Apple poached one of Google's best AI specialists

우리 모두는 시장 점유율 비율, 판매 수치 및 모바일 시장 교환에 경쟁하는 회사가 전세계에서 어떻게 불어 나가는지를 보여주는 모든 종류의 데이터를 보게됩니다 캘리포니아의 실리콘 밸리에는 집이라고 부르는 기술 대기업들 사이에서 벌어지고있는 덜 싸우는 싸움이 있습니다 : 재능을위한 전쟁 각 분야의 꼭대기에 소수의 사람들 만 있습니다

당신이 최고가되기를 원한다면, 당신은 그들을 갖춰야합니다 지난 달 쿠퍼 티노 (Cupertino)에 매우 중요한 전문가를 파견 한 것처럼 애플이 지난 달에 그랬다고 CNBC는 보도했다 그의 이름은 Ian Goodfellow이며 지난 2 년 동안 그는 Google의 기계 학습에 중점을 둔 선임 직원 연구 과학자였습니다 그러나 3 월 이후, 그는 자신의 LinkedIn 프로필에 따르면, Apple의 특별 프로젝트 그룹에서 기계 학습 책임자입니다 2 명의 타이틀 인 Senior Staff 대 Director를 비교하면 이안이 Apple에서 취업 한 이유에 대한 아이디어를 얻을 수 있습니다

물론 우리는 새로운 포지션이 상당한 급여 인상을 가져 왔음에도 틀림 없다 그의 전문 지식을 고려하면 완전히 정당화 된 것 같습니다 자신의 요약에 따르면, Goodfellow는 "기계 학습 분야의 업계 선두 주자"라고 말하면서 다소 건방진 것 같지만 잘못된 것은 아닙니다 이안 (Ian)은 기계 학습에 관한 수십 권의 저서를 공동 저술했으며,이 책에는 딥 (Deep Learning) 그는 또한 여기에 설명하려고하지 않는 여러 기계 학습 알고리즘을 발명했습니다 모바일 기술 현장을 철저히 지켜보고 있다면 AI와 기계 학습이 이미 스마트 폰 및 기타 장치에 깊이 통합되어 있습니다

이로 인해 Ian이 Apple의 특별 프로젝트 그룹의 일원으로 일할 것이라는 것을 정확히 추측하기가 더 어려워집니다 그는 신제품 개발에 전념하고 있습니까? Siri가 실제로 유용하게 만드는 "특별 프로젝트"가 있습니까? 우리는 곧 출시 될 스마트 폰에서 더 많은 인공 지능을 보게 될 것인가? 애플과 같은 규모의 회사라면 그 가능성은 무한합니다 수개월이 걸린다해도 우리가 그 결과를보기까지는 몇 달이 걸릴 것입니다 Goodfellow가 Apple에서 한 일이지만 한 가지 확실한 점은 Apple이 큰 성과를 거두었으며 Google에도 엄청난 손실을 입혔습니다 그것은 AI 천재가 10 센트 정도되는 것은 아닙니다

최소한 도우미라면 Google Assistant에서 회귀가 없어야합니다

작가지망생의 일상, 늦가을 (Daily life of an aspiring writer)

토즈 스터디 센터 첫 번째 글쓰기 학습 다음 회의는 2 주 후입니다 5 명의 회원이 있습니다

금요일에 결정한 이유는 주말에도 할 수 있기 때문입니다 금요일에 놀고 주말에 놀아 라 그래서 우리가 금요일에 모임을 가졌습니다 논문에 다음 계획을 적어주십시오 낮에는 커피를 마시고 밤에는 술을 마신다

야심 찬 작가의 일상 일하러 가다 늦가을 출퇴근 도서관 옆의 하늘이 너무 아름다워서 창문을 낮췄습니다 계정 회의 이제 비디오가 재생 중입니다 감독 지속적으로 수정 됨 마카롱과 설탕 충전 밤에 마셔 라 우리는 맥주를 만났다

이 바는 집에서 10 분 거리에 있습니다 내 친구들은 서연과여 진입니다 여진은 함께 요가를하는 친구입니다 냠 냠 두 번째 장소는 가라오케입니다 1 시간 이상 플레이 할 수 없습니다

괜찮아 나는 신데렐라 다 12시에 집에 가자 그거 좋을 거 같아

Google and UiPath: The Perfect Pairing of AI and RPA

저 자신, 캘리포니아 주 산호세에 위치한 기술 파트너십 시니어 매니저입니다 또한 Google과의 관계를 관리하고 있습니다

그래서 나는 우리와 함께있게되어 매우 기쁩니다 Dick Dijkstra, Google의 EMEA 기술 파트너십 관리자입니다 우리에게는 UiPath의 경우 Google 기술과 매우 잘 결합되어있어 매우 중요한 전략적 파트너입니다 따라서 우리에게는 UiPath가 훌륭한 파트너입니다 당신이 일하는 회사에 당신이 가져 오는 모든 로봇 직원들에 의해, 우리에게 AI 서비스를 연결하는 것은 매우 쉽습니다

인공 지능은 구현하기가 매우 어려운 매우 비싼 기술이라고 인식되고 있습니다 그러나 이것을 통해 – 귀하의 기술과 우리의 소프트웨어 로봇을 결합하여 – Google 로봇은 점점 더 지능화되어 Google ML 및 AI 인프라에서 제공하는 기능을 호출합니다 최종 고객의 삶을 훨씬 쉽게 만들어줍니다 우리는 반복적이고 지루한 모든 작업을 제거하고 사람들이 정말로 중요한 것에 집중하도록 할 수 있습니다 AI를 민주화하는 관점에서 볼 때, 이것은 또 다른 좋은 방법입니다

사람들이 Google 구성 요소를 사용하여 다른 사람들이 프로세스에서 사용할 수있는 빌딩 블록으로 구축하기 시작하면, 나에게 그것은 위대한 일이며, 전 세계의 소프트웨어 개발에 대한 우리의 생각과 관련이 있습니다 이는 파트너 (기술 파트너)를한데 모으는 메커니즘입니다 우리는 일부 기술 파트너와 협력했습니다 물론, 그래! 이러한 기술을 결합하여 솔루션을 만듭니다 전혀! RPA와 AI의 조합 볼만한 것이고, Google의 경우 UiPath와 같은 파트너와 협력하는 것이 환상적입니다

가장 좋은 점은 EMEA에서도 채택이 빠를 것이라는 것입니다 현재 미국에 있습니다 비즈니스는 유럽보다 새로운 제품을 훨씬 빠르게 채택합니다 잘하면 우리는 그들을 함께 할 수 있습니다 당연하지! 그 일을 위해 최선을 다하겠습니다

문화는 정말 잘 맞는 것 같습니다 개방성은 실제로 Google과 잘 어울립니다 Google이 세계를 생각하는 방식이기 때문입니다 우리는 몇 개월 동안 "데이트"를했고, 우리는 서로를 좋아한다는 것을 깨달았습니다 그것은 좋은 비유입니다

나는 결혼 할 때가 된 것 같지 않니?

Cloud OnAir: AI Inference on GCP: How to get the best out of GCP VMs with Intel Xeon Scalable

[음악 재생] SHAHH SHAHIDI : 클라우드 OnAir에 오신 것을 환영합니다 Google Cloud에서 웹 세미나를 생방송하십시오

매주 화요일마다 웨비나를 개최합니다 내 이름은시다 그리고 오늘 저는 GCP와의 AI 추론에 대해서 이야기 할 것입니다 인텔에 언제든지 질문 할 수 있습니다

인텔 및 Google 직원이 있습니다 누가 너의 질문을 할거야 시작하자 우리는 인텔 제온의 가치 제안에 대해 이야기 할 것입니다 및 GCP 및 인텔과 함께 GCP 환경을 구성하는 방법 하드웨어 및 소프트웨어 최적화, 귀하의 인공 지능을위한 최고의 성능을위한 도구 및 도구 신청

우리는 당신에게 작품 중 일부를 소개 할 것입니다 Google과 함께 2 회에 걸쳐 우리가 이러한 최적화를 가져올 수있는 방법 GCP에서 사용 가능하고 사용하기 쉬운 도구를 제공합니다 그래서 여기서 이야기의 아젠다가 있습니다 먼저 인텔에 대한 간단한 개요를 살펴 보겠습니다 AI에서 우리의 전략과 강점

우리는 우리의 제온 CPU에 대해 계속 이야기 할 것입니다 GCP에서 사용할 수 있습니다 그런 다음 AI에 대한 최상의 성능을 얻는 방법에 대해 이야기합니다 응용 프로그램, 다른 프레임 워크 조정 및 최적화 우리의 하드웨어에서 최고의 성능을 발휘합니다 마지막으로 우리는 2 년 이상의 협력에 대해 이야기합니다

Google Cloud를 사용하여이 성능을 쉽게 구현할 수 있습니다 GCP 개발자가 사용할 수 있습니다 나는 AI 고객의 진짜 예를 들고 싶다 인텔이 AI에 가져다주는 가치를 강조했다 이것은 산업 결함 검출의 라이프 사이클을 보여주고있다

계획 그리고 우리는이 라이프 사이클의 붕괴를 보여주고 있습니다 다른 단계로 다른 프로젝트들은 시간대별로 다르지만, 단계는 일반적으로 동일합니다 하단에서 솔루션 전체 시간 완전한 인공 지능 여행입니다

기회 평가부터 개발까지의 단계 최종 결과에 대한 평가 등의 작업을 수행합니다 중간에 개발 및 배포 부분을 확대합니다 데이터를 소싱하는 것을 포함하는 전체 솔루션 개념 개발 추론 전개 증명, 광범위한 응용 프로그램과의 통합도 가능합니다 상단에서 우리는 증명을 더 확대합니다 개념 개발 자체의 데이터 준비가 완료되었음을 알 수 있습니다 개발 시간의 대부분은, 그 다음에 모델을 훈련하고 테스트를하고, 플러스 문서

보시다시피, 많이 있습니다 계산 집약적 인 부분 전후에 일어날 필요가있다 우리가 핵심 기계 학습으로 지칭하는 생명주기 그리고 깊은 학습 단계 인텔은 전체 라이프 사이클에 걸쳐 고객과 협력합니다 솔루션에 대한 전반적인 시간을 단축 할 수 있습니다

