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]

Google uses its AI expertise to help the blind explore their surroundings

지난 몇 년 동안 AI 공간에서 Google이 해왔 던 대부분의 작업은 이미 쉽게 사용할 수있는 사람들을위한 생활을보다 쉽게 ​​만들어주는 데 목적이 있습니다 그러나 검색 엔진은 때때로 인공 지능과 기계 학습과 같은 광범위한 지식을 사용하여 더 큰 이익을 얻습니다

불행한 사람들이 현대 기술을 진정한 삶의 방식으로 활용할 수 있도록 도와줍니다 시각 장애인 또는 시각 장애인으로 구성된 세계에서 약 2 억 3 천 3 백만 명을 타겟팅하는 Google 디자인 모바일 앱인 Lookout을 입력하십시오 "안타깝게도 초기 매장 지원은 Android 8을 실행하는 미국의 Pixel 전화로만 제한되어 있기 때문에 놀랍게도 놀랍게도 놀랍게도 놀랍게도 놀랍게도 Play 스토어에서 Lookout을 다운로드 할 수 있습니다 0 이상의 가치를 지니고 있습니다 Google의 "희망"은 어떤 종류의 시간표에도 단어가 없지만 가용성이 "더 많은 기기, 국가 및 플랫폼"으로 곧 "확대 될 것"입니다

우리는 Pixel 1, 2, 3 사용자가 앱을 수신하는 방법에 따라 의견이 다를 것이라고 생각합니다 그런데 Lookout은 원래 2018 년 5 월 I / O 컨퍼런스에서 발표되었으므로 결과의 "테스트 및 품질 개선"에 많은 시간을 필요로합니다 이것은 분명히이 제품이 휴대 전화의 카메라와 센서를 사용하여 "시력이 좋지 않거나 시력이 약한 사람들을 돕기 위해 야심 찬 목표를 가지고 있기 때문입니다 "선택할 수있는 세 가지 작동 모드가 있습니다 주변을"탐색 "하고, 독립적 인"쇼핑 "경험을 위해 바코드 및 통화를 읽으며, 우편물을 분류하고 표지판을 읽도록 손을 보냅니다 및 "빠른 읽기"기능이있는 레이블 그 핵심에서, 앱은 당신 앞에서 무엇이 있는지를 알려주는 것을 목표로하며, 항상 소리처럼 쉽지는 않습니다 그러나 Lookout의 인공 지능 기술은 "100 % 완벽하지"않을 것이라는 경고에도 불구하고 매일의 항목, 텍스트, 장소 및 사람들을 식별하는 데있어 50 %의 정확도가 사람들의 삶에 변화의 세계를 만들 수 있습니다

Engineers, coders – it’s down to you to prevent AI being weaponised

논평 논쟁은 다양한 인터넷 거인들의 전쟁에 대한 차세대 기술 제공에 대한 몇 개월 동안 격렬 해졌다 예를 들어, 3 월에 구글의 반대자들은 웹 골리앗과 미국 군대의 Project Maven 계약에 관한 언론에갔습니다

이 Maven은 무인 항공기를 물체 감지 AI와 함께 다른 것들과 조화시키는 것을 목표로합니다 이 미 국방부 프로젝트는 분명히 2017 년 4 월에 시작되었습니다 Google은 컴퓨터 비전 TensorFlow API가 "비 공격적인"목적으로 만 사용되었으며 Pentagon과의 Maven 계약에서 기술의 악의적 인 사용을 반복적으로 부인했습니다 3000 명 이상의 직원이 Google CEO Sundar Pichai에게 "Google은 전쟁의 비즈니스에 있어서는 안된다"는 공개 서한에 서명했습니다 세계의 학자들은 또한 구글이 프로젝트 작업을 중단 할 것을 촉구했다 비록 그 개입의 범위가 분명하지는 않지만 구글은 지난달에 함침했고, AWCFT (Algorithmic Warfare Cross-Functional Team)와의 계약을 갱신하지 않을 것이라고 말했다 또한 구글이 무기를 만들지 않겠다는 "AI 원칙"목록이나 "주요 목적을 가진 기술 사람들에게 상해를 입히거나 직접적으로 촉진시키는 것입니다

