Future of Hearing Aids in Background Noise with Google Ai (Artificial Intelligence)

-이 비디오에서는 최근 연구에 대해 이야기하고 있습니다 극적으로 향상시킬 수있는 보청기가 백그라운드 소음에서 수행하는 방식

오고있어 (낙관적 인 음악) 안녕 얘들 아 클리프 올슨, 청력의 의사 응용 청력 솔루션의 창시자 Anthem, 애리조나 그리고이 채널에서, 나는 많은 정보를 듣는다 당신에게 더 많은 정보를 제공하는 소비자가되도록 돕습니다

그래서 당신이 그것에 있다면, 구독 버튼을 누르십시오 그리고 벨을 클릭하는 것을 잊지 마세요 통보를 받는다 새로운 비디오를 발표 할 때마다 청력을 상실한 사람들을위한 성배 분리 할 수있는 능력이다 배경 잡음으로부터의 연설

당신이 한 사람과 이야기하든, 또는 당신이 사람들의 그룹과 이야기하고 있는지 여부 최근에 저는 비디오를 보았습니다 Google AI 블로그에서 능력을 보여주는 분리 할 수있다 당신이 듣고 싶은 사람, 그 개인을 보아서 그리고이 소프트웨어의 내부 그들이 만든, 실제로는 꽤 인상적입니다

내가 너에게 설명하려고하는 대신에, 내가 너에게 보여 줄게 – 나는 비행의 팬이 아니다, 나는 그것을 싫어한다 비행기에있는 것이 싫어 – 일반적으로 – 너무 많은 소음 – 내 줄무늬가 단단 해

내가 무슨 뜻인지 알지 나는 화장실을 내리지 않을 것이다 비행기에 – 어 – 오, 말하는 얼룩말 – 소음 때문에, 그것은 무서워 너는 가라 앉는다, 너는 내 치다

너 돌아서, 5 초 동안 아무 일도 일어나지 않습니다 그럼 아무 데나 (시끄러운 소리) 세상에, 비행기에 구멍을 뚫어 놓고 – 시내 버스가 싫어하지 않아

그것은 유엔 – 등급 고래의 짐과 같습니다 당신이 그것을 얻을 때마다 우리 모두는 같은 문을 걸어 다닙니다 우리 모두는 같은 가격을 지불합니다 – 네가 내게 묻는다면 꽤 인상적이야 그러나 가장 어려운 듣기 상황 대부분의 사람들이 만나는 곳은 시끄러운 식당입니다

그래서이 다음 클립에서, 나는 그들의 능력을 보여줄거야 음성과 배경 소음을 분리하는 것 카페테리아 환경에서 – 그럼, 그 일은 당신이 말하는 것을 본 사람에게 비디오가 주어지면, 그들의 오디오가 정리된다 다른 모든 것들은 억압됩니다 – 그 일은 당신이 말하는 것을 본 사람에게 비디오가 주어지면, 그들의 오디오가 정리된다

다른 모든 것들은 억압됩니다 – 이제 너에 대해서 모르겠다 하지만이 기술이 보청기 내부에 있다고 느낍니다 완전한 게임 체인저가 될 것입니다 그래서 전 기사를 다운로드했습니다

얼마나 많은 생존력을보기 위해 그것을 읽어야하는지 이것은 미래 세대의 보청기에있을 것입니다 이 기사의 제목은 "Looking to Listen"입니다 칵테일 파티에서 : 연사 독립 음성 분리를위한 시청각 모델 " 그리고 이것은 많은 Google 연구원이 저술했습니다 다음은이 기사에서 다룬 몇 가지 요점입니다

1 위 :이 연구자들은 기존의 비디오, 그들은 그것을 실시간으로하지 않았 음을 의미합니다 그래서 흥분하기 전에 단지이 소프트웨어를 사용하는 것에 대해서, 보청기에 넣고, 저자가 말한 것을 들어라 "우리의 방법은 효과가 없다는 것을 알아야한다 실시간으로, 그리고 현재의 형태로, 우리의 말하기 기능 향상이 더 적합합니다 비디오 편집의 후 처리 단계에 사용됩니다

" 두 번째로이 기술 오디오 – 비주얼 프로세싱을위한 거대한 도약입니다 이전 세대의 소프트웨어 소프트웨어를 특정 음성으로 훈련해야했습니다 의미, 만약 네가 식당에 간다면 특정 친구와 그 친구의 목소리 소프트웨어에 프로그래밍되어야한다 그래서 실제로 찾아야 할 부분을 알고 있습니다 이 특별한 소프트웨어에서는, 그들은 실제로 일반화 된 음성 형식으로 작동합니다

어떤 상황에있는 개인과도 일반화 된 환경에서 더 실용적입니다 당신이 어디든 갈 수 있다는 뜻 누구와도 의사 소통 이 특정 기술을 사용하십시오 연구 기사에서 세 번째로 얻은 것 그들이 시끄러운 술집 상황에서 이것을했을 때였습니다 그들은 배경 소음을 제거 할 수 있었고, 그러나 그것은 연설을 현저하게 저하시켰다

그들이 듣고 자하는 개인의 이는 제한 사항과 매우 유사합니다 우리는 오늘 보청기 기술을 가지고 있습니다 다양한 음성 소스를 제거 할 수 있습니다 다른 말하기 소스는 매우 어려울 수 있습니다 그래서 그들이 이걸 만들면 보청기 내에서 실행 가능한 제품, 그들은 그것을 고쳐야 만 할 것입니다

이 연구 조사에서 네 번째로 얻은 것 시각적 정보가 필요하다는 것입니다 이 시청각 분리를 할 수 있어야한다 물론 보청기에는 시각적 정보가 없습니다 적어도 아직은 보시다시피, 그들은 실제로 작업하고 있습니다

뇌 활동을 감지 할 수있는 보청기 기술 눈 운동과 그들이 할 수 있다면 이 오디오 정보와 결합하면, 그들은 실제로 결정할 수 있습니다 당신이 찾고있는 곳을 기반으로 듣고 싶은 사람 이러한 유형의 기술은 아직 제공되지 않지만 보청기 안쪽에, 이것과 같은 연구입니다 청력을 잃은 사람들에게 희망을 안겨주는 배경 소음 상황에서 그 투쟁 미래 연구를위한 길을 열어줍니다 보청기로 진입 할 기술에 대한 것입니다

한편, 가장 좋은 방법 중 하나 연설을 이해하는 능력을 향상시키는 것 배경 잡음 상황에서 보청기에서 수행되는 실제 귀 측정 이제 실제 귀의 측정이 무엇인지 모르는 경우, 내 비디오를보기를 강력히 추천합니다 카드에 여기에 연결될 것입니다 그리고 아래의 설명에서 극적으로 능력을 향상시키는 또 다른 방법 배경 잡음 상황에서 말을 이해하는 법 현재 순간에 보조 된 청취 장치, 로저 펜, Roger Select 또는 리모트 마이크

이러한 유형의 장치는 연설이 필요하기 때문에 배경 소음 너가 듣고 싶은 사람의 보청기에 바로 보냅니다 이 동영상 용입니다 만약 질문이 있다면, 아래 댓글란에 남겨 둡니다 동영상을 좋아한다면 공유해주세요 이 동영상과 다른 동영상을보고 싶다면 구독 버튼을 누르십시오

다음에 또 봐 (낙관적 인 음악)

Dialogflow Dialog Control: Shape the flow of your conversation [Basics 3/3]

[음악 재생] DAN IMRIE-SITUNAYAKE : 이봐, 모두들 나는 Dan Imrie-Situnayake입니다

이것은 세 가지 동영상 중 세 번째입니다 Dialogflow의 기초를 가르쳐주고, 대화식 경험을 구축하기위한 멋진 도구 이 비디오에서 우리는 대화에 대해 이야기 할 것입니다 처음 두 개의 비디오는 어떻게 의도와 엔티티를 캡처하여 사용할 수 있습니다 귀하의 사용자가하고 싶은 일과 구체적인 일 언급하다

그러나 하나의 성명서를 작성하는 것보다 대화에 더 많은 것이 있습니다 그리고 하나의 회신을 받고 대화는 두 명의 화자가 협상하는 과정입니다 의미와 이해가 앞뒤로 반복됩니다 시간이 지남에 따라 앞뒤로 대화라고 부릅니다

가장 단순한 경험 이상의 무엇이든을 위해, 당신은 대화를 만들 것입니다 Dialogflow에서 대화가 어떻게 작동하는지 살펴 보겠습니다 고려해야 할 두 가지 유형의 대화가 있습니다 우리는 선형 대화와 비선형 대화를 가지고 있습니다 선형 대화 상자가 프로세스에서 사용됩니다

모든 정보 수집 필요한 조치를 완료하는 데 필요한 약속을 예약하거나 주문하기 비선형 대화가 더 가까이에 있습니다 나뭇 가지, 단도직입과 함께 진짜 대화로 문맥의 변화에 ​​따라 선형 대화를 자세히 살펴 보겠습니다 우리가 대리인에게 수리 약속을 예약하도록 요청한다고 상상해보십시오 자전거

요원이 우리를 도울 수 있기 전에 몇 가지 사항을 알아야합니다 필요한 서비스 유형, 날짜 W 시간 사용자가 이 모든 정보를 한 문장으로 내일 펑크를 고치는 약속을하고 싶습니다 오후 4시 이 경우, 우리는 이제 그들이 필요로하는 서비스 유형을 알고 있습니다

날짜 및 시간을 사용하여 요청을 만족시킬 수 있습니다 그러나 사용자가 우리에게 정보의 일부만 준 경우 어떻게합니까? 금요일 오후 2시에 약속을 예약하고 싶습니다 우리에게는 날짜와 시간이 있지만 우리는 여전히 서비스 유형이 필요합니다 다행히 Dialogflow가 도움이 될 수 있습니다 인 텐트에 엔티티를 추가 할 때, 필요에 따라 표시 할 수 있습니다

즉, 사용자가 무언가를 말하지 않으면 첫 번째 문장에서 Dialogflow는 자동으로 필요한 정보를 요구하고, 프롬프트가 자연 스럽도록 사용자 정의 할 수 있습니다 우리는이 feature slot filling이라고 부릅니다 필요에 따라 서비스 유형, 날짜 및 시간을 표시한다고 가정 해 보겠습니다 현재 서비스 유형이 누락되어 있으므로, Dialogflow가이를 묻습니다 스피커 : 자전거에는 어떤 유형의 서비스가 필요합니까? 단 IMRIE-SITUNAYAKE : 그것은 구멍이 있습니다

고마워, 펑크 복구를 계획 중이 야 이 금요일 오후 2시 DAN IMRIE-SITUNAYAKE : 슬롯 채우기 엄청나게 강력 할 수 있습니다 가능한 수천 개의 대화 경로를 지원할 수 있습니다 몇 상자 만 확인하면됩니다

사용자는 돌아가서 변경할 수 있습니다 그들이 이미 설정 한 것들 다른 상호 작용이 일어나고 있습니다 나는 약속을 원해 스피커 : 자전거에는 어떤 유형의 서비스가 필요합니까? 단 IMRIE-SITUNAYAKE : 그것은 구멍이 있습니다

연사 : 어떤 날짜에 응할 수 있습니까? DAN IMRIE-SITUNAYAKE : 이번 주 토요일 어때요? 몇시겠습니까? DAN IMRIE-SITUNAYAKE : 사실, 금요일에 오후 2시를 읽을 수 있습니까? 고마워 이번 금요일 오후 2시에 펑크 복구가 예정되어 있습니다 단 IMRIE-SITUNAYAKE : 선형 대화 꽤 인상적 일 수 있습니다 하지만 특정 세트가있을 때만 작동합니다 우리가 수집하고자하는 사실들

비선형 대화가 더 가까이에 있습니다 실생활의 대화로 사용자가 무언가를 말하면 이전에 말한 바에 따라 해석된다 설명하기 위해 예제를 보겠습니다 수리 약속을하고 싶습니다 내일 4시에 펑크

나는 당신에게 펑크 수리를 예약하고 있습니다 내일 오후 4시 그게 맞습니까? 단 IMRIE-SITUNAYAKE : 예 나는 당신에게 신호를 보내야합니까? 단 IMRIE-SITUNAYAKE : 네, 제발 윌

금요일에 단 IMRIE-SITUNAYAKE : 대화 우리는 두 개의 예 / 아니오 질문을 보았습니다 사용자가 첫 번째 질문에 대답하면, 우리 대리인은 사용자가 예약을 확인하고 있음을 알고 있습니다 결과적으로 알림을 보내는 것에 대해 묻습니다 사용자가 두 번째 질문에 대답하면, 우리 요원은 그들이 미리 알림을 확인하고 있음을 알고 있습니다

예약 어떤 질문에 대한 답변인지 알고 싶습니다 그리고 우리가 대화에서 어디에, Dialogflow는 컨텍스트라는 개념을 사용합니다 각각의 의도에 대해 다중 입력 및 출력을 정의 할 수 있습니다 문맥 이 경우 Google의 도서 수리 의도 출력 컨텍스트에서 수리를 확인합니다

특정 의도가 일치 할 때, 출력 컨텍스트가 첨부됩니다 현재 대화 상태로 전환합니다 이 경우 대화의 컨텍스트 이제 수리 확인을 포함하십시오 각 인 텐트에는 입력 컨텍스트가있을 수도 있습니다 인 텐트가 입력 컨텍스트 확인 복구를 지정하는 경우, 수리를 확인하는 경우에만 일치합니다

컨텍스트가 현재 대화에 첨부되어 있습니다 이 예에서는 네 가지 예가 있습니다 또는 아니요 그러나 그 중 2 명은 수리를 확인하는 데 예 또는 아니오이며, 다른 하나는 예 또는 아니오로 알림을 보내는 것입니다 컨텍스트를 사용하여 적절한 의도 만 보장 할 수 있습니다

일치 입력 컨텍스트 확인 복구를 추가합니다 우리의 수선에 예 의도에 따라 출력 컨텍스트도 추가합니다 알림을 확인하십시오

그런 다음 입력 컨텍스트 확인 알림을 추가합니다 우리의 알림에 눈과 의도는 없습니다 우리는 두 가지 인 텐트 입력 컨텍스트를 설정하는 방법 때문에, repairyes 또는 no intents는 책 수리 의도와 알림 뒤에 일치 또는 repair

yes 이후에만 의도가 일치하지 않습니다 필터 역할을하는 것 외에도, 컨텍스트는 의도 일치에 편향을 적용합니다 그래서 두 가지 옵션, Dialogflow 주어진 사용자와 일치 할 확률이 높을 것이다 문을 입력 컨텍스트와 일치하는 인 텐트로 변경하십시오 컨텍스트는 20 분 후에 자동으로 만료됩니다

또한 후속 턴 수를 지정할 수도 있습니다 그들은 계속 될 대화의 의도 한 출력 컨텍스트를 사용할 수도 있습니다 현재 적용된 컨텍스트를 업데이트하거나 제거합니다 컨텍스트는 매우 강력합니다 데이터를 저장하는 데에도 사용할 수 있습니다 매개 변수의 값을 좋아하고, make 후속 의도에 사용할 수 있습니다

자세한 내용을 보려면 링크를 통해 문서를 방문하십시오 설명에서 대화를 만드는 우리의 탐구에있는 또 다른 유용한 도구 후속 의도입니다 그것은 연락처의 일반적인 사용법에 대한 지름길을 제공합니다 주어진 의도에 대해 후속 의도를 추가 할 수 있습니다

초기 의도가 발생한 후에 만 ​​트리거됩니다 일치되었습니다 답변에서 예 또는 아니오와 일치하는 항목을 사용할 수 있습니다 의도에 의해 제기 된 특정 질문에 이전 예제와 같습니다 그것들을 하나의 의도로 구체화함으로써, 실수로 예 또는 아니오 답을 일치시키는 것을 방지합니다

대화에서 다른 곳에 주어진다 후속 의도는 컨텍스트를 사용하며, 그래서 당신은 그들을 지름길로 사용할 수 있습니다 이 강력한 기능 또 다른 유용한 기능은 대체 의도입니다 Fullback 인 텐트는 사용자의 입력이 아닌 경우 트리거됩니다

사용 가능한 의도와 일치합니다 사용자를 안내하는 데 도움이 될 수 있습니다 올바른 방향으로 모든 에이전트에는 기본 폴백 의도가 있습니다 후속 대체 의도를 만들 수 있습니다 문맥을 사용하여 그들이 오직 특정 의도가 발동 된 후에 일치해야합니다

지금까지 Dialogflow를 사용하여 대화 흐름을 제어하는 ​​기본 제공 기능 그러나 항상 순간이 있습니다 어디에서 자신 만의 논리를 제어하기를 원하십니까? 매개 변수 값을 사용할 수 있습니다 백엔드에서 어떤 일이 일어나게하려면, 일정에 약속을 예약하는 것과 같습니다 또는 사용자에 대한 정보를 사용할 수 있습니다

쿼리에 대한 사용자 지정 응답을 작성합니다 Dialogflow의 대화를 프로그래밍 방식으로 제어하려면, 당신은 성취를 사용해야합니다 기본적인 프로그래밍 기술을 사용하면 쉽습니다 먼저 웹 서버를 만듭니다 단일 HTTP 엔드 포인트를 노출합니다

우리는 이것을 WebHook이라고 부릅니다 사용자 지정 논리가 살아납니다 원하는 환경을 사용할 수 있지만, 우리는 내장 에디터를 제공합니다 JavaScript 코드 작성 및 배포 가능 한 번의 클릭으로 Firebase의 클라우드 기능에 통합 할 수 있습니다 다음으로, 당신은 단지 이행을 가능하게합니다

그것을 필요로하는 모든 의도에 대해 각 의도에 액션 이름을 부여 할 수 있습니다 그것은 귀하의 성취가 어느 것이 유발되었는지를 아는 데 도움이됩니다 이제 이러한 의도 중 하나가 일치 할 때, Dialogflow가 JSON 요청을 보냅니다 사용자가 말한 내용이 포함 된 WebHook에 추출 된 엔티티의 값, 액션 이름을 입력하면 어느 의도가 일치했는지 알 수 있습니다

원 클릭 통합 중 하나를 사용하는 경우, 해당 플랫폼에서 일부 데이터를 수신하게됩니다 사용자에 대해 API를 직접 호출하면 자신의 맞춤 정보를 제공 할 수 있습니다 WebHook에서이 정보를 사용할 수 있습니다 데이터 저장소 액세스, 비즈니스 로직을 트리거하고 API를 호출 할 수 있습니다 응답을 생성 할 수도 있습니다

생성 한 모든 응답이 사용자에게 전송됩니다 Dialogflow WebHook을 사용하여 설정 및 제거 할 수도 있습니다 컨텍스트 및 매개 변수 값 코드를 통한 대화 흐름을 제어 할 수 있습니다 이 모든 도구들 사이에서 가이드하고 통제 할 수있는 수많은 방법 대화의 흐름 생각해 볼만한 것들이 많이 있습니다

하지만 배우는 가장 좋은 방법은 바로 들어가는 것입니다 설명의 링크를 확인하십시오 자세한 내용은 아래에서 재미있는 건물을보십시오 [음악 재생]

The Future of AI with Kai-Fu Lee: Udacity Talks

내 이름은 Sebastian Thrun, 나는 Udacity의 창립자입니다 나는 슈퍼 다

슈퍼는 나와 함께 있기를 좋아한다 진정한 지도자 중 한 사람, 개척자, 오늘날 인공 지능 시대의 현대 국제 인물, 카이 푸 리 카이 푸 오신 것을 환영합니다 고맙습니다 다들 감사 해요

나는 너에게 같은 방법을 소개 할 것이다 고맙습니다 카이 푸는 실제로 방금 책을 썼다 아마 붉은 색이 겠지요 AI Superpowers : 중국, 실리콘 밸리, 뉴 월드 오더 (New World Order) '등이 있으며, 현재 그는 미국 서적 투어 중입니다

기록적인 수준으로 판매되고 있습니다 내 여자 친구는 책을 좋아해 당신은 우리와 함께 우디 시티에 있습니다 질문에 답하고 우리에게 통찰력을 주자 네

환영합니다 고맙습니다 나는 또한 오랫동안 상상할 수있는 카이 푸를 알고 있다고 말해야합니다 저는 교환 학생이었을 때 여기에서 다시 살았습니다 Carnegie Mellon의 석사 과정 학생

그는 옆집에있는 신임 교수였습니다 나는 카네기 멜론 대학의 교수진 그들이 자신과 같은 슈퍼 스타를 갖지 못했다고 믿었습니다 그런 다음 Microsoft, Google, 그리고 결국 중국으로, 중국에서 Sino Venture로부터 벤처를 시작했습니다 이 책에서 나는 서류로 곧장 가고 싶다 이 책에서 우리는 중국의 인공 지능에 대해 이야기하고 있습니다

권리 중국과 미국의 다른 점은 무엇입니까? 글쎄, 중국은 매우 뒤늦게 시작했다 알맞은 인공 지능 연구원이 중국에 많이있었습니다 저는 98 년에 마이크로 소프트 리서치 아시아 (Microsoft Research Asia) 나는 훈련을 끝내었다라고 생각한다 중국의 인공 지능 인구의 거의 모든 세대

그러나 AI는 그 당시에는 관여하지 않았습니다 그것은별로 인기가 없었다 AI라는 단어를 사용하고 싶지도 않습니다 그 말은, "그것이 작동 할 때 그것은 제품 공학이고, 그것이 작동하지 않는 것은 인공 지능입니다 "" 그래서, 우리는 꽤 오래 동안 그 상태에있었습니다

그러나 미국 깊은 학습, Jeff Heaton, 다른 사람들은 AI가 많은 협소 한 문제를 아주 잘 해결할 수 있음을 보여주었습니다 중국은 뒤쳐졌다 그러나 그것은 꽤 영리한 연구자들의 중추가되었습니다 그런 다음 초기 중국 기업인 바이두 (Baidu) 외부 혁신, 우리가 투자 한 회사, 우리는 몇 가지 일을하고 있지만, 미국에 비해서는 아주 작습니다 그러나 AlphaGo가 Lee Sedol을 이길 때 일어난 일은, 그것은 모든 중국을 깨웠다

지능뿐만 아니라 지혜가 필요한 고대 게임, 미국의 영국 회사는 어떻게 아시아 최고의 선수 일 수 있을까요? 그렇다면 AI에 관한 AlphaGo에 관한 무언가가 있어야합니다 그런 다음 중국은 지난 2 년 반 동안 기업가들과 함께 불을 탔다 VCs, 정부, 모두 돈, 재능, 자원 투입 짧은 2 년 반 동안, 중국은 미국의 이행을 따라 잡았다 수익 창출, 그리고 AI의 가치 평가

그것이이 책의 내용입니다 이 마법의 2 년 반, 불가능한 일처럼 보입니다 선교는 불가능하지만 일어난 일입니다 그래서 중국 정부는 수 천억 달러를 인공 지능으로 투입한다고 발표 했습니까? 예 이것이 의미하는 바는 무엇이며, 우리도이 나라에서 똑같이해야합니까? 글쎄, 첫째로, 그것은 무엇을 의미합니까? 실제로 인프라 지출을 의미합니다

나는 중국 정부가 승자를 뽑지 않고 있다고 생각한다 정부는 기술 분야에서 승자를 뽑는 데 그리 좋지 않다 그래서 그들은 새로운 도시를 건설하기 위해 엄청난 돈을 투자하고 있습니다 자율 운전이 내장 된 시카고의 크기 그 도시 안에서, 도시의 중심에는 두 개의 층이 있습니다

보행자, 애완 동물, 자전거가 맨 위에 갈 것이며, 녹색, 매우 공원 아니 자동차 아름 다운 장소입니다 자율적이든 아니든 모든 자동차는 그 도심에서 B1에서 운전할 것입니다 내 말은, 당신은 경비를 상상할 수 있습니다 그러나 그것이 내가 자율적 인 운전을 할 것 인 노력의 종류 다 잠재적으로 가장 위험한 지역에서 안전하며, 그것은 도심지, 사람들과의 바쁜 교통, 이제까지 사람들을 치는 차를 피하십시오