데이터의 전반적인 흐름을 생각하는 것이 중요합니다 데이터 관리 및 기타 두통을 포함하여, 오히려 배포를 빠르게 수행 할 수있는 방법은 무엇입니까? 솔루션의 한 부분을 프리미엄급으로 가속화하는 것보다 자,이 개념을 조금 더 확장하기 위해, 여러 접근법을 간략하게 살펴 보겠습니다 배포 및 개발 전에 데이터를 준비하십시오 사이클 접근 방식 결정의 핵심 요소 데이터 스펙트럼에 착륙하는 곳입니다

귀하의 데이터가 하나의 출처 또는 다수 출신입니까? 구조화되었거나 구조화되지 않았습니까? 얼마만큼의 볼륨을 다루고 있습니까? 임무가 치명적인가 아닌가? 스트리밍 라이브 또는 배치입니까? 누구에게 접속해야합니까? 이것들은 여러분이 프로세스를 시작하기 전에 질문해야합니다 깊은 학습 여정 규정 요구 사항이 있습니까? 이러한 질문에 대한 귀하의 답변에 따라, 우리는 다른 접근 방식과 다른 도구를 추천 할 것입니다 데이터를 통합, 저장, 처리, 관리 및 분석 할 수 있습니다 예를 들어 실시간 스트리밍 데이터를 여러 센서에서 오는 통합 된 높은 처리량을위한 도구를 고려하고 싶습니다

낮은 대기 시간의 실시간 데이터 처리를 제공합니다 최종선에는 많은 다른 접근이있다 데이터를 설정하고 AI에서 데이터 준비하기 개발 및 배치 인텔은이 분야에서 방대한 생태계와 함께 작업합니다 솔루션을 최적화하여 실행 최신 하드웨어에 가장 적합합니다 이러한 최적화를 활용하면 데이터 준비주기에 최상의 성능을 제공하고, 관리를위한 오버 헤드와 두통이 거의없고 전혀 없습니다

데이터 이동 이제 우리는 서로 다른주기에 대해 이야기했습니다 우리가 핵심 기계 학습에 도달하기 전에, AI 응용 프로그램의 깊은 학습, 인텔의 완벽한 포트폴리오를 간략하게 살펴 보겠습니다 소프트웨어 및 솔루션 사실 인텔의 다양한 하드웨어 제품 포트폴리오에서 실행됩니다 우리의 소프트웨어 스택을 통해 우리는 모든 수준을 목표로합니다

인공 지능 전문 지식과 참여, 도서관 개발자, 데이터 과학자, 앱 개발자에게 도움이됩니다 우리는 또한 풍부한 솔루션 카탈로그를 보유하고 있습니다 내부 및 공개 사용 사례를 기반으로 솔루션 아키텍트와 공유 서로 다른 부문에 걸쳐 약간의 작업을 단순화하기 위해 이 도구들 중 몇 가지에 집중하고 싶다 오늘날 대부분은 GCP 개발자에게 적용됩니다 인텔 제온 프로세서부터 시작해 보겠습니다

우리의 인공 지능 솔루션의 토대가되는, 특히 GCP에서 우리는 몇 가지 개선 사항에 대해 이야기 할 것입니다 최신 세대의 Xeon CPU 어떻게 AI가 더 나은 성능을 발휘할 수 있는지 신청 다음은 오픈 소스 심 신경 네트워크 인 MKL-DNN입니다 우리 CPU의 기능 라이브러리 개발자는 이러한 프리미티브를 사용하여 가속화 할 수 있습니다 우리 하드웨어의 성능

그런 다음 인텔과 함께 스택의 다음 계층에 집중합니다 최적화 된 프레임 워크, 특히 TensorFlow, 이 프리젠 테이션의 목적을 위해, Intel의 Python 배포판도 포함되어 있습니다 마지막으로, 우리는 우리의 깊은 학습 개발에 초점을 맞출 것입니다 툴킷, 추측을 가능하게하는 OpenVino 다양한 하드웨어에서 최적화 된 성능 제공 통합 API를 사용하는 배경 인텔, 구글과 제휴 오랫동안 데이터 센터 인프라에 대한 2016 년 이래로 우리는 긴밀히 협력 해 왔습니다

하드웨어에서 실행되는 클라우드 솔루션에 GCP를 사용합니다 AI에 대한 우리의 계약 전략을 요약하면, 우리가 집중하는 세 가지 기둥이 있습니다 첫 번째는 제품입니다 Google과의 긴밀한 협력을 통해, GCP는 최초의 클라우드 서비스 제공 업체였습니다 최신 제온 확장성에 대한 액세스 제공 클라우드 환경의 프로세서, 심지어 몇 달 우리 제품의 일반적인 시장 가용성 전에

Google은 항상 기술의 최첨단에 있습니다 그리고 우리는 시간을 제공하기 위해 계속해서 협력합니다 GCP 개발자를위한 제품을 시장에 내 놓습니다 우리 전략의 두 번째 기둥 도구 및 라이브러리 작업 하드웨어 성능을 최대화 할 수 있습니다 이 작품은 제가 앞서 설명했듯이, 소프트웨어의 여러 레이어에 걸쳐 있음 프리미티브 및 라이브러리에서부터 유니 파이드 컴파일러 및 SDK에 이르기까지, 최적화 된 심층 학습 및 기계 학습 프레임 워크

마지막으로 GCP와 협력합니다 GCP에서 이러한 도구를 사용할 수 있고 쉽게 액세스 할 수 있도록 개발자를위한 환경 그럼 우리 제품에 대해 조금 이야기 해 봅시다 스카이 퀘이크 (Skylake)라고도 알려진 인텔 제온 (Intel Xeon) GCP에서 사용할 수있는 최신 인텔 CPU입니다 2017 년 1 분기 이후 이러한 프로세서는 CPU 코어의 수를 늘립니다

이전 세대에서 50 % 큰 VM으로 변환합니다 이제 Skylake 기반 VM을 선택할 수 있습니다 최대 96 개의 vCPU 및 최대 14TB의 메모리를 제공합니다 Skylake는 또한 많은 마이크로 아키텍처 상당히 큰 캐시를 포함하여, 더 큰 데이터를 저장할 수있는 응용 프로그램으로 변환됩니다

코어에 가까운 구조 데이터 구조가 코어에 맞지 않는 경우, 메모리에 더 빨리 액세스 할 수있는 메모리 대역폭이 더 있습니다 그리고 실행 측에, Skylake 많은 명령어의 명령어 대기 시간을 줄입니다 더 넓은 실행을 추가합니다 동시에 Skylake는 최신 버전을 구현합니다

인텔 벡터 명령어 인 AVX-512, 벡터에서 이전 세대의 두 배 폭을 제공합니다 부동 소수점 성능을 최대 82 % 향상시킬 수 있습니다 이 모든 것이 더 빠른 vCPU 및 컨테이너로 변환됩니다 GCE 및 GKE의 Skylake 및 기타 GCP 제품을 기반으로합니다 아시다시피, 필수 요소 중 하나 길쌈 신경 네트워크 모델링 뒤에 행렬 곱셈입니다

Xeon CPU에서는 명령어를 가속화합니다 이러한 작업을 가능한 효율적으로 수행 할 수 있습니다 Skylake는 오늘 FP32 벡터를 지원합니다 곱하기 및 덧셈 명령, INT8 명령 차세대 Intel Xeon 프로세서 새로운 VNNI 지침을 제공합니다 VNNI는 벡터 신경망 명령을 나타냅니다 하드웨어 가속을 포함합니다

INT8 컨볼 루션 명령 차세대 인텔 제온 프로세서에서, 흡입 작동을 수행하기위한 3-AVX 명령 하나에 융합되어 소비로 인해 속도가 향상됩니다 클럭주기가 짧다 우리는 프레임 워크 개발자들과 긴밀히 협력하고 있습니다 이 지침을 통합하기 위해 그들이 활용할 수 있도록 프레임 워크에 이러한 지침에 따른 성능 향상 귀하의 응용 프로그램에

그래서 우리는 새로운 지침에 대해 이야기했습니다 하드웨어의 모든 장점 우리의 신제품이 GCP에 가져다줍니다 그러나 모든 하드웨어는 소프트웨어만큼이나 우수합니다 그것의 위에 달리는 따라서 하드웨어에 기능을 제공하는 것 외에도, 우리는 소프트웨어 최적화에 집중 해 왔습니다

하드웨어의 모든 기능을 활용할 수 있습니다 우리는 지난 몇 년간 매우 긴밀하게 관계를 맺어 왔습니다 다른 프레임 워크 개발자들과 함께 라이브러리를 통합하고 최적화를 업스트림합니다 다음은 Google 최적화의 예입니다 1 년 반 동안 일해야합니다

Skylake CPU를 공개적으로 출시 한 2017 년 7 월부터, 추측에 약 54 배의 향상이있었습니다 성능, 전적으로 소프트웨어 최적화에서 동일한 인텔 하드웨어 비교 우리 최적화의 힘을 말할 수 있습니다 내년까지 우리의 차세대 Xeon CPU 공개적으로 사용할 수 있습니다 추론 성능이 대략 두 배가 될 것으로 예상하고, 새 하드웨어 가속으로 인해 지침, 구현 및 추가 성능 최적화

이 차트는 ResNet 50 성능을 기반으로합니다 분명히 컴퓨팅 부하가 적은 워크로드의 경우, 하드웨어에 다른 병목 현상이있는 경우, 결과는 덜 발음되지만 여전히 매우 중요합니다 자, TensorFlow에 약간 초점을 맞추자 프레임 워크 최적화에 대해 간단히 이야기하십시오 우리는 우리의 최적화 된 심 신경 네트워크에 대해 일찍 말했습니다 라이브러리

앞서 언급했듯이 MKL-DNN은 오픈 소스 수학 커널 라이브러리입니다 깊은 신경 네트워크 및 주요 빌딩 블록 우리의 프레임 워크 최적화 MKL-DNN은 때로는 매우 낮은 레벨을 사용하여 고도로 최적화되어 있으며, 어셈블리 코드만큼 낮습니다 API는 피드백과 상호 작용으로 개발되었습니다 주요 프레임 워크 소유자와 최적화는 여러 레이어에서 수행됩니다