" 다른 사람들은 중요한 질문에 답을주지 않은 채로 남겨 두었다 무인 항공기 전쟁에 관한 토론에는 Google이 입찰을하기 전에 고려해 봤어야했던 몇 가지 기록이 있습니다 저는 2011 년부터 예멘과 파키스탄에서 무인 항공기 전쟁을 조사했습니다 무인 항공기에서 무고한 친척들을 잃은 민간인들을 대변했습니다 대중은 이러한 기술을 사용하고 사용하는 방법과 테러와의 전쟁이 벌인 곳에서 보이는 테러와의 전쟁에 대한 현실주의를 건강하게 필요로합니다 물론 블랙 박스 알고리즘이 잘못 될 수 있음을 처음 보았을 때 나는 예멘에 있었다는 것을 목표로 삼았습니다

2013 년에 무인 항공기 공격을 조사하고 증거를 수집하고 생존자와 인터뷰하기 위해 Sana'a 수도를 방문했습니다 DAt 원 포인트, 한 노인이 내게 다가갔습니다 그는 환경 공학자 인 Faisal bin Ali Jaber였습니다 그는 하드 드라이브에 2012 년 미국의 무인 항공기 파업에 관한 데이터를 친척 두 명에게 보냈습니다 그의 조카 인 Waleed는 경찰관이었습니다

그의 처남 인 Salem은 저명한 이맘이었습니다 살렘은 공격 전 며칠 전 알 카에다를 비난했다 둘 다 파업에서 사망했다 파이살은 대답을 원했다 왜 그의 가족이 공격을 받았습니까? 우리는 함께 워싱턴 DC로 7,000 마일을 여행하여 설명을 구했습니다

백악관 관료들은 파이살을 만났고 나중에 가족에게 현금으로 "조위"를 지불했지만 살렘과 왈 리드가 십자선에 걸린 이유는 결코 말하지 않았다 문제는 그 때도 분명했습니다 이것은 아마도 소위 "시그니처 스트라이크 (signature strike)"였을 것입니다 : 타겟의 신원은 알려지지 않았지만, 그들에 대한 감시 데이터는 목표 알고리즘에서 적기를 던졌습니다 인간이 미사일을 발사했지만 부분적으로는 소프트웨어의 권고에 따라 우리는 무기화 된 인공 지능이 의미하는 바에 불과하기 시작했습니다 AI가 누군가 선전에 나선다면 우리는 걱정합니다 부당한 체포로 이어질 때 우리는 조금 더 걱정합니다

Maven의 스테이크가 더 높습니다 Google은 Project Maven에 대한 기여를 옹호하면서 다음과 같이 말했습니다 "이 기술은 사람의 검토를 위해 이미지에 플래그를 지정하며 비 공격적인 용도로만 사용됩니다 "그렇게하기를 희망하지만 좋지만, 순진하다" "Collateral Murder"비디오를 본 사람이라면 누구나 구별 할 수있는 대상, 즉 총을 쏜 카메라가 타게팅의 핵심이다 타겟 획득은 항상 프로젝트 메이븐의 핵심이었습니다

Maven의 각서는 "첫 번째 과제는"ISIS 캠페인을 지원하기 위해 전술 무인 공중 시스템 및 MidAltitude Full-Motion 비디오에 대한 처리, 착취 및 보급을 증대 또는 자동화하는 것 " 그것은 군인입니다 – "AI는 무인 항공기를 검색하여 공격 대상을 찾습니다" 프로젝트 메이븐 (Project Maven)의 의장은 "인간과 컴퓨터는 무기 시스템의 능력을 높이기 위해 공생 적으로 작동하여 물체를 탐지 할 수있다"면서 "한 분석가는 두 배의 작업을 할 수 있으며 잠재적으로는 세 배의 작업을 할 수있다 그들은 지금하고있다 "미국은 기계 학습을 이용해 수년간 목표물을 추적 해왔다 구글 챙겨 먹었 더라면 테네시주의 살인자 컴퓨터 뒤에 SKYNET이라는 NSA 프로그램을 발견했을 것이다