따라서 절강 (Zhejiang)은 자동차와 대화 할 센서가있는 새로운 고속도로를 건설 중이며, 자동차에 사고가 발생할 확률이 낮다 따라서 대규모 인프라 지출이 가장 클 것이라고 생각합니다 AI 공원에 돈을 넣는 것도 분명히 있습니다 남경시는 거대한 지역을 선택했다 나는 새로운 AI 공원이 될 공간이 약 2 백만 평방 피트라고 생각합니다

난징에는 정말 훌륭한 학교가 있었고 이제는 말하기를 원합니다 헤이 AI는 우리의 큰 영역입니다 그래서, 나는 이렇게 보급 된 인프라가 가장 강력하다고 생각합니다 AI 펀드에 투자되는 돈이 있습니다 그렇습니다

많은 돈을 넣고 있습니다 나는 그것이 인프라에 주로 있다고 생각합니다 선진 연구 기업은 자금을 조달 할 수 있고 제품은 벗어날 수 있습니다 그렇습니다, 나는 돈이 예산에서 발견 될 수 있으면 미국이 그것과 비슷한 것을해야한다고 생각합니다 예

그래서, 당신의 책에서, 당신은 가치에 대해 조금 이야기합니다, 당신은 중국 기업가를 이끄는 것에 대해 이야기합니다 사람들을 성공적으로 만드는 이유 기업가 정신에 대한 중국인의 생각에 대해 더 많이 이야기 해 주시겠습니까? 대기업에 관해서? 예 글쎄, 나는 실리콘 밸리의 큰 찬미 자다 그러나 나는 또한 중국 기업가 정신 스타일의 큰 찬미자가되었습니다

나는 그것이 AI로 반복하는 것이 매우 중요하다고 생각합니다 그래서 실리콘 밸리에는 전형적인 아이폰을 가진 스티브 잡스가 있습니다 키티 호크와 함께하는 또 다른 좋은 예입니다 우디시 티 우디시 티

다른 예시 크게 우리 회사입니다 Udacity는 중국 스타일과 조금 비슷합니다 음, 키티 호크, 아이폰, 화려한 획기적인 기술 같아 그것은 전구가 사라짐에 따라 세상을 변화시킬 것입니다

그리고 앞장서 서 빛나는 과학자들 나는 Udacity가 훌륭하다고 생각한다 그러나 더 많은 운영의 우수성, 더 많은 사람들을 얻고, 더 많은 콘텐츠를 얻습니다 그래서, 그것은 실제로 중국이 정말로 탁월한 어떤 것입니다 이 책에서 나는 이야기한다

미국에는 The Link Startup이라는 책이 있습니다 실제로 중국은 실리콘 밸리보다 링크 시작을 잘한다 링크 시작을 0에서 1로 취하고, 그리고 나서 백만에서 백만까지 그래서 중국의 기업 환경 매우 힘들고, 사람들이 치열하게 경쟁하며, 나는 검투사들이 던져지는 대 경기장처럼 이야기하는 책에서, 하나만 살아남을 수 있습니다 또한 모방 자에 대한 많은 인상을 남기지 않습니다

나는 IP 도둑질에 대해서 이야기하는 것이 아니다 나는 그저 모양과 느낌을 가지고가는 것에 대해 이야기하고있다 법적 범위 또는 기능 내의 다른 제품 그래서, 그런 종류의 환경에서, 기업이 이길 수있는 유일한 방법은 복사가 불가능하고 복사가 불가능한 제품을 만드는 것입니다 그래서, 제가 책에서주는 예는 Matelon이라고 불리는 중국 Yelp 나 Groupon입니다

당신은 거기를 통과 할 것이고 많은 어려움과 깊이가 있습니다 중국 사람들이 먹는 방식을 변화시킬 인프라를 창출하십시오 해당 인프라를 구축하고 나면, 경쟁자는 그것을 복사 할 수 없거나 너무 비싸서 복사 할 수 없습니다 이 인프라는 근본적으로 음식을 가정으로 30 분 안에 전달할 수있게 해줍니다 어쩌면 500 개의 레스토랑을 선택할 수 있습니다

퇴근하기 전에, 당신은 먹고 싶은 것을 선택합니다 30 분 안에 집에있을 때, 음식은 거기에서 당신을 기다리고 있습니다 배달 비용은 약 $ 070입니다 운영 우수성을 달성하는 방법은 연삭 한 달에 몇 센트 씩 새로운 방법을 찾아 냈습니다

적은 비용으로 일할 수있는 사람들을 찾는 방법, 더 싼 전기 오토바이와 같은 저렴한 교통 수단을 찾는 방법, 배터리 교환 방법 또한 사람들은 많은 돈을 벌지 못하기 때문에 회전율이있을 것입니다 따라서 매년 해마다 60 만 명의 인력이 투입되는 인적 자원 프로세스가 필요합니다 이 모든 것을 실리콘 밸리, 많은 운영 부담을 느끼고 있습니다 그러나 그것을 잘하고 배달을 0

70 달러로 낮춤으로써, 당신은 근본적으로 사업 주변에 매우 높은 벽을 세워 경쟁자, 그들이 똑같이하고 싶다면, 그들은 수십억 달러를 소비해야합니다 그래서, 그들이 가지고있는 아마존 연극처럼, Jeff Bezos가 말하길, 나는 여백이 있습니다 나는 그것을 자랑스럽게 생각합니다 그것은 그것과 같습니다 최근 Erichman은 매우 유명하게 말했습니다

언론에 공개 한 비밀 회의에서, 그는 인터넷의 두 가지 버전이있을 것으로보고 있으며, 전 세계가 운영하는 인터넷이있을 것입니다 그리고 아마도 중국이 운영하는 중국 인터넷 일 것입니다 그것에 대해 어떻게 생각하십니까? 글쎄, 만약 당신이 내 전화기와 내 애플 리케이션을 보면, 그들은 당신과 완전히 다릅니다 그래서, 그 관점에서, 절대적으로 중국 사람들은 모든 중국 앱을 사용하고 있습니다 그들은 아주 좋아요

WeChat은 WhatsApp보다 낫습니다 나는 당신이 WhatsApp를 아직도 사용하고있는 것을 보았다 나는 아직 WhatsApp을 사용하지 않고있다 네가 보내곤했던 게 뭐야? 문자 메시지였습니다 문자 메시지 란 무엇입니까? 오 세상에, 알아

세상에 문자 메시지를 사용하는 키티 호크 (Kitty Hawk)의 CEO 나는 WeChat을 의미한다, 잘, 중국 앱은 정말 좋습니다 사실, 미국에 영감을 받아 자주 미국보다 낫다 항상 그렇지는 않다

현재 많은 사람들이 미국에서 영감을받지 못했습니다 그들은 중국의 혁신입니다 비디오와 함께 두 개의 소셜 네트워크가있는 것처럼 그들은 아직 여기에 존재하지 않습니다 전자 상거래의 발전이 있습니다

3 년 만에 250 억 달러가되었습니다 그래서 이러한 모든 개념은 현재 중국에서 혁신적입니다 앱이 다르다 중국 사용자는 미국 앱을 많이 사용하지 않으며 그 반대의 경우도 마찬가지입니다 그래서 저는 그러한 의미에서 생각합니다

이것에 대해 말하면, 수많은 회사가 있습니다 Udacity도 예외는 아니다 중국에서 사업을하려고하는 사람, 중국에 사무소 개설을 시작했습니다 조인트 벤처 또는 유사한 차량을 건축하는 것 중국 기업에 진출하고자하는 미국 기업에 대한 조언은 무엇입니까? Udacity는 실제로 매우 예외적 인 경우입니다

나는 당신이 가지고있는 것이 교육이라고 생각하기 때문에, 그것은 모든 사람들에게 드문 일입니다 따라서 잠재적으로 미국과 중국을 횡단 할 수있는 것들은 거의 없습니다 순수 핵심 기술 기업, 교육 콘텐츠, 엔터테인먼트, 아마 경계를 넘을 수 있다고 생각하는 세 가지 다른 모든 것들은 매우 어려울 것입니다 Google, Facebook, Amazon 또는 Uber를 선택하고, 에어 비앤비, 그들은 모두 중국에서 힘든 시간을 보내고 있습니다

왜 그런가요? 자, 중국의 평행 우주가 확립되었습니다 사람들은 WeChat을 어떻게 사용하는지 패턴을 확립했습니다 Alibaba, Taobao 등등, 브랜드가 확립되면, 애플 리케이션은 매우 사용하기 쉽습니다 그들은 중국 방법에 맞추고, 그리고 그들은 당신이 중국의 글쓰기 공유 시스템을 사용한다면, 그러면 자연스럽게 WeChat을 사용할 것입니다 그런 다음 자연스럽게 WeChat Pay를 사용하게됩니다

그래서, 이런 것들은 퍼즐을 맞추는 것과 같습니다 아마존을 잡으면 우리가 그 퍼즐을 넣고 그것을 맞출 것이라고 말하면, 퍼즐 조각이 들어 맞았다 이 이미 완료된 중국 퍼즐, 그냥 맞지 않습니다 그래서, 중국에 가고 싶은 대부분의 미국 기업에 대한 나의 조언은 그렇지 않습니다 당신이 교육에 있지 않는 한, 기술 라이센스, 엔터테인먼트, 내가 생각하는 분야는 괜찮습니다

시간이 지남에 따라 두 대학이 합격 할 수있는 기회를 갖기를 바랍니다 하지만 지금은 매우 어렵습니다 내가 너의 책으로 돌아 왔을 때, 이것은 될거야 내 의견으로 오랫동안 모두를 위해 읽을 책, 그리고 신중히 말하면 분명히 효과적입니다 카네기 멜론에 입사했을 때, 내 첫 번째 프로그램은 청구서라는 카이 푸 (Kai-Fu Lee)라는 교수가 디자인 한 오델로 (Othello) 선수를 배우는 세계적인 기계, 그는 내 옆에 있고 그는 세계적인 수준의 프로그래머입니다

하지만 AI 인공 지능 게임에 대해 묻고 싶습니다 AI는 이제 모든 사람의 마음 속에 있습니다 우리는 엘론 머스크 (Elon Musk)와 같은 사람들이 아침 식사를 위해 AI를 말하고, Stephen Hawkins는 인류에서 가장 큰 위협이라고 말합니다 빌 게이츠 (Bill Gates)는 그것에 대해 회의적이었으며, 최종 결정은 무엇인가? 글쎄, 우리는 다음 20 번의 움직임을 모를 때 최종 게임을 계획 할 수 없다고 생각합니다 Othello와 Go에 대해 이야기하고 있습니다

지금 우리는 단일 도메인 내에있는 좁은 AI를 가지고 있습니다 당신은 갈 수있는 훌륭한 시스템을 훈련 할 수 있습니다 법 집행관에 대한 결정을 내릴 수있는 광고 대리인, 회계사, 법률 보조원, 기자 나는 우리가 좁은 인공 지능을 꽃 피우는 단계에 있다고 생각합니다 그런 다음 좁은 인공 지능과 일반 인공 지능 간의 협곡, 소위 인간 지능의 최종 게임, 검은 어두운 구멍 같아

여기에서 저기로 우리를 분명히 인도하는 움직임을 볼 수 없습니다 그래서 제 의견은 제가 생각하기에 좁은 인공 지능은 첫 걸음이 아니라 가장 중요한 단계 일 것입니다 앱을 만들 수있는 전기와 같아서 많은 가치와 부를 창출하고 많은 일자리를 옮기고 도전 과제를 제시합니다 그래서,이 책은 실제로 말하고 있습니다, 이 첫 걸음은 정말로 중요합니다 올바르게 해보자

그런 다음 다른 단계가 있다면, 우리는 첫 번째 단계에서 살아남아 인류애를 개선해야합니다 그래서, 나는 거기에 대해 이야기하지 않습니다 당신은 일반적인 인공 지능을 믿습니까? 나는하지 않는다 왜 안돼? 나는 우리가 영혼을 가지고 있으며 그것이 복제 될 수 없다고 믿기로 선택합니다 AI 커뮤니티에서 가장 인기있는보기는 아닐 수도 있습니다

나는한다- 당신은 영혼이 없다면 우리는 할 수 없다고 믿습니까? 많은 다른 작업을 수행 할 수있는 기계를 달성합니까? 나는한다 나는 우리가 할 수 있다고 믿는다 그렇기 때문에 좁은 인공 지능이 더 똑똑 해지는 것을 보았습니다 그것은 더 많은 능력을 가질 것이며, 자율 주행, 키티 호크를 의미합니다 그 하나의 작업이 이미 나는 키티 호크가 영혼을 가지고 있다고 생각하지 않는다

나는 그것이 연민과 공감을 이해할 수 있다고 생각하지 않는다 나는 사람들이 로봇을 돌보고 싶어한다고 생각하지 않는다 그들의 유모, 간호사, 의사와 교사 내가 이걸 조금 밀어 드리죠 그래서, 내가 너에게 기계를주고 이것이라고하면 인공 지능의 일부이며 그것은 노인들을 돌볼 수 있습니다

음, 기계에 영혼이 있는지 여부를 어떻게 알 수 있습니까? 글쎄, 나는 노인들이 그것을 원하지 않는다고 말할 것이다 따라서 제품을 원하지 않는다면 성공하지 못할 것입니다 나는 실제로 기업가를 세웠다 노인 간호를위한 꽤 좋은 로봇과 그것은 노인을 쫓아 낸다 당신은 오직 하나의 기능 만 사용하고 고객 서비스라고합니다

그래서 그들은 고객 서비스 – 그 사람과 이야기하기 비디오가 나오면 노인이 말한다 "왜 내 딸이 오늘 전화를 안 했니? 내 손자에 대해서 말해 줄 게 " 나는 사람들이 다른 사람들과 상호 작용하는 타고 나는 욕망이 있다고 생각한다 따라서 로봇이 꽤 좋았더라도, 그것은 사람들이 선택하지 않을 것입니다

AI에 대한 연구가 조금 더 어려워졌습니다 괜찮아 사람들이 볼 수있는 다른 장소를 보면서 (들리지 않음) 볼 수 있습니다 유명한 개인을 종합하는 오바마 대통령은 믿을만한 것처럼 보입니다 사실 Georgia Tech와의 작업에서 Udacity에게

조지아 테크 교수가 온라인 상담원과 TAA에 입찰 전체 수업 시간에 TAA처럼 행동했으며 수업이 끝나면 우선이 코스는 실제로 AI의 조각이었습니다 인간과 모든 학생에 대해 놀랄 수 있습니다 우리가 갈라진 틈을 지나갈 수 없다고 생각하십니까? 아주 세련된 인공 지능 요원이 믿을만합니까? 나는 우리가 특정 업무를 위해 그들을 믿을 수있게 만들 수 있다고 생각한다 우리가 실제로 인간의 상호 작용을 필요로하지 않는 많은 일들이 있습니다 조교는 듀오 (Duo) 용어 일 수도 있고, 의인화 된 형태 일 필요는 없다

나는 인간 연결이 필요하고 볼 수없는 많은 것들이 있다고 생각한다 나에게주는 진보 자신감 넘치는 다리를 만들 수있는 자신감, 우리는 정말로 인간과 완전히 구별 할 수없는 어떤 것을 만듭니다 잠재적으로 우리에게 재앙을 가져다 줄 수 있다고 생각합니다 그 의미가 무엇인지 생각해 보면 그 목적은 무엇인가? 그리고 우리의 삶의 의미와 나는 이것이 가능성있는 디스토피아를 유발할 것이라고 생각합니다 그래서 나는 영혼을 가진 기계를 만드는 것이 불가능하다는 말은 아닙니다

그러나 나는 우리가 지금 그것을 믿지 않는 것을 써야한다고 생각한다 인류에있어서 우리의 영혼을 갖는 것이 중요한 것, 그리고 후일을 선택하는 사람들에게, 그들은 물론 우리 대부분을위한 자유를 가지고 있지만, 우리는 인간성에 매달릴 필요가 있습니다 우리가 독특하고 우리의 영혼을 가지고 있다고 믿습니다 그리고 결국에는, 우리가 옳다면, 우리는 무가치 함을 느끼는 하향 악순환에 빠지지 않습니다 그럼 잘못된 경우에도, 나는 우리가 영혼을 가지고 있다고 믿으면 우리의 삶을 살 수 있다고 생각합니다

100 년 후에도 더 가치있는 삶을 누릴 수 있습니다 우리가 틀렸다는 세바스찬 학생의 증명 우리가 틀렸다하더라도 100 년은 더 나은 삶이 될 것입니다 창가가 남아있어 이 장비가 바뀌고 있다고 생각합니다 정말로 통찰력이있는, 기어를 조금 바꾸게 해주세요

그래서, 당신이 AT & T o Verizon을 좋아하는 대규모 회사라면 건강 관리 회사, 추기경 건강 그리고 당신은 당신이 뉴스에서 들었던 것을 결정합니다, 당신은 카이 푸의 책을 읽고 참여하고 싶습니다 당신은 기업들에게 무엇을 권고합니까? 글쎄요, 그들은 AI가오고 있다는 것을 알아야합니다 주주의 술과 회사의 생존, 그들은 AI를 적용하고 더 많은 돈을 버는 방법을 살펴볼 필요가 있습니다 좁은 AI가 할 수있는 많은 직업에서 인간을 옮기고, 그래서 그들은 그들이 할 직원들의 책임을 져야합니다

향후 5 년 동안 변위는 단지 목표가 아닙니다 모든 회사가 주주 가치를 최적화하는 경우에만, 수천만 명의 사람들이있을 것입니다 인공 지능은 직업을 가지기 때문에 거리를 지나칠 수 없습니다 AI가 더 잘할 수 있기 때문에 무엇이든 할 수 있기 때문에 다른 직업을 찾으십시오 그것은 가장 일상적인 것으로 대체 될 것이기 때문에, 가장 숙련되지 않은 직업과 새로운 직업을 찾는 사람들에게 가장 힘든 일입니다

그래서, 나는 할 수있는 큰 회사가 인공 지능을 사용하여 보상을 받으면 노동자를 옮겨야한다 또한 직원들이 직원을 찾을 수 있도록 교육을 찾을 책임이 있습니다 즉각적으로 이주하지 않았거나 AI에 의해 변이 된 적이없는 일자리 AT & T가 매우 방대하게하지 않는 것은 무엇입니까 그러나 이것에 뛰어 들자

AI가 네 번째 산업 혁명만큼 크다고 생각하십니까? 확실히, 절대적으로 중국과 미국 등 선진국의 노동력 비중은 어느 정도인가? 대체 될 것 같니? 우리가 더 계획한다면, 15 ~ 25 년, 아마 약 50 % 맥킨지 (McKinsey)의 50 %는 말한다 지금 어떤 종류의 직업이 가장 많이 불을 땐다고 생각하십니까? 지금이 그렇게 나쁘지는 않습니다 현재 AI는 실제로 많은 일자리를 창출하고 있습니다

Udacity를 복용하고 AI에 접속하는 사람들 다시 말하지만, 사람들을위한 많은 직업을 창출하고 있다고 생각합니다 잠재적 기술 집합과 관심사를 가진 사람 실제 변위는 지금 막 조정되고 있습니다 그러나 내가이 책을 쓴 이유 중 하나는, 우리는 많은 기업에 투자하고 있습니다

근본적으로 어떤 직업이 일자리를 옮기는 지 계산할 수 있습니다 우리는 예를 들어, 우리는 식기 세척을 위해 로봇 공학을하는 회사에 투자했습니다 과일 따기, 대출 장교, 고객 서비스, 상인, 웨이터 및 웨이트리스, 패스트 푸드 요리사, 계산원 그래서 저는 이미 8 가지 일자리를 생각할 수 있습니다 나는 급속한 진전을 보았다

아마, 나는 의미한다 택시 기사를 추가 할 수 있습니다 나는 생각하고, 트럭 운전사 맞습니다 우리는 자율 차량에 투자하고 있습니다

그것들은 꽤 나중에있을 것입니다 그러나 내가 언급 한 8 가지 직업은 3 년에서 10 년 사이에, 크게 사라질 것입니다 당신이 언급 한 직업에 대해 내가 아는 것은이 두 가지입니다 하나는 저 숙련 노동입니다 예

둘째, 그들은 종종 신체적 인 확장을 가지고 있으며, 당신이 과일을 골라 낼 수없는 곳, 그러나 우리는 사람들로 하여금 과일 따기에 대해 생각하도록했습니다 그러나 우리는 육체적 인 로봇이어야합니다 로봇은 식품 안전해야합니다 로봇의 새로운 시대를 꿈꾸십니까? 로봇 공학의 시대, 똑똑하고 조작 할 수있는 로봇? 내 관점에서 로봇 공학의 사업을 살펴보면, 자가 운전 차량을 제외하고, 나는 그것이 실제로 성공한 단일 로봇 기술을 지적 할 수 있습니다 작은 조각이 있고, Kiva Amazon은 선반 배달을하고 있습니다

내 분석은 마치 똑똑함에 더하여, 당신은 또한 하드웨어를 지불하고 경화제를 유지해야합니다 예 하지만 당신은 이렇게 말하고 있습니다 "너무 빨라서, 세바스챤 거기에는인지 작업이 있습니다

" 눈이 아니라 육체적 인 발동 그것은 충분히 진전 될 것입니다 니가 말하는거야? 예, 나는 그것을 예측하고 있다고 생각합니다 그러나 나는 또한 그것을 천천히 그리고 천천히 투사하는 데 더 조심 스럽다 우리는 기계적인면에서 동등한 진보가 있음을 알아야합니다 그러나 나는 우리가 진전을보고 있다고 믿는다

또한 깊은 학습에서의 컴퓨터 비전, 이러한 기술들이 통합되고 있으며, 우리는 기능적 프로토 타입을보고 있습니다 사실, 아마도 첫 번째 것은 kiva 20이 될 것입니다, 맞습니까? 상자에 물건을 넣고 창고에서 완전히 인간적인 자유로운 전환은, 나는 우리가 확실히 볼 수 있다고 생각합니다 당신이 젊은 기업가라면, 미국에있을 지, 중국, 또는 세계 어느 곳에서나, AI에서 중요한 것을 원한다면 어떻게해야합니까? 잘 가장 좋은 아이디어는 무엇입니까? 아무도 듣고있어

당신이 돈을 벌고 있다면, 가장 낮은 교수형 과일은 재정적 인 영역에 있어야하며, 그것들은 인간으로 가공 되었기 때문에, 사람들이 할 수있는 적이 없었던 동일한 시뮬레이션 게임 그래서 모든 은행, 보험 회사, 지불, 투자, 나는 그것이라고 생각한다 당신이 현금 인출기로 끝나기 때문에, 또는 알고리즘이 작동하면 그것은 모든 로봇 공학을 가지고 있지는 않지만, 창고 및 제조, 배달, 모든 것들 그래서, 만약 당신이 돈을 벌고 있다면, 여전히 금융 공간이 있습니다 예

큰 차이를 만드는 경우, 로봇 공학 자율 차량에 들어가면 그것들은 아마도 그곳의 돌파구 일 것입니다 우리는 아마도 많은 일이 가능해질 수 있도록 돕기 위해 다시 올 것입니다 내가 생각하는 자율 차량은 특히 어려운 것입니다 나는 Wham-O만큼 낙관적이지 않다 좋습니다

올해는 내년에 배포 할 예정입니다 이것은 그럴 것입니다 그러나 나는 많은 똑똑한 사람들과 돈으로 그것에 들어가기를 생각합니다 모든 자동차 회사와 자율 차량을 포기한 전기 자동차 회사, 나는 그들이 결국에는 진보하고 우리 자신을 운송하는 방식을 바꿀 것이라고 생각합니다 그런 일이 발생하면 많은 기술들이 로봇 공학에 다시 돌아올 것입니다