첫째, 컨볼 루션 (convolution)과 같은 모든 프리미티브 (primitive) 행렬 정규화 및 행렬 정규화 최신 와이드 벡터를 활용하도록 다시 작성 명령 다음으로 서로 다른 레이어가 병렬화됩니다 사용 가능한 모든 코어를 효율적으로 사용할 수있게합니다 하드웨어에서 마지막으로, 프리 페칭, 캐시 블로킹 기술 및 데이터 형식 공간적, 시간적 지역성을 촉진하는 것 실행시 데이터를보다 유용하게 만드는 데 사용됩니다

단위에 필요합니다 MKL-DNN 프리미티브를 사용하는 것 외에도, 우리는 다른 기술을 사용하여 TensorFlow에 통합합니다 우리가 레이아웃 최적화를 좋아하는 것들이 있습니다 기본 TensorFlow 작업 교체, 퓨즈 작업, 전파 중간 상태 그리고 우리는 우리의 커스텀 CPU 풀 할당자를 가지고 있습니다

기본적으로 값 비싼 페이지 손실을 피하는 데 도움이됩니다 페이지가 지워집니다 Google은 이러한 최적화 작업을 위해 Google과 협력 해 왔습니다 2 년 이상 협력하고 계속 협력하십시오 새로운 지침과 프레임 워크에서 이익을 실현 공연

이제는 TensorFlow 및 기타 심층 학습에 더하여 우리는 파이썬에 최적화 된 라이브러리 우리는 NumPy, SciPy 및 SciKit-Learn를 가속화했습니다 인텔 MKL과 최적화는 conda와 Anaconda를 통해 가능합니다 일반 대중을위한 클라우드 및 다시 상류로 돌아옴 메인 파이썬 트렁크에 자세한 내용을 알고 싶다면 Intel 배포판에서의 Python 및 일부 성능 증거 [INAUDIBLE], 우리는 좋은 글을 남겼습니다 인텔 웹 사이트 소프트웨어에서 확인하십시오

나는 당신이 참조 할 수있는 슬라이드에 링크가 있다고 생각합니다 다음은 scikit-learn 라이브러리를 사용하는 예입니다 GCP 환경에서 중요한 성과 달성 속도를 올리다 이것은 K-Means 클러스터링 알고리즘을 사용하고 있습니다 최대 23 배 빠른 이득을 볼 수 있습니다

인텔 scikit-learn 대 주식 scikit-learn 사용 파이썬의 라이브러리 그리고 이것은 96 vCPU Skylake 인스턴스의 GCP에서 실행됩니다 이제 우리는 인텔 최적화 라이브러리에 대해 이야기했습니다 그리고 프레임 워크, 나는 약간의 시간을 보내고 싶다 Google과의 공동 작업에 대해 이러한 최적화 성능을 제공하는 클라우드 GCP에서 쉽게 액세스 할 수있는 자산으로 사용할 수 있습니다

우리는 Intel 최적화 된 Docker 이미지를 생성했습니다 TensorFlow 및 인텔 배포 Python Docker Hub와 GitHub에서 이 Dockers에 액세스 할 수있는 링크가 있습니다 기본적으로 이것은 소프트웨어의 모든 장점을 가져올 것입니다 한 번 클릭으로 Docker 이미지를 다운로드 할 수 있습니다

그래서 이들을 사용하여 더 빠르고 효율적으로 개발할 수 있습니다 또한 Google과 협력 해 왔습니다 파이썬의 인텔 배포판을 만들기 위해, 뿐만 아니라 일부 인텔 성능 라이브러리, Google 컨테이너 레지스트리에서 사용 가능합니다 인텔 성능 라이브러리에는 라이브러리 인텔 수학 커널 라이브러리, 인텔 스레딩 빌딩 블록, Intel NPI, IPP 및 데이터 분석 가속 라이브러리 VM에서이 라이브러리를 사용할 수 있으려면, 당신은 런타임이 실제로 있는지 확인해야합니다

이 라이브러리에서 사용할 수 있습니다 링크에 대한 좋은 지시 사항이 있습니다 런 타임을 다운로드 할 수있는 웹 사이트 VM 인스턴스에서 사용할 수 있도록합니다 인텔 최적화 라이브러리가있는 컨테이너 외에도, 우리는 Google과 협력 해 왔습니다 최적화 된 가상 시스템 이미지를 만듭니다

사용 및 배포 용이성 외에도, 이러한 이미지는 개발자가 항상 최신 버전의 최적화 활용 이 이미지들을 통해 최근 GCP는 인텔 최적화 된 두 개의 VM 이미지를 발표했습니다 하나는 TensorFlow, 1120을 사용하여 최신 MKL-DNN 및 MKL 라이브러리, 인텔 최적화가 적용된 또 하나 세 개의 파이썬 라이브러리 – numPy SciPy와 scikit-learn

이러한 이미지는 환경 변수 설정을 자동화합니다 올바른 변수를 사용하고 Google Cloud를 통해 사용할 수 있습니다 마켓 플레이스, GCE, OS 이미지 및 명령 줄 인터페이스 조금 시간을 보내고 싶다 시작하는 방법을 안내합니다 GCP에서 올바른 플랫폼을 선택하는 방법 최적화 된 이미지에 액세스하는 것

Google Compute Engine에서 시작하려면 인스턴스 생성, CPU 플랫폼 풀다운 메뉴로 이동 Intel Skylake 이상을 선택하십시오 귀하의 신청서가 최신 하드웨어 향상 기능을 활용할 수 있습니다 Skylake의 장점에 대해 이전에 이야기했습니다 이전 세대 CPU보다 그리고 가용성 측면에서, Skylake는 현재 17 개 GCP 지역 중 16 개 지역에서 사용할 수 있습니다 콘솔을 사용하지 않는 경우 Cloud Shell에서 min-cpu-platform 플래그를 사용할 수 있습니다

CPU를 선택하십시오 Skylake 가용성을 갖춘 16 개 존 중 하나에서, 인텔 스카이 레이크에 플래그를 설정할 수 있습니다 Skylake에서 실행되도록 VM을 만들 때 앞에서 설명한 것처럼 VM 이미지의 주요 전제 인텔 최적화 및 도구를 쉽게 만드는 것입니다 GCP 개발자가 사용할 수 있습니다

Intel에서 VM 이미지에 액세스하는 방법 중 하나 최적화 된 TensorFlow 또는 Intel 최적화 Python은 Google Cloud Marketplace를 사용합니다 Google Cloud Console 환경에서, 마켓 플레이스를 클릭하고 심층적 인 학습 VM 이미지를 찾으십시오 클릭 한 번으로 배포 할 수 있습니다 VM상의 이러한 이미지 GCE에서이 이미지에 액세스 할 수도 있습니다

설정하는 동안 더 많은 제어 기능을 찾고 있다면 VM, 최적화 된 OS 이미지 배포 부팅 디스크를 변경하고 하나를 선택하여 인텔 최적화 이미지 최적화를 최대한 활용하려면 최신 아키텍처에서 Intel Skylake로 CPU 플랫폼을 선택해야합니다 또는 나중에이 작업을 수행하는 동안 그리고 Google 콜 커맨드 라인 인터페이스를 사용하는 경우, 다음 명령을 사용하여 VM 이미지를 시작할 수 있습니다 라인 옵션 이미지 계열 변수를 Intel 고유의 이미지 중 하나로 설정하십시오

인스턴스를 작성할 때 유형을 지정하십시오 min-cpu-platform 변수를 설정할 수도 있습니다 최신 인텔 CPU, Skylake 이제 툴킷에 대해 이야기하고 싶습니다 그래서 우리는 도서관에 관해 이야기했습니다 우리는 소프트웨어 스택의 여러 레이어에 대해 이야기했습니다

그리고 지금까지 라이브러리와 프레임 워크에 중점을 두었습니다 그리고 우리 툴킷에 대해 조금 이야기하고 싶습니다 인텔 하드웨어를 개발하는 데 도움이되는 것 Google Cloud를 사용한 최신 프로젝트 Kubeflow 파이프 라인에있다 그리고 우리는 통합 작업을하고 있습니다

개발 툴킷의 일부를 Kubeflow 파이프 라인에 통합합니다 이전에 우리는 우리의 소프트웨어 툴킷에 대해 조금 이야기를 나누었습니다 서로 다른 인텔 하드웨어에 공통 API를 제공합니다 이 소프트웨어 툴킷은 OpenVino로 알려져 있습니다 열린 시각적 유추를 의미하는 및 신경망 최적화

OpenVino에는 세 가지 주요 구성 요소가 있습니다 첫 번째는 심층 학습 배포 키트 또는 DLDT입니다 두 번째는 OpenCV 및 미디어입니다 SDK는 전통적인 비전 및 비디오 처리에 사용됩니다 세 번째는 사전 훈련 된 모델 모음입니다

및 자습서 요약하면, OpenVino는 통합 프로그래밍 모델을 제공합니다 하드웨어 전반에 걸쳐 성능 및 메모리 최적화 사용자 정의 워크로드를 위해 확장 가능하며, 광범위한 운영 체제 지원을 제공하며, 단순한 out-of-the-box 경험을 위해 자체 완비되어 있으며, 커뮤니티가 기여할 수있는 오픈 소스입니다 향상시킬 수 있습니다 오늘 집중할 구성 요소 기본적으로 모델 최적화 프로그램을 제공하는 DLDT입니다 통합 API가있는 추론 엔진 다른 인텔 하드웨어를 통해

그래서 Intel과 Google은 파트너 관계를 맺고 있습니다 DLDT의 성능 및 사용 편의성 제공 Kubeflow에 DLDT 컨테이너를 추가하여 GCP 개발자에게 관로 데이터 과학자로서 엔드 투 엔드 솔루션을 만들고 있다고 가정 해보십시오 일부 의료 이미지를 기반으로합니다 여러 다른 컨테이너를 통해 작업을 수행 할 수 있습니다

데이터 처리, 데이터 변환, 데이터 검증 컨테이너는 데이터 읽기를 용이하게하며, 데이터를 예상 된 포맷으로 변환하는 단계, 사용 가능하고 적절히 라벨이 붙어있는 것으로 데이터를 검증하는 것 이 데이터는 강사 컨테이너로 전달됩니다 출력은 다음과 같은 모델 유효성 검사 컨테이너로 전달됩니다 모델을 배치하거나 게재 할 준비가되었는지 확인합니다 교육받은 모델은 최종 당사자가 제공하는 데 사용됩니다