파키스탄에서 테러 용의자를 찾는데 기계 학습을 사용했다고 주장했다 2012 년부터 SKYNET에 관한 NSA 슬라이드 데크는 Edward Snowden이 출연 한 계시 중 하나로서, 미국이 AI를 조종하기를 희망하는 곳을 정확히 알려줍니다 SKYNET은 카메라 영상을 스캔하지 않았습니다 Google의 두뇌가 오늘날 구축 할 수 있었던 것보다 가볍습니다 그러나 그 목적은 분명했습니다 슬라이드는 기계 학습을 사용하여 택배를 찾아 내고, 택배에서 대상을 설명합니다

이것은 질문을 제기합니다 SKYNET은 몇 개의 타겟을 선택 했습니까? 공격을당한 비율은 어느 정도입니까? 실수는 어떻게 발견되고 수정됩니까? 슬라이드는 말하지 않는다 언론인과 전문가들은 다르게 해석했다 그러나 우리는 목표 원 – 알 자지라의 아메드 자이 단 (Ahmed Zaidan) NSA 슬라이드는 그에게 "알 카에다 회원"이라고 표시합니다 Zaidan은 항상 투사들을 인터뷰했다

그의 승리였다 그러나 그가 테러리스트라고 제안 할 증거는 없다 이것은 현대 전쟁과 같습니다 : 공격 대상의 바늘에 신호 데이터의 건초 더미를 도려내 기 그러나 무인 항공기에서 사망 한 대부분의 사람들은 "서명 파업"으로 사망했습니다 미국은 그들이 누구인지 전혀 알지 못했습니다

미국은 "삶의 패턴"이 당신의 뒤를 향해 불스 아이를 칠하는 것을 설명하기를 거부하지만, 대부분의 남자들이 무장하고 저항 분자들이 민간인으로 짜여져 결혼 한 사회에서는 네트워크 분석이 항상 실수를 범할 것이다 인공 지능 전쟁의 지지자들은 이것이 단지 오래된 문제 일 뿐이라는 것을 암시합니다 : 전쟁의 안개 AI가 가능한 전투의 규모와 속도는 다릅니다 우리는 무인 항공기 전쟁에서 이미 이것을 알고 있습니다 : 위험이없고 푸시 버튼 방식의 공격 옵션으로 숙고가 더 어려워집니다 너무 늦을 때까지 오류가 누락됩니다 임기가 끝날 무렵, 오바마 대통령도 무인 항공기 기술이 법과 윤리보다 앞서 나가는 것을 받아 들였습니다 우리 군대, 인텔 정보 팀은이를 실제로 효과적이라고 생각했으며, 진행

목표는 다음과 같습니다 알 카에다에 합류하자 지도자를 얻자 여기에 훈련 캠프가있다 가치가있는 목표가있다

무인 항공기는 아직 자율적이지 않아 안심할 수 없습니다 그렇습니다 "인간은 순환하고 있습니다" 인공위성 동력 무기가 트럼프의 미국, 사이의 중국 또는 아사드의 시리아에 의해 동일하게 사용될 것이라고 상상 한 사람은 누구입니까? 우리는 무기화 된 인공 지능이 무엇을 의미하는지와 겨루기 시작했습니다 AI가 누군가 선전을 할 때 우리는 걱정합니다

부당한 체포로 이어질 때 우리는 조금 더 걱정합니다 Maven의 스테이크가 더 높습니다 윤리 Google의 계약직 지도력은 그들이 얻은 바에 대해 진정으로 우둔한 것이 었습니까? 진실은 복잡하다 구글의 사람들 중 일부는 계약에 대한 공개 토론을 전혀하지 않는 것보다 도덕적 균형에 대해 덜 우려하는 것 같았다 인공 지능의 윤리적 발전에 관해 글을 남긴 구글 AI 과학자 Fei-Fei Li는 일반 대중이 메이븐의 추진력을 얻지 못했다는 이메일을 보냈다

