들을 분석하고 싶습니다 그리고 바라건대, 약 5분내에 "양자 컴퓨터"라는 용어가 여러분에게 좀 더 많은 의미가 되길 바랍니다 우리는 우리와 소통할 수 있는 장치들을 만들기 위해 일하고 있습니다 즉, 단순한 양자 모델에 따라 확실이 행동하는 우리가 조종할 수 있고 읽어낼 수 있는 그런 장치들 말이죠 다시 말해, 우리는 양자 컴퓨팅 하드웨어를 만들고 있습니다 양자 하드웨어는 특정 종류의 컴퓨터 문제들을 다루는데 있어서 도구로써 사용될 수 있습니다 그래서 지금 하고 있는 노력들은 하드웨어를 개발하는 것과 이 하드웨어에 영향을 주는 알고리즘을 개발하는 것입니다 첫 번째 질문부터 시작해보죠 하드웨어가 양자가 된다는 것은 무엇을 의미하나요? 대답하기 전에 양자 역학에 대해서 잠깐 이야기를 해보고자 합니다 모형은 우리가 우주를 특정 환경 설정에 넣고 특정 방향으로 쿡 찔렀을 때 무슨 일이 일어날 지를 예측하기 위한 물리학자의 도구입니다 예를 들어, 여러분이 한 번도 고층 건물을 지어본 적이 없다면 그것을 전체 규모로 만들기 전에 레고 버전을 먼저 만들 것입니다 그것이 모형입니다 모형은 또한 수학의 언어로도 표현될 수 있습니다 우리가 아는 가장 기본적인 모형의 근본은 20세기 초에 개발되었습니다 그리고 양자 역학이라고 알려져 있습니다 "역학"이라는 단어는 어떠한 일들이 일어나는 구조를 나타냅니다 "양자"라는 단어는 별개의 에너지의 양이나 어떤 다른 물리적 양을 나타냅니다 양자 역학 안에서 에너지는 패킷으로 들어옵니다 때때로 그것은 광자라고도 불리죠 그리고 여러분은 부분 패킷을 가질 수 없습니다 그래서 양자 물체가 뭔가요? 사람들은 종종 양자 물체를 작은 것으로 양자 도약을 큰 것으로 간주합니다 하지만 "양자"라는 단어는 물체의 크기를 좌우하지 않습니다 사실은 양자 물체는 단 하나의 에너지를 명료한 방식으로 나타낸 것입니다 예를 들어, 제가 언급한 광자는 양자 물체입니다 광자는 에너지의 단일 입자입니다 마찬가지로, 원자는 양자 물체입니다 원자핵 주위에 날아다니는 전자는 오직 에너지의 특정 양자에 의해서만 더 높은 궤도로 들뜰 것입니다 낮은 궤도와 높은 궤도 사이에는 중간 지점이 없습니다 만약 잘못된 에너지가 공급된다면 단순히 전자가 착륙할 궤도가 없습니다 간단히 말해서, 양자 물체는 관측 가능한 행동에서 자연이 별개의 패킷에서만 에너지를 제공한다는 것을 반영하는 것입니다 이제 다음 질문으로 가봅시다 양자 컴퓨팅 하드웨어와 일반 컴퓨터의 차이점은 무엇입니까? 본질적으로, 양자 하드웨어는 일반 컴퓨터보다 더 풍부한 세계에 살고 있습니다 단순하고 추상적인 양자 물체에 대해 생각해 봅시다 그것은 전적으로 두 가지 다른 에너지 수준 중 하나일 수 있다는 사실에 의해 설명됩니다 그것들을 레벨 0과 1이라고 부릅시다 0 주위에 있는 이 괄호들을 해석할 수 있는데 이것은 "0"이라고 불리는 양자 에너지 수준이라는 뜻이에요 그리고 "1"에도 마찬가지로요 여기, 예를들어 "psi"라는 양자 에너지 상태가 있습니다 고전적인 정보, 즉 두 값 0과 1 중 하나를 가질 수 있는 스위치를 떠올려 보세요 우리의 양자와 고전적인 정보 사이의 명백한 유사성 때문에 우리는 이 유사 양자를 양자 비트나 큐비트라고 부릅니다 양자 역학에 관한 한가지 특이한 점은 중첩의 존재입니다 중첩은 에너지 수준 0과 1의 특별한 혼합물과 같습니다 각 에너지 수준의 중량은 복잡한 상수 C0과 C1에 의해 주어집니다 만약 우리가 큐비트의 에너지를 측정한다면 우리는 때때로 0을 관측할 것이고 때로는 1을 관측할 것입니다 그 값은 상수에 의해 주어집니다 개별 측정은 0 또는 1의 결과를 낳을 겁니다 다른 선택은 없습니다 하지만 측정을 하기 전에 우리는 최대한 