OpenVino가이 흐름에 통합되는 방식 훈련 된 모델이 DLDT 모델 최적화 프로그램에 공급된다는 것입니다 모델 최적화 기는 최적화 된 IR을 생성합니다 그리고 나서 최적화 된 IR이 서빙 DLDT 컨테이너는 기본적으로 추론 엔진을 사용합니다 Intel 하드웨어에서 가능한 한 효율적으로 실행 백엔드 여기에는 Kubeflow 파이프 라인을 통합하는 몇 가지 예가 있습니다 OpenVino 컨테이너

여기에 제공된 링크에는 두 가지 예가 있습니다 그리고 우리는 당신이 앞서 가서이 예들을 시도하도록 초대합니다 이 컨테이너를 통합하는 흐름을 따라 가야합니다 Kubeflow 파이프 라인으로 OpenVino와 그 이점에 대해 더 많이 배울 수 있습니다

하단의 링크를 사용하십시오 또한, 제 동료들은 AI 파이프 라인 및 인텔 OpenVino 소개 웹 세미나 내가 격려하는 통합 너는 배우기 위해 지켜보아야한다 마무리하기 만하면됩니다 AI 개발자를위한 인텔 리소스에 대한 자세한 내용 인텔 AI 아카데미는 최고의 장소입니다 인텔 자산 및 도구에 대해 더 자세히 배우기 시작했습니다

AI 빌더스 솔루션 라이브러리는 훌륭한 원 스톱 매장입니다 인텔 AI 기술 기반 솔루션을 찾는 방법 다른 분야에서 인텔의 GCP 방문 페이지는 훌륭한 출발점입니다 GCP에서 활성화 된 인텔 기술에 대해 자세히 알아보십시오 그걸로 다시 한 번 감사드립니다

AI의 일부를 소개 할 기회 GCP의 기술 라이브 Q & A를 위해 계속 지켜봐주십시오 내 동료, Banu, 몇 가지 질문에 대답하는 데 도움이됩니다 우리는 1 분 안에 돌아올 것입니다 SHIDE SHAHIDI : 그래서 여기 나와 함께 Banu 있습니다 그리고 우리는 많은 질문에 답하려고 노력할 것입니다

우리가 할 수있는대로 관객으로부터 내가 이야기하는 동안 몇 가지 질문을 수집했습니다 Banu, 그래서 질문 여기에, "고객의 사례는 무엇입니까? AI에 Xeon을 사용합니까? " BANU NAGASUNDARAM : 정말 좋은 질문입니다 AI에는 많은 고객이 있습니다 두 기계 학습 모두에 제온 프로세서를 사용하는 사용자 그리고 깊은 학습 작업량

특히 인공 지능에 대한 깊은 학습에서, 두 가지 유형의 작업 부하가 있습니다 우리가 지원하는 추론과 훈련을 위해서 우리의 고객은 Xeon 확장형 프로세서, SkyLake CPU, 스트리밍 추론 및 배치 추론에 사용됩니다 최근 스트리밍 추론의 한 예 얘기 Taboola했다 웹을 제공하는 추천 엔진입니다

웹 서비스 응용 프로그램 용 또한 Xeon CPU를 사용하여 데이터를 가져옵니다 그것을 스트리밍하고 실시간 추론을한다 데이터에 또한 약 360 억 건의 권장 사항을 제공합니다

매월 10 억 명의 고유 사용자가 있습니다 이것이 스트리밍 추론의 한 예입니다 그리고 일괄 유추를 위해 우리는 GE Healthcare와 같은 고객은 이미지 인식 워크로드에 Xeon CPU를 사용합니다 그리고 그들의 업무량은 마약에 관한 것입니다 – 더 많은 CT 스캔 및 제약 관련 그리고 그들은 배치 추론을 위해 Xeon CPU를 사용합니다

데이터베이스가있는 경우, 수집 된 집합 데이터의 그리고 그들은 그것을 사용하여 큰 배치 크기로 추론을합니다 그리고 그들은 엄청난 양을 깨달았습니다 Xeon CPU를 사용하여 성능이 향상되었습니다 그런 다음 교육 워크로드도 제공합니다

우리는 제약 업계의 노바티스와 같은 회사를 보유하고 있습니다 기본적으로 높은 콘텐츠 심사를하고 있습니다 정말 큰 이미지 크기 벤치 마크 중 일부를 살펴보면 예를 들어 ResNet-50과 같이 사용하는 그들은 ImageNet 데이터베이스를 사용합니다 그리고 그것은 더 작은 이미지 세트입니다

그러나 실생활에서는 고객이 훨씬 더 큰 이미지 크기를 사용합니다 그리고 노바티스는 훈련에 대한 사례 중 하나입니다 그들은 시간의 개선을 달성했다 Xeon CPU를 사용하여 교육 및 처리량을 향상시킬 수 있습니다 그래서 그것들은 우리 고객의 몇 가지 예입니다

AI 용 Xeon SHAHH SHAHIDI : 나는 다음 질문의 종류가 암시한다고 생각한다 그뿐 아니라 다음 질문은 "Xeon에서도 교육을 실행할 수 있습니까?"입니다 그래서 우리는 추론에 대해 이야기 해 왔습니다 설정 방법 및 Xeon 및 GCP에서 사용하는 방법에 대해 설명합니다

교육을 진행중인 고객의 사례가 있습니까? 제온에요? 그것은 가능합니까? BANU NAGASUNDARAM : 맞아 네 그건 좋은 질문이야 따라서 제온 CPU는 다목적 CPU이며, 이는 다양한 작업 부하에 사용됩니다 그리고 깊은 학습은 하나의 부분 집합입니다

인텔에 매우 중요한 워크로드 중 우리의 고객 그 일환으로 Xeon CPU에 대한 교육을 실행할 수 있습니다 내가 암시 한 사례 중 하나는 노바티스 (Novartis)였다 그러나 내가 만질 수있는 몇 가지 다른 것들이 있습니다 예를 들어, HPC와 AI의 수렴에서, 우리는 고객을 위해 실행되는 작업 부하를 가지고 있습니다

엄청나게 큰 데이터베이스에 예제 중 하나는 – 최근에 우리는 Supercomputing 2018 컨퍼런스에서, 프랑스 연구 기관인 [INAUDIBLE] Xeon CPU를 사용하여 여러 CPU에서 교육을 확장 할 수있었습니다 128 노드, 확장 효율성 향상 필요한 정확성을 얻는 것입니다 그래서 이것은 어떻게, Xeon에서 교육을 실행할 수 있습니다 추가 하시겠습니까? SHAHIDI : 예

사실 사실 GCP에서, 우리는 제온 (Xeon)에 대한 교육을 받고있는 고객이 몇 명 있습니다 그들의 응용 프로그램은 시각 효과에서 건너갑니다 위성 이미지로 장바구니 실험실은 공개적으로 Xeon에 대한 교육을 받고 있다고 발표했습니다 실제로하고있는 몇 가지 다른 것들이 있습니다 GCP 환경에서 BANU NAGASUNDARAM : 좋습니다

네 내 마음에 온 또 다른 한 가지 예가 CERN이었습니다 그들은 대형 Hadron Collider를 사용합니다 그리고 그들은 수집하는 엄청난 양의 데이터를 가지고 있습니다 그리고 그들은 몬테카를로와 같은 고성능 컴퓨팅을 실행합니다

시뮬레이션을 할 수 있습니다 또한 분산 된 교육을 위해 Xeon CPU를 사용합니다 256 개 노드에 걸쳐 그리고 우리는 3D-GAN에 대한 한 예를 보여주었습니다 적대적인 네트워크가 생성되어 여러 Xeon 노드에서 효율을 높일 수 있습니다 SHAHIDI : 알았어요

승인 큰 그래서 보자 BANU NAGASUNDARAM : 다음 물어볼 수 있습니다 그래서 언제 "우리는 깊은 학습 향상에 접근 할 수 있습니까? GCP의 VNNI에? " SHIDE SHAHIDI : 좋습니다, 그래서 좋습니다

VNNI 지침 및 심화 학습 차세대 Intel Xeon CPU에서 사용할 수 있습니다 실제로 샘플을 고객에게 보내고 있습니다 올해 말에 GCP에서 사용할 수있을 때 실제로는 GCP 담당자를위한 질문 따라서 GCP 담당자와 연락하는 것이 좋습니다

언제 그들의 타임 라인을 알아 내기 위해 그들은 그들의 플랫폼에서 이것을 이용할 수있게 할 것입니다 그래서 나는 당신을 위해 하나를 가지고있다 사실, 마지막에 가자 먼저 그 질문에 대답하기를 바랍니다 그리고 나서 시간이 있다면, 우리는 이전 시간으로 돌아올 것입니다

그래서 "다른 토폴로지와 프레임 워크는 무엇인가? 인텔 하드웨어에 최적화되어 있습니까? " BANU NAGASUNDARAM : 그것은 좋은 것입니다 따라서 인텔 포트폴리오 슬라이드 다른 프레임 워크를 보여주었습니다 우리가 최적화 한 요약하면 TensorFlow는 주로 프레임 워크 최적화 그러나 그 외에도 MXnet도 사용합니다 Caffe, 너무

그런 다음 PyTorch와 PaddlePaddle 프레임 워크의 몇 가지 예입니다 우리가 최적화 할 수 있습니다 토폴로지 측면에서 우리는 다양한 토폴로지를 수행합니다 그리고 그들은 유스 케이스와 매우 관련이있다 우리 고객이 신청하고 있습니다

예를 들어 이미지 인식을 실행하고, 이것은 Resnet-50, Inception v3 예제와 같습니다 우리는 물체 감지를합니다 YOLO가 그 예입니다 우리는 이미지 분할을합니다 이미지의 특정 세그먼트를보고있다

그것은 Mask R-CNN과 같습니다 우리는 또한 신경 기계 인 언어 번역도합니다 번역 작업 부하 그리고 나서 마음에 떠오르는 다른 것들 중 일부 TTS (text-to-speech)입니다 WaveNet은 TTS (text-to-speech) 워크로드의 좋은 예이며, 심지어 권장 시스템 (예 : Wide & Deep 또는 신경 협동 필터링과 같습니다