어쩌면 현재 해결하기 힘든 로봇 문제를 해결할 수도 있습니다 어쨌든, 듣고, 우리는 시작된 나노 수준의 금융 AI를 가지고 있습니다 그러나 더 중요한 것은 Blockchain입니다 그래서 저는 블록 체 인의 의견을 들었습니다 이것은 유지하는 퍼즐의 멋진 조각입니다, 이것은 마약 돈을 위해 모든 것을 바꿀 수있는 최선의 방법입니다, 당신의 입장은 어디에 있습니까? 나는 우리가 포로 문제를 해결해야한다고 생각합니다

그래서, 그것은 많은 양의 변경되지 않은 계약 능력을 유지하는 데 필요한 계산 그래서 누군가가 어떤 형태로든 그 문제를 해결할 때 에너지로 또는 비 컴퓨터 집약적 접근 방식으로 우리를 죽이지는 않습니다 나는 그것이 벗어날 수 있다고 생각한다 많은 응용 프로그램이있을 것으로 생각합니다 Blockchain에 투자 하시겠습니까? 예

Blockchain에 투자 했습니까? BitMe라고 불리는 훌륭한 회사에서만 Blockchain 회사가 있습니다 Bitcoin의 가장 큰 광산 하드웨어 회사입니다 우리가 투자 할 수있는 이러한 것들의 계층을 볼 때, ICO와 암호, 우리는 사기에 대해 매우 우려하고 있습니다 우리는 Blockchain을 봅니다 우리는 살인자 응용 프로그램을 보지 않거나 전쟁 포로에 대해 걱정하지 않습니다

그러나 투자 관점에서 볼 때, 잃을 수없는 한 곳은 앱이 무엇이든 상관 없습니다 광업은 계속 지켜야 해 예 당신은 CPU를 가져야합니다 삽

삽을 할거야 삽 그래서 우리는 삽을했습니다 금을 위해 돈을 모으는 엘도라도 캘리포니아에 계십니까? 어떤 사람들은 성공했지만, 당신은 이 고정 선물은 모두에게 같은 여행을주기 때문에 맞습니다

Blockchain에 대한 우리의 유일한 투자입니다 좋은 나는 우리가 그렇게하는 것이 현명하다고 생각합니다 당신이 은행이라면, 그리고 방금 틀에 박히지 않고 감춰 놨습니다 바젤 3 (Basel Three) 2008 년의 위기를 초래 한 이러한 모든 규제는, 당신은 말 그대로 수백 개의 규제 및 규정 준수 비용으로 매년 백만 달러를 절감하고, Blockchain에 대해 걱정해야합니까? 은행 일 경우, 저는 사회에 좋을 것이 없기 때문에 저는 스스로를 닫았습니다

나는 우리 모두가 전자적이어야한다고 생각한다 나는 부분적으로 농담하는거야 나는 부분적으로 농담이지만, 부분적으로 심각한 것은 중국에 있기 때문에, 신용 카드 회사는 이미 사라졌습니다 모바일 결제가 이미 인계되었으며 2 % 서구에 배치 된 세금은 사라졌습니다 중국은 그 자체를 해방 시켰습니다

순수하게 사용함으로써 신용 카드를 사용하지 않아도되는 2 퍼센트의 세금, 이것은 블록 체인도 아니고 암호화도 아닙니다 그것은 WeChat에서 교환되고있는 진짜 단골 인민폐 통화 일뿐입니다 내 말은, 중국에서는 항상 전화로 서로 돈을 지불하는 사람들을 보았습니다 아무도 현금을 가지고 다니지 않습니다 사람들은 신용 카드가 없습니다

길가에 사는 거지조차도 거기에 사인을 들고있다 "나는 배고파 스캔이다" 내 생각 엔, 우리는 돈의 미래를 봅니다 Blockchain 또는 Crypto가 있는지 여부 그래서, 말할 수있는 것은, JPMorgan Chase의 Jamie Dimon 또는 Credit Suisse의 유출 물이었습니다

중국에서 실제로 무엇을 배울 수 있습니까? 음, 저는 금융의 미래가 완전히 가상 될 것이라고 생각합니다 나는 은행의 모든 ​​사람들이 일상적인 실험용 쥐와 같은 일을하고 있다고 생각합니다 그들은 AI에 의해 모두 이루어져야합니다 그래서, 은행들이 그냥 떠나지 못하도록하는 많은 규정들이 있음을 알고 있습니다 그러나 나는 은행도 아마있을 것이라고 생각한다

블럭 체인 (blockchain)을 사용하거나 사용하지 않고 스스로를 재발 명하는 데 천천히, 우리는 실제로 가상 화폐로 끝날 것입니다 가상 은행과 적은 비용을 지불합니다 신용 카드 나 2 %의 세금을 내면, 은행들은 분명히 사회에 2 %의 세금을 추가로 내고있다 보험 회사는 확실하게 또 다른 2 퍼센트를 가져 간다 나는이 좁은 인공 지능이 대체 할 날을 찾는다

그 것들을 우리에게 돌려 줄 수있는 6 %의 돈을 돌려줍니다 일부 보험 회사 보험 회사는 위험을 활용하여 살고 있습니다 괜찮아? 인공 지능이 정말로 영리해야한다면, 그것은 "좋아요 가장 큰 위험 요소는 기존의 조건이며, 위험 숫자 2는 귀하의 라이프 스타일입니다

귀하의 신용 점수 또는 라이프 스타일 측정에 사용하는 것이 무엇이든간에 측정됩니다 " 거기에 도착하기까지 AI가 필요하지 않습니다 우리가 더 이상 보험에 가입하지 않는 세상으로가는 것에 대해 걱정하지 마십시오 우리는 단지 승자와 패자가 될 것입니까? 오, 안돼 나는 보험이 있어야한다고 생각한다

보유하고있는 위험 및 필요성에 따라 맞춤화됩니다 그래서 모든 사람들이 디자인 할 수 있어야한다고 생각합니다 자신의 보험에 " 나는 자연 언어로 기술 할 수있다 내가 죽으면 내 가족이이 돈을 많이 갖길 바란다 그래서 얼마를 지불해야합니까? " 클릭 후 개인화 된 정책이 나오면 비용을 지불하게됩니다

기존 조건이있는 경우 두 배나 지불 할 의향이 있습니까? 기존 상태가있는 경우, 내 말은, 당신은 언젠가 당신의 인생에서 이미 존재하는 상태를 겪었습니다 나는한다 정부가 보험 회사가 무언가를해야한다고 강요하기를 원한다면, 내 말은, 그것이 가상적이든 물리적이든 상관없이, 그것을 강요 할 수 있습니다 예, 예, 있습니다 한 번 암에 걸렸을 때 내 의료 보험은 나를 포기하지 않았습니다

나는 다른 어떤 보험 회사도 얻을 수 없다 그래서 나는 이것에 더 매달린다 그러나 지금도 가상 보험에 적용될 수 있습니다 괜찮아 네

저는 코스를 조금 바꿔서 젊은 사람들에 대해 이야기 할 것입니다 우리 Udacity 휄로우의 상당수는 세계에서 당신이 카이 푸 리 (Kai-Fu Lee)의 10 %가 될 수도 있습니다 당신은 우리에게 역할 모델입니다 너무 많은 우리들 자신이 포함되어 있습니다 그러나 당신이 당신의 더 젊은 각자를 직면하는 경우에, 칭화 대학 (Tsinghua University) 또는 Carnegie Mellon University에서

당신은 당신의 어린 자신에게 어떤 충고를 해주겠습니까? 글쎄, 특히 AI의 시대가 다가오고 있다고 생각해 나는 그것이 더 중요하다고 생각한다 젊은 사람들은 마음을 따라하고 일을합니다 열정적 인 이유는 세계가 점점 더 구식이되고 있다고 말하는 이유 때문입니다 왜냐하면, 저는 많은 부모와 많은 일자리가 사회에 존재한다고 생각합니다

우리가 안정적이기 때문에 어떤 일자리가 매우 바람직하다고 생각하게하십시오 안전하거나 고용이 높은 것이 바람직합니다 그러나 인공 지능은 많은 것을 혼란시킬 것이다 예를 들어 방사선 의사를 데리고, 그게, 만약 당신이 의대에 간다면 방사선과 의사가되지 마세요 dermatologist도하지 마십시오

예 바로 그 거예요 피부과 의사가되지 마십시오 네 그 일에 대해 몇 가지 일을하셨습니까? 너와 앤드류는 모두 위대한 일을하고있다 그러나 연구원이 되십시오

권리? 그래서, 하나는 당신이 잘하는 것과 당신이 좋아하는 것을하는 것입니다 두 번째는 인공 지능이 대체 할 것으로 알고있는 것입니다 그 지역에 가지 마라 AI가 향상시킬 영역으로 이동하십시오 AI를 직업 파괴자 또는 일꾼으로 생각하십시오

AI가 취업 향상 프로그램이 될 수있는 작업을 선택하십시오 의학 연구원이 되십시오 권리? 그것은 큰 영역입니다 그러나 일부 직업은 사라질 것입니다 또한 인간 상호 작용 기술을 향상시키는 것이 중요하다고 생각합니다

그것이 AI가 할 수없는 한 가지이기 때문에, 그게 진정한 인간의 손길이며, 그건 연민, 공감, 이타주의, 연결, 사람들과의 신뢰, 그 부드러운 기술이 때로는있는 것입니다 항상 전화를 보냈던 젊은 사람들이 잊어 버렸습니다 그래서, 친구 사귀는 시간을 보내고, 팀워크 활동으로 AI 시대 이전에도, 우리는 기업에서, 실제로 강한 EQ를 가진 사람이 IQ보다 더 중요합니다 물론 둘 다 원한다 그러나 다른 모든 것은 평등합니다

당신은 둘 다 기본 수준을 가지고 있습니다 높은 EQ를 가진 사람은 일반적으로 자신의 커리어에서 실제로 진보하는 사람입니다 흥미 롭 군 마지막 질문 하나만 드리겠습니다 나는 그 대답이 무엇인지 안다

그러나 당신이 우리를 인도 할 사람이기 때문에 나는 어쨌든 묻고 싶습니다 자신을 컴퓨터에 업로드 할 수있는 시대가있을 것이라고 생각하십니까? 나는 안된다고 말할거야 나는 – 못? 나는 그런 일이 일어나기 싫어 세계의 역사 학자들은 여기에 잠깐 주목하십시오 세계 전문가 인 카이 푸 리 (Kai-Fu Lee) "우리는 결코 상자에 넣을 수 없을 것이다

" 글쎄, 나는 결코 그것을 할 수 없다는 말은 아니다 저는 대답이 '아니오'라고 말해주고 싶습니다 그 이유는 우리의 삶은 우리의 죽음 때문에 의미가 있다고 생각합니다 불멸에 대한 이러한 추구는 우리가 어떻게 삶을 살아야하는지에 대한 이유를 혼란스럽게 할 것이며, 저는 수천 년 동안 우리가 축적해온 많은 지혜가 있다고 생각합니다 우리가 사람들에게 불멸을 제공한다면, 나는 인류가 매우 부정적인 방식으로 바뀔 것이라고 걱정한다

가능하거나 불가능할 것으로 예상하지는 않습니다 그러나 나는 그렇게하지 않기를 아주 좋아할 것입니다 Calico의 중국어 버전에 투자 하시겠습니까? 인간의 수명을 두 배로 늘리려고합니까? 근속 기간을 늘리거나 불멸을 창조하기 위해서? 수명 연장 너를 두 배나 오래 살기 위해서 수명 연장

괜찮아 그렇습니다 [알아들을 수 없는] 글쎄, 우리 몸 200? 250? 우리의 몸은 무엇을 위해서만 내구성이 있습니까? 120 년

권리? 어떻게 알았어? 어쩌면 자녀의 몸은 더 오래 살 수 있습니다 나는 우리 몸이 이미 독소와 그런 것들에 의해 망가 졌다고 생각한다 120 번 들었다 하지만 장수를 두 배로 늘리는 것이 중요하다고 생각합니다 제 생각에, 저는 그것에 투자하고 싶습니다

괜찮아 지금, 나는 나의 마지막 질문을 어 기지 않았기 때문에, 나는 마지막 질문이다 오늘날 논의 된 모든 위대한 것들 중에서, 인간의 두 배의 수명에서, 차가운 융합, 날으는 자동차 또는 모든 질병을 치료하는 것 30 년이나 40 년 동안 실제로 다음에 어떻게 될 것이라고 생각합니까? 글쎄, 나는 많은 일이 일어날 것이라고 생각한다 나는 자동차가 분명히 일어날 것이라고 생각한다

자율 차량이 분명히 발생할 것이며, 좁은 AI가 절반의 일자리를 얻었고, 그건 분명히 일어날 것입니다 그것은 크다 네 현재 많은 전통 기관 사업을 그만 둔다는 것은 확실합니다 나는 면역학 같은 것들에 진전이있을 것이라고 생각한다

우리의 삶의 연장, 장수 CRISPR이 좋은 방향을 찾을 수 있기를 바랍니다 우리가 더 잘할 수 있도록 도와 줄 수 있습니다 또한 AI는 분명히 몇 가지 작은 재앙을 일으킬 것이라고 생각합니다 바라건대, 우리는 그것을 통제 할 수있는 입장에 서게 될 것입니다

카이 푸 리, 시간이 없어, 그래서 나는 재해가 무엇인지 질문 할 수 없다 하지만 네가 여기에있을 수있어서 정말 기쁩니다 고맙습니다 당신은 내 역할 모델 중 하나입니다 나는 당신을 20 년 이상 알고 지 냈습니다

오늘 Udacity에서 당신을 무대에 올리게되어서 너무 기쁩니다 고맙습니다 고맙습니다 이 책을 구입하십시오 감사

Powering the Future of Agriculture through Google Solutions (Cloud Next ’18)

[음악 재생] CRAIG Ganssle : 오늘, 우리는 인공 지능과 어떻게 우리 회사가 Google과 협력하고 있습니다 세계 전역의 식량 생산

제 이름은 크레이그 갠슬입니다 그리고 저는 회사의 설립자이자 CEO입니다 조지아 애틀랜타에서 CAMP3 FARMWAVE라는 제품이 있습니다 인공 지능은 중요한 역할을 할 수 있습니다

세계적인 식량 생산, 몇가지 말하자면 내가 너에게 물었다면, "이게 뭐야?" 사과라고 말해 줄거야 하지만 내가 말하면, 이제 나에게 증명해 줄까? 이것이 사과라는 걸 증명 해줘 어떻게 알았어? 왜냐하면 우리가 아이들, 유치원 또는 유치원이었을 때, 우리 모두 똑같은 것을 보았습니다 그림과 flashcard입니다

그리고 그것은 사과를 말했다 그게 뭐야? 그게 사과 야 그러나 그렇게 보이지는 않습니다 사과 라는게 무슨 뜻이야? 그게 어때? 그것은 너무 다르게 보입니다 또는? 이것들은 모두 사과입니다

그러나 인공 지능을 이용한 세계 식량 생산에서, 우리는 그것을 증명해야합니다 그리고 우리가 그것을 증명해야 할뿐만 아니라, 그것은 사과이지만, 모든 병원균, 해충, 그리고 거기서 어떤 작물도 감염시킬 수있는 잡초 침입 식물 병리학에서 인공 지능의 과제에 오신 것을 환영합니다 농업에서 이미지 인식과 같은 것을 사용하는 것은 어려운 일입니다

농작물의 병원균과 병충해를 확인하는 것 또는 식물 – 토마토, 감귤류, 줄기 작물, 뭐든지 – 일찍 그러나 이것은 가장 중요한 단계 중 하나입니다 성장하는 음식에 우리가 병원균을 확인하고 감염을 조기에 발견 할 수 있다면, 그건 우리가 화학 물질을 덜 뿌릴 수 있음을 의미합니다 즉 작물 파괴가 적고 작물이 많다는 뜻입니다

수확량 그것은 더 많은 음식을 의미 할 수 있습니다 이것은 전 세계적으로 정말로 중요한 산업입니다 우리 모두 먹어야하기 때문입니다 Fei-Fei Li 박사가 최선을 다했습니다

새 데이터 세트를 작성하십시오 그래서 FARMWAVE에서 우리가해야 할 일이 있습니다 우리는 전 세계를 검색했습니다 대학, 대기업, 농민, 소규모 주주 – 이미지 캡처 및 구축 큐레이팅되고 카탈로그 화 된 데이터 세트 식물 병리학을위한 이미지 인식 작물 손실을 줄일 수 있습니다 FARMWAVE는 농업에 종사하는 사람들을 연결하는 앱입니다

그들의 농장과 기술 및 서로와 그것은 단지 인공 지능 이상입니다 하지만 그 뒤에있는 진정한 강국입니다 지난 몇 년 동안 우리는 FARMWAVE를 개발해 왔으며, 우리는 조종사와 세계의 개념을 증명했습니다 몬산토 (Monsanto), 신젠타 (Syngenta), 바이엘 (Bayer) 인도, 프랑스, ​​미국, 전 세계에 – 우리가 FARMWAVE를 얻을 수 있다면 전 세계의 농부들의 손에 우리는 줄이기에 정말 좋은 기회가 있습니다

작물 파괴 20 % ~ 30 % 구성 요소 중 하나는 공동체로서 농민 서로 이야기하기 오늘날 그들은 Twitter 및 Instagram과 같은 것을 사용합니다 그러나 일상적인 일과 그들이 얼마나 빨리 움직이는 지, 농장에서해야 할 모든 일, 그들은 Twitter와 Instagram을 사용하고 있습니다 그러나 뉴스의 모든 소음과 그들이 따르는 모든 것 중간에 갇혀있는 것 같아요

당신도 재배자가 누군지는 말할 것도 없습니다 대기업 이해 관계자를위한 성장 그들이 식물 실험을하고있는 곳, 그 정보는 독점적이며 공공 웹에 나가십시오 FARMWAVE는 폐 루프 커뮤니티를 제공합니다 연구자, 경제학자, 농민 모두 들판을 만들어 협력 할 수있다 거의 실시간으로보고합니다

이를 통해 우리는 데이터를 올바르게 보유 할 수 있습니다 그들의 손바닥에 오늘날 농업에서 많은 일이 일어나고 있습니다 전 세계에는 여러 회사가 있습니다 자율 차량에 시도하고있다

존 디어는 오랫동안 그것을 해왔습니다 우리는 수십 년 동안 자율적 인 트랙터를 가지고있었습니다 그들은 훨씬 느리게 움직이며 아무도 그들의 방식을 따르지 않습니다 그러나 그들은 한동안 그것을 해왔습니다 무인 항공기, 위성 이미지, 하이퍼 스펙트 럴 컬러 이미지,이 모든 데이터 농업에 매우 중요합니다

그리고 많은 회사가 있습니다 우리가 할 수있는 방법에 영향을 미치려고 전세계에 이 모든 데이터를 더 잘 활용하십시오 우리의 농업에서 더 나은 결정을 내릴 수 있습니다 Howard Buffett는 "40 Chances"라는 책을 썼습니다 생각해 보면 농부는 평생 동안 그것을 얻는 평균 40 기회

그리고 그게 다야 그들이하는 모든 일, 일상 생활, 매우 계절적입니다 봄에 모든 식물이 수확하여 얻습니다 가을에 결과 아무리 효과가 있더라도 내년에 다시 시도 할 수 있습니다

인디애나주의 농부, 톰 팜스의 크리스 톰, 그들은 약 45,000 에이커 농사를 짓는다 그들은 미국에서 가장 큰 재배자 중 하나입니다 그는 한때 나에게 무언가를 말했다 기존 기술 위에 더 많은 기술을 추가하지 마십시오 새로운 기술을 추가하기 위해서

그래서 우리는 사물을 육상에서 훈련하려고합니다 FARMWAVE와 우리의 인공 지능 이미 휴대하고있는 기기로 작업 할 수 있습니다 그 (것)들 또는 그들이 이미 오늘 사용하고있다, 무인 항공기 및 일부 기계류와 같은 우리는 많은 기술을 활용합니다 Google Cloud Platform 내에서 최근에, 우리는 일하는 알파 회사 중 하나였습니다 AutoML

그리고 우리는 University of Georgia 농업 확장 – 우리가있는 곳, 애틀란타 – 인터넷 이미지 컨소시엄 (Consortium for Internet Imagery) 데이터베이스 시스템 조지아 대학과 약 19 개 대학이 소유 세계 각지에서, 3 만 5 천 개가 넘는 식물 종에 관한 20 년의 이미지 데이터입니다 그래서 우리는 조지아 대학과 긴밀히 협력했습니다 그리고 우리는이 데이터베이스의 복사본을 가지고 있습니다 그리고 우리는 분류하고 라벨을 붙이기 시작했습니다

FARMWAVE를 통해 이미지를 태그 지정하고 실행합니다 매우 도전적이었습니다 20, 19, 18 년 전, 우리는 휴대 전화의 종류가 없었어요 우리가 오늘 가지고있는 따라서 사진은 실제로 사용할 수 없습니다

그것들은 좋은 품질이 아닙니다 그러나 우리가 더 최근의 이미지를보기 시작하면서, 우리는 더 나은 품질을 가지고 있습니다 일부는 좋은 그림입니다 일부는 그렇지 않습니다 식물 병리학에서, 당신은 정말로 일어나야 만합니다

닫고 잎의 정말 좋은 그림을 얻으십시오 정말로 조기 발견을 위해 병원체 또는 해충을 식별 할 수있는 영향을 미칩니다 추천과 치료를한다 입력란에 입력하십시오 우리는 일찍부터 카운팅 시퀀스를 얻었다

오늘날 농민들은 생산량 예측에 도움을 줄 것입니다 옥수수의 귀에있는 핵을 세어 샤피와 함께 해 이제는 얼마나 많은 사람들이 농업에 시간을 할애했는지 모르겠습니다 하지만 7 월에 남부 조지아 열에 있다면 Sharpie와 함께, 그리고 당신은 커널을 계산하려고합니다

옥수수의 귀에, 그것은 끔찍합니다 그리고 당신이 그것을 굴릴 때쯤에, 손에 땀이 마커를 씻어 내었습니다 그리고 당신은 실제로 좋은, 정확한 카운트를 가지고 있지 않습니다 그래서 일부 Vision API 기술을 사용하여, 우리는 다음을 허용하는 시스템을 개발했습니다 너는 옥수수의 귀를 찍고 그것을 180도 회전시키고, 다른 사진 찍어

그리고 약 2 초 만에 계산됩니다 우리는이 카운트에서 95 % 이상 정확했습니다 연속적으로 – 실내, 실외, 관계없이 다른 빛 수준의 이는 17 %에서 20 % 아이오와 옥수수에 따르면 판 나중에 올해는 우리가 될거야

중간 이미지에있는 것을 시작합니다 스탠드 카운트 (Stand Counts)라고합니다 스탠드 카운트 (Stand Counts)는 농부들이 얼마나 많은 사람들인지를 알 수있게합니다 주어진 행에있다 때로는이 이미지를 UAV가 가져올 수 있습니다

때로는 땅에 찍히는 경우도 있습니다 토마토, 와인 포도의 클러스터 수 수율 예측에 도움이됩니다 농민들이 더 많은 결정을 할 수있게되면, 전반적인 세계 식량 생산이 더 좋습니다 우리를위한 이미지 인식은 시간이었다 자, 어떻게 시작할 지 생각해 보겠습니다

오늘이 일반적으로 어떻게 수행되는지 알려드립니다 농부가 들판으로 나간다 또는 위성이 사진을 찍습니다 또는 무인 항공기가 사진을 찍습니다 그리고 그들은 고통이 있음을 봅니다

현장에서 그런 다음 누군가를 보내면 사진을 찍을 것입니다 아마 농부는 그것이 무엇인지를 압니다 아마 그들은하지 않습니다 오늘날에도 우리는 여전히 새로운 질병이 나타나기 시작합니다 그래서 그들은 이렇게 말합니다

좋아, 나는 이것이 무엇인지를 정말로 모른다 농학자 한테 이걸 가져다 줘야 해 그러나 나는 아무데도 살고 있지 않다 아이오와에서 옥수수 바다에서 가장 가까운 대학교는 4 시간 거리에 있습니다