"모든 비용으로 AI에 대한 언급이나 암시를 피하십시오"라고 그녀는 말했습니다 "Weaponized AI는 아마도 AI에서 가장 민감한 주제 중 하나 일 것입니다 이것은 미디어에 붉은 고기가있어 Google을 손상시킬 수있는 모든 방법을 찾아 낼 수 있습니다 "Li 씨가 옳았습니다 소동으로 인해 Google에서 계약을 맺은 이유는 무엇입니까? 이야기가 깨지면 방어가 바뀌 었습니다

Google은 전쟁을 더 좋고 안전하게 만들 수 있습니다 "이 기술은 생명을 구하고 사람들이 매우 지루한 작업을하지 않아도되는 것을 방지하기위한 것"이라고 구글은 말했다 "와이어드 (Wired)의 편집장조차도 무인 항공기를 짓기위한 구글의"도덕적 주장 "을 샀다"미국 정부가 최고의 인공 지능을 갖는 것이 좋다 그들이 잘못 식별 할 때 부수적 인 피해를 줄 수있는 무인 항공기가 특히 많습니다

"Google Cloud CEO 인 다이앤 그린 (Diane Greene)은 이러한 방어를 되풀이했습니다"생명을 구하는 것은 가장 중요한 목표였습니다 "구글은 진실했다 그러나 누구의 삶이 절약되고 취해 졌는가? 이러한 방어선에 공통적 인 것은 한 가지 오류이다 : 미국은 기술적 인 실패로 민간인을 죽이고 민간인의 삶에는 무관심하지 않다 그러나 무인 항공기에서 사용 된 용어는 우리에게 더 잘 가르쳐줍니다 "Bugsplats"

"하늘 기수가" "재미있는 크기의 테러리스트" 이것은 군대 아이들의 느슨한 이야기가 아닙니다 "왜 기다렸 니?" 트럼프 회장입니다 무인 항공기 운전사가 표적의 아내와 아이들의 생명을 구하기 위해 몰두했다고합니다 숫자가이 부분을 지니고 있습니다 오바마 행정부의 무인 항공기 전쟁으로 수백명의 민간인이 사망했다

트럼프 대통령 (Trump) 대통령에 따르면, 작년에 이라크와 시리아에서만 6,000 명이 넘는 민간인 사망자가 발생했다 구글이 군사 계약에서 얼마나 후퇴했는지는 불분명하다 치명적이고 비 치사적인 지원 사이의 경계는 원칙에 대한 정의만큼 명확하지 않습니다 그리고 구글이 AI 원칙을 발표하기 직전에, 구글은 플로리다의 특수 부대 대회에서 그 기술을 압박했다 피치는 Google이 압수 한 랩톱 및 오픈 소스 자료에서 "귀중한 분류되지 않은 정보의 착취를 가속화"하도록 특수 부대 분석을 "능률화"할 수 있다고 말했다

그러나 한 기자가 지적했듯이, 그 모든 자료는 특수 작전이 목표물을 찾는 데 도움이 될 것입니다 Google은 의견 요청에 응답하지 않았습니다 일부 인공 지능 원칙을 설명하려는 Google의 노력은 환영합니다 그것은 AI의 관심사에 관한 중요한 공개 대화를 열었습니다 그러나이 원칙은 구글의 다른 성명서 나 전쟁의 무기로서의 AI의 잠재력이 분명하게 받아 들여지는 다른 관객들에게는 불편하게 남아있다

엔지니어들은 더 많은 힘과 책임감을 가지고 있음을 깨닫습니다 우리 모두 AI 사용 장소에 대한 토론에서 역할을해야합니다 그러나 가장 중요한 독자는 AI 개발자 및 엔지니어입니다 메이븐 (Maven)의 이야기는 여러 가지 교훈을 제공합니다 첫째, 이들은 기술적 인 문제가 아닙니다