기본적으로 토폴로지는 매우 다양합니다 이러한 다양한 프레임 워크에서 최적화 할 수 있습니다 SHAHIDI SHAHIDI : OK, 라이브러리 및 프리미티브뿐만 아니라 우리는 또한 프레임 워크를 가지고 있습니다 그리고 그것은 우리가 서로 다른 토폴로지로 작업하는 부분입니다 다른 작업 부하에서

아마 우리는 한 번 더 질문 할 시간이 있다고 생각합니다 "인텔 최적화 소프트웨어의 이점은 무엇입니까? 왜 내가 그것을 필요로합니까? " BANU NAGASUNDARAM : 좋은 질문입니다 [웃음] 나는 시작할 수 있고 그 다음에 그걸 추가 할 수 있습니다 SHIDE SHAHIDI : 물론입니다 BANU NAGASUNDARAM : 그래서 Shideh 오늘 너 얘기하고있다

우리가 할 수있는 다른 것들은 무엇입니까? 그러나 우리는 왜 그것을해야합니까? 예를 들어 Skylake와 같이 우리가 구축 한 하드웨어는 ADX-512 명령어가 있습니다 차세대 제온 CPU는 VNNI 지침이 있습니다 이 지침에서 성능을 얻으려면, 그 위에 개발 된 라이브러리가 필요합니다 이 지침을 사용하십시오 그리고 일단 당신이 그러한 라이브러리를 개발하게되면, 이러한 라이브러리를 호출하기위한 프레임 워크가 필요합니다

그래서 우리는 당신이 최신 버전이 필요하다고 말합니다 인텔 하드웨어에 최적화 된 소프트웨어 최상의 성능을 얻으려면 GCP를주고 싶니? SHACHH SHAHIDI : GCP와 거의 같은 것입니다 BANU NAGASUNDARAM : 좋습니다 승인 SHIDE SHAHIDI : 프레임 워크가있는 한 및 토폴로지를 사용할 수 있는지 확인하십시오

최신 버전을 사용하고 있는지 확인하십시오 하드웨어와 소프트웨어 중 가장 뛰어난 것입니다 시도 해봐 그리고 당신의 공연이 보일 것입니다 이점과 부스트

BANU NAGASUNDARAM : 맞아 SHAHH SHAHIDI : 그래서 생각, 우리는 닫을거야 다음 세션 소개를 위해 계속 지켜봐주십시오 인공 지능 허브, 모든 인공 지능을위한 원 스톱 카탈로그 고맙습니다

BANU NAGASUNDARAM : 감사합니다 [음악 재생]

Applied Machine Learning with Peter Norvig, Director of Research, Google AI

[음악 재생] 여러분, 환영합니다 아침 일찍 일어나서 깨어있게 해줘서 고마워

우리가하는 일에 대한 약간의 개요를주고 싶다 기업 접근 방식 측면에서 본다 기계 학습의 문제 그리고 여러분 모두 표준 모델을 알고 있습니다 너는 약간 자료, 몇몇 그림, 당신은 그것에 몇 개의 레이블을 붙인다

그리고 너는 그 TensorFlow 물건을 던져라 이익을 얻으십시오 어떻게 그럴 수 있죠? 항상 직접적인 것은 아닙니다 때로는 조금 더 복잡합니다 왜 그런가요? 음, 그런데 놀랄만 한 점이 있습니다

첫 번째 일은 우리가 외출 중이라는 것입니다 우리는 당신과 다른 사람들과 같은 회사와 이야기를 해왔습니다 너는 그 어려움이 무엇이라고 생각하니? 될 것? 당신이해야 할 모든 부분이 있습니다 목표를 정의하고 데이터를 수집하며, 인프라 구축, ML 알고리즘 최적화, 그것을 귀하의 제품에 통합하십시오 사람들의 기대는 음, 어려운 부분입니다

그 알고리즘 물건이 될 것입니다 그 모든 수학은 정말 어려울거야, 그렇지? 그리고 나서 그들은 나가서 실제로 그것을합니다 그리고 현실은 이것과 더 비슷합니다 수학 부분은 쉬운 부분이었습니다 그리고 어려운 부분은 데이터를 가져 오는 중입니다

인프라를 구축 한 다음 기계끼리 끼워 맞춤 통합 당신의 제품의 나머지 부분과 함께 학습 부분 그리고 수학 부분은 조금 작습니다 그래서 그것은 정말로 당신이 가진 일을 뒤엎는 것입니다 네가해야 할 일에서해야 할 일 그래서 우리가 함께하려고했던 것 이 현실과 오히려 일치하는 방법론입니다

기대치와 일치합니다 여기 몇 가지 함정이 반복해서 나타납니다 그래서, 모두들, 글쎄, 기계 학습 더 빨리, 더 좋게, 더 싸게 갈 것입니다 괜찮을거야 그렇지? 그리고 때때로 그것은 정말로 있습니다

때로는 수백 배 더 빠르게 작업을 수행합니다 그렇지 않으면 가질 수있는 것보다 가끔은 네가하는 일을하는거야 기계 학습 없이는 전혀 할 수 없었습니다 하지만 다른 때에는 더 길게 끝납니다 당신이하지 않은 방법론에서 뭔가 새로운 것을하고 있기 때문에 알아

그래서 처음에는 뭔가를하는 것이 어렵습니다 올바른 데이터를 가지고 있는지에 대한 문제가 있습니다 당신이 그것을 적절하게 선별했는지 등등 때때로 사람들은 그것을 잊어 버립니다 이 아이디어는 그것이 전부 또는 아님, 너는 기계 학습을하고 있거나 너는 매뉴얼을하고있다

그것은 아마도 그것을 보는 올바른 방법이 아닙니다 당신이 그것을보고 있어야하는 방법 어떤 하위 문제에 적절한 것이 무엇입니까? 그리고 그것이 100 % 자동화 된 것이 아니라고 말하는 것을 두려워하지 마십시오 아직 루프에 어떤 인간이 있다고 적절한 시점에 올바른 제품이 무엇인지 파악합니다 따라서 여기에 내가 최적화 할 수있는 척도가 있다고 말하는 것이 유혹적입니다

~ 99 % 하지만 내 제품을 만드는 데 도움이되지는 않습니다 그것은 당신이 최적화하고 싶은 것이 아닙니다 그리고 네가하는 것에 대한 질문은 사내에서 할 일, 사용할 도구, 그리고 당신은 그것을 어느 레벨에서 사용할지를 결정해야합니다 여기에는 많은 선택 사항이 있습니다

혼자서 모든 것을 만들 수 있습니다 이러한 사전 훈련 된 모델을 사용할 수 있습니다 다양한 회사들이 제공하고 있습니다 올바른 믹스가 무엇인지 알아 냈습니다 또 다른 걸림돌이되었습니다

이제 나는 조금 뒤로 물러서 고 싶다 기존 소프트웨어와 다른 점을 살펴보십시오 및 기계 학습 소프트웨어 그래서 전통적인 소프트웨어에서, 우리는 시작합니다 우리에게는 엔지니어 또는 엔지니어 팀이 있습니다

그들의 책상에 앉아 그리고 그들은 아이디어를 얻습니다 그런 다음 모든 의사 결정 포인트를 수동으로 코딩합니다 우리가 묘사해야 할 모든 가능한 것들 컴퓨터에 무엇을 할 것인가 그리고 어려움은 많은 다른 길, 그리고 너는 가지고있다

모두가 작동하는지 확인하십시오 그리고 그것은 전통적인 소프트웨어 수학 과학을 만듭니다 우리는 기본적으로 우리의 프로그램이 올바른지 증명하려고 노력하고 있습니다 물론, 실제 생활에서 우리는 단지 작은 장난감 프로그램을 위해 그렇게하십시오 우리는 실제 프로그램을 실제로 증명하지 않습니다

그러나 우리는 그 방향을 목표로하고 있습니다 그리고 우리는 불리언 논리를 사용합니다 그리고 우리는 확실하게 노력합니다 기계 학습에서, 그것은 아주 다릅니다 우선 프로그래머가 아닙니다

프로그램을 작성 그것은 프로그램을 작성하는 컴퓨터입니다 아직 인간을위한 장소가 있습니다 그리고 그것은 교사가되어 데이터를로드하고, 학습 방법을 시스템에 가르쳐줍니다 그리고 그것은 기계 학습을 만들고 소프트웨어를 만듭니다

경험적 과학 따라서 수학을하는 것보다 생물학을하는 것이 더 좋습니다 당신은 세계에 대한 이론을 만듭니다 너는 너의 이론을 시험해 그들은 결코 정확하지 않을 것입니다

논리적이고 부울하지 않습니다 그들은 확률 론적이다 그리고 당신은 오히려 불확실성을 포용합니다 그것을 제거하려고 노력하는 것보다 그래서 완전히 다른 사고 방식입니다

그리고 사람들이 그 변화에 적응하는 것이 어려울 수 있습니다 이제 당신이 문제를 바라 보는 방식 외에도, 우리는 방법론에서도 진전을 보였습니다 우리가 제품을 만드는 방법 그래서 우리는 시작했습니다 소프트웨어는 일종의 스튜디오 또는 장인이었습니다

들 차고 건물에 스티브라는 두 명의 남자가 있습니다 훌륭한 회사 그리고 물론, 그들은 나중에 많은 도움을 받았다 하지만 시작은 매우 작은 팀이었습니다

별로 방법론이 없었습니다 너는 바지의 자리에 그걸 다했다 하지만 그때 우리는 당신이 오직 얻을 수 있다는 것을 깨달았습니다 지금까지 그 작은 팀과 그래서 우리는 일종의 공장 모델을 발명했습니다

또는 우리가 말했던 조립 라인 모델, 우리는 어떻게 수천 개의 소프트웨어 팀을 만들 것인가? 엔지니어가 함께 일하니? 음, 그렇게하기 위해서, 우리는 많은 훈련을 강요 할 필요가 있습니다 및 방법론 그리고 우리는 기본적으로 반세기에 걸쳐 그것을 구축했습니다 하지만 이제는 우리가 공장 모델을 필요로하지 않는다고 말하고 있습니다 어쩌면 학교 모델과 같을 수도 있습니다

이제 우리는 교사들에게 가르치게 할 것입니다 컴퓨터가 무엇을 해야할지 그리고 우리는 그것을하기위한 새로운 방법론이 필요할 것입니다 그런데 우리가 가지고있는 도구는 무엇입니까? 그래서 나이가 들어서 프로그래밍을 시작할 때, 나는 실제로 이것들 중 하나를 가졌다 그리고 연필로 작은 흐름도를 그렸습니다