0이나 1을 얻을 가능성을 알고 있습니다 측정하기 전까지 실제 값을 정확히 알 수는 없습니다 따라서 측정하기 전에 큐비트의 에너지 상태에 대해 이야기하고자 할 때 큐비트가 어떤 결과를 보여줄지 아직 결정하지 않았다는 것을 나타내기 위해 중첩을 사용합니다 각 결과를 얻을 가능성이 정해져 있음에도 불구하고 말이죠 이 중첩 사업을 인정하는 것조차 좀 특이한 일이긴 하지만 우리는 그것이 하나의 큐비트를 나타낼 만큼 충분히 쉽다는 것을 받아들일 수 있습니다 방금 저기에 적어놨어요 더 많은 큐비트에 대해 생각하는 것은 점점 더 어려워집니다 우리가 두번째 큐비트를 추가했다고 가정해보세요 만약 이것들이 이전의 스위치들이었다면 우리는 각각의 스위치를 독립적으로 생각할 수도 있었습니다 하지만 큐비트는 다릅니다 하나의 큐비트만으로도 중첩 상태에 있을 수 있습니다 두 개의 큐비트는 중첩 상태를 공유할 수 있습니다 예를들어, 측정 결과를 모르지만 정확히 두 물체에게 같거나 두 물체에게 다른 중첩 상태를 서로 공유할 수 있습니다 예를들어, 파란 큐비트와 노란 큐비트가 중첩 상태에 함께 있는 상태가 있습니다 여기에서 그들은 서로 상호작용을 합니다 측정을 하기 전에 파란 큐비트가 0이나 1이 될지는 알 수 없습니다 하지만 두 개의 큐비트를 측정하면 각각에 대해 항상 같은 답을 얻을 수 있습니다 마찬가지로, 이 경우, 파란색과 노란색 큐비트를 측정하는 것은 항상 반대되는 결과를 가져올 것입니다 즉, 두 개의 큐비트를 완전히 설명하기 위해서는 가능한 모든 측정 결과에 대해 C를 고려해야 합니다 세개의 큐비트를 묘사하기 위해서는 8개의 C를 필요로 합니다 4개의 큐비트를 묘사하는 것은 16개의 C를 필요로 하고, 다른 것도 이런 식입니다 우리가 다른 큐비트를 추가할 때마다 전체를 설명하는 데 두 배의 정보가 필요합니다 그것이 양자 하드웨어를 차별화하는 핵심입니다 양자 시스템은 더 풍부한 공간에서 삽니다 그래서 일반의 컴퓨터로 n큐비트를 대표하는 것은 n 넘버에 2를 요구합니다 하지만 이것은 100 큐비트의 양자 메모리가 2에서 100번째 비트의 일반적인 메모리와 일치한다는 것을 의미할까요? 넘겨 짚지 마세요 양자 하드웨어는 특정 종류의 정보를 인코딩하고 처리하는 데 매우 효과적입니다 하지만 일반적인 컴퓨터의 많은 유용한 면들을 효율적으로 모방할 수 없습니다 우리가 사진이 1000단어의 가치가 있다고 말할 때 우리는 사진을 위해 단어 전체를 파괴시키지 않습니다 우리의 현대 컴퓨팅 역량에 양자 하드웨어를 추가하는 것은 지금까지는 말만 사용해 온 소통 전략에 사진을 추가하는 것과 같을 것입니다 그래서 양자 하드웨어가 잘 하는 것은 무엇인가요? 양자 시스템의 기하급수적으로 증가하는 복잡성은 또한 양자 하드웨어가 어디에서 유용할 수 있는지에 대한 단서를 제공합니다 화학 및 물질 개발의 분야에서 분자의 시뮬레이션은 새로운 분자의 특성을 완전히 합성하기 전에 배우는 강력한 기술이 될 수 있습니다 하지만 컴퓨터에서 화학을 시뮬레이션하는 우리의 능력은 제한적입니다 그 중심에서, 화학은 양자역학의 응용입니다 우리가 모델에 추가하는 각 전자는 이미 매우 작은 분자에 대한 값비싼 계산으로 컴퓨터를 무력화시키는 변수들의 수를 두 배로 늘립니다 대신에 양자 레고 세트로 화학 모형을 만들 수 있다고 가정해보세요 그러면 모형은 모형화된 시스템을 통제하는 같은 물리학으로 만들어질 것입니다 사실, 화학과 물체 시뮬레이션은 양자 하드웨어를 사용하여 접근하기 위한 관심을 끄는 단기 문제로 나타났습니다 드디어 마지막 질문이네요 양자 컴퓨터는 어떻게 생겼고 어떻게 만드나요? 