그들은 정치적이다 그리고 도구가 판매되면 제조업체는 사용법에 대해 "반복적 인 인간"이라 할지라도 모든 사람이 기술을 윤리적으로 배치하지는 않습니다 둘째, AI의 위험성은 모든 사람에게 동일하지 않습니다 트럼프 이후 우리가 오지 않는 위기는 오웰 (Orwell)의 1984가 아니라고 말하는 것이 일반적입니다 헉슬리의 멋진 새로운 세계 AI는 "주의 위기"를 몰고있다

일부 사람들은 의미있는 논쟁에서 우리를 혼란스럽게하고있다 이것은 주로 부유 한 국가의 인구에 해당합니다 너와 나는 트위터에서 싸우고, 충동을 사거나, TED 토크 디스토피아로 묘사되는 것들을해라 오웰은 밖에있다 가난한 사람들, 외딴 사람, 비 – 백인 대량 데이터 시팅은 이미 우리 삶에서 엄청난 역할을하고 있으며, 더 커질 것입니다

그것이 공학과 컴퓨터 과학이 예전의 직업처럼 규제되어야한다고 말하는 이유입니다 : 의학과 법 지금까지 우리에게 필요한 것입니다 뜨거운 물에 AI 토지 개발자를 비 윤리적으로 사용할 수 있습니까? 확실한 폭스 바겐 사건은 그 맛을 보여줍니다 하지만 감옥에 갈 위험이없는 개발자조차도 평판과 사람들의 삶을 알고 균형을 유지해야합니다 Maven에 항의하는 서한에 3,100 명의 기술자가 서명했습니다 Google 직원 중 약 4 %가 Maven 계약을 맺고 종료했습니다

그것이 AI 윤리 토론을 해결할 수있는 것입니다 – 그들이 구축하고있는 것에 대해 생각할 수있는 코드 작성 도구가있는 사람들을 위해 인공 지능 개발자는 엄청난 힘을 가지고 있습니다 그들은 모바일, 탐낼 인구입니다 무기 및 감시 장비는 재능과 동의하에 만 건설 될 수 있습니다 그들이 선을 위해 힘을 발휘하기로 선택했다면, 그들은 무엇을 할 수 있는지를 압니까? ® Cori는 대량 데이터 분석 윤리에 관한 연구 및 글쓰기 전문가입니다 그녀는 유혈 죄 재판에서 인권 조사단을 운영했다

Google packs more AI into its G Suite

구글은 전반적으로 10 명의 Gmail 사용자 중 1 명은 컴퓨터 생성 응답으로 전자 메일에 회신하며 생산성 도구 내에서 기계 학습을위한보다 폭 넓은 응용 프로그램에 신호를 보냈다고 G Suite 부사장 Prabhakar Raghavan이 샌프란시스코에서 개최 된 Google Cloud Next 2018 컨퍼런스에서 생산성 도구에 대한 일련의 기계 학습 기반 통합을 발표했습니다 Raghavan은 Gmail 응답의 10 % 이상이 이제는 "기계로 작성되고 사람이 받아 들였습니다"라고 말하면서, 기업에서의 AI 사용이 점차 수용되는 데있어 중요한 단계라고 지적했습니다 Gmail의 모바일 사용자는 이메일에 3 가지 제안 된 답변을 제공하는 '스마트 답장'기능에 익숙합니다

Google은 모바일 응답자의 12 %가 스마트 응답을 사용한다고 이전에 말했었습니다 이 기능은 4 월에 G Suite 재 디자인을 통해 데스크탑 버전의 Gmail에 도입되었습니다 Raghavan은 스마트 한 답글이 "앞으로 몇 주 안에 행 아웃 채팅에 도입 될 것" 그는 "채팅에는"캐주얼 할 만하지만 여전히 기업을 위해 충분히 전문적인 응답 "이라고 응답했다 Raghavan은 또한 Google이 "앞으로 몇 주 동안"G Suite에서 smart compose라는 또 다른 기계 학습 기능을 도입 할 것이라고 발표했습니다 Smart compose는 올해 초에 공개되었으며 사용자가 전자 메일을 입력 할 때 자동으로 문장 완성을 제안합니다 Raghavan은 대화에 대해 "중요한 사실을 배우고"작성되거나 답변되는 "이메일의 상황을 파악할"수있을뿐만 아니라 다른 사람들에게 이메일을 보내고 다른 사람들에게 이메일을 보내도록 구별 할 수 있다고 말했다