그래서 나는 지역 농학자에게 전화를한다 그는 두 국가가 떨어져 있습니다 다음 주에 아마 내게 올거야 그래서 그는 대학에 손을 뻗친다 그들은 누군가가 나와서 가져갈 수 있다고 말한다

며칠 만에 봐 그래서 그들은 나옵니다 그들은 한 번 봐 그들이 그것이 무엇인지 안다면, 그들은 권고를합니다 그들은 처방전을 씁니다

그리고 농부는 그들의 딜러에게 전화합니다 그리고 그들은 나가서 제초제, 살균제, 살충제, 뭐든간에 그들이 무엇인지 모르면, 그들은 더 연구를해야합니다 아마 며칠이 걸릴 것입니다 아마도 또 다른 주일이 걸릴 것입니다

기후, 날씨, 특성, 그들이 가지고있는 것, 이것은 퍼질 수 있었다 이것은 작물의 5 %에서 20 % ~ 30 % ~ 40 %로, 수확량을 줄이고 음식을 잃어 버리게됩니다 우리에게는 시간이 걸립니다 FARMWAVE 및 이미지 인식 기능 몇 초 만에 이런 일이 일어납니다 현재,이 대학의 35,000 종 조지아의 20 년 농작물 이미지를 통해 시작되었습니다

이것은 거대한 데이터베이스입니다 옥수수만으로 옥수수의 모든 질병 우리에게 몇 년이나 걸렸습니다 사과에서 나온 그림을 기억한다면, 우리는 모든 다른 단계에서 작물을 봐야합니다 그 모든 다른 단계에서 그 작물의 모든 질병 초기부터 중증도가 20 %, 중증도가 60 %, 완전히 쇠약 해짐 정확한 결과를 얻을 수 있습니다 우리의 이미지 라이브러리는 유일한 라이브러리 중 하나입니다

우리는 오늘 우리가 그것이 적절히 확인되었다고 말했다 박사 학위 병리학 자 및 곤충 학자 전 세계에서 그러나 우리는 높은 정확성을 가져야합니다 그래서 우리는 그렇게해야합니다 그러나 더 많은 시간이 걸립니다

농부들이 농지에 나가면 – 농지를 다녔다면이 플래 카드를 볼 수 있습니다 바로 거기에 어떤 작물이 심고 있는지 알려줍니다 이 경우 Pioneer 버전입니다 Google Vision API를 사용하여 농민 현장 보고서를 매우 빨리 채울 수있다 단순히 사진을 찍고, 현수막의 정보, 그것을 현장 보고서에 넣으십시오

그런 다음 나들이 할 때 현장보고를 계속합니다 그들의 차량의, 그리고 그들은 실제로 들여다보기 위해 들판에 들어간다 병원체 또는 해충 문제에서 이렇게하면 많은 시간을 절약 할 수 있습니다 어쩌면 농부가 하루에 몇 분이면 될지도 모릅니다

그러나 매년 전 세계 농민들을위한 그 화합물 이런 종류의 정보가 중요합니다 주정부 규정 및 지역 카운티에 신고해야합니다 보고서 따라서이 정보는 중요합니다

Google Vision API 덕분에 엄청난 도움이되었습니다 이 정보를 매우 빨리 추출 할 때 들판으로가 이것은 현장을 약간 쳐다 본 것입니다 FARMWAVE 내부에보고하십시오 우리는 병원균과 해충을인지함으로써 그들을 돕습니다

그러나 우리는 Google Cloud의 모든 것을 활용합니다 FARMWAVE가 살고있는 곳에서 거의 실시간으로 정보를 얻을 수 있습니다 우리는 또한 그들이있는 곳을 위치 정보 태그로 지정합니다 그것은 매우 중요합니다 그들이 들판에 나가면, 무엇을 이 분야에서 일어 났습니까? 우리는 날씨, 날씨, 장소, 시간과 날짜

내년 FARMWAVE의 미래는 다른 기계류를 허용하는 2019 년 앱 스토어 출시 농업 내 모든 데이터 포인트 FARMWAVE에 연결하여 해당 데이터를 상호 연관시킬 수 있습니다 더 잘 협력하십시오 그 말은 농부가 들판으로 나가면 현장보고를하기 위해 FARMWAVE를 엽니 다 그들이있는 곳을 봅니다 그리고 말하길, 당신의 존 디어 파종기를 당기게하십시오

네가있는 곳을 내가 알고 있기 때문이다 몇 초 후에 내가 너에게 무엇을 말할거야 이 분야에서, 어떤 날짜에, 어떤 씨앗에 심었습니까? 다양성, 어떤 간격에서, 어떤 압축에서 그리고 관개 센서 데이터를 가져와주세요 이 작물이 얼마나 많은지 물어볼 게

그것이 땅에 들어간 날부터 가지고있다 이 순간까지 당신이 서있는 곳에서 정확하게 그 때까지 그것은 그 결과를 푸시합니다 현장 보고서에 표시됩니다 그런 다음 사진, 메모, 비디오, 받아쓰기를 할 수 있습니다

그것을 저장하십시오 그리고 그 지역 사회에서 그것을 구할 때 앞서 언급 했으니 곧 공유 할 수 있습니다 귀하의 농경 학자, 연구원, 재배자, 상인 세계 어느 곳에서나 거의 실시간으로 몇 년 전, 나는 즐거움을 가졌다 프랑스의 Emmanuel Macron 대통령을 방문했다

프랑스는 포도주와 치즈로 세계의 수도입니다 그리고 그들이 어떻게 다르게 성장하는지 보는 것은 환상적이었습니다 프랑스에서 그들이 미국에서하는 것보다 나는 요르단 암만과 레바논 베이루트에 갔다 그들이 프랑스에서하는 것보다 그들이 어떻게 다르게 성장하는지 그들이 미국에서하는 것보다

프랑스는 GMO가 금지 된 국가 중 하나입니다 그래서 그들은 서로 다른 스타일을 가지고 있습니다 그러나 데이터는 여전히 중요합니다 프랑스 전역의 농민들이 함께 일합니다 정부 보조금을 통해 매년 새로운 기술에 대한 우리는 지난 몇 년 동안 프랑스를 방문했습니다

여러 번, 다른 공동 작업자, 재배자, FARMWAVE가 어떻게 잠재적으로 할 수 있었는지에 대한 정부와도 국가가 데이터를 집계하는 데 사용하는 단일 플랫폼이어야합니다 앞으로는 예측 모델링을 수행하십시오 우리가 인공 지능을 볼 때, 그리고 우리가 기계 학습과 깊은 학습을보십시오 Google Cloud Platform을 활용하여 무엇을 할 수 있는지, 그것은 하워드 버핏이 말한 40 가지 기회에 관한 것입니다 그것은 우리가 할 수있는 것과 할 수있는 것입니다

우리가 오늘 얻는 지식에 기반한 미래를위한 것인가? 나는 최근에 한 여인과 대화를 나눴다 Suzanne Wainwright-Evans 박사 그녀는 세계적으로 유명한 곤충 학자 Buglady입니다 그녀는 FraMWAVE에 대해 꽤 회의적이라고 Craig는 말했습니다 나는 수십 년의 경험에서 왔습니다

그리고 그 경험과 제가 현장에서하는 일은, 우리는 AI에서 편향 (bias)을 호출합니다 그리고 그녀는 절대적으로 맞습니다 편견이 많습니다 곤충 학자들이 볼 수있는 많은 것들이 있습니다 곤충 학자로서의 본성과 마찬가지로 우리가 시스템에서 훈련하기가 정말 어려울 것입니다

그리고 우리는 그것에 열심히 노력하고 있습니다 하지만 사실은 Dr Suzanne Wainwright-Evans입니다 영원히 여기 없을거야 그리고 오늘, 그것은 다음 Buglady가 된 것은별로 인기가 없습니다

그래서 우리는 많은 곤충 학자들을 갖지 못합니다 2017 년 에반스 박사는 3 주 동안 집에서 보냈습니다 나머지는 길 위에 있었다 그녀는 다른 나라에서 매우 인기가 있습니다 그들은 심지어조차하지 않는 해충의 침입을 목격한다

그것이 무엇인지 압니다 그리고 농작물을 구하기 위해 그녀의 도움이 필요합니다 그래서 에반스 박사 같은 사람과 일하고 있습니다 기계 훈련에 도움을 주며 AI 훈련에 도움을줍니다 우리가 병원체 또는 해충의 침입에서보고있는 것을 알기 위해, 지난 커플에 대한 지식을 유지하는 것이 중요합니다

농업의 미래를위한 수십 년 내일 우리는 더 나은 결정을 내릴 수 있습니다 이들은 우리가 함께 일하는 파트너 중 일부입니다 분명히, 나는 조지아 대학에 대해서 이야기했다 우리는 Google X로 초기 작업을했습니다 FARMWAVE 실제로 Google Glass에서 시작되었습니다

저는 Google Glass의 얼리 어답터였습니다 나는 뉴욕까지 갔다 나는 그곳에 와서 한 쌍의 구글 글래스를 갖도록 요청 받았다 그리고 몇 달 후에 얻었습니다 아이오와 주 디모 인에서 열린 존 디어 (John Deere) 개발자 컨퍼런스에 참석했습니다

그리고 John Deere는 개발자를 초청했습니다 이 회의를 위해 전 세계에서 온 사람들입니다 그리고 그것은 우리에게 새로운 것이 무엇입니까? 개발자들은 존 디어 (John Deere)를 보았습니다 말하길, 음, 그게 우리에게 새로운 것이 무엇 이니? 이 한 신사가 내게 다가왔다 그리고 그는 크레이그 (Craig), Google에 대해 이야기하고 유리는 무엇을하고 있습니까? 많은 사람들이 우리에게 그것에 대해 물었고 그것은

나는 말했다 이 시점에서 FARMWAVE는 아직 태어나지 않았습니다 우리는 방금 Glass에 대해 이야기하고 이야기했습니다 그것은 상자에서하고 있었다 그리고 이것은 Explorer 판과 함께했습니다

그리고 조금 더 배웠을 때 농업에서의 중대한 문제 해결, 작물 정찰병 작전에 대해 배웠습니다 이런 것들을 확인하기 위해 나는 우리가 이미지 인식 기술을 사용할 수있다 이러한 문제를 해결하고 이러한 결정은 더 빠릅니다 실제로 Google Glass에서 시작되었습니다 우리는 2015 년 몬산토에서 조종사를 만났습니다

일리노이에있는 약 25 개의 서로 다른 쌍의 Google Glass에서 농부들이 들판으로 나갈 수 있었던 곳 단순히 목소리를 사용하고 사진을 찍으십시오 그리고 그것은 식별 할 것입니다 또는 핸즈프리 옵션을 사용할 수 있습니다 유리가 그것을 잡고 커널을 센다 몇 초 만에

이것이 우리가 작업 한 일부입니다 GlassFish는 Google X에서 초기에 사용했으나 현재 Glass에서 계속 작동합니다 사실 어제 우리는 전 세계적으로 FARMWAVE를 시작했습니다 iOS 및 Android 앱 스토어에서 나는 어제 애틀란타에서 열린 ag 기술 회의에 참석했다 우리는 글로벌 출시를했습니다

그리고 우리는 80 개국을 가지고 있습니다 지난 60 일 동안 34,000 명 누가 FARMWAVE를 일찍 채택하기로 동의 했습니까? 그것은 중요한 문제입니다 우리는 2050 년까지, 사람들의 행성에있을 것입니다 앞으로 30 년 동안 더 많은 식량을 재배해야한다 우리가 지난 8,000 년보다 적은 자원, 적은 토지, 더 많은 입을 먹을 수 있습니다

기술은 중추적 인 역할을 수행 할 것입니다 이 일을하는 데있어서 그리고 우리는 그 일의 일부가되어서 정말 기쁩니다 그리고 우리는 강력한 자원 없이는 할 수 없었습니다 Google Cloud의 이 보고서에서 볼 수있는 이미지 인식 내에서 01, 아래쪽에지도가있는 것을 볼 수 있습니다

필자는 또한 지형 공간 기능을 당신이 현장보고를 받아 당신이 어디에 있는지 보여주고, 지도에 표시되는 자, 내가 아이오와에 있고 옥수수를 재배하고 있다면, 나는 문제가 있다는 것을 알고, 나는 아이오와 옥수수 재배자와 함께이 공동체 중 하나에서 협회, 그리고 나는 그림을 가져 간다 나는 현장보고를하고, 나는 이웃 농민들에게 경고한다 그들은 질병이 실제로있는 곳을 볼 것입니다 거의 실시간으로 전파됩니다 대시 보드보기를 통해 FARMWAVE 커뮤니티의 관리자입니다

또는 FARMWAVE 그룹의 경우 실제로 모든 재배자를보십시오 그리고 다른 태그와지도의 다른 태그를 통해, 실제로 성장하고 확산되는 것을 볼 수 있습니다 이것은 경고 효과가 있습니다 다른 농부들에게 무슨 일이 일어나는지 알려라 그리고 그들의 방법 오는 무엇

그리고 그것은 그 공동체에서 그 농부들에게 허용됩니다 조언을 구하기 위해 전 세계의 다른 사람들과 의견을 나눌 수 있습니다 하루 약 860 마리의 소를 기르는 위스콘신주의 낙농가 하루에 세 번, 그가하고있는 일에서 꽤 발전했습니다 그러나 8 마리의 소가있는 인도의 낙농가 지식이나 자원 또는 스킬 셋이 없습니다

위스콘신에있는 신사는 그렇게합니다 FARMWAVE를 통해 사진을 보내고 조언을 구할 수 있습니다 그 사진들이 현장보고에 있기 때문에 – 즉, 위치 및 날씨 태그가 붙은 농부 위스콘신 주에서는 즉시 인도의 농부에게 조언 할 수 있습니다 네가 8 마리의 암소를 가지고 있음을 알았다 당신은 매우 습한 기후에 살고 있습니다

여기 당신이 상대하고있는 조건이 있습니다 그것은 유방염 가능성이 높습니다 그리고 여기에 대해해야 할 일이 있습니다 그리고 그것은 다른 부분의 농부들에게 중요합니다 성장하는 국가의 세계 그 8 마리의 암소는 그들의 가족의 지속 가능성입니다

[음악 재생]

Netmarble Games: A Case Study of Game Operation Enhancement with AI/ML (Cloud Next ’18)

[음악 재생] 나는 게임 서비스 AI 부서장입니다 동시에 기술 기술부 장 [INAUDIBLE], 넷 매블

네, 그리고 솔직히 말해서, 이것은 약간의 [INAUDIBLE]입니다 나를 믿거 나 말거나, 나는 하나이다 한국에서 인기있는 연사의 저는 한국어로 아주 좋은 연설을한다고 믿습니다 하지만 지금 영어로 말해야합니다 매우 긴장 했어요

솔직히이 세션을 취소하려 했어요 여러번– [웃음] -이 이벤트를 사용하여 개발자에게 질문하기 때문에 내 제품, 회사 제품을 제 시간에 개발하십시오 그리고 나는 네가 미국에서 연설을해야만한다고 말했다 일정을 이겨야 해 그리고 나는 조금 더 일찍 그것을 취소하는 것을 잊었다

지난 주에, 나는 [[? API?] Google Cloud에서 그리고 저는 행복하지 않다면서이 프로젝트를 취소하고 싶습니다 이 이벤트를 취소하고 싶습니다 그리고 그들은 말했다, 왜? 그리고 당신 이름은 이미 모든 곳에서 인쇄되어 있습니다 당신은 그렇게해야합니다 그리고 내가 말했지, 오, 안돼, 안돼, 안돼, 안돼, 안돼

제 프리젠 테이션이 그렇게 인기가 없습니다 참석하고 싶은 사람이 없습니다 하지만 여기에는 너무 많은 사람들이 있습니다 네,이 행사에 참여해 주셔서 감사합니다 그리고 네

그래서 나는 아마 3 일을 보냈다 자료를 준비하는 3 일간 내 경험을 [? GGP,?] 또한 Google PSO로 즐거운 추억을 남깁니다 하지만 우리가하기 전에, 나는 단지 Netmarble을 소개합니다 당신에게 친숙한 Netmarble, Netmarble 매우 큰 게임 회사입니다 그러나 한국에서는 1 위입니다

그러나 미국에서는 모두가 Kabam 또는 Jam City를 알고 있다고 생각합니다 그것이 우리 지점입니다 우리는 그들의 회사를 인수했습니다 하지만 Netmarble은 그렇게 인기가 없으므로 Netmarble을 소개하고 싶습니다 그러면 나는 어떤 종류의 물건을 설명 할 것이다

우리는 인공 지능과 기계 학습을 위해 노력하고 있습니다 그렇다면 우리가 한 일을 공유하고 싶습니다 어쩌면 3 번 정도의 사례 연구로 깊이 잠수 해보세요 나는 준비했다 예, 이것은 Netmarble입니다

우리 로고 야 그리고 이것이 우리의 주인공입니다 이름은 쿠쿠입니다 웃을 때 [INAUDIBLE]와 (과) 비슷한 것입니다 믿거 나 말거나, 이것은 공룡입니다

우리의 의장은 그것은 공룡입니다 하지만 그래, 조금 악어 같아 그러나 어쨌든, 그것은 공룡입니다 노란색은 우리의 기호 색입니다 그리고 이것은 "Marvel"의 주요 제목을 보여줍니다

"트랜스포머", "리니지 II"및 "StoneAge M" 및 "일곱 밤"및 모두의 대리석 " 이것이 우리의 핵심 제목입니다 우리 신문 아직도 긴장 돼있어 예, 외부 IP를 사용하고 있습니다

우리의 최신 마케팅 비용 그래서 우리가 디즈니의 "Marvel"을 따르는 이유 아마도 Hasbro의 "Transformer"일 것입니다 동시에 우리는 우리 자신의 강력한 지적 재산권을 만들려고 노력합니다 센터 인 "세븐 나이트"는 원래 IP입니다 그리고 우리는 "석기 시대"를 샀다

그리고 이것은 [INAUDIBLE] 모델 인 "Everybody 's Marble"입니다 이는 원래 IP이기도합니다 그리고 이것은 "계보 ll"입니다 – 매우 인기있는 MMORPG IP 중 하나입니다 그리고 엔씨 소프트에서 빌려 왔습니다 그리고 우리는 한국에서 커다란 성공을 거두었습니다

아마도 TBCF를 모두 보게 될지 모르겠습니다 우리는 미국에서이 타이틀을 마케팅하기 위해 Conan O'Brien을 사용하고 있습니다 그러나 우리는 미국에서 큰 성공을 기대하고 있습니다 우린 시도했지만 실패했습니다 어쨌든, 우리는 미국에서 더 큰 성공을하기 위해 최선을 다합니다

이것이 우리의 역사입니다 Netmarble은 젊은 회사가 아닙니다 Netmarble은 2000 년에 설립되었습니다 그리고 우리는 RPG 게임 개발자와 퍼블리셔도하고 있습니다 그리고 2013 년에는 RPG에서 전체 방향으로 변경했습니다

모바일로 그리고 우리는 그곳에서 성공하고 계속해서 빠르게 성장하고 있습니다 우리는 Tencent 및 [? EngiSoft ?] 그리고 우리는 잼 시티 (Jam City)를 인수하고 카불 (Kabam)을 인수했습니다 그리고 우리는 혁신으로 더 커질 것입니다

예를 들어,이 제목의 이름은 "ChaChaCha"입니다 이것은 한국 최초의 [INAUDIBLE] 메가 히트 게임입니다 그리고 이건 [? 괴물?] [? 길들이기 ?] 그리고 우리는 한국의 모바일 RPG 표준 그리고 또한, 우리는 실시간으로 [? 짓다 ?] [INAUDIBLE] 모델 인 "Everybody 's Marble"

그리고 이것은 놀랄만 한 [부적절한], 거대한 성공입니다 이 기간 동안 한국의 시장 점유율은 50 % 이상입니다 미쳤어 그리고 나서, "Lineage Revolution"을 시작했습니다 더 많은 하드 코어 타이틀을 기대합니다

우리 모바일 장면에서 인기가있어서 MMORPG를 출시했습니다 그리고 그것들은 또한 커다란 성공을 거듭합니다 그 다음 우리는 Kabam와 Jam City를 인수했다 미국 시장에서 개척하기 우리는 한국어이므로 무엇을 이해하는지 정말 어렵습니다

서양 사람들은 사랑합니다 그래서 우리는 단지 우리 자신을 찾습니다 돈을 사용하는 간단한 해결책 좋아, 어떤 회사 그래

예 이것이 우리의 11 년 성장 그래프입니다 미쳤어, 그렇지? 그리고 요즘에도이 경사를 계속 유지합니다 그리고 우리는 작년에 우리는 3 위 출판사입니다 Apple과 Google을 결합합니다 구글에 대해서만, 우리가 아는 한 제일입니다 그건 [INAUDIBLE] 맞죠? 네

[박수 갈채] 이것은 숫자입니다 우리는 매우 자랑 스럽습니다 그리고 우리는 전 세계적으로 3 위의 게임 퍼블리셔입니다 그리고 11 년 CAGR은 89 %이고 680 억 달러 MAU입니다 그것은 한국의 전체 인구보다 큽니다

또한 19 개의 독립 개발 스튜디오가 있습니다 우리는 한국에 3,000 명이 넘는 개발자를 보유하고 있습니다 아마도 우리는 3,500 명이 넘을 것입니다 [알아들을 수 없는] 그것은 매우 빠르게 자라고 있습니다 그리고 재미있는 점은, 우리는 단지 4 % 모바일 판매에 대한 세계 시장 점유율

우리는 아마 더 빨리, 어쩌면 5 또는 6과 10이 될 것으로 예상하고 있습니다 그리고 나의 의장은 항상 더 많은 시장을 얻으려고 우리를 밀어 붙이고 있습니다 전세계에 공유하십시오 그리고 나서, 세계 시장의 모바일 전 세계에서 매우 높은 곳입니다 그리고 중국에서는 사업이 없었습니다

그러나 한국과 중국 정부 정치적인 문제가있다 그리고 중국 시장에 진입하는 것은 정말로 어렵습니다 하지만 올해는 아마도 중국 시장에 진출 할 수있을 것 같습니다 우리는 그것을 기대하고 있습니다 그리고 그것은 올해 더 큰 성장을 할 것입니다

한국은 여전히 ​​우리에게 최고의 시장입니다 그러나 2 위는 북미에 있으며, 3 위는 일본이다 그리고 우리는 일본 시장에 집중하고 있습니다 올해는 일본에서 1 위를 차지했습니다 어제 우리는 새로운 타이틀을 시작했습니다

"전투기 Allstar의 왕"은 어제, 그리고 그것은 아주 좋은 출발처럼 보입니다 예 이것이 우리 스튜디오의 차트입니다 그리고 우리가 이것을 보여주고 싶습니다 너무 많은 스튜디오가 있습니다

즉, 개발할 수있는 [무관심한] 파이프 라인이 있음을 의미합니다 많은 주력 타이틀 그것은 우리를 매우 공격적으로 사업하게 만듭니다 예를 들어, 지난 주에 우리는 "StoneAge M"을 출시했습니다 이번 주에 우리는 "The King of Fighters Allstar"를 발표했습니다

다음 달에는 한국에서 새로운 타이틀을 시작할 예정입니다 다음 달에도 다음 달에 새로운 타이틀을 출시합니다 우리는 적극적으로 타이틀을 출시하고 있습니다 고맙습니다 그렇다면 우리는 인공 지능으로 무엇을하고 있습니까? 및 기계 학습? 그래서 Netmarble의 독창성을 설명하고자합니다

우리는 모바일 게임 퍼블리셔를 PC에서 모바일로 이끌고 있습니다 그리고 우리는 여전히 작은 PC 사업을하고 있습니다 그리고 네, 모바일에 갈 것입니다 동시에 우리는 한 장르에 초점을 맞추고 있지 않습니다 우리는 캐주얼 한 게임을하고 있습니다

동시에 우리는 여전히 액션 RPG를 개발합니다 그리고 요즈음, 우리는 우리의 MMORPG를 개발하고 있습니다 더 큰 돈을 벌기 위해 하지만 여전히 우리는 새로운 장르 [부주의] 더 빨리 성장할 수 있습니다 나는 큰 차이가 있다고 생각한다