구글에서 만들고 있는 실제 하드웨어에 대해 간단히 살펴보겠습니다 우리의 큐비트는 패턴으로 만들어진 공명 전기 회로입니다 두 가지 에너지 수준에서 전류를 앞뒤로 차단하여 양자 0 및 1 상태를 인코딩하는 실리콘 칩의 알루미늄입니다 여기 우리 양자 칩들 중 하나의 견본품이 있습니다 각 칩은 72큐비트를 나타냅니다 보시는 바와 같이 그것은 약 4분의 1의 크기입니다 우리는 각 큐비트가 하나의 양자 물체로 작용하기를 원합니다 두 개의 레벨로 말이죠 환경에서 큐비트와 상호 작용하는 다른 입자는 두 가지 수준의 이상에서 벗어납니다 따라서 깨끗한 큐비트 환경을 만드는 것은 매우 중요한 과제입니다 동시에, 우리는 큐비트를 효율적으로 제어할 수 있기를 바랍니다 에너지의 양자들을 추가 및 제거하고 큐비트 쌍이 상호작용을 통해 요구만 있다면 에너지를 교환할 수 있기를 바랍니다 이러한 요구들은 서로 반대되는 것처럼 보입니다 이상적인 큐비트들은 아무것도 없는 것과 상호 작용할 수 있도록 완전히 깨끗해야 합니다 하지만 특정한 경우에는 우리는 그들이 매우 강하게 상호작용을 하기를 원합니다 이를 통해 우수한 양자 하드웨어 구축의 긴장과 과제를 파악할 수 있습니다 깨끗한 큐비트를 만드는 첫 단계는 전기적 손실이 없는 초전도 물질로 큐비트 회로를 만드는 것입니다 초전도체들은 아주 낮은 온도에서만 작동합니다 그리고 우리는 큐비트들을 절대 0도 위의 바로 한 부분인 50밀리켈빈 온도보다도 낮은 저온유지장치에 큐비트를 작동시키는 것입니다 저온유지장치 안의 차가운 온도와 진공 상태는 또한 큐비트 환경을 깨끗하게 유지하는 데에 기여합니다 저온유지장치는 여러개의 중첩된 판과 통으로 구성되어 있습니다 가장 따뜻한 상태는 가장 위에 있고 아래로 갈수록 차가워집니다 저온유지장치의 중심에 있는 모든 장비는 물체들을 차갑게 하는 책임을 맡고 있습니다 우리의 하드웨어는 가장자리와 가장 낮은 가장 차가운 판에 설치되어 있습니다 각 큐비트칩은 반드시 패키지에 장착해야 하며 이 패키지는 칩을 밀리클빈 온도로 고정시키고 큰 케이블과 작은 칩 사이의 간격을 메웁니다 패키지 칩을 처리하기 위해 저온유지장치 외부의 전자 장치는 저온유지장치의 케이블을 통해 신호를 전송합니다 각 케이블은 실내 온도에서 가장 추운 단계까지 전기 신호를 전달해야 하며 최소의 열만 누출해야 합니다 열 부하가 크면 냉동 저장소가 밀리클빈 기본 온도에 도달하지 못할 수 있습니다 필터 및 증폭기 모음이 각 케이블에 특정 작업을 위해 사용됩니다 저온유지장치 외부의 전자 장치는 컴퓨터에서 실행되는 코드에 의해 제어됩니다 그들은 정밀하게 교정된 전기 신호를 생성하고 마이크로파 방사선의 진동 모양은 큐비트를 제어하고 판독하기 위해 전송됩니다 칩에서 저온유지장치까지와 케이블에서 코드까지의 이 전체 시스템은 양자 하드웨어를 실행시키는 데에 모두 필수적입니다 저는 여러분이 이 지난 몇 분 동안 양자 컴퓨팅 기초에 대해 알아본 것을 즐겼길 바랍니다 우리는 "역학"이라는 단어에 대해 얘기했습니다 특히, 그것이 컴퓨터 하드웨어와 관련되어 있을 때에 대해서요 중첩되는 단일 큐비트에 대한 아이디어를 고려해 볼 때 큐비트를 추가할 때마다 전체 큐비트를 설명하는 데 두 배의 정보가 필요하다는 것을 알게 되었습니다 그것이 정말로 양자 컴퓨터를 일반적인 컴퓨터와 구별하는 것입니다 마지막으로 저희 양자 컴퓨터가 어떻게 생겼는지 그리고 그것을 만들기 위해 우리가 개발하고 있는 기술에 대한 기본적인 감각을 얻을 수 있었던 짧은 실험실 견학을 즐기셨기를 바랍니다 바라건대, "양자 컴퓨터"라는 단어가 5분 전에 했던 것보다 조금 더 많은 의미를 지니게 되었으면 합니다 우리가 양자 프로세서를 어떻게 만들고 맞추는지에 대한 더 자세한 정보를 원하시면 아래 설명란에 있는 링크를 봐주시길 바랍니다 구글 AI 양자