그에 따른 제안 그는 G 스위트에 인공 지능 향상 기능을 도입했을 때 유사한 패턴을 따르게 될 것이라고 지적했다이 패턴은 다른 사람에게 소개되기 전에 G 스위트의 한 부분에 등장한 기능이다 Google은 비 데이터 과학자를 대상으로 한 맞춤형 알고리즘 제품군 인 Cloud AutoML에 따라 처음 세 개의 인공 지능 서비스에 대한 공개 베타 서비스를 시작했습니다 이 회사는 올해 1 월에 Cloud AutoML을 공개했으며 알파 테스터에게 AutoML Vision이라는 단일 이미지 인식 서비스를 공개했습니다 IBM은 사용자가 코드 대신 "끌어서 놓기"기능을 사용하여 이미지 인식 모델을 교육하고 관리 할 수 ​​있도록하고 "당시 개발중인 여러 클라우드 AutoML 제품 중 첫 번째로 "Google은 오늘 샌프란시스코에서 열린 Cloud Next 2018 컨퍼런스를 사용하여 공개 된 베타 버전으로 알파 서비스를 중단했습니다 Google AI의 수석 과학자 Fei-Fei Li는 18,000 개 이상의 회사가 이미 AutoML 서비스 베타 또한 자연어 및 언어 번역을위한 2 개의 추가 AutoML 서비스에 대한 공개 베타를 공개했습니다 구글은 일본 미디어 기업인 닛케이 (Nikkei)가 번역 서비스의 첫 번째 사용자 중 한 명으로 일본의 주요 비즈니스 신문에서 영어 관객에게 콘텐츠를 제공한다고 밝혔다 퍼블릭 클라우드 공급자는 일반적으로 사용자, 특히 제한된 데이터 과학 기술을 보유한 사용자가 기계 학습 알고리즘 및 서비스를 사용자 정의하기 쉽도록 이동하고 있습니다 AWS는 Sagemaker 서비스로 그렇게하기를 바라고 있습니다

Microsoft는 Azure 컴퓨터 학습 스튜디오를 운영 중입니다 이제 클라우드 AutoML을 통한 Google 모든 이들은 각각의 플랫폼이 인공 지능의 "민주화"로 이어질 것이라고 말한다 채택을 확대하기 위해 전문 영역 외부의 기술 확산을 반영하는 자주 사용되는 산업 용어 리는 또한 구글이 "인간 중심의 인공 지능"이라고 부르는 새로운 작업 프로그램을 발표했다 그녀는 "AI 솔루션이라고하는 전체 기술 범주를 통해 우리 파트너의 가장 큰 문제 중 일부를 해결하고자했다"고 밝혔다 그는 "콘택트 센터에서 일하면서 비공식적 인 언어를 탐색하고 상황을 이해하며 제한된 정보에서 누군가가 필요로하는 것을 인식하는 것과 같이 가장 독창적 인 인간 기술을 필요로한다" "불행히도 통화량은 종종 인력에 비해 너무 많기 때문에이 분야에서 가장 뛰어난 선수 중 일부와 협력하여 AI의 효과를 높이는 방법을 이해했습니다

"그 결과 현재 컨택 센터 AI라고 불리는 신제품이 나왔습니다 AI는 현재 알파에 가입하고 있으며 가입 신청을하고 있습니다 그녀는이 제품이 컨택 센터 기술 업체 인 Genesys 및 Mitel 및 KMPG 및 Deloitte Marketplace eBay는 초기 사용자로 지목되었습니다 Crozier는 Google의 게스트로 샌프란시스코에서 2018 년에 Google Cloud에 참석합니다