우리와 다른 모바일 게임 회사간에 일반적으로 일반 회사는 초점을 맞추기 만합니다 한 장르 또는 한 장 제목 그러나 우리는 다양한 목표를 위해 다양한 장르를 만들고 있습니다 캐주얼 사용자에서 하드 코어로, 간단한 게임에서, MMORPG에 간단한 프로젝트 게임 우리는 모든 종류의 타이틀을 개발했습니다

그리고 우리는 많은 국가와 세계를 위해 일하고 있습니다 "7 박", "대리석 미래의 싸움", "계보 ll" "킹 오브 파이터 올스타" 우리는 한국, 동남아시아 및 일본에서 큰 성공을 거두고 있습니다 또한 미국 – 우리는 더 기대하고 있습니다 그렇게하기 위해, 우리는 많은 일을합니다

특히 우리는 여러 시도를하고있다 [? 입력?] [INAUDIBLE] 마케팅에서의 모바일 게임 운영 한국에서는 최고의 모바일 게임 베스트 마케팅을 정의합니다 그것은 우리가 모든 종류의 미디어 채널을 사용한다는 것을 의미합니다 2 주 동안 TV와 온라인 및 광고판을 포함하여 우리는 2 주 동안 만 미친 돈을 씁니다

그리고 그들은 우리에게 브랜드를 만들 것입니다 그렇다면 거대한 성공 한국에는 간단한 공식이 있습니다 거대한 돈을 모바일 타이틀과 함께 우리는 그것을 정의합니다

그리고 동시에, 우리는 다른 [무관심] 글로벌 마케팅 트렌드 예를 들어, 성과 마케팅 한국에서는 퍼포먼스 마케팅이 그렇게 중요하지 않습니다 제가 말했듯이, 대중 마케팅은 시장을 지배합니다 모바일 게임 시장

일반적으로 한국 기업은 실적에 익숙하지 않습니다 마케팅 여기서는 성과 마케팅이 중요하며, 어쩌면 TV 광고 나 광고판이 중요하지 않을 수도 있습니다 왜? 나는 모른다 보이는구나

그러나 한국에서는 모든 종류의 정보를 수집하고 있습니다 최고의 마케팅에 대해 그리고 한국 이외의 지역에서는 성능 마케팅을 채택하고 있습니다 경향 그리고 일본에서도 일본은 매우 독특한 장소입니다

그것은 매우 이해하기가 매우 어렵습니다 왜 이런 종류의 방법이 효과가 있는지, 왜 이것이 작동하지 않는지 이해하기 정말 어렵습니다 그러나 우리는 몇 년 동안 일본에서 성공하려고합니다 우리는 모든 종류의 정보를 수집하고 있습니다

그리고 마침내 우리는 [무관심]을 얻었습니다 이제 우리는 거의 같은 능력을 가지고 있다고 믿습니다 일본 기업으로 그래서 Netmarble의 AI 및 기계 학습을위한 힘 다양한 최상의 데이터 및 운영 노하우가 될 것입니다 우리는 다양한 장르 데이터, 다양한 시장, 다양한 마케팅 방법, 다양한 작업 – 캐주얼에서 하드 코어, 아시아에서 유럽 및 북미, 대량 데이터 기반의 고성능 마케팅, 그리고 빨리 [? 입양?] 일본 마케팅 전문, 상위 10 대 매출의 주력 타이틀 유지 5 년 동안 차트 우리는 5 년간 이러한 종류의 데이터를 수집하고 있습니다

그것은 우리의 특별한 무기입니다 Netmarble과의 주요 차이점이 있다고 생각하십시오 및 다른 게임 회사 그러나 그러한 종류의 데이터가 중요합니다 나는 그것이 중요하다고 생각한다

왜냐하면 [INAUDIBLE] title 보통 방법을 즐기는 [? 그냥?] [? ?] [? 일하는거야?] 맞지? [? 정복?]과 [? 고려해?] 결말 모바일 게임은 상당히 다릅니다 노출을 극대화하기 위해 자유롭게 플레이 할 수 있습니다 동시에 모든 종류의 콘텐츠를 선호합니다 유지 비율, 높은 유지 비율을 유지합니다

누군가는 정말 경쟁을 좋아합니다 누군가 커뮤니티를 정말 좋아합니다 누군가는 정말로 도전하는 것을 좋아합니다 누군가는 정말로 힘을 좋아합니다 그래서 우리는 하나의 제목에 모든 종류의 내용을 준비합니다

우리의 성공 가능성을 극대화합니다 그것은 Netmarble의 방식입니다 이 푸른 색 모양은 한국이고 이것은 브뤼셀입니다 이것은 미국, 대만입니다 같은 제목, 같은 균형, 하나의 빌드,하지만 모든 나라 다른 방식으로 그것을 즐긴다

정말 재밌 네요 그리고 이것은 시간 축입니다 그리고 이것은 [? 시도해 봐?] [? 즐길 수 내용 푸른 색은 한국이고 보라색은 미국 – 거대한 차이 몇몇 제목에 정복하거나 번호 하나가되는 가장 쉬운 방법은, [INAUDIBLE] 가장 효율적인 방법이 있습니다

그러나 어쨌든, 미국 친구들은 다르게 플레이합니다 한국 남자들은 다르게 게임한다 모두 다 다릅니다 우리는 게임 내 데이터의 종류를 가지고 있습니다 나는 이것이 우리에게 정말로, 정말로, 정말 강력한 무기라고 믿습니다

그러나 문제는 우리 출판의 커다란 유산이 있다는 것입니다 비즈니스 측면에서 PC 측면 그래서 우리는 Google과 매우 좋은 관계를 유지하고 있습니다 구름 이제 우리는 우리의 유산을 구름 트렌드로 바꿀 수 있기를 희망합니다

최대한 빨리 Google PSO에서 큰 도움이 필요합니다 [LAUGHS] 그래서 PC에서 모바일로의 [INAUDIBLE] 전환으로 인해 – PC 게임 측에 너무 많은 유산이있다 그리고 작년에 [INAUDIBLE] 클라우드 용 게임 [INAUDIBLE] 또한 Google Analytics는 모바일 용으로 [INAUDIBLE]입니다

우리는 모든 것을 가능한 한 빨리 바꾸고 있습니까? 우리 플랫폼을 바꿀 수 있다고 생각합니다 Google GCP와 같은 공개 클라우드에 우리가 가지고있는 데이터와 모든 것을 결합 할 수 있다면, 우리가 매우 강하게 AI와 기계 학습 회사가 될 수 있다고 생각합니다 어쩌면 될 수 있습니다 그래서 Netmarble은 올해 초 NARC를 시작했습니다 이 데이터로 새로운 비즈니스, 새로운 AI 비즈니스 개발 그리고 우리의 운영 노하우

NARC는 여기에 마약 관련 문제가 있다는 것을 알고 있습니다 하지만 나는이 이름을 사용하지 않는다고 말했다 그러나 어쨌든, 나의 의장은 이것을 사용하기로 결정했습니다 NARC는 Netmarble AI 혁명 센터를 의미합니다 그리고 혁명은 마케팅의 핵심 단어입니다

그리고 우리는 이영영을 고용합니다 17 년 – IBM TJ Watson Research Center에서 일합니다 그리고 그는 아마 왓슨의 조상 중 하나입니다 그리고 모두는 어쨌든 왓슨을 싫어합니다 이승영 대표는 현재 NARC의 책임자이며, 동시에 Netmarble의 CTO입니다

그는 기술 측면에서 모든 변화를 주도하고 있습니다 우리 산업은 [단순하다] 매우 간단합니다 AI 기술을 사용하여 게임 개발을해야합니다 그리고 우리는 더 나은 것을 만들고 싶습니다 AI 솔루션으로 작동합니다

예 이 [미숙 한] 우리는 모든 것을 할 수 있다고 말했다 우리는 모든 것을 할 것입니다 하지만 그래, 우리는 이미 약간의 진전을 이루고있다 강화 학습

모두들 그걸 시도했지만 우리가 시도 했어 우리의 균형 문제를 해결하기위한 학습 강화 또한 AI 기술을 사용하는 게임 시뮬레이터를 만들고 있습니다 동시에 우리는 큰 데이터 분석을하고 있습니다 BigQuery를 사용하는 Google Cloud 플랫폼 GCP 그리고 그들은 우리의 행동 데이터를 사용하고, 그들은 우리의 프로파일 데이터 인 QA 자동화 시스템을 사용하십시오

우리가 지금하고있는 일의 종류 나는이 편이 아니라이 편을 담당한다 네 내가 말했듯이, 나는 게임 서비스 AI를 담당하고있다 게임 운영과 관련된 AI, 모든 종류의 활동, 게임 외부가 아니야

예를 들어, 마케팅 및 운영 그리고 또한, 큰 데이터 분석 네, 그래서 저는 우리를 단순한 전략으로 만듭니다 – 그냥 ABC 내부의 모든 사람들에게 실용적인 통찰력을 제공하고 싶습니다 Netmarble 나는 모른다

많은 게임 스튜디오는 예측을 시도합니다 맞습니다 변동 예측, LTV 예측, 많은 것들 그러나 실제로 그러한 의미가 있습니다 내 질문이다

수년 동안, 우리는 서구 기업을 복사하려했습니다 서구의 회사는 우리의 능력보다 높은 것처럼 보입니다 그래서 우리는 모든 것을 따라 잡으려고했습니다 그래서 우리는 휘젓다을 예측하려고합니다 우리는 LTV를 예측하려고했습니다

그리고 우리의 결론은 그렇습니다, 우리는 그렇게 할 수 있습니다, 그렇다면 무엇을 할 수 있습니까? 따라서 돈을 더 벌거나 더 나은 서비스를 제공하기 위해 할 수있는 일 질문이 아닙니다 요즘 우리 팀은 집중하고 있습니다 실용적인 통찰력을 만드는 데 Netmarble 내부의 모든 사람들에게 실행 가능한 통찰력을 제공하십시오 예를 들어, 간단한 손실 예측을 제공합니다 마케팅 담당자에게 리포터 데이터를 기반으로 모든 것을 결정할 수 있습니다

마케터는 더 많은 돈을 지출하거나 지출을 중단하거나 변화시킬 것입니다 마케팅 채널 그리고 매일, 그들은 모든 것을 최적화하려고 노력하고 있습니다 데이터를 기반으로합니다 그런 종류의 일, 나는 그것을 정말로하고 싶다

비즈니스에 미치는 영향 인공 지능과 기계 학습은 매우, 유행 기술, 많은 문제를 해결할 수 있습니다 그러나 나를 위해, 기술적 인 문제를 해결하는 것은 매력적이지 않습니다 우리는 정말로 간단한 문제를 해결하기를 원합니다 하지만 그것은 큰 비즈니스 영향을 미칩니다

예를 들어 광고 사기 탐지 시스템을 개발합니다 그것은 퍼포먼스 마케팅을위한 엄청난 돈을 절약 할 것입니다 그리고 그런 종류의 일은 정말로하고 싶습니다 동시에, Netmarble은 모바일 게임 회사입니다 이것은 우리가 아주 좋은 개발자가 없다는 것을 의미합니다

인공 지능 또는 기계 학습 이상의 강력한 개발 타워 이 문제를 해결하기 위해 Google은 공동 작업을 실제로 시도했습니다 다른 대기업과 예를 들어, 우리는 아주 좋은 관계가 있습니다 Google 클라우드 – PSO 팀과 PSO 팀은 우리에게 많은 통찰력을 제공했습니다 새로운 시스템을 개발하고 두통 문제를 해결할 수 있습니다

그들은 매우 영리하며, 우리는 그들의 능력을 따라 잡고 있습니다 그러나 한 가지 더, 우리는 올바른 문제를 해결하려고 노력했습니다 올바른 문제는 우리가 실제로 해결하고자하는 것입니다 그리고 그것은 인간이 풀 수 있지만 때로는 필요합니다 많은 사람들이 있고 많은 시간이 필요합니다

그런 종류의 문제는 완벽하고 완벽합니다 기계 학습을 사용하기 때문에 우리는 믿습니다 그리고 우리는 이미 여러 경우를 시도했다 자신을 [무관계] 도표로 만드십시오 마케팅을 위해 LTV 예측, ROAS 예측 및 광고 사기 탐지 시스템

그리고 제가 말했듯이 우리는 LTV 예측을 개발했습니다 하지만 조금도 사용하지 않으므로 아무도 사용하지 않습니다 대중 마케팅에 사용하기가 어렵습니다 그리고 한국에서는 LTV가 그다지 중요하지 않습니다 그리고 그것은 동남 아시아와 어쩌면 일본에서도 마찬가지입니다

그래서 우리는 ROAS 예측을 개발했습니다 그리고 마케팅 예산을 회수 할 수 있습니다 월간 기준 우리는 마케팅 예산을 be [? 액체?] 2 개월 또는 3 개월 후 또는 4 몇 개월 뒤 그리고 나서, 우리는이 시스템을 개발했습니다

그리고 [무관심]은 매우 높습니다 현재, 그게 어떻게 내가 말할 수 있니? 어쩌면 플러스 또는 마이너스 15 일 정말 정확합니다

그리고 우리 사장님은 항상 더 많은 돈을 쓰고 자합니다 손실 예측을 기반으로합니다 또한 광고 사기 탐지 시스템을 개발했습니다 그것은 많은 마케터들의 두통입니다 그리고 그것은 정말로, 정말로

수많은 솔루션이 있습니다 예를 들어, [INAUDIBLE]도 그런 종류의 것을 제공합니다 그리고 많은 [? 동향?] 회사 광고 사기를 탐지 할 수있는 해결책을 제공하십시오

문제는 우리가 회사 외부에 의존하기를 원하지 않는다는 것입니다 그리고 우리는 탐지 할 데이터가 충분하다고 믿습니다 자신에 의한 광고 사기 그리고 우리는 노력했고 우리는 커다란 성공을 거두고 있습니다 게임 서비스 운영을 위해, 우리는 churn report, 다른 모든 사람들처럼

그러나 우리는 기계 학습을 사용하여 떠나는 것 또는 머무르는 것의 차이 당신은 그들이 가지고있는 차이점이 무엇인지 알게됩니다 누군가가 [[? PVP?] 손실 그리고 누군가가 5 ~ 6 번 연주한다면 더 오래 머물러 있습니다 하루

우리가 데이터에서 추출하고자하는 그런 통찰력 그리고 매일 아침, 우리 작전 팀원들은 보고서를받습니다 어떤 추세가 진행되고 있으며 어떤 종류의 주요한 차이점이 있는가? 버추기 사이에 [INAUDIBLE]와 [INAUDIBLE]에 머물러 있습니다 또한 특별 해산 예측 보고서를 개발했습니다 우리는 행동에 대한 단서를 제공하는 데 집중하고 있습니다

예를 들어, 여기 누군가가 있습니다 그들의 확률은 아마도 90 %를 넘을 것이다 그건 우리가 아무 것도 할 수 없다는 것을 의미합니다 그는 나가서 다른 칭호를 즐긴다 휘젓다 예측에서 여기 누군가가 아마도 해지율이 60 % 또는 80 % 일 것입니다

그러나 우리의 두 번째 날 보유는 50 % 이상입니다 그래서 60 %가 더 높거나 높지 않습니까? 일상적인 작업을 이해하는 것은 정말 어렵습니다 가이드 그래서 우리는 단지 간단한 지침을 제공합니다 이 사람에 집중하고,이 사람을 잡을 수 있다면 어쩌면 내일 후, 당신은 거대한 유지를 얻을 수 있습니다

[? 3?] [? 개월 ?] 그런 종류의보고, 우리는 매일 배달합니다 또한 게임 내 이상 탐지 기능을 개발합니다 그리고 그것은 우리의 협력 프로젝트입니다 Google PSO 팀과 오늘, 우리의 타이틀 서비스 기간 더 길고 길다

즉 콘텐츠는 매우 복잡합니다 버그없는 상태를 유지하는 것은 정말로 어렵습니다 항상 버그가있을 것입니다 즉, 항상 버그가 있음을 의미합니다 [INAUDIBLE]

그 종류의 사용자를 가능한 한 빨리 찾는 방법은 무엇입니까? 그것은 가장 중요한 문제 중 하나입니다 길고 길게 길게 봉사하십시오 그래서 우리는 테스트 시스템을 개발했습니다 그래서 나는 3 가지 사례를 깊이 잠수하고 싶습니다

하나는 레스 마라 보고서입니다 레스 마라 알고 있니? 그거 알아? 네, 일본 출신입니까? 관객 : [INAUDIBLE] 연사 : 네 Resemara는 매우 흥미로운 방법입니다 게임 콘텐츠를 즐길 수 있습니다 Resemara는 재설정, 결합, 마라톤입니다

일본과 아시아에서는 일반적으로 무료입니다 [INAUDIBLE] 비즈니스 모델을 채택한 게임을 즐기십시오 [INAUDIBLE]은 어떻게 말 할 수 있습니까? [INAUDIBLE] 네, [INAUDIBLE]에 익숙하십니까 ?? 자물쇠 상자 같은 거지? 그리고 일본에서는 마케팅 가격이 정말로 높습니다 즉, 우리는 사용자를 적어도 하루에 1 시간 이상 붙잡고 싶습니다 즉, 우리는 아주 좋은 인상을 주어야했습니다

시작시 그래서 우리는 특별한 [INAUDIBLE] 상자 만 준비했습니다 신규 사용자 그것은 매우 특별한 카드와 같은 것을 포함합니다, 또는 아주 특별한 특성, 또는 아주 특별한 선물 그것을 얻으려면 사용자 재설정, 즉 앱을 삭제하고 앱을 2 개 이상 계속 설치하십시오

또는 멈추지 않고 3 일 대개 200 회 또는 300 회, 사용자 실제로 그들이 원하는 것을 얻을 수 있습니다 얼마 동안은 1,000 회 또는 2000 회 이상입니다 그것은 매우 어리석은 보입니다 그러나 어쨌든, 그들은 그것을 시도했습니다

그리고 그것은 또한 주요 방법 중 하나입니다 일본과 동남아시아에서 게임을 즐길 수 있습니다 문제는 모든 KPI를 신뢰할 수 없다는 것입니다 회원 유지율은 매우 낮습니다 Resemara 때문입니다

아무도 그것을 모른다 그리고 첫 번째로, 가입 선물이 충분합니다 아무도 그것을 모른다 그러나 레스 마리처럼 뭔가가 너무 높습니다 그 말은 우리가 선물을 너무 많이주는 것을 의미합니까? 사인?] [? 사용자

?]하지만 Resemara가 너무 적 으면, 그것은 충분히 좋지 않다는 것을 의미합니다 얼마나 많은 계정 전환이 발생 했습니까? 그것은 또한 매우 중요한 것입니다 이 제목과 같은 것이 아주 좋습니다 이 제목은 우리에게 매우 특별한 가입 선물을줍니다 그리고 나서 그들은 레스 마라 (Resemara)를합니다

중국에는 이런 상황에 처한 사람들이 있습니다 그들은 Resemara [? 펌프?] 그들 자신에게 특별한 계좌 그런 다음 많은 계정을 생성하고이를 판매합니다 일본의 실제 선수 그리고 그런 종류의 일은 게임의 균형을 깨뜨릴 수 있습니다

그래서 매우 위험한 것입니다 그래서 Google은 많은 Google Cloud를 사용하여 Resemara보고 시스템을 만듭니다 플랫폼 서비스 우리는 기계 학습이나 특별한 것을 사용하지 않고 있습니다 하지만 어쨌든 모든 사용자 로컬 데이터를 분석 할 수 있습니다

BigQuery로 인해 실시간으로 강력한 Google Cloud 플랫폼입니다 마지막으로 Resemara없이 신뢰할 수있는 KPI를 생성 할 수 있습니다 이건 매우 중요합니다 지난 주에 우리가 한 가지를 개발했습니다 즉, 나는 개발자들에게 "King 파이터 알 스타 "발사

광고 사기 시스템 광고 사기가 나를 두통으로 여긴다는 것을 설명하기 위해, 방금 Google을 검색하여 아주 간단한 기사를 찾았습니다 그것에 대해 모바일 광고 지출은 올해 또 20 % 증가하고있다 그리고 20 % [미숙품]

모든 광고 제목에는 광고 사기가 있습니다 즉, 불법 다운로드 또는 무언가를 의미합니다 클릭 [? 손바닥?] 또는 [INAUDIBLE] ,, 그냥 설치하거나 훔치지 않고 돈을 벌기 위해 다른 사람들로부터 설치 그런 종류의 일이 몇 번이고 반복되고 있습니다 이것은 큰 문제를 만든다

그것은 그들이 우리의 직함을 즐기지 않을 것임을 의미합니다 우리가 돈을 쓰고 그들의 보유가 내려갈거야 문제는 광고 사기, 실제 보존없이 조금 더 높을 것입니다 그것은 우리가 더 큰 성공을 위해 돈을 써야한다는 것을 의미합니다 하지만 광고 사기로 인해 어떤 것을 결정할 수는 없습니다

오른쪽처럼 – 우리는 올바른 결정을 내릴 수 없습니다 그래서 우리는 광고 사기 탐지 시스템을 개발했습니다 그리고 나는 그것을 어떻게 발견하는지 설명 할 것입니다 첫째, 우리는 코호트를 만듭니다 그 다음 코호트 특정 변수를 만듭니다

그리고 우리는 모든 변수에 의해 정상 범위를 계산합니다 Google은 [부적절한] 광고 채널, 예를 들어 페이스 북과 같은 것입니다 Facebook은 광고 사기와 같은 것을 만들기가 정말로 어렵습니다 우리가 지금 수집하고있는 그러한 종류의 데이터와 신뢰할 수없는 [? 함정 ?] 이런 종류의 코호트는 조금 이상합니다

모두들 이것처럼 보입니다,하지만 여기, [미숙 한]이 것 우리는 일부 보고서를 마케팅 담당자에게 제공합니다 그리고 마케터 수표, 심층 다이브, 그리고 이것을 찾으십시오 [INAUDIBLE]와 같은 것입니다 네, 이것은 다이어그램입니다

재미있는 점은 이것도 매우 간단한 트릭입니다 우리에게서 돈을 얻기 위해서, 뭔가 [INAUDIBLE]을 클릭하십시오 그런 종류의 일은 여전히 ​​가능합니다 그냥 – 그래서 우리는 하나 더 개발 [? 전리품 ?] 다른 사람들과 비교해 보면, 또한 간단한 규칙을 확인하십시오

예를 들어, 같은 시간에 로그인하기 만하면, 같은 시간에 그냥 로그 아웃하면됩니다 같은 시간에 [INAUDIBLE] 해보십시오 간단한 클릭 봇 같은 종류의 간단한 규칙으로 찾을 수 있습니다 마지막은 게임 내 이상 탐지입니다 예? 모든 것이 있습니다

이것은 인간이 머리 글꼴에 누워 있습니다 재밌 네요 그러나 그것은 화가 났던 것의 표현입니다 어떤 버그, 또는 [INAUDIBLE] 중 일부 때문에 또는 일부 작동 오류 한국에서는, 사용자는 그것에 대해 화를냅니다

이런 종류의 기사처럼 [KOREAN] 그것은 거짓말을 의미합니다 그리고 그런 종류의 일은 우리에게는 매우 위험한 일입니다 왜냐하면 그것은 우리 타이틀에 나쁜 브랜딩을하기 때문입니다

그리고 나서, 이런 종류의 일을 막기 위해, 우리는 버그 또는 [INAUDIBLE] 최대한 빨리 그래서 우리는 규칙 기반 엔진을 개발했습니다 문제는 매달 새로운 콘텐츠를 제공한다는 것입니다 즉, 매달 새로운 규칙을 준비해야한다는 의미입니다 버그 또는 [INAUDIBLE]을 (를) 탐지합니다

그것은 너무 복잡하기 때문에 거의 불가능합니다 아무도이 시스템을 신경 쓰지 않습니다 그들은 단지 새로운 콘텐츠를 개발하는 데 주력하고자합니다 그들은 새로운 디자인 규칙을 만들고 싶지 않습니다 따라서 규칙 기반 엔진은 우리의 문제를 해결할 수 없습니다