그게 유용하다고 생각한 적은 없지만 숙제에 A를 얻고 싶다면 그것을해야만했습니다 그래서 나는 말했다 그러나 시간이 지남에 따라 우리는 훨씬 더 강력한 도구 세트를 구축했습니다 그리고 이제 우리는이 모든 위대한 것들을 가지고 있습니다 우리에게는 교육 자료 및 방법론이 있습니다

그리고 프로그래머들은보다 생산적 일 수 있습니다 왜냐하면 우리는 반세기가 지났기 때문입니다 방법론 이제 기계 학습에서 우리는 이제 시작하고 있습니다 따라서 우리는이 수준의 도구를 사용합니다

우리는이 고대 도구들을 가지고 있습니다 그리고, 예, 시간이 지남에 따라 더 정교해질 것입니다 그리고 당신은 – 그곳에는 망치가 있고 톱 등이 있습니다 그리고 그들은 당신이 더 잘 될 것이라는 것을 압니다 그러나 우리는 처음부터 정말로 옳습니다

그리고, 우리는 도움이되는 훌륭한 도구를 가지고 있습니다 여기 TensorBoard가 있습니다 그러나 우리는 생태계 전체를 구축하지 않았습니다 우리는 전통적인 소프트웨어를 가지고 있습니다 그럼 어떻게 거기에 갈거야? 우리는 어떻게 기계를위한 방법론을 갖게 될 것인가? 학습 성공? 글쎄, 그것은 우리가 작업하고있는 것들 중 하나입니다

나는 우리가이 블로그에 당신을 가리키고 싶다 "The Lever"에서 일하고있다 더 빠르게 움직이고, 몇 가지 블로그를 살펴볼 수 있습니다 우리는 가지고있다 그리고 우리는 지금이 모든 말씀을 읽을 필요가 없습니다

그러나 그것은 이용 가능할 것이고, 당신은 가서 그것을 볼 수 있습니다 그래서 하나의 실험 아이디어가 있습니다 우리는 우리가 어디로 가고 있는지 정확히 알지 못합니다 그러나 우리는 그것에 대해 걱정하지 않아야합니다 그리고 우리는 신속하게 진전을 시도해야합니다

빠른 실험을하고, 결과를보고, 분석하고, 진행 방향을 변경합니다 제품 관리자가 기계와 통합되는 방식에 대한 아이디어 제품 관리자가 말하기의 규율에 익숙하다 우리가 쌓아야 할 것입니다 우리가 그것을 조각으로 나누는 방법은 다음과 같습니다 얼마나 오래 걸릴지 알아

각 조각을 만들 수 있습니다 나는 최종 제품을 구상 할 수있다 그리고 기계 학습으로, 항상 좋아하는 것은 아닙니다 얼마나 오래 차이가 있기 때문에 그것이 취할 것인가, 아니면 그것이 짝수 일 것인가 구성 요소를 만드는 것이 가능해질 것입니다 그런 다음 데이터는 어디에서 왔습니까? 데이터가 핵심이라면 데이터는 새로운 자본이고 기계 모든 것을 만드는 공장 바닥에 어디로 간다? 그것을 curating하는 과정은 무엇입니까? 데이터가 새로운 금으로 생각할 수도 있습니다

당신은 그 일을 잘 돌보고 싶습니다 당신은 투자하고 있습니다 당신은 올바른 투자를 원한다 올바르게 사용하는 방법을 알고 있어야합니다 그리고 당신은 더 많은 것을 위해 그 블로그를 볼 수 있습니다

그 아이디어 각각에 다시 말하지만 여기에서 다시 참조 할 수 있습니다 그러나 우리는이 다섯 가지 범주의 관점에서 도전을 생각합니다 먼저 기술은 무엇입니까? 이러한 모든 새로운 도구를 사용하고 데이터를 사용하며, 그것을 통해 흐름, 알아내는 어떤 모델이 합리적인지, 그 기술을 배치하는 것입니다

멋진 기술을 사용하는 방법 고객에게 적합한 제품에 적합합니까? 그래서 우리는 여기에 문제가있었습니다 회사 내에서 Google에 많은 일이 일어나고 있습니다 그리고 많은 훌륭한 연구가 진행되고 있습니다 그리고 훌륭한 제품 개발이 많이 있습니다 그러나 우리가 그 두면을 하나로 모으지 않는다면, 우리는 성공하지 못할 것입니다

그래서 저는 연구 책임자로서, 사진 팀이 우리에게 와서 말했습니다 우리는이 끔찍한 성공 재난을 겪습니다 사람들은 사진을 사용하고 있으며 제비 뽑기와 많은 그림을 가져 가고, 지금은 혼란스럽고 정리할 수 없습니다 자신의 사진을 찾을 수 없습니다 우리는 무엇을 할 수 있습니까? 그리고 그들은, 나는 우리가 필요하다고 생각한다고 말했다

인간이 할 수있는 몇 가지 요소입니다 사람들이 모든 사진을 폴더로 쉽게 분류 할 수 있습니다 그리고 우리는 그들에게 말했습니다, 예, 그렇습니다 그 중 일부는 인간의 요인 전문가 우리는 아마 조금 더 나아질 수 있다고 생각합니다

그러나 대신 우리가 자동으로 아무도 아무 시간도 낭비하지 않도록 모든 사진에 라벨을 붙였습니다 그들을 폴더에 넣어? 그리고 그들은 말했다, 당신은 그것을 할 수 있습니까? 나는 그것이 공상 과학이라고 생각했다 그래서 과학자가 인식하는 것의 대화였습니다 이 사람들은 필요와 제품 팀이 있습니다 이 녀석들에게는 기술이 있다는 것을 인정합니다

그리고 그 대화를해야합니다 당신은 그 사람들을 모아야합니다 그렇지 않으면 우리는 그 모든 노력을 낭비했을 것입니다 디자인 문제가 변경 될 수 있습니다 디자인이 어디로 향하는 지 보여주는 좋은 예였습니다

우리가 더 이상 없었던 많은 것을 바꾸는 폴더 구조가 어떻게 생겼는지 걱정 해시 태그는 모두 무엇입니까? 오히려 검색 창을 가질 것이라고 말할 수 있습니다 이제 결과가 어떻게되는지 알아냅니다 당신이 그 수색을 할 때처럼 따라서 사용자 경험은 상당히 다를 것입니다 그리고 나서 사람들의 문제

너 같은 회사에서 불만이 많다 이러한 기계 학습 전문가를 어떻게 고용 할 수 있습니까? 그리고 페이스 북은 그들 모두를 얻었다? 그래서 그들은 밖에 있습니다 그러나 생각할 다른 것 우리가 가진 전문가 중 일부는 당신이 원하는 사람들이 아닙니다 그래서 너는 갈 사람이 필요 없어 톱 컨퍼런스에서 논문을 쓰는 중 새로운 알고리즘을 발명합니다

필요한 도구는 기존 도구를 사용할 수있는 사람입니다 그것들을 하나의 제품으로 합치십시오 그리고 때로는 두 가지 유형의 사람들이 상당히 다릅니다 그리고 알고리즘에 대한 세계의 전문가 인 누군가 제품을 만드는 데 적합한 사람이 아닐 수도 있습니다 그러나 그것을 이해할 수있는 누군가가 그것을 할 수 있습니다

그리고 성장과 관련하여 많은 문제가 있습니다 우리는 기업이 첫 발걸음을 내딛는 것을보고, 약간의 성공을 얻은 다음, 약간의 걸림돌 그들이 앞으로 나아갈 때 이 문제를 둘러싼 많은 문제가 있습니다 그래서 문제의 일부는 당신이 처음 시작, 당신은 어떤 데이터를 던져 모든 것이 작동합니다 하지만 그렇다면 당신은 – 음, 이제 갑자기 우리가 성장함에 따라 프라이버시 문제가 발생합니다

또는 규제 문제가 있습니다 그리고 이것들은 당신이 생각하지 않는 것들입니다 방금 알고리즘을 개발할 때 뭔가를 얻으려고 노력하면서, 그러나 그것은 회사의 성공에 결정적 일 수 있습니다 여기에는 또 다른 부류의 사람들이 있습니다 Launchpad를 통해 배운 놀라운 것들 중 하나입니다

예, 우리의 다음 고용을 위해 말한 회사와 이야기하고있었습니다 우리가 엔지니어보다는 변호사를 고용하고 있다고 생각합니다 그리고 그것은 내 경력에서 처음이었다 나는 그 감정에 실제로 동의했다 [웃음] 그래서 나는 당신에게 모든 이슈들을 말했습니다

그리고 지금까지 그것은 부정적이었습니다 터프 해 그러나 당신이 할 수있는 멋진 것들이 있습니다 그들은 단지 놀라운 것입니다 그리고 더 많은 것이 있습니다

그래서 나는 그들 중 일부를 통과 할 것입니다 나는 우리가 관여하고있는 몇 가지 계약을 선택했다 나는 너희 회사의 회사를 선택하지 않았다 그건 네 애들 중 어떤 애가 말하는 것과 같을거야 가장 좋아하는 영화

나는 그것을 할 수 없다 그래서 너희들을 내쫓 았어 스탠포드 대학에서 천체 물리학자를 만난 팀이 있습니다 그리고 그들은이 문제를 다루고 있습니다 중력 렌즈 작용 (gravitational lensing)

그럼 그게 무슨 뜻 이죠? 거기에는 은하계가 있습니다 그리고 은하계에서 지구로 빛이 비추고 있습니다 그리고 그들과 우리 사이에는 또 다른 은하가 있습니다 그리고 그 은하는 무겁습니다 그래서 실제로 빛을 굴절시킵니다

그리고 무슨 일이 일어나고 있는지 정확하게 측정 할 수 있다면, 본질적으로 그것은 퍼팅과 같을 것이다 중간 규모의이 은하 빛이 얼마나 무거워 지는지 확인하십시오 그리고 너는 뭔가를 배울 수있다 어둠의 물질과 그 멋진 것들에 대해서 이 사람들이 신경 쓰는 것 그리고 그것은 물리학 자들이 어떻게 여기에서 시작 하자고 말하면 계산이 가능합니다