Google’s creepy AI phone call feature will disclose it’s a robot, after backlash

구글의 소름 끼치는 인공 지능 전화 기능은 반동 후에 로봇을 공개 할 것이다 이번 주 초에 데모 버전이 발표되었을 때 인간을 상대로 전화를 걸 수있는 AI 보조 장치 인 Google Duplex가 우리를 기절 시켰습니다

인상적인 반면 Duplex는 지난 며칠간 반발을 불러 일으켰으며 Google은이 기술의 투명성에 대한 강조를 CNET에보고했습니다 또한 Googles AI Assistant는 실제 전화를 걸고 무서워하는 것을들을 수 있습니다 구글의 대변인은 전자 메일을 통한 성명서에서 공개 기능을 통해이 기능을 설계하고 시스템이 적절하게 식별되는지 확인했다 우리가 I / O에서 보여 주었던 것은 초기 기술 데모였습니다 우리는 이것을 제품으로 개발할 때 피드백을 통합하기를 기대합니다

Google이 이러한 공개를하는 방법이 명확하지 않습니다 AI 보조원이 미장원 예약을 예약하기 위해 실제 전화를하는 Googles 데모에서는 컴퓨터에서 전화가 걸렸다는 표시가 없었습니다 로봇의 기원을 깬 현재 인공 지능 보조기의 목소리와 달리 Duplex는 자연스럽게 들렸다 통화의 음소거와 같은 음성 불투명도의 사용과 대화의 지연은 사람의 말을 정확하게 흉내냅니다 그로 인해 기술 사회 학자 Zeynep Tufekci는 컴퓨터를 사용하여 실제 인간을 속이기 위해 도덕적으로 지저귐에서 잃어버린 인공 지능 조수를 묘사 한 비평가를 이끌어 냈습니다

트위터의 다른 사람들도 관심사를 공유했거나 효과적인 보급 된 AI 보조원을위한 보폭의 일부로 간주했습니다 워싱톤 포스트 (Washington Post)는 저임금 노동자들에게 미칠 수있는 영향과 기술이 사람들을 속일 수있는 능력에 주목하면서 우리가 도대체 ​​무엇을하고 있는지 물었다 Google의 CEO 인 Sundar Pichai는 Duplexs 윤리에 대한 논의를 환영한다고합니다 기술은 긍정적 인 힘이 될 수 있으며 전 세계 수십억 명의 사람들의 삶의 질을 향상시킬 수 있습니다 그러나 우리가 만드는 것에 대해 눈을 뜨게 될뿐 아니라 블로그 포스트에 썼다는 것도 똑같이 분명합니다

기술의 영향과 그것이 우리 삶에서 수행 할 역할에 대해 제기되는 매우 실제적이고 중요한 질문이 있습니다 우리는 앞서가는 길은 조심스럽게 그리고 신중하게 진행되어야한다는 것을 알고 있습니다 우리는이 권리를 얻으려는 깊은 책임감을 느낍니다

When will you die? Google uses AI to predict WHEN – and it’s 95% accurate – News US

그리고이 시스템은 차트와 PDF로 상세화 된 보관 된 의사 노트를 비롯하여 다양한 정보를 활용하므로 매우 효율적이라고합니다 이 모델은 캘리포니아 대학, 샌프란시스코, 스탠포드 대학 및 시카고 대학의 연구원과 공동으로 개발되었습니다 Google은 216,221 명의 성인의 비인증 데이터를 대조하고 컴퓨터 시스템으로 정보를 분석함으로써이 기술을 테스트했습니다

데이터를 평가 한 후 인공 지능은 삶이나 죽음과 가장 가까운 단어를 식별하고 누군가가 죽을 확률을 추정 할 수있었습니다 연구원은 경쟁사에 비해 시스템의 가장 큰 장점은 모든 유형의 데이터를 처리 할 수 ​​있다는 것입니다 Google의 모델은 환자가 병원에 ​​오래 머무를 지 예측하는 데있어 86 점을 얻었지만 76 관점을 맞추기 위해, 1 완벽하게 정확한 결정이고, 5는 임의의 기회보다 낫지 않다