그래서 우리는 LSTM AutoEncoder를 세우고 있습니다 이 문제를 해결하는 네트워크 그리고 뭐? 관객 : [INAUDIBLE] 그것이 가장 효과적 이었기 때문에 [부적절한] 순서에 따라 사용자 행동을 분석하기위한 그런 다음 [? onliner ?] 우리가 개발 한 이러한 복잡한 활동들 우리는 모든 종류의 디지털 서비스를 사용합니다

그리고 우리는 젠킨스를 사용하여 그것을 통제합니다 그리고 우리는 일종의 세그먼트 접근 방식을 사용합니다 [부적절한] EDA 그걸 어떻게 관리할까요? 비정상적으로 발견 된 결과를보고합니다 매 시간마다 조작부에

그리고 운전자의 사람들은 그 상황에서 게임을 확인합니다 그리고 나서 버그 같은 것이 있다면, 개발자에게보고합니다 개발자가이를 수정하면 우리는 [? 금지?] 매 시간마다 [INAUDIBLE] 버그 이것이 바로 우리의 현재 비전입니다 그래서 요약 – 나는 이것을 다시 시험하고 싶지 않습니다

그래 Netmarble은 기계를 활용 해 왔습니다 많은 사람들이 필요한 지역을 위해 하나씩 학습하기 작업하고 많은 시간을 필요로합니다 그리고 일부 문제는 큰 비즈니스 영향을 미칩니다 앞으로는 할 일이 많이 있지만 그래

Google Cloud 및 PSO와의 협력을 믿습니다 팀, 우리는 가능한 한 빨리 많은 문제를 해결할 수 있습니다 우리는 계속 그것을 시도 할 것입니다 나는 내년에 우리가 더 많은 통찰력을 제공 할 수 있다고 믿습니다 모두에게 그리고 그 때, 나는 뭔가를 고용 할 것이라고 생각한다

영어 말하기, 영어 원어민 나를 대신해서 나를 대신하여 연설을해야합니다 고마워 고맙습니다 [박수 갈채] 그리고 우리는 어떤 질의 응답도 준비하지 않습니다 하지만 어쨌든,이 세 남자 그 사람들이 똑같은 티셔츠를 입고 있습니다

실제 개발자입니다 나는 이런 종류의 결과를 내기 위해 그들을 밀고있다 그리고 그들은 그들이 어떤 종류의 제품을 만들 었는지 알 수 있습니다 즉, 모든 종류의 질문을 할 수 있습니다 예를 들어 왜 [? LTV,?] 그리고 만약 그렇다면 정말 도움이되는지 아닌지

그런 종류의 질문, 당신은 나를 위해서가 아니라 그들을 구할 수 있습니다 고마워 [음악 재생]

AI Adventures: art, science, and tools of machine learning (Google I/O ’18)

[음악 재생] YUFENG GUO : 아침 내 이름은 Yufeng Guo이고 YouTube에서 비디오 시리즈를 진행합니다

인공 지능 어드벤처 (AI Adventures)라는 곳에서는 예술, 과학, 기계 학습 도구 저는 오늘 그곳에있는 작은 조각을 직접 가져오고 싶었습니다 그럼 함께 인공 지능 모험을 떠나 봅시다 이 세션의 목적을 위해, 먼저 기계 학습에 대한 짧은 정의부터 시작해 보겠습니다 그것을 사용하여 워크 플로우를 구축하십시오

도구에 들어가십시오 우리는 오늘 그것을 사용하여 도움을 줄 것입니다 우리는 기계 학습 문제를 어떻게 해결할 수 있는지보고 있으며, 문제를 해결하는 데 어떻게 활용할 수 있는지 알아보십시오 I / O 외부 그래서 우리는 기계 학습을 말할 것입니다 데이터로 프로그래밍하고 있습니다

그리고이 데이터를 사용하여 시스템 또는 모델을 생성합니다 어떤 일을하도록 훈련 받았다 그리고 우리는 데이터를 사용하여 매우 중요한이 모델을 교육합니다 그리고 모든 것이 다시 데이터로 돌아옵니다 이것이 실제로 기계의 첫 번째 단계입니다

학습 – 데이터 수집 그것은 모두 중심에 있고 거기에서 시작됩니다 다음으로, 일반적으로 일종의 준비가 있습니다 해당 데이터가 필요합니다 원시 데이터는 종종 사용하기에 적합하지 않습니다

그래서 우리는 조금 준비해야합니다 귀하의 기계 학습 준비가되기 전에 셋째, 모델을 선택해야합니다 우리는 그것을 사용하고, 훈련시키고, 평가하기를 원합니다 그 성능, 미세 조정, 마지막으로 그러한 예측을하십시오

그래서 우리는이 7 가지 단계를 각각 거치게됩니다 이 세션의 과정에서 먼저 질문을 봅시다 우리는 우리 모델을 사용하여 첫 번째 문제를 해결하려고 노력하고 있습니다 간단한 예제 데이터 세트를 살펴 보겠습니다 이 7 단계를 통해 분류 작업을 수행하십시오

동물에 관한 데이터 우리는 어떤 종류의 동물이냐고 말할 것입니다 일부 입력 데이터를 기반으로합니다 이것이 새입니까? 그것은 포유 동물인가? 그것은 파충류 물고기, 또는 양서류, 버그, 또는 무척추 동물? 이 7 가지 유형 중 하나 그리고 그것은 다양한 통계에 기초 할 것입니다

주어진 동물에 대해서 따라서 우리 모델은이 데이터,이 구조화 된 데이터, 그것을 사용하여 예측을 시도하십시오 -이 7 가지 중 하나 동물의 종류 이제 우리는 어떤 상황이 우리는 모델링을하고 있습니다 이 단계들을 더 자세히 설명합니다 우선, 데이터 수집 중입니다

우리는 어떤 문제인지 알고 있기 때문에 우리는 해결하려고 노력하고 있습니다 항상 그렇지는 않습니다 이를 해결하기 위해 필요한 데이터가 있음을 의미합니다 데이터가 없으면 모델이 아무 곳에도 없습니다 그래서 내 데이터가 어디에서 어떤 형식으로 살고 있는지 스스로에게 물어보십시오

어떻게해야합니까? 이들은 종종 초기 걸림돌이다 우리는 문제를 해결하고 해결하기 위해 데이터를 사용하려고 노력합니다 그리고 아마도 당신은 실제로 상황에 처해 있습니다 필요한 모든 데이터가없는 곳입니다 자신의 데이터를 수집해야합니다

이것은 또한 일반적인 사용 사례입니다 그리고 당신은이 문제를 푸는데 독창적이 될 수 있습니다 데이터 수집을위한 시스템을 구축함으로써, 아마도 당신은 그것을 게임으로 만들 것입니다 정말 재미있는 예가 Quickdraw입니다 Quickdraw는 온라인 게임으로 당신은 특정 그림을 그려서 시도합니다

네가 그리는 것을 예측하는거야 그래서 그것은 당신에게 농구를 그리거나 배를 그립니다 그리고 당신도 알다시피, 그것은 재미 있습니다 사람들은 그것을 좋아합니다 결과적으로 게임이 생성되었습니다

십억 개 이상의 손으로 그린 ​​이미지의 기념일 로고 전 세계에서 그리고이 데이터 세트는 GitHub에서 오픈 소스입니다 실제로 AI 모험 에피소드가 있습니다 이 데이터 세트를 사용하는 방법에 대해 자세히 알고 싶으면 놓으십시오 그걸 가지고 놀아 라

하지만 우리의 계단으로 돌아가 우리는 데이터를 수집했습니다 무엇 향후 계획? 우리는 그 데이터를 준비해야합니다 데이터 준비는 완전히 별도의 대화가 될 수 있습니다 여기서는 몇 가지 측면 만 다루겠습니다

어떤 종류의 기계 학습을하기 전에 데이터를 탐색하십시오 실제로 데이터를 더 잘 이해하는 데 도움이 될 수 있습니다 이것이 당신에게주는 것이기 때문에 이것은 근본입니다 데이터 세트에 대한이 직관, 당신에게 많은 시간과 두통을 줄 수 있습니다 나중에 그 과정에서

그래서 저는 사람들이 그들의 데이터를 청소하도록 권장합니다 데이터를보고 그것에 대해 어떤 종류의 직감을 얻으 려합니다 간격을 확인하는 데 도움이됩니다 그 길을 따라 일하는 것에 대해 많은 것을 배웁니다 그리고 실제로 더 많은 데이터가 필요하다는 것을 알게 될 것입니다

또는 수집 한 특정 데이터 결국 실제로 그렇게 유용하지는 않았습니다 이 작업을 수행하기 위해 내가 좋아하는 도구 중 하나는 Facets입니다 우리는 잠시 우회하여 그것에 대해 이야기 할 것입니다 패싯은 오픈 소스 데이터 시각화입니다 Google Research의 도구입니다

데이터 배포에 대한 더 나은 이해를 얻을 수 있습니다 그리고 네, 가능한 많은 도구가 있습니다 당신은 아주 비슷한 일을합니다 명령 및 호출 함수를 작성할 수 있으며, 하지만이 모든 것이 한 곳에서 이루어집니다 UI이기 때문에 잊지 않을 것입니다

특정 통계를 계산하는 것 또는 데이터의 일부를 살펴보십시오 그것은 모두 당신을 위해 계산 되었기 때문입니다 그냥 나타납니다 그래서, 당신은 그냥 찾아 볼 수 있습니다 여기에서 우리의 데이터 세트에 적용된 패싯을 볼 수 있습니다

동물원에서 나온이 동물들 중 대부분은 일종의 것들이며 제로 데이터 세트는 호흡합니까? 꼬리가 있습니까? 깃털이 있니? 그런 것들 그래서 우리는 이런 종류의 재미있는 분포를 0으로 보았습니다 ~ 1 그러나 숫자 배포판을 사용하는 많은 경우, 훨씬 더 흥미로운 것을 보게 될 것입니다 자, 기계의 세 번째 단계로 넘어 갑시다

학습 – 모델 선택 그리고 우리는 모델 선택에 대해 조금 논의 할 것이고, 우리가 이것을 사용하는 방법에 대해 가능한 최소한의 노력 그리고 먼저, 주위에 직감을 구축합시다 기계 학습 모델이 잘 작동합니다 그래서 여기에서 우리는 모델이 어떻게 시도 하는지를 봅니다

우리가 말하려고하는 지역을 나누기 위해, 어느 쪽이 파란색이고, 어느 쪽이 주황인지, 점들인 데이터와 일치시킵니다 따라서 세계에서 가장 어려운 사례는 아닙니다 권리? 모든 것이 이미 영원히 분리되어 있습니다 분리했다 그러나 좀 더 재미있는 것을 보도록하겠습니다

여기, 우리는 약간의 모델 투쟁을 본다 그 동그라미를 그리는 방법을 찾으려고 시도 할 때 파란색 점 주위 그리고 이러한 도구가 오늘 당신에게 사용 가능하며, 충분히 정교합니다 당신을위한 모든 사소한 부분을 다룰 수 있습니다 그래서 당신은 어떻게에 대한 세부 사항을 걱정할 필요가 없습니다

그것에 대해지고있다 그것은 그 일을 성취하는 것의 문제 일뿐입니다 그러나 보는 재미입니다 또한 서로 다른 모델이 서로 다른 종류의 데이터를 모델링 할 수 있습니다 복잡한 정도가 다르다

그래서 이것이 모델 선택이 실제로 무엇인지에 대한 것입니다 그것은 어떤 모델이 딱 맞는지를 보는 것입니다 특정 데이터 세트 및 특정 문제 당신은 풀려고 노력하고 있습니다 이제 구체적으로, 우리가하려고하는 것 이것을 달성하기 위해 TensorFlow를 사용합니다 그래서 TensorFlow에 관해 많은 이야기가 있습니다

여기에 I / O에서 올해, 그래서 그 비트를 rehash하지 않습니다 그러나 우리는 예를 들어, 아마도, TensorFlow를 사용하여 모델을 수행하는 모습 선택, 실제로 그 코드를 쓰려면, 특히 경험치가 너무 많지 않은 경우 TensorFlow와 함께, 이것은 친절 할 수 있습니다 얼마나 쉽게 접근 할 수 있는지에 대한 유용한 정보를 제공합니다 이것은 선형 분류 자의 예입니다 우리가 본 첫 번째 애니메이션과 비슷합니다

드로잉은 두 공간 사이에 선형 선이 좋습니다 그리고 우리는 그것이 매우 간단하다는 것을 알 수 있습니다 그러나 더 복잡한 데이터가 있다면 어떨까요? 이 한 줄 전화는 음, 일종의 전화를 유지합니다 당신이 다른 모델에서 그것을 시도 할 때 그래서 우리는이 것을 깊은 신경 네트워크로 대체 할 것입니다

몇 가지 작은 수정이 필요합니다 이 경우에는 추가 인수 하나를 추가해야합니다 숨겨진 단위라고합니다 이것은 우리 네트워크의 구조를 정의합니다 이 경우, 우리는 30, 20, 10 개의 뉴런이 있습니다

그래서, 우리가해야 할 일은 말 그대로, 그냥 이름 바꾸기 – 그 텍스트를 대체하고 하나의 인수를 추가하십시오 전체 시스템을 다시 연결할 필요는 없습니다 모든 것을 삭제하고 시작할 필요가 없습니다 기스로부터 그래서 그것은 정말로 산뜻합니다

그리고 시도 할 수있는 다른 모델과 비슷합니다 많은 사람들이 모델을 뒤집습니다 메소드 호출의 이러한 다양한 선택 메뉴로 놀 수 있습니다 그리고 그 패러다임에서 미리 모델에 커밋하지 않아도됩니다 한 번 시도해보고 어떻게 작동하는지보고 다시 돌아올 수 있습니다

이 7 단계 때문에, 그리고 당신은 다시 반복 할 수 있습니다 언제든지 돌아가서 돌아볼 수 있습니다 그래서 우리를 다음 단계로 인도합니다 우리는 데이터를 수집했습니다 우리는 그것을 준비했습니다

우리는 최소한 모델을 선택했습니다 그리고 지금, 우리는 훈련을 할 수 있습니다 교육은 많은 관심을 얻습니다 왜냐하면 그것은 어떤면에서 마법이 일어나는 곳이기 때문입니다 그러나 실제로, 그것은 종종 매우 간단합니다

너는 그냥 뛰게하고 기다린다 그럼 훈련 도중 무슨 일이 일어나는지 살펴 보겠습니다 코드에서 볼 수 있습니다 개념적으로 모델을 훈련 할 때 우리는 데이터를 전달합니다 우리는 즉시 모델을 통해 예측을 시도합니다

그러나 예측은 꽤 나쁠 것입니다 왜냐하면 우리 모델은 무작위로 초기화되기 때문입니다 그러나 우리는이 예측을하고 그것을 취하여 비교합니다 진정한 대답, 우리가 알고있는 정답 그리고이 정보를 사용하여 모델을 업데이트합니다

따라서 모델을 검토하고 업데이트 할 때마다 작동하면서 새로운 데이터 조각으로 훈련 세트를 통과하는 길, 시간이 지남에 따라 모델이 더 좋아질 수 있습니다 각 교육 루프와 함께 따라서 교육 과정은 이와 같습니다 그러나 실제로, 코드를 실제로 작성해야 할 때, 우리는 모델을 만든 우리의 기능을 사용합니다 그리고 우리는 방금 그것에 도트 트레인을 불렀다

그것은 문자 적으로 한 줄입니다 당신은 그 기능을 제공 할 필요가 있습니다 교육 데이터 입력을 제공합니다 그것은 한 줄입니다 그리고 일단 훈련이 끝나면 – 이 기능을 실행하면 꺼져서 샌드위치를 ​​잡고, 그리고 당신은 돌아오고 평가를 할 시간입니다

우리는 우리 모델을 평가해야합니다 그것이 얼마나 정확한지 보는 것입니다 기본 작업을 잘 수행하는지 확인하십시오 그래서 우리는 사물의 몇 가지 예를 보여줄 수 있습니다 우리가 올바른 답을 알고 있다는 것, 모델은 훈련에서 이러한 질문을 보지 못했습니다

그것은 훈련에서 그 데이터를 보지 못했습니다 따라서 우리가 따로 설정 한이 평가 데이터를 사용합니다 우리 모델의 성능을 측정합니다 개념 상으로는 교육과 매우 유사합니다 여전히 같은 모양입니다

그러나 중요한 차이점은 상단에 화살표가 없습니다 그것은 폐쇄 루프가 아닙니다 예측을 확인하면 모델이 업데이트되지 않습니다 결과 그리고 모델을 업데이트 한 경우, 그러면 그것은 훈련과 다를 바 없으며, 우리는 본질적으로 속일거야

따라서 평가 데이터는 그런 식으로 소중합니다 모델을 업데이트하는 데 사용하지 않습니다 우리는 그것을 옆으로 잡고 그것을 예비 해 둔다 우리 모델의 성능을 평가할 수 있습니다 코드에서는, 우리가 본 모든 것만 큼 간단합니다

우리는 점 평가를 호출합니다 평가하고 싶다면 점 평가를 호출하십시오 그리고 우리가 평가 데이터를 전달하고 있음을 주목하십시오 그것은 eval 입력 함수입니다 따라서 교육 자료가 아닙니다

그리고 우리가 훈련 데이터를 사용한다면 – 우리는 그 줄을 복사했다고 가정 해 봅시다 우리는 방금 스왑 아웃, 평가를 위해 훈련, 데이터 소스를 변경하는 것을 잊었습니다 이제 우리는 우리 모델의 성능을 훈련 데이터, 그리고 그것은 큰 실수가 될 것입니다, 모델이 교육 데이터를 위해 최적화 되었기 때문입니다 따라서 동일한 데이터를 사용하여 평가할 경우 어떤 일이 발생합니까? 당신이 당신의 모델의 진정한 성과를 허위 진술하고, 실제 데이터에서 제대로 수행되지 않을 가능성이 있습니다 한 번 배포하면 결코 볼 수 없으므로 그리고 당신은 그것이 어떻게하는지 결코 측정하지 못했습니다 이전에 보이지 않는 데이터와 그래서 이것은 우리를 다음 단계로 안내합니다

그러면 우리는 실제로 모델을 어떻게 개선 할 수 있습니까? 우리는 훈련을 실시했다 우린이 짓을 했어 우리는 평가를 실행했습니다 이제 뭐? 우리는 더 많은 훈련을 받고 있습니까? 우리는 그것을 어떻게 더 조정할 수 있습니까? 우리는 언제나 새로운 모델로 교체 할 수 있습니다 그러나 우리가이 모델을 결정한다면, 그러나 우리는 그것을 향상시키고 자 하는가? 여기서 하이퍼 파라미터 튜닝이 이루어집니다

이 모델들은 그들 자신의 매개 변수를 가지고 있으며, 그러나 우리는 어떤 가치를 사용해야합니까? 그리고 우리는 그들을 어떻게 골라야합니까? 다른 모델을 시험해 볼 수있는 것처럼, 당신은 또한 다양한 모델 파라미터를 시험해 볼 수 있습니다 이 과정은 하이퍼 파라미터 튜닝이라고 불리며, 어떤면에서는 여전히 연구 활동의 영역으로 남아 있습니다 그러나 그것이 당신이 그것을 이용할 수 없다는 것을 의미하지는 않습니다 개념적으로, 우리는 우리의 훈련을받습니다, 한 모델 만 교육하는 대신, 그 모델을 조정할 것입니다 다양한 변형을 만들 수 있습니다

그래서 우리는 다양한 변형에 대한 교육을 실시 할 것입니다 같은 기본 모델이지만 다른 모델 매개 변수를 사용하여 정확도에 미치는 영향을 확인하십시오 그래서 우리는이 모든 변형들을 훈련하고 평가할 것입니다 동일하거나 유사한 모델을 선택하고 어느 것이 가장 잘하는 지보십시오 그것이 우리의 매개 변수 선택을 알리는 방법입니다

그러나 당신은 많은 것을 실험적으로 보았습니다 당신은 그 (것)들을 작동하기 위하여 보는 시도해야한다 따라서 네 루프를 벗어나야 할 수도 있습니다 그래서 좋은 하이퍼 매개 변수를 선택하는 작업입니다 아마도 당신이 이것을 직관했을 것입니다

당신은 아마 기계 학습 문제로 변할 수 있습니다 그 자체– 모델의 매개 변수 최적화 당신이 기계 학습을 위해 사용하고있는 그러나 우리는 다른 대화를 위해 그것을 구해야 할 것입니다 그래서 우리는 데이터를 수집했습니다 우리는 그것을 준비하고 모델을 선택하고 그것을 훈련 시켰습니다 데이터를 평가하고 하이퍼 매개 변수를 조정했습니다

마침내 우리는 마지막 단계에 도달했습니다 그 예측을합니다 이것은 훈련의 전체 요점이다 처음에는 모델이었습니다 정말 정확한 정확성을 얻는 것이 아니라, 또는 서버에 열을 가할 수 있습니다

실제로 그걸로 뭔가 유용한 일을하는 것이 었습니다 그래서 예측을하면 모델을 선택합니다 우리는 어딘가에 그것을 배치하거나 우리가 그것을 격리시켜, 우리는 모델에 그것이 가지고 있지 않은 일부 데이터를 보여줄 수있다 훈련을받은 후 어떤 결과물을 보는지 그것은 예측한다 그리고 그것은 우리의 7 단계입니다

기계 학습의 개념적 7 단계입니다 실제로 실제로 어떻게 보이는지 봅시다 우리는 사물의 툴링 측면으로 돌아갈 것입니다 TensorFlow 외에도 사용하는 것을 살펴보십시오 실제로이 7 가지 단계를 어떻게 달성 할 수 있는지에 대해 설명합니다

그래서 우리는 몇 가지 코드를 살펴볼 것입니다 특히 두 가지 도구가 제공됩니다 우리가 손을 잡을 테니 추가 리소스도 참조하십시오 먼저 Co Lab이라는 도구가 있습니다 어떤 종류의 노트북 환경에서도 작업 한 적이 있다면 또는 REPL을 웹에서 사용하기 전에 기본적으로 브라우저에서 Python을 실행하는 방법입니다

그러나 파이썬 만 실행하는 것이 아니라 전체적인 노트북 환경입니다 마크 다운, 코드 실행, 기본적으로 Google 드라이브에 호스팅되기 때문에 다른 사람들과 공유 할 수 있습니다 이제 데모로 전환 해 보겠습니다 CO Lab을 사용하는 모습을 보여줄 수 있습니다 그래서 우리는 여기 – 나는 Co Lab을로드하고 우리는 다양한 명령을 실행할 수 있습니다

모든 것 우리는 기대할 것입니다 이제 우리는 여전히 연결되어 있습니다 Co Lab에서는, 그것은 노트북 환경이기 때문에, 자신의 파일을 업로드해야합니다 인터넷에 연결되므로 인증 할 수도 있습니다 물건을 끌어 내려요

필자의 경우에는 데이터 세트가 머신에로드되었습니다 그리고 우리는 그것을 다운로드 할 수 있습니다 그리고 판다가 여기에 실려 있습니다 따라서 우리는 데이터 세트를 살펴볼 수 있습니다 약속대로, 그것은 동물의 무리 다

그리고 많은 통계 자료들, 그리고 결국, 클래스 유형이 있습니다 그래서 Co Lab에서는 실제로 코드를 실행할 수 있습니다 화면에 – 음, 실시간으로 또한 Google 드라이브에서 모두 호스팅되기 때문에, 백그라운드에서 어떤 기계를 돌려야 할 필요는 없습니다 그냥 원활하게 작동합니다

그리고 다른 사람들과 의견을주고 다른 사람들과 의견을 나눌 수 있습니다 과– 거기에 우리가 간다 일반적으로 공동 연구를하거나 일을해야합니다 그래서 그것은 정말로 산뜻합니다 그래서