물리학 법칙을 순방향으로 적용하십시오 그리고 그것은 우리에게 알려줄 것입니다 우리가이 은하가 어떤 것인지 알면, 그 빛이 어떻게 생겼는지 알려줄 것입니다 그리고 일치하지 않으면 이 하나를 약간 조정하고 다시 시도하십시오 그리고 슈퍼 컴퓨터에서 오랜 시간이 걸립니다

왜냐하면 그들은 많은 시련을해야하기 때문입니다 그리고이 사람들이 말한 것은 우리는 물리학 자입니다 우리는 수학을 이해합니다 우리는이 기계 학습에 관해서 아무것도 모릅니다 그러나 우리는 깊은 학습에서, 차별화되고 거꾸로 갈 수 있습니다

앞으로 나아갈 것보다 그리고 그것이 바로 우리가 필요로하는 것처럼 보입니다 그래서 몇 달 만에 그들은 스스로 가르쳤습니다 그들이해야 할 모든 것 그들은 그것을 시도했다

기존 기술보다 효과적입니다 그리고 1000 만 배 더 빠르게 달렸습니다 그래서 그것은 아주 멋진 성공입니다 그리고 그들은 2 개월 만에 성공을 거두었습니다 물론, 이들은 물리학 자입니다

그래서 평범한 사람, 당신이 단어 텐서를 말할 때, 그들은 조금 긴장 해 그러나 물리학 자들은 그것을 아침 식사로 먹습니다 어쩌면 조금 더 쉬울 수도 있습니다 그들은 문자 그대로 로켓 과학자입니다 여기 또 다른 예가 있습니다

비슷합니다 행성을 찾고 저는 Google에 오기 전에 NASA에있었습니다 그리고 저는이 사명의 전조에 관여했습니다 그래서 나는 그것을 정말로 좋아한다

그리고 그 생각은 먼 저 별을 바라 보는 것입니다 그리고 한 행성이 그 별을 동그라미 낀다 그리고 일식이 있습니다 따라서 일식은 빛을 조금씩 차단합니다 그리고 케플러 선교사는 그것을 찾았습니다

그리고 정말로 크고 큰 행성들은 먼 별 앞에서 지나쳐 차단해라 빛의 많은, 그들은 그것들 모두를 발견했다 그리고 그것은 차가웠다 그러나 이제 우리는 돌아가서 말하기를 원했고, 더 작은 행성을 찾을 수 있을까요? 기존 기술은 그렇게하지 않았습니다 많은 불확실성

그것은 단지 하나의 요소가 아닙니다 그러나 기계 학습 기술 그 (것)들을 뽑을 수 있었다 그리고 이제 우리는 더 많은 행성을 발견했습니다 이미 발견 된 것보다 그리고 나는 오늘 아침 또 다른 비슷한 종류가 있다는 것을 보았습니다 오래된 데이터를 보면서 표준 기술을 끌어낼 수있는 곳 쉬운 예제, 기계 학습으로 돌아 가기 더 많은 예제를 찾는 것입니다

우리는 의학 분야에서 많은 연구를 해왔습니다 이것은 망막을 보는 문제였습니다 및 안구 질환 진단 그리고 우리는 일반 의사보다 더 잘 할 수 있음을 보여주었습니다 그러나 우리는 그 외에 무엇을 할 수 있을까요? 우리는 고혈압을 감지 할 수 있을지도 모른다고 말했습니다

밝혀 지 네, 우리는 정말 잘 할 수 있습니다 그리고 엔지니어는 계속 가고있었습니다 그들은 굴러 다녔다 그리고 그들은 말했습니다 우리가 데이터베이스에 있니? 기둥 중 하나는 섹스입니다

우리가 그것을 예측할 수 있는지 봅시다 의사가 말하길, 오, 잠시만 요 남성과 여성의 망막에는 차이가 없습니다 당신은 그것을 예측할 수 없을 것입니다 엔지니어들이 말했습니다

왜 95 %의 정확도를 얻었습니까? [웃음] 그리고 의사들은 아직도 우리가 왜 그렇게 할 수 있는지 알지 못합니다 그들의 눈에 대한 이론은 불완전했다 그리고 의학 응용 프로그램은 모든 방법으로 이동합니다 고등학생까지 그래서 저는 로켓 과학자들에 대해 이야기했습니다

20 년간의 경험을 쌓았습니다 여기에없는 아이도 있습니다 20 년 동안 살아 있었지만 아직은 이것에 기여할 수있었습니다 그것은 단지 아픈 사람들 이상입니다 그래서 우리는 병든 식물을 볼 수 있습니다

그래서 너는 열대 우림으로 나간다 나뭇잎이나 무언가에 갈변을 감지 할 수 있습니다 그리고 숙련 된 농부라면 무엇을해야할지 알 것입니다 그러나 아마도 당신은 경험 많은 농부가 아니며, 아니면 기후 변화를 통해 다른 종류의 질병을 얻는다 전에는 보지 못했던 일들을 도와 줄 수 있습니다

진정한 도전 과제 중 하나는 여기에 있습니다 말하자면, 우리는 수퍼 컴퓨터를 꺼낼 수 없습니다 필드에 아마도 Wi-Fi 연결이 없을 것입니다 따라서 전화를 통해 로컬로 실행해야합니다

그래서 큰 도전 중 하나는 말하자면, 우리는 어떻게 이러한 연산이 많은 어플리케이션 전화기의 크기까지 확장 할 수 있습니다 여전히 작동하게 만드시겠습니까? 그리고 우리는이 경우 할 수있었습니다 다른 하나가 있습니다 그리고 모든 회사는 엘리베이터 피치를 가져야합니다 당신은 회사를 발명했습니다

그리고 회사가 뭐니? 그리고 답은 틴더와 비슷하지만 고양이에게는 그렇습니다 Conectera라고 불리는이 회사는 엘리베이터 피치가 있어요 Fitbit 같아요 그러나 암소를 위해서 그리고 그것은 어리석은 것처럼 보입니다

암소가 실제로 얼마나 많은 단계를 자랑해야하는지 오늘 했니? 아니, 그들은하지 않는다 그러나 농부는 실제로 무슨 일이 일어나고 있는지 알고 싶어합니다 농부가 알고 싶습니다 내 젖소가 아플까요? 그들 중 누구도 비정상적인 일을하고 있습니까? 얼마나 많은 양의 물을 마십니까? 얼마나 많이 걷고 있습니까? 그들은 여기에서 저기로 어디로 가나 요? GPS와 가속도계가있는 장치를 놓습니다 이제 전체 무리에 대한 전체 그림을 얻을 수 있습니다

Wi-Fi 연결이없는 또 다른 예가 있습니다 그래서 우리는 불법 삼림 벌채를 탐지하고 싶었습니다 그래서 당신이 생각할 수있는 주요한 것은 – 몇 가지 다른 일이 진행 중입니다 -하지만 중요한 건, 너 할 수 있니? 나무를 자르는 톱 소리가 들리는가? 그들이 큰 소리가 나면 파워 톱입니다 그러나 거기에는 아무도 없습니다

그래서 많은 센서를 현장에 투입합니다 센서는 기본적으로 여기에서 볼 수 있습니다 몇몇 태양 전지가있는 휴대 전화예요 시간이 지남에 따라 전원을 계속 유지해야합니다 그리고 나서 전화는 서로 메쉬 네트워크를 형성합니다

그리고 그들은 듣고 있습니다 그리고 우리는 무언가가 진행될 때 우리에게 알려줍니다 비디오 캡션 – 그래서, 한편으로는, 우리는 오랫동안 음성 인식을 해왔습니다 이것은 쉬워야합니다 그러나 다른 한편으로는, 자막 비디오 일반 음성 인식보다 조금 어렵습니다

마이크에 직접 대고 말하면 한 사람의 이야기가 있습니다 그건 꽤 쉬운 문제입니다 하지만 동영상이 있고 일어나는 일이 많고, 여러 사람이 말하는 한 번에, 자동차 충돌 등등, 나쁜 마이크 등등, 그것은 훨씬 더 어려워진다 그리고 백 가지 언어 – 그래서 우리는 그 문제를 해결하고 그것을 모두 자동화하려고했습니다 그리고 우리는 그 분야에서 성공을 거두었습니다

하드웨어와의 인터페이스 – 그래서 나는 내 휴대폰으로 많은 사진을 찍는다 나는 크고 무거운 DSLR로 많은 사진을 찍는다 그리고 크고 무거운 렌즈를 원하는 이유 중 하나는 그게 당신이 배경을 흐리게 수 있습니다 그러나 우리는 소프트웨어에서도 그렇게 할 수 있습니다 그리고 여기에서는 그것을 사용할 수있는 예제를 보았습니다

여기에 더 많은 예가 있습니다 우리는 Geena Davis Institute와 함께 일했습니다 그들은 영화 산업의 편향에 관심이 있습니다 그래서 우리는 얼마나 오래 화면에 누가 있는지 분석하고, 누가 말하기 역할을하는지, 그리고 나서 남성 대 여성간에 공정합니다 그리고 여기에서는 기본적으로 차트를 봅니다

그것은 여성이 선두 인 영화에서 말하는 것입니다 여성은 더 자주 나타납니다 많은 반면 남성이 선두 인 영화에서, 그것은 훨씬 더 비뚤어졌습니다 그래서 우리는 여기서 편견을 발견했습니다 그리고 그걸 구성 요소로 분해 할 수 있습니다

등등 그리고 더 많이 보아라 그리고 그것은 모두 자동으로 이루어졌습니다 이전에 그들은 매우 느린 진전을 보이고있는 반면 모든 프레임에 손쉽게 주석을 달아서 한 번에 모든 것을 할 수 있습니다 그래서 여기서 멈추고 질문을 위해 열어 보겠습니다

하지만 저는 그곳에 여기에 강력한 기회가 있습니다 당신이 할 수있는 많은 것들이 있습니다 그리고 우리는 진화를 계속하고있는 일련의 도구들을 가지고 있습니다 그리고 당신은 그 반쯤 만난다 너 내가 원한다고 말할 수 있어야 해

이 기술과이 방법론을 채택합니다 그리고 거기에 약간의 충돌이있을 것입니다 나는 많은 것을 발견하게 될 것이다 그건 나에게 새로운 것이지, 모두에게 새로운 것이있다 그러나 그것으로 우리는 많은 기회를 볼 수 있습니다