입원 환자 사망률을 예측할 때 Google은 95 점을 얻었지만 전통적인 방법은 86 마지막으로, Google은 환자가 퇴원 한 후 예기치 않은 재출발을 예측하는 데있어 77을 받았다 블룸버그 통신에 따르면 스탠포드 대학 (Stanford University)의 니강 샤 (Nigam Shah) 부교수는이 연구에 공헌 한 바있다 "부엌 싱크대에 던져 넣고 걱정할 필요가 없다

"UCSF 의료 센터의 Google Senior Research Scientist 및 Adjunct 조교수는"이 모델은 모든 경우에 기존의 임상 적으로 사용 된 예측 모델보다 우수한 성능을 보였습니다 "우리는이 접근법을 사용하여 다양한 임상 시나리오에 대해 정확하고 확장 가능한 예측을 생성 할 수 있다고 믿습니다 "

Google launches its AI-driven Apple News competitor Google News for iPhone & iPad ● Tech News #Tech

지난 주 I / O 개발자 컨퍼런스에서 Google은 새로운 AI 기반 "Google 뉴스 "응용 프로그램 소외된 Newsstand 서비스를 Google에서 대체하고 직접적인 경쟁자로 본 애플 뉴스 앱에, 구글 뉴스는 이제 앱 스토어에서 이용 가능하다

Google 뉴스는 이미 인공 지능과 짝을 이루고있는 데이터에 크게 의존합니다 지성 즉, 일단 Google 계정으로 앱을 다운로드하고 로그인하면 Google 뉴스에는 이미 관심이있을 것으로 생각되는 기사와 헤드 라인이 채워질 것입니다 앱에서 'For you'탭에는 Google이 생각하는 스토리의 요약본이 있습니다 관심이

나에게 이것은 정치 뉴스에서부터 기술과 스포츠에 이르기까지 다양했다 그 사이에, "표제"특징은 가장 큰 것을 통해서 빨리 훑어 보는 방법으로 봉사한다 오늘의 뉴스 최신 기사로 분류 할 수 있으며 비즈니스, 기술, 스포츠, 과학, 오락 및 건강 '즐겨 찾기'탭에서 특정 주제, 소스 및 위치를 추가 할 수 있습니다 에 관심이있다

이렇게하면 선택한 기준에 따라 최고의 콘텐츠가 표시됩니다 마지막으로 Newsstand 탭에서는 특정 발행물에 대한 잡지와 같은 인터페이스를 볼 수 있습니다 CNN, 폭스 뉴스, 뉴욕 타임스, 로이터 등이있다 iOS 용 Google 뉴스는 Apple이 점점 더 중점적으로 다루고있는 시점에 나온 것입니다 자체 애플 뉴스 앱

이 회사는 최근 자사의 첫 번째 "Apple News Exclusive" 경향은 사설에 초점이 단지 시작에 불과하다는 것을 암시합니다 Google 뉴스 앱은 App Store의 iPhone 및 iPad에서 사용할 수 있습니다 Apple News를 대신 할 예정입니까? 코멘트에서 우리에게 알려주세요!

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

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

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

HOT NEWS !!! Google Clips AI powered camera now available on its online store

인공 지능을 사용하는 구글의 클립 카메라는 파악하기 이 사진을 촬영해야한다 또는 비디오는에 지금 구입할 때 구글 스토어 그러나 $ 249 작은 카메라 클립에 배달 즉시 빠른 신속한 배송을 선택하지 않습니다 년 2 월 27 클립에 카메라 자체 장치를 제공 할 것입니다 옵션 자동 상황에있어서의 해상도를 조정하고, (130)을 갖는다 프레임에 더 많은 장면에 맞게도 렌즈는 카메라가 순간의 IQ를 활용 온보드 오프라인 기계 학습 모델 및 시각 처리부 자동으로 올바른 표현을 인식하여 의미있는 이미지를 캡처 보고서 프레임 조명 장치가 회사의에서 공개 된 추가 주력 픽셀이 출시 10 월 2017 년 이벤트와 미국 통과 연방 통신위원회 (Federal Communications Commission) 지난 주 당신