보자 내 생각 엔 시간이 좀있어 그러니 실제로 내가 여기서 뭘했는지 조금 지나쳐

우리는 데이터를 가져 왔고, 내가하고있는 일은 그것을 섞은 다음 데이터를 분할합니다 그래서 우리는 전체 데이터 세트를 가지고있었습니다 이 전체 데이터 세트는 101 개의 다른 동물로 구성됩니다 아마도 가장 작은 데이터 세트 일 것입니다 아마 내가 만났을거야

하지만 여전히 동일한 유형의 모범 사례를 수행해야합니다 이 경우, 나는 그것을 가져 와서 나누었습니다 교육 및 평가 데이터로 변환합니다 왜냐하면 내가 훈련을하기 위해 모두 101을 사용한다면, 내 모델을 평가하기 위해 무엇을 할 것입니까? 그래서 우리는 그것을 나눌 것입니다 이 경우 나는 60 %와 40 %의 비율을 선택했다

그 비율은 조정될 수 있습니다 그리고 우리는 우리가 볼 수 있습니다, 우리는 우리의 훈련 데이터 – 모든 60 값 그리고 우리는 아래의 평가 데이터를 가지고 있습니다 그리고 저는 약간의 전처리를합니다 이것은 귀하의 데이터 비트 처리입니다

특히 데이터 세트의 마지막 열은 레이블입니다 그것은 대답이다 올바른 유형의 동물의 1에서 7까지 그것은 파충류, 양서류, 포유류 등입니다 문제는 레이블이 1에서 7로 이동한다는 것입니다 그리고 나는 그들에게 6을 통해 0이 될 필요가있다 이 특별한 경우에 그래서 나는 그것을 하나씩 뺍니다

하나를 뺍니다 그리고 그게 전부입니다 아주 간단한 사전 처리 아마 더 큰 데이터가, 아마, 더 많은 일을 할 것입니다 그리고 우리는 우리의 데이터가 분명히, 나는이 일을하지 않았다

항상 코드를 실행하십시오 여기에 우리의 입력 함수는 매우 간단합니다 우리의 원시 데이터가 필요하며, 만약 우리가 그것을 원한다면, 데이터 세트에서 임의로 호출 할 수 있습니다 그리고 나는 필요에 따라 반복하고 배치를 청크로 만들었습니다 그래서 이것은 훈련에 바로 들어가게 될 것입니다

데이터 세트에 대한 이야기가 있었다고 생각합니다 구체적으로는 입출력이 빠릅니다 그래서 놓친다면 녹음을들을 수 있어요 또는 라이브 스트림을 롤백 할 수 있습니다 그래서 우리는 데이터 집합을 가지고 있습니다

또는 우리의 입력 기능 그리고 나는 세포를 다시 돌리는 것을 잊었다 고 생각합니다 그리고 이것은 제가 여기있는 작은 세포입니다 내 입력 기능을 시험해보기 위해, 작동하는지 확인하려면 – 항상 물건을 테스트하는 것이 좋다 그래서, 우리는 입력 기능이 실제로 있다는 것을 알 수 있습니다

깃털의 각 유형에 대한 모든 데이터를 반환합니다 알을 낳고, 공중에 무엇이 있고, 백본이 있는가? 그런 것들 따라서 각 배열은 일괄 처리 된 데이터를 나타냅니다 그리고 나는 또한 이것으로 놀고 있었다 각 열의 고유 한 값을 확인하는 것 대부분이 1과 0이라는 것을 확인하기 위해, 그러나 조금 이상한 몇 가지가 있습니다

예를 들어, 5 개의 다리가있는 동물이 있습니다 따라서 모든 데이터 세트가 완벽하지는 않습니다 TensorFlow는이 기능 항목 개념을 사용합니다 들어오는 데이터를 나타냅니다 모델은 매우 일반적이므로 기능 열을 사용하여, 특정 데이터 세트에 맞게 사용자 정의 할 수 있습니다

우리의 경우 모든 데이터 (모든 열, 그 중 숫자 17 인 17 개가 모두 그것을 숫자로 설정하십시오 그래서 그것은 단지 구성입니다 TensorFlow에 몇 개의 열과 어떤 유형이 있는지 알려주 들어오고있어 그래서 우리는 그것을 실행할 것입니다 그리고 일이 깨면 그것은 내가 셀을 실행하는 것을 잊어 버렸으므로, 그렇게되면 저에게 소리를 지르십시오

그리고 여기에 우리가 전에 본 선이 있습니다 모델 생성과 함께 여기서는 선형 분류자를 만들고, 해당 지형지 물을 가져오고, 7 개의 다른 클래스가 있다고 말하자 동물에 대해 가능한 다른 값 기차와 평가를 결합했습니다 기차를 타고 함수를 함수로 평가한다

편의를 위해, 그래서 그들은 둘 다 함께 달린다 나는 훈련 자료를 훈련시키고 싶다 평가 데이터에 대한 평가를 실행하고 싶습니다 이렇게 함께 배치하면 세포를 재실행 할 때 버그가 생기지 않도록하십시오 네가 따라갈 때

선형 모델을 실행한다고 가정 해 봅시다 우리는 그 방향을 돌립니다 따라서이 모든 것이 Google의 서버에 의해 뒷받침됩니다 그리고 명백하게, 그것은 그것의 달콤한 시간을 보내고 있습니다 그것이하는 동안 – 글쎄, 이건 끝났어

그래서 우리는 90 %를 얻었습니다 이것은 OK와 같습니다 맞습니까? 100 개의 행만있었습니다 우리는 훈련을 위해 60 명을 가져 갔고 평가를 위해 40 명을 사용했습니다 그래서 그것은 가장 신뢰할만한 척도가 아닙니다

여기에 도구가 있다는 아이디어가 있습니다 코드가 있습니다 이를 자신의 데이터로 바꾸어야합니다 이 데이터 세트보다 훨씬 좋을 것입니다 멋진 결과를 얻을 수 있습니다

따라서 약속대로, 심 신경 네트워크는 매우 유사합니다 그것은 문자 적으로 이전과 동일합니다 그러나 나는 그것을 숨겨진 단위로 바꿨다 나는 주목할만한 차이가 하나 있다고 생각한다 내가 이전 기능을 사용한다는 것입니다

우리가 전에 가지고 있었던 컬럼들 표시기 열에 그래서 이것은 선형 네트워크를 배치하기위한 공간 일뿐입니다 데이터를 심 신경 네트워크가 표현할 수있는 방식으로 변환합니다 그래서이 이야기의 범위를 벗어났습니다 하지만 그것은 단지 깊은 신경 네트워크를위한 조정입니다

선형 네트워크는 처리 할 필요가 없습니다 그래서 우리는 그것이 만들어 지도록 할 것입니다 죄송합니다 방금 새 셀을 만들었습니다 그래서, 그것은 또한 여기에서 과시하는 것이 좋습니다

따라서 우리는 매우 쉽게 코드 블록과 셀 블록을 생성 할 수 있습니다 그 사이에 모든 종류의 훌륭한 편집 작업을 할 수 있습니다 능력은 여기에 있습니다 그리고 당신은 그것을 markdown으로 바꿀 수 있습니다 셀을 실행합니다

그리고 거기에있을거야 그래서 깊은 네트워크 – 내가 이것을 도망 간다는 것을 잊어 버린다 어쩌면 우리는 그것을 다시 실행할 것입니다 모델을 더욱 밀어 넣을 수도 있습니다 여기 백분율은 때로는 불안정합니다

왜냐하면 그들은 – 평가 데이터에는 40 개의 값만 있기 때문에, 이것은 사실입니다 40 세가 넘는 사람들이 올바르게 받아들이고 있습니다 다른 것들은 틀린 것입니다 그래서이 경우 10 %, 아마도 약 4 % 잘못되었거나 3 ~ 4 개가 잘못되었습니다 그래서 몇 가지 예언을하고 놓친 것을 봅시다

TensorFlow에는 도트 예측 기능도 있습니다 마치 기차와 도트를 평가하는 것과 같습니다 그래서, 당신은 통과 할 수 있습니다 방금 평가 자료를 가져 와서 몇 장을 나눠 냈어 보십시오보기의보기

그래서 우리는 우리가 그렇게 할 때, 당신은 예측과 올바른 대답을 얻습니다 그래서이 경우, 내가 임의로 선택한 다섯 가지 일이 생겼어 그러나 우리가 잘못한 정확한 것을보고 싶다면 어떻게해야할까요? 그래서 이것은 내가 도망친 작은 실험이었다 단지 내가 궁금해서 – 어느 것이 선형 네트워크가 잘못되었는지 그리고 어떤 것들은 깊은 네트워크가 잘못 되었습니까? 이 경우에는 서로 다릅니다 그들은 같은 숫자의 잘못된 예측을 가지고 있습니다

그들은 모두 네 가지가 잘못되었지만 실제로는 다른 예 그리고 이것은 더 깊이 파고들 수있는 기회가 될 것입니다, 그걸 가지고 놀아 라 마지막으로 내가 추가 할 것은 Co Lab 또는 Co Laboratory입니다 GPU를 지원합니다 그래서 GPU를 토글 할 수 있습니다

큰 데이터 세트와 멋진 모델이 있다면, 그런 종류의 물건에 액세스하고 그 GPU를 얻고 싶습니다 슬라이드로 돌아가 봅시다 간단히 살펴보고 다른 도구를 살펴보십시오 CO 연구실 외에 다른 도구가 있습니다 우리는 매우 유사합니다

노트북 기반이기 때문에 들어 보셨을 것입니다 그것은 Kaggle이라고합니다 그리고 Kaggle이 대회로 가장 유명하지만 토론 포럼 및 데이터 세트, 또한 Kernels라는 기능이 있습니다 그리고 커널은 실제로 노트북의 멋진 이름입니다 그리고 커널은 이런 모습입니다

Co Lab에서 익숙해지기 시작할 수도 있습니다 파란색은 제외하고 그리고 커널은 몇 가지 미묘한 차이가 있습니다 첫째, 나는 ~하고 싶다 Kaggle Kernels의 데모로 전환 해 보겠습니다

우리는 그 모습을 볼 것입니다 어떻게한다는거야? 그래서 저는 이전에 Co Lab에서 가지고 있던 노트북을 가져갔습니다 나는 노트북 자체를 다운로드했다 IPython 노트북 파일로 Kaggle에는 데이터 세트가 있기 때문에 실제로 동물원 동물 분류 데이터 세트가 있습니다

정확한 데이터 세트를 얼마나 편리하게 선택했는지 그것은 이미 Kaggle에 존재합니다 그래서 새로운 커널을 클릭 할 수 있습니다 노트북을 고를거야 그리고 Kaggle Kernels는 파이썬에서 동작 할뿐만 아니라, R에서 실행하도록 선택할 수도 있습니다 R을 선호합니다

제가 할 수있는 일은 실제로 제가 할 수있는 일입니다 노트북 업로드 – 음, 먼저 그 노트를 다운로드해야합니다 그럼 그렇게 하죠 그래서 Co Lab에서 우리는 다운로드 할 것입니다 – 이것은 내가 크게 확대하는 것입니다 책을 다운로드하십시오

그런 다음 다운로드가 완료되면 그 노트를 다시 Kaggle Kernels에 업로드 할 수 있습니다 그래서 붐

커널과 동일한 노트가 있습니다 하나의 작은 비틀기가 있습니다 로컬 드라이브에서 파일을 업로드해야했기 때문에, Co Lab을 위해, 우리는 그것을 제거 할 것입니다 그리고 유일한 다른 조정은 Kaggle Kernels에서 데이터입니다 입력이라고하는 하나의 디렉토리에 있습니다

첫 번째 셀을 실행하면 우리는 아래로 나아갈 것입니다 우리는 데이터가 입력에서 살아 있음을 볼 것입니다 그리고 그것은 같은 종류의 것입니다 그리고 우리는 이미 노트북의 나머지 부분을 보았 기 때문에, 그것은 문자 적으로 같은 것입니다 재미있는 것은, 커널에서, 우리는 할 수 있습니다

어디 보자 이름을 지어 보자 그리고 우리는 그 노트를 저 지르 수 있습니다

그리고 Kaggle Kernels이하는 일은 그것입니다 새로운 신선한 환경에서 노트북을 운영 할 것이며, 당신이 속한 세션과는 별도로 그러면 모든 출력이있는 노트북이 생성됩니다 우리가 일종의 훌륭한보기 전용 형식으로보고있는 정말 공유에 유용합니다 왜냐하면 당신이 당신의 노트를 공유하고 싶다면, 그것이 실행 된 방법뿐만 아니라 다른 사람들에게도 마찬가지입니다 재현 가능한 노트북을 원한다면 우리가 여기에서 보는 것의 종류

그래서 우리는 수첩을 썼다 끝났다 그리고 그 스냅 샷을 볼 수 있습니다 그래서 GitHub 모델과 비슷합니다 당신의 노트를 버틸 수있는 것처럼 따라서 기본적으로 노트는 비공개입니다

그리고 우리는 여기서 일들이 도망가는 것을 볼 수 있습니다 나는이 모든 것들을 하나씩 수행 할 필요가 없었습니다 그리고이 세포들을 수동으로 작동시키지 않으면, 이전에, 내 결과를 얻기 위해 이처럼 위에서 아래로 그 종류의 버그를 잡는 데 도움이됩니다 도움이 될 것입니다 내가 내려올 때 길 아래로 내 공연 이번 주 또는 다음 달에

그리고 노트를 공유하면, 노트를 포크 할 수 있습니다 그들을 포크로 찍을 수 있습니다 당신은 또한 다른 사람들이 당신의 노트를 포크로 찍게 할 수 있습니다, 또한 노트북에 공동 작업자를 추가 할 수 있습니다 동일한 노트에 사용자를 추가 할 수 있습니다 그냥 그들을 포크보다

따라서 많은 훌륭한 공동 작업 모델이 있습니다 Co Lab 및 Kaggle 전체에서 특정 유스 케이스에 그리고 간단히 언급하면 ​​좋을 것 같습니다 Co Lab과 마찬가지로 Kaggle Kernels에서도 GPU를 사용할 수 있습니다 게다가

그래서 그것이 당신을위한 결정적인 요소가되도록하지 마십시오 Kaggle Kernels입니다 슬라이드로 다시 전환합시다 몇 가지 다른 작은 도구와 팁에 대해 이야기 해보십시오 그리고 속임수, 우리가 일을 마무리하기 전에

슬라이드로 다시 전환 할 수 있다면 굉장해 그럼, 당신은 노트북을 원하지 않는다고 가정 해 봅시다 예를 들어, 노트북을 사용해보십시오 그리고 그들은 단지 당신을위한 것이 아니 었습니다 또는 더 큰 작업 부하가 있습니다

장기 실행 작업을해야합니다 몇 시간 동안 뛰게됩니다 아니면 정말 큰 데이터 세트를 가지고 있거나, Kaggle Kernels에 맞지 않습니다 또는 로컬 디렉토리에 맞지 않는 경우, 그래서 수동으로 드라이브에 업로드하지 않을 것입니다 그런 다음 Cloud Machine Learning Engine과 같은 것을 사용할 수 있습니다

당신은 일자리를 차출 할 수 있습니다 – 장기간 일하는 – 분산 된 컴퓨터 집합을 가로 질러 실행될 수도 있습니다 모두 잠재적으로 GPU가 첨부되어 있습니다 일단 끝나면 모델을 제공 할 수 있습니다 당신은 그 예측을하고 싶다 그러나 아마 당신은 그것을 대규모로하고 싶습니다

당신은 앱을 만들고 있습니다 모델을 훈련하고 생성하려고합니다 세계에 예측을 제공 할 수있는 휴식 종점 그리고 기계 학습 엔진 또한 자동 스케일링 예측 서비스가 포함됩니다 글자 그대로 TensorFlow 모델을 사용할 수 있습니다

그것에게 이름을주고, 끝내라 말 그대로 파일을 가리키고 이름을 지정하십시오 다른 단계는 없습니다 왜냐하면 봉사 할 모델을 만드는 관점에서 다른 일은 할 수 없다 그것은 정말로 산뜻하다

그리고 당신이 scikit-learn 같은 것들로 작업한다면 또는 [INAUDIBLE] 부스트를 선택하고 해당 서비스를 제공하려는 경우, 우리는 그것들을 또한 가져갈 것이다 그래서, 당신은 작전을 처리 할 필요가 없습니다 기계 학습의 측면에서, 당신은 당신의 데이터로 놀 수 있고, 모델을 조정하고, 교육하고, 쉽게 배포 할 수 있습니다 그리고 나는 대부분이 대부분은 아니지만 많은 사람들이 기계 학습 API를 알고있을 수도 있습니다

또한 사용할 수 있습니다 이들은 다양한 작업을 수행하기 위해 사전 설정된 API입니다 그들은 좀 더 통조림입니다 자신의 데이터를 제공하지는 않지만 모든 것이 그냥 상자에서 작동한다는 것을 의미합니다 너는 뭔가가 필요해

너는 돌릴 그림이 필요해 설명으로, 당신은 텍스트로 바뀌어야 오디오가 필요합니다, 그냥 작동합니다 그래서 친절 해 그러나 물론 제한 사항은 사용자 정의 할 수 없다는 것입니다 귀하의 특정 사용 사례

아직 기다려야 할 것이 있습니다 조금 더 길어 Vision의 주목할만한 예외가 있습니다 따라서 자동 ML, Vision은 현재 알파에서 사용 가능하며, 그래서 당신은 그것을 신청할 수 있고 자신의 데이터를 제공 할 수 있습니다 자신의 Vision API를 교육하고 맞춤 설정합니다

그래서 그것은 깔끔한 측면 접선과 같습니다 이전에 보았던 애니메이션, 나는 오렌지와 파란 점들과 함께 보여 주었다 TensorFlow 놀이터에서 왔습니다 그래서 신경망으로 놀고 싶다면 귀하의 브라우저에서와 같은 것들을 토글 켜고 끄기 장난 만하면됩니다 TensorFlow

org 그리고 바로 그 일을 할 수 있습니다 그리고 걱정하지 마라, 당신은 그것을 깰 수 없다 브라우저를 통해서만 가능합니다 자신의 기계 만 깰 수 있습니다 그러면 다음은 무엇입니까? 우리가 방금 본 코드는 – 나는 그것을 공개했다

그것은 Kaggle 위에 있습니다 그래서 Kagglecom/yufeng/zoo-demo에 있습니다 TensorFlow에 대해 더 자세히 알고 싶다면, TensorFloworg로 향하십시오

셋째, 기계 학습 과정이 있습니다 구글이 최근에 발표했다 그리고, 만약 당신이 배우고 싶다면 – 정말로 잠수해라 기계 학습의 개념으로, 우리가 오늘 여기에서 이야기했던 것보다 더 멀리 나아 간다 저기로가

기본적으로 전체 커리큘럼이 있습니다 할 수있는 동영상 및 과제에 대해 기계 학습 지식을 축적하십시오 그리고 마지막으로, 기계를 다루는 데 관심이 있다면 클라우드에서 학습하면 넘어갈 수 있습니다 클라우드 돔, 하얀 텐트에 Google Assistant 돔 옆에 있습니다 또는 cloud over

Googlecom/mineinelearning으로 이동하십시오 또는 / ml이다 처음에 언급했듯이, 저는 비디오 시리즈를 호스트합니다 AI 모험과 같은 이름으로 우리는 재미있는 너겟을 탐험한다

기계 학습에 관한 각 에피소드에서, 한 번만 실습 데모를 시도해보십시오 흥미로운 사람들과 몇 차례 인터뷰를합니다 그래서 잘하면 당신은 그것을 확인하고 구독 할 것입니다 이 세션에서 저와 함께 해 주신데 대해 감사드립니다 우리는 정말로 – 세션에서 피드백을 정말 고맙게 생각합니다

정보, 그래서 일정에 이상 머리에하시기 바랍니다, 로그인하여 몇 가지 피드백을 줄 수 있습니다 고마워 [박수 갈채] [음악 재생]

The future of Voice and AI? Are you going to be disrupted?

나는 많은 사람들이 그렇게 생각하지 않는다 음성 왜건에

나는 목소리가 커질 것을 의미합니다 Google의 경우 교통량의 50 % 그들은 문자 그대로 문자 그대로 자신을 교란시킵니다 누군가가 스스로를 혼란에 빠뜨리면 다른 모든 산업과 마찬가지로 붕괴 될 것입니다 기본 웹 사이트 더 이상 웹 사이트가 될 수 없습니다 그것은 될 것입니다

내부에서 말하는 봇 또는 AI BOT 알렉사 또는 내부 Google 직접, Google 홈 플랫폼 등 그래서 나는 단지 그 상상 세계는 변화하고있다 실제로 바뀌지 않는 녀석들 시간이 영향을받을 수 있습니다 우리가 말하는 거대한 회사들 약처럼 당신의 소규모 공급자 큰 소매상 인에 대하여 생각하십시오 이러한 웹 사이트는 파괴적 일 것입니다 2 4 2 ~ 5 백만을 보냈다

갑자기 그 것으로 바뀌었다 정말로 조교가있다 그것이 우리가 찾고있는 것입니다 이것은 마치 보이는 것입니다 거기에서부터 시작됩니다

구매 페이지 만 있으면됩니다 전부 전체 웹 사이트를 건너 뜁니다 경험이 너무 중요하다 그 기술은 정말로 quikcly 변화하고 있습니다

실제로 저장할 비용은 적습니다 모든 음성 정보보다 정보 특정 그것을 바로하는 플랫폼 따라서 실제로 끝내기가 쉽습니다 그 애가 그 거리에서 프로그램 할 수있어 인공 지능 로봇 당신이 할 수있는 Facebook 등 세상이 바뀌고 있습니다

그 흥미 진진한 Good ole voice, 좋은 오래된 목소리 야 그것이 될 것입니다 미래

🔴 SPEAK WHAT I TYPE MOST REALISTIC | AI DIGITAL CLONE OF YOUR VOICE | HINDI |

요즘 모두들 같이 얘기하고 싶어 말을하고 있지만 아무것도 나오지 않는 <font color = "# CCCCCC"> </ font> <font color = "# CCCCCC"> 그들이 입술을 움직일 때 <font color = "# E5E5E5"> </ font> 변덕스럽고 새끼들로 가득 찬 <font color = "# CCCCCC"> 행동 </ font> <font color = "# CCCCCC"> 기본적으로 모든 언어의 단어처럼 </ font> <font color = "# E5E5E5"> 작은 <font color = "# CCCCCC"> 작은 </ font> 음소라고 부르는 소리는 <font color = "# CCCCCC"> </ font>입니다

<font color = "# CCCCCC"> 작성 </ font> <font color = "# E5E5E5"> 응집력이있는 </ font> <font color = "# E5E5E5"> word이 예제를 </ font> 사전 <font color = "# CCCCCC"> 매우 간단한 단어입니다 </ font> <font color = "# CCCCCC"> 오른쪽 </ font> <font color = "# E5E5E5"> 세 글자가 아닌 경우 </ font> 당신이 생각할지도 모르는 네이티브 영어 강사 개가 <font color = "# E5E5E5"> 영어로 표시됩니다 </ font> <font color = "# E5E5E5"> 44 개의 음소가 있습니다 </ font> <font color = "# E5E5E5"> 알파벳 26 자 </ font> 이것은 영어 <font color = "# E5E5E5"> 매우 어려운 </ font> <font color = "# E5E5E5"> 언어 </ font> <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> <font color = "# <font color = "# E5E5E5"> 영어 만 모국어로 사용하기 때문에 </ font> 왜냐하면 <font color = "# E5E5E5"> 글자들은 존재하지 않기 때문입니다 </ font> <font color = "# CCCCCC">은 반드시 </ font> <font color = "# E5E5E5"> 그 의미를 <font> 그들이 변경된 규칙이 있다고 발음 다른 글자 <font color = "# E5E5E5">를 기반으로합니다 </ font> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> 매우 복잡합니다