성공하고 일을하기 위해 너는 달리 할 수 ​​없었다 그렇다면 지금 질문에 대해 열지 않으시겠습니까? 네? 관객 : 가장 과대 평가되고 과소 평가 된 것은 무엇입니까? 현장에서 본 기계 학습의 응용 현재? 피터 노빅 : 글쎄, 후보자일지도 몰라 둘 다이 조수입니다 그래서 우리는 당신이 말하고 대화 할 수 있어야합니다 그리고 지금은 많은 사람들이 작은 연설자에게 중점을두고 있습니다

키보드가없는 탁자 위에 놓을 수 있습니다 화면이 없지만 당신의 말을들을 것입니다 그리고 이것들은 꽤 인기가있는 것으로 판명되었습니다 그리고 사람들은 그것들을 사고 말합니다, 아, 이거 정말 멋집니다 나는 음악을 연주하도록 요청할 수 있으며, 올바른 노래를 연주한다

그리고 날씨를 물어볼 수 있습니다 그리고 그것은 나에게 날씨를 알려준다 그리고 잠깐, 내가 물어볼 수있는 또 다른 것은 무엇입니까? [웃음] 따라서 그것이 할 수있는 일의 측면에서 큰 성공입니다 하지만 지금까지 실패한 점은 당신이 할 수있는 모든 것을 알아 냈습니다 반면에 다른 애플리케이션에서는 Google 검색에서 우리는 사용자에게 작품의 좋은 모델을 제시했습니다

그리고 작동하지 않는 것 기본적으로 몇 가지 키워드를 입력하면됩니다 해당 키워드와 관련된 페이지를 보여 드리겠습니다 사람들은 그 모델을 이해합니다 그리고 그들은 힘의 균형이 무엇인지를 안다

구글이이 금액을 할 것이라는 것입니다 그러나 사용자는 또한 정통한 사람을 데려 와야합니다 올바른 질문을하고 결과 페이지를 분석하는 것 이 비서들과 함께, 우리는 아직 거기에 있지 않습니다 그래서 우리는 그것이 사람과 같은 것이라고 말하는 것의 중간 정도입니다

당신은 사람과 이야기하는 방식으로 이야기합니다 그러나 우리는 또한 말하고 있습니다 글쎄, 실제로는 사람이 아닙니다 그것은 모든 것을 이해하지 못합니다 글쎄, 그때 그걸 어떻게 이해하니? 우리는 아직 명확하게하지 않았다

그리고 나는 시간이 지남에 따라 – 음, 하나, 능력이 확장됩니다 점점 더 많은 일을 할 수있게 될 것입니다 하지만 더 나은 사용자 인터페이스가 필요합니다 당신이 그것을 어떻게 생각해야하는지에 관해 말하는 것은 여기에서 그것이 할 수있는 일의 글쎄, 그건 자란 사람이 아니야

8 살이야 그것을 생각할 수있는 방법입니까? 아니, 그건 맞는 모델이 아니야 그래서 우리는 그것을 더 분명하게 할 어떤 방법이 필요합니다 고맙습니다 네? 청중 : 사람들이 해결하려고하는 문제가 있습니까? [알아들을 수 없는]? 피터 노르 비그 : 예, 문제가 있습니다

사람들이 기계 학습을 시도 할 것입니다 그리고 그들은 할 필요가 없다? 확실히 그럴 것입니다 그리고 유지하는 데 몇 가지 이점이 있습니다 가능한 한 간단합니다 따라서 중장비 기술을 사용하지 마십시오

쉬운 사람이 사용할 때 확실히 많은 예제가 있습니다 편익이 너무 작아서 편한 편이다 그것이 자동으로 아니더라도, 손으로 그것을 할 수 있습니다 그리고 아마도 손으로 그것을하는 비용이 있습니다

그러나 그것은 여전히 ​​큰 노력에 투자하는 것보다 쉽습니다 설명 형 문제도 있습니다 그래서 Google 검색을 할 때 알아 역사적으로 우리는 조금 저항했습니다 기계 학습에 너무 많은 통제권을 넘기는 것

그래서 우리는 항상 이런 생각을했습니다 검색에 관련되어 있으며 새로운 요소를 창출 할 것입니다 관심을 가져야하는 정보 또는 사용자가 상호 작용하는 방식 그들의 역사에있는 페이지와 함께 그것은 데이터입니다 우리는이 데이터를 사용하여 제품을 향상시킬 것입니다

그리고 우리는 종종 말을 잘하고, 우리가 알아 냈어 이제 이것을 추가 할 것입니다 얼마나 더 추가해야합니까? 음, 기계 학습 알고리즘 이러한 매개 변수의 올바른 값을 알아낼 것입니다 그러나 우리는 항상 말하기를 꺼려했습니다 모든 것을 하나의 깊은 학습으로합시다

네트워크 우리가 기계 번역에서 말하는 방식 그리고 나는 거기에 몇 가지 이유가 있다고 생각합니다 하나는 우리가 일종의 훈련을 만드는 것입니다 우리가 따라갈 때 데이터 그래서 자연스러운 데이터는 없습니다

이미지 처리를 원할 때, 세계에 자연의 그림이 있습니다 그러나 자연적인 예는 없다 우리가 만드는 검색 및 결과 이외의 검색 결과 그래서 우리가 그 데이터를 훈련한다면, 그리고 우리는 우리가하는 일을 바꿉니다 이제 데이터가 더 이상 유효하지 않습니다 우리를 걱정시키는 또 다른 문제는 우리가 몇 가지 단계를 앞두고 생각해야했던 것처럼 느껴졌다

왜냐하면 초기에 우리는 우리 직업이 웹 관찰하기 우리는 도서관 카탈로그와 같았습니다 다른 사람이 그 물건을 출판하고 우리는 단지 그것을 분류합니다 그 다음 우리는 우리가 실제로 그것과 상호 작용하고 있다는 것을 깨달았습니다 알고리즘을 변경할 때마다 웹 마스터는 우리가 한 일을 연구하고 그들이하는 일을 바꿀 수 있습니다

따라서 현재 데이터를 최적화 할 수는 없습니다 우리는 우리가 변화를 가졌다면 무슨 일이 일어날 지 말해야합니다 미래에 어떻게 될까? 그리고 그 알려지지 않은 미래에 대한 데이터는 없습니다 그래서 우리는 무슨 일이 일어나고 있는지 정말로 이해해야 만하는 것처럼 느꼈습니다 그리고 모든 것이 기계 학습 모델 일 뿐이라면, 미래가 어떻게 바뀔지 예측하는 것이 어려웠습니다

반면 몇 가지 기계로 손으로 작성한 코드라면 학습 된 매개 변수를 사용하면 더 쉽게 수행 할 수 있습니다 이것이 우리가 꺼려했던 한 가지 예입니다 그리고 이제는 시간이 지남에 따라 더 많은 기계 학습을 할 때, 우리는 더 많은 자신감을 갖게되고, 더 많이 몰래 움직이고 있습니다 검색 알고리즘으로 네? 관객 : [INAUDIBLE] 네, 그렇다면 데이터와 당신의 관계는 무엇입니까? 일반적으로? 그리고 그것은 어려운 질문입니다 대답이 하나도 없습니다

데이터를 어디에서 얻을 수 있는지 알아야합니까? 그것의 얼마를 필요로합니까? 그것이 어떻게 선별되거나 조작되어야합니까? 그리고 거기에는 여러 경로가 있습니다 그래서 때로는 데이터가 이미 거기에 있습니다 가서 찾아서 수집 할 수 있습니다 그리고 때로는 다른 사람들에게서 그것을 얻을 수 있습니다 때로는 그것을 만들어야합니다

그리고 많은 예제가 있습니다 초기 제품을 만들어 상호 작용을 얻으십시오 사용자와 그리고 나서 당신은 그런 종류의 부트 스트랩을합니다 그래서 우리는 예를 들어 음성 인식에서 그러한 작업을 수행했습니다 우리는 사람들의 예를 많이 갖고 싶었습니다

말하고 결과를 얻는 것 그래서 우리는 무료 서비스를 제공합니다 전화 번호에 대한 전화 번호 안내 그리고 사람들은 [비상업적 인] 사업을 요청할 것입니다 그리고 나서 우리는 답을 줄 것입니다

그리고 나서 우리는 말할 수 있습니다 우리는 올바른 답을 얻었는지 아닌지를 알아낼 수있었습니다 그들은 사업에 연결했기 때문에? 그래서 우리는 데이터 수집에 투자했습니다 그리고 많은 시간을 할애해야합니다 그렇다면이 질문은 무엇입니까? 익스텐트는 귀하의 특별 응용 프로그램입니다

다른 사람에게 일반적인 대 이제 Google 및 다른 회사를 볼 수 있습니다 이 사전 훈련 된 모델을 제공하고 있습니다 음성 인식이나 이미지 인식 또는 텍스트 작업 가공 등등 세상의 모든 것에 그리고 한 가지 접근 방법은 그것을 사용하는 것입니다

또 다른 한가지는 그것을 사용하는 것입니다 일부 데이터를 추가하여 수정하십시오 그리고 다른 접근 방법은, 아니요, 제 신청서는 그것은 그것을 사용하는 것이 전혀 도움이되지 않는다는 것이 었습니다 내 데이터로 처음부터 시작해야합니다 그리고 그 질문에 대한 답은 없습니다

너 스스로 조사해야 해 올바른 경로가 무엇인지 확인하십시오 곧 관객 : 그럼 해석 가능성 조각에, 기계 학습에 대해 어떻게 생각하십니까? 인간 지식의 진보와 관련이 있기 때문에? 망막보기 에서처럼 의사 마치 눈의 모형처럼 결과를 얻는다 개선되었지만 실제로는 그렇지 않습니다 그들은 실제로 그 지식을 가지고 있지 않습니다

그것에 대해 어떻게 생각하세요? 네 그래서 그것은 좋은 질문입니다 그래서 보자 그래서 이것은 당신에게 힌트를줍니다 그리고 저는 우리가 실험을하는 방법이 많이 있다고 생각합니다

데이터를 얻습니다 우리는 그것을 이해하지 못합니다 그리고 여러분은 돌아가서 새로운 이론을 만들어야합니다 그리고 저는 항상 그렇게 생각