<font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> 짝수 </ font> <font color = "# E5E5E5"> 개는 매우 간단하지만 </ font> <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> <font color = "# <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> 사전 및 광신적 인 모습 </ font> 발음 <font color = "# E5E5E5"> 사용하신 적이 </ font> <font color = "# CCCCCC"> </ font> 이 뷰어 네이티브 영어 <font color = "# CCCCCC"> 발표자 </ font> 왜냐하면 <font color = "# E5E5E5"> 사용 방법을 모르므로 </ font> <font color = "# E5E5E5"> 네이티브가 아닌 경우 </ font> <font color = "# CCCCCC"> 영어 </ font> <font color = "# E5E5E5">이 스피커를 </ font> <font color = "# CCCCCC"> 매우 중요하고 </ font> 특정 말을 배우는 데 도움이됩니다 <font color = "# CCCCCC"> 단어 그래서 이것을 부셔 버리자 </ font> <font color = "# E5E5E5"> 우리는 세 가지 음소를 가지고 있습니다 </ font> 소리는 <font color = "# E5E5E5"> 소리입니다 </ font> <font color = "# CCCCCC"> <font color = "# E5E5E5"> O </ font> <font color = "# CCCCCC"> 개 </ font> <font color = "# E5E5E5"> <font color = "# E5E5E5"> </ font> 실제로 <font color = "# E5E5E5">이 </ font> <font color = "# CCCCCC">이 음소는 다음 </ font> 우리는 G 좋은 <font color = "# E5E5E5">을 얻었으므로 </ font> 좋은 개 <font color = "# E5E5E5"> 그렇게 말한 것입니다

</ font> 이상한 권리 <font color = "# E5E5E5"> </ font> <font color = "# E5E5E5"> 일종의 </ font> <font color = "# CCCCCC"> </ font> <font color = "# <font color = "# E5E5E5"> 그들 옆에 있습니다 </ font> 철자법은 변형 된 <font color = "# E5E5E5"> </ font>에 있습니다 예를 들어 <font color = "# CCCCCC"> <font color = "# E5E5E5"> </ font> <font color = "# E5E5E5"> 허벅지와 허벅지 th는 </ font> <font color = "# E5E5E5"> 두 가지 모두 시작하지만 </ font> </ font> 때문에 <font color = "# CCCCCC"> <font color = "# CCCCCC"> I 및 </ font> <font color = "# E5E5E5"> <font font = "# CCCCCC"> 발음이 다르게 발음됩니다 <font color = "# E5E5E5"> 허벅 다리 </ font> 우리가 단지 <font color = "# E5E5E5"> 첫 번째 음소 피를 분리한다면 </ font> Phi는 <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> 가짜이지만 단어는 </ font> 허벅지 <font color = "# CCCCCC"> I </ font>가 아닌 </ font> <font color = "# E5E5E5"> <font color = "# E5E5E5"> Lou가 첫 번째 가짜라는 것을 의미합니다 </ font> <font color = "# CCCCCC">는 <font color = "# E5E5E5"> 동일한 내용을 </ font> 정확하게 철자했습니다

</ font> 영어를 매우 어렵게 만든다 </ font> <font color = "# CCCCCC"> 사람들에게 배우기위한 <font color = "# CCCCCC"> 언어 </ font> <font color = "# E5E5E5"> 하지만 <font color = "# CCCCCC"> 컴퓨터도 이해하고 </ font> <font color = "# E5E5E5"> 동영상 </ font> <font color = "# CCCCCC">으로 </ font> 몇 달 전 <font color = "# E5E5E5"> 트위터에 게시 됨 </ font> <font color = "# CCCCCC"> </ font> something <font color = "# CCCCCC"> 영어를 재미있게 </ font> <font color = "# E5E5E5"> 모르는 사람은 </ font> <font color = "# CCCCCC"> series </ font> 받아쓰기 <font color = "# E5E5E5"> 언어가 훨씬 잘 작동합니다 </ font> 발음 때문에 <font color = "# CCCCCC"> 스페인어와 유사 </ font> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> 및 </ font> <font color = "# E5E5E5"> 정보가 다소 정적 <font color = "# CCCCCC">, </ font> <font color = "# E5E5E5"> 영어는 좀 더 언어 적으로는 </ font> <font color = "# E5E5E5"> 가능한 복잡한 언어 기간 </ font> <font color = "# CCCCCC"> 아주 잘한 일이 아니란 것을 본다 </ font> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> 동일한 </ font> <font color = "# E5E5E5"> 스페인어 <font color = "# E5E5E5">> <font color = "# CCCCCC"> 마음 </ font> 저는 <font color = "# E5E5E5"> 네이티브 </ font> <font color = "# CCCCCC"> 연사와 방법을 </ font> 자바의 <font color = "# E5E5E5"> 오늘 할로윈 않습니다 </ font> 산타 <font color = "# CCCCCC"> 클로스 및 </ font> <font color = "# E5E5E5"> 혐오감 </ font> <font color = "# CCCCCC"> <font color = "# E5E5E5"> 규모의 거시기 오늘 기능 Siri mucho </ font> enjiomas <font color = "# E5E5E5"> en idiomas </ font> <font color = "# CCCCCC"> como el español porque </ font> 라 프로 나치 SEO Neil Internacional <font color = "# E5E5E5"> 맛 </ font> <font color = "# CCCCCC"> 이타카는 <font color = "# E5E5E5"> 나 및 </ font> 언어로 라켈 영어 <font color = "# CCCCCC"> 언어학 </ font> 불만 사항을 수정하십시오 <font color = "# CCCCCC"> 오 </ font> <font color = "# E5E5E5"> 100 개 </ font> percent <font color = "# E5E5E5"> 매우 미친 짓입니다 </ font> 왜냐하면 저는 <font color = "# CCCCCC">에 영어가 44 개 </ font> <font color = "# CCCCCC"> 단지 26 개의 다른 음소 또는 소리 </ font> 다른 글자 <font color = "# E5E5E5"> 및 실제 </ font> <font color = "# E5E5E5"> </ font>를 사용할 때 엄격한 규칙이 적용됩니다

당신이 <font color = "# E5E5E5"> 필요로하는 종류의 </ font> <font color = "# CCCCCC"> </ font> mientras que en otro라는 단어를 알아라 idioma style 코말 에스파뇰 솔로 Nima의 yuh reglas muy에 대한 veinticuatro <font color = "# CCCCCC"> </ font> <font color = "# CCCCCC"> 가장 엄격한 </ font> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> ELISA </ font> <font color = "# E5E5E5"> 캘리포니아 </ font> <font color = "# CCCCCC"> 매우 </ font> <font color = "# E5E5E5" > 다른 </ font> 영어 권리 <font color = "# E5E5E5">이 소프트웨어는 </ font> 아닙니다 스페인어로 훌륭하게 될거야 실례지만 <font color = "# E5E5E5"> <font color = "# E5E5E5"> </ font> 다른 언어 및 <font color = "# E5E5E5"> 저는 <font color = "# CCCCCC"> Google이 </ font> <font color = "# E5E5E5"> 가까운 시점에 다가갑니다 </ font> 이 부분은 <font color = "# E5E5E5"> </ font>에서 구별 할 수 없습니다

진정한 진정한 녹음이지만 <font color = "# E5E5E5"> 예쁘다 </ font> 미친 어떻게 <font color = "# E5E5E5"> 나에게 알려줘 </ font> <font color = "# E5E5E5"> 어떻게 작성했는지 보여 주어 </ font> <font color = "# E5E5E5"> Lyrebird 계정은 </ font> 순간은 베타 버전 <font color = "# E5E5E5"> 및 </ font> 결과는 <font color = "# E5E5E5"> 방법으로 </ font> 개인 정보 보호 관점 <font color = "# E5E5E5"> 귀하의 </ font> <font color = "# CCCCCC"> 언제든지 데이터 및 계정 </ font> <font color = "# E5E5E5"> </ font> <font color = "# E5E5E5"> 로그인 할 수있는 </ font> <font color = "# CCCCCC"> <font color = "# E5E5E5"> </ font> 오후 <font color = "# CCCCCC"> 재미있는 </ font> <font color = "# E5E5E5"> 오후 </ font> <font color = "# E5E5E5"> 기본적으로 필요한 것은 하나입니다 </ font> <font color = "# CCCCCC"> 분 </ font> 오디오의 <font color = "# E5E5E5"> <font color = "# CCCCCC"> 필요한 경우 모두 </ font> <font color = "# E5E5E5"> 상당히 인상적인 </ font> <font color = "# CCCCCC"> 및 </ font> <font color = "# E5E5E5"> 진행 </ font> <font color = "# CCCCCC"> 30 개 문장을 <font color = "# CCCCCC"> 실행 </ font> <font color = "# E5E5E5"> get </ font> <font color = "# CCCCCC"> 그 </ font> <font color = "# 문장은 매우 어리 석다 정말 논리적인데 <font color = "# E5E5E5"> 아이디어는 모두 </ font>입니다

<font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> 발음은 </ font> <font color = "# E5E5E5"> 영어의 모든 음소 </ font> <font color = "# CCCCCC"> 언어 </ font> <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> 문장을들을 수 있습니다 <font color = "# CCCCCC"> 잘라 내기 </ font> 각 <font color = "# E5E5E5"> 구체적인 단어로 작은 단어 </ font> 소리를 낸 다음 <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> ~ </ font> <font color = "# CCCCCC"> 그렇게하자 <font color = "# E5E5E5"> 시작 </ font> <font color = "# CCCCCC"> ~ </ font> <font color = "# <font color = "# CCCCCC"> 녹음하면 정말 바뀔 것입니다 </ font> ~ <font color = "# CCCCCC"> </ font> 해당 내용을 <font color = "# CCCCCC"> 받아 들여야합니다 </ font> <font color = "# E5E5E5"> </ font> 걸출한 <font color = "# CCCCCC"> 정말 그럴만 한 버그 </ font> <font color = "# CCCCCC"> 허용 </ font> <font color = "# E5E5E5"> 바로 지금 <font color = "# <font color = "# E5E5E5"> 버그 </ font> <font color = "# CCCCCC"> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> ~ </ font> <font color = "# CCCCCC"> </ font> <font color = "# <font color = "# E5E5E5"> 다음 문장 </ font>을 클릭하십시오

<font color = "# E5E5E5"> <font color = "# 팝업 그는 <font color = "# E5E5E5"> 서서 페인트를 보았다 </ font> 한 시간 <font color = "# E5E5E5">보기가 어렵습니다 </ font> <font color = "# E5E5E5"> 표현식을 사용하지 않고 </ font> 나는 노력하고있어 <font color = "# E5E5E5">이게 <font> <font color = "# E5E5E5"> 실제로 <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> 문제가 아닌 <font font = "# CCCCCC"> </ font> 이상한 <font color = "# CCCCCC"> 수정 </ font> 3 시간 동안 <font color = "# CCCCCC"> 일 </ font> <font color = "# E5E5E5"> 사용 중지됩니다 </ font> <font color = "# E5E5E5">가 사용되지 않는 가제트는 </ font>를 저장할 수 있습니다

<font color = "# E5E5E5"> 충분한 에너지 </ font> <font color = "# CCCCCC"> <font color = "# 머리가 폭발 할거야 내가 여기에 왔어 거의 <font color = "# E5E5E5"> 40 </ font> <font color = "# CCCCCC"> 분 </ font> <font color = "# E5E5E5"> 프로그램 만 </ font> <font color = "# E5E5E5">> 유효한 녹음물은 30 개 </ font> <font color = "# CCCCCC"> 필요합니다 </ font> 100에서 150까지를 추천하고 <font color = "# E5E5E5">> 최대 </ font> <font color = "# E5E5E5"> 300 개의 녹음물 중 153 개의 유효한 </ font> 녹음 내용은 <font color = "# E5E5E5"> 잘 </ font>이어야합니다 꽤 설득력있는 </ font> <font color = "# CCCCCC"> <font color = "# CCCCCC"> </ font> voice <font color = "# E5E5E5"> 이제 디지털 만들기를 클릭하십시오 </ font> 음성을 다시 클릭하십시오

<font color = "# CCCCCC"> 몇 가지 걸릴 수 있습니다 </ font> <font color = "# E5E5E5"> 1 분이 소요될 수 있습니다 </ font> <font color = "# E5E5E5"> 방법에 따라 몇 분 소요 </ font> 많은 녹음 내용을 <font color = "# E5E5E5"> 많이 가지고 있습니다 </ font> 실제로 <font color = "# CCCCCC"> 괜찮습니다 </ font> <font color = "# E5E5E5"> 내 디지털 테스트를 해봅시다

목소리 안녕하세요, 저는 퀸입니다 youtube videos <font color = "# E5E5E5"> 생성하고 </ font> <font color = "# E5E5E5"> 몇 초, 안녕하세요 저는 퀸과 </ font>입니다 <font color = "# E5E5E5"> YouTube 동영상을 잘 만듭니다 </ font> <font color = "# E5E5E5"> 조금 더 높았습니다 </ font> <font color = "# CCCCCC"> 말하기는하지만 </ font> <font color = "# E5E5E5"> <font color = "# CCCCCC"> 나쁘지 않은 20시 18 분은 </ font>입니다

멋진 <font color = "# E5E5E5"> 멋진 해가 될 </ font> 웃음 <font color = "# E5E5E5"> </ font>을 졸업 할 예정입니다 <font color = "# CCCCCC"> 대학 및 8 월에 </ font> 기술 동영상에 대한 전체 시간 I <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> </ font> 정말 인상적이었습니다 <font color = "# E5E5E5"> 인상적 </ font> <font color = "# CCCCCC"> <font color = "# 작은 <font color = "# CCCCCC"> </ font>이기 때문에 조금 단조롭다 음소를 <font color = "# E5E5E5"> <font color = "# CCCCCC"> 취할 수 있지만 </ font> <font color = "# E5E5E5"> 완전히 </ font> <font color = "# CCCCCC"> 종류가 </ font> 인 시나리오를 상상해보십시오 like <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> shakey cam 종류의 분위기 </ font> 당신은 <font color = "# E5E5E5"> 별의 오디오 </ font>보다 작았습니다

품질 <font color = "# E5E5E5"> 다른 방에있었습니다 </ font> 당신이 절대적으로 할 수있는 스피커에서 <font color = "# E5E5E5"> 누군가를 속일 수 있습니다 </ font> <font color = "# CCCCCC"> <font color = "# E5E5E5"> 넬슨 </ font> <font color = "# E5E5E5"> 저는 <font color = "# <font color = "# E5E5E5"> 아브라함을 암살했습니다 </ font> <font color = "# E5E5E5"> 링컨 저는 <font color = "# CCCCCC"> 여왕 넬슨과 </ font> <font color = "# E5E5E5"> 저는 </ font> 에이브 러햄 링컨 <font color = "# E5E5E5">이 </ font>임을 암살했습니다 정말 와우 <font color = "# CCCCCC"> 그 중 하나가 정말 가깝습니다

</ font> <font color = "# CCCCCC"> 여왕 넬슨 </ font> <font color = "# E5E5E5"> 및 </ font> <font color = "# CCCCCC"> 아브라함을 암살했습니다 </ font> Lincoln 저는 <font color = "# CCCCCC"> Quinn Nelson 및 </ font> <font color = "# E5E5E5"> I </ font> 에이브 러햄 링컨 <font color = "# E5E5E5">이 </ font>임을 암살했습니다 정말 좋은 <font color = "# E5E5E5"> </ font> 아마도 <font color = "# E5E5E5"> 더 많은 특정 음소는 </ font> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> 다른 사람보다 재현하기 어려운 <font color = "# E5E5E5">> <font color = "# CCCCCC"> 더 많은 데이터를 상상해보십시오 </ font> <font color = "# E5E5E5"> <font color = "# <font color = "# CCCCCC"> 은행 </ font> <font color = "# E5E5E5"> 더 높은 </ font> <font color = "# CCCCCC"> <font color = "# CCCCCC"> <font color = "# CCCCCC"> 무언가 </ font> 소리가 좋은 것 <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> 좋은 뜻은 40 개 </ font> <font color = "# CCCCCC"> 만 한 것입니다 분 <font color = "# E5E5E5"> </ font> 같은 사람을 상상해보십시오

<font color = "# E5E5E5"> 시간 및 시간이있는 대통령 트럼프 </ font> <font color = "# E5E5E5"> 시간 </ font> <font color = "# CCCCCC"> 및 시간 </ font> <font color = "# E5E5E5"> 제공하는 </ font> 연설 <font color = "# E5E5E5"> 온라인 </ font> <font color = "# CCCCCC"> 그 <font color = "# CCCCCC"> 가짜 음성을 정리하고 컴파일하십시오 </ font> <font color = "# E5E5E5"> 시간 내에 </ font> 상대적으로 설득력있는 소리를 낸다 나는 techie <font color = "# CCCCCC">라고 생각하기 때문에 </ font> <font color = "# CCCCCC">이 </ font> <font color = "# E5E5E5"> 소프트웨어는 </ font> 미래의 <font color = "# CCCCCC">은 절대적으로 놀라운 일입니다 </ font> <font color = "# E5E5E5"> 그리고 멀리 </ font> 상상할 수있는 <font color = "# E5E5E5"> </ font>의 단점을 능가합니다 미래 어디에서 비디오를 재생하는지 <font color = "# CCCCCC"> 게임 </ font> <font color = "# CCCCCC"> 및 </ font> <font color = "# E5E5E5"> 주인공 </ font> <font color = "# CCCCCC"> </ font> 말 못하는 약간의 말투가 당신과 이야기합니다

음성 또는 <font color = "# CCCCCC"> </ font>가있는 사람들을 상상해보십시오 <font color = "# E5E5E5">가 쇠약 해지면 </ font> 미래에 그들은 <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> </ font>에 몇 분 녹음 할 수 있습니다 <font color = "# CCCCCC"> 전에 </ font> <font color = "# E5E5E5"> </ font> 그들의 목소리 <font color = "# E5E5E5"> 그리고 나서 수십 년 간 </ font> <font color = "# CCCCCC"> 그들은 </ font> <font color = "# CCCCCC"> 항상 </ font> <font color = "# E5E5E5"> </ font> 같은 시간에 <font color = "# E5E5E5">이 경우 </ font> <font color = "# E5E5E5"> 기술이 너무 좋아 져서는 안됩니다 </ font> <font color = "# CCCCCC">가 </ font>에서 무엇인지 식별 ​​할 수있는 <font color = "# E5E5E5"> </ font> <font color = "# E5E5E5"> 진짜가 아닌 것은 </ font> 될 것입니다 상관 관계 및에서의 문제 깊은 가짜 비디오가있는 <font color = "# CCCCCC"> 조합 </ font> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> 당신이 생각하기에 무서울 수 있습니다

</ font> <font color = "# E5E5E5"> 아래에 의견을 남기십시오 </ font> <font color = "# CCCCCC"> </ font> <font color = "# E5E5E5"> 엄격하게 규제해야합니다 </ font> <font color = "# CCCCCC"> 또는 </ font> <font color = "# E5E5E5"> 우리가 </ font> <font color = "# E5E5E5"> </ font> <font color = "# CCCCCC"> <font color = "# CCCCCC"> 저에게 좋은 소식입니다 </ font> <font color = "# E5E5E5"> <font color = "# CCCCCC"> 및 </ font> <font color = "# E5E5E5"> </ font>를 시청 해 주셔서 감사드립니다 항상 <font color = "# CCCCCC"> 즐거운 시간 보내십시오

</ font> <font color = "# E5E5E5"> 나중에 보게 </ font> 사람들

DeepMind’s AI Learns The Piano From The Masters of The Past

동료 학자 여러분, Károly Zsolnai-Fehér의 2 분 논문입니다 오늘 우리는 DeepMind에서 새로운 AI (Artificial Intelligence)를 듣습니다

누가 아름다운 피아노 음악을 만들 수 있습니다 이를 수행하는 많은 다른 알고리즘이 있고 관점에서 물건을 넣기 때문에, 이 방법을 구별하는 두 가지 주요 요소에 대해 이야기 해 봅시다 기존 기술의 첫째, 음악은 일반적으로 상세한 표현을 통해 학습됩니다 악보 또는 MIDI 데이터와 같은 이것은 연주해야 할 것을 정확하게 표현한 것입니다 그러나 그들은 우리에게 그것을하는 법을 말하지 않습니다

이 작은 뉘앙스가 음악을 삶으로 만들어줍니다 이것은 대부분의 합성 기술에서 빠진 것입니다 이 새로운 방법은 이러한 구조를 학습 할 수 있으며, 미디 신호는 생성하지 않지만 처리되지 않은 오디오 웨이브는 생성합니다 둘째, 응집력있는 스타일을 유지하는 것이 좋습니다 이전 기술의 대부분은보다 짧은 시간 규모에서 일관된 음악을 만들어 냈습니다

30 초 전에 재생 된 내용을 고려하지 말고, 그러므로 잘 쓰여진 음악의 특징 인 세계적인 구조가 결여되어있다 그러나이 새로운 방법은 오랜 기간에 걸쳐 문체 일관성을 보여줍니다 빨리 듣고이 학습 알고리즘의 아키텍처에 대해 이야기합니다 듣는 동안, 나는 이것을 만들어내는 것을 배운 작곡가를 보여줍니다 전에 AI 같은 음악으로 AI 생성 음악을 들어 본 적이 없습니다

하모니 또한 절대적으로 훌륭합니다 정말 놀라운 결과 그것은 'autoregressive discrete carcoder'라는 아키텍처를 사용합니다 여기에는 처리되지 않은 오디오 웨이브를 사용하는 인코더 모듈이 포함되어 있습니다 내부 표현으로 압축되며, 디코딩 부분은이 내부 디스플레이의 원시 사운드의 재구성을 담당합니다

둘 다 신경망입니다 자동 회귀 부분은 알고리즘이 이전 단계를 확인한다는 것을 의미합니다 새로운 노트를 생성 할 때 학습 된 오디오 신호에 포함되어 인코딩 모듈에 구현됩니다 본질적으로 이것은 알고리즘이 이전에 재생 한 것을 기억하기위한 장기 기억을 제공합니다 알고리즘이 음악이 재생되는 동안 학습 한 데이터 세트를 보았을 때, 데이터 세트를 변경하여 결과에 대한 예술적 통제를 어떻게 행사할 수 있는지 궁금합니다

본질적으로, 당신은 아마 학생이 배운 것을 바꿀 수 있습니다 그들을 가르치기 위해 교과서를 바꿈으로써 이제 우리는 다른 하나의 예를 들어 보자 이것은 믿을 수 없으며, 나는 우리가 할 수있는 것을 상상할 수 있습니다 10 년이 아니라 1 년 만에 찾고 다음 번까지 관대 한 지원에 감사드립니다!

Google will be one of the winners in AI: Eddie Ghabour

STUART : REMARKABLE 하드 라인 트럽 오프 다시 지불 적어도 잠시 동안

나는 그것을 얻었다 괜찮아 지금이 한 명, 알파 판 및 FACEBOOK은 FACEING FROM FINES입니다 유럽 ​​조정자 유럽인도 다시 있습니다

무손실, 자판기, 그 것이다 그것들은 아무것도 없습니다 >> 그들은 많은 현금을 창출하지만, 너무 많은 이익, 아무것도 정말로 그들을 처치 할 것입니다 EU, FINES, FACEBOOK만큼이나 친화적 인 팁 팁 그들을 위해 나는 그것이 영향을 미칠 것이라고 생각하지 않는다

GOOGLE ALPHABET 중 하나 STUART : EDDIE, 나는 생각하지 않는다 인공 지능 공간 이것이 미래의 과학 기술 인공 지능의 승리 지도자가 될 것입니다

나는 GOOGLE이 승자가 될 것이라고 생각합니다 >> 나는 전체 공간을 생각한다 모든 회사가 어떻게되는지 나타냅니다 사람들이 찾는 것에 대해 이야기하기 숙련 된 노동 24 시간 일하는 로봇들

생산을 돕는 1 일 우리가보고 만지는 것 지금 당장, 인위적으로 인텔리전스가 A를 플레이하려고합니다 큰, 큰 역할 미래가 아주 밝다 그 공간

STUART : GOOGLE IS YOUR COMPANY 그것을 위해? >> 예 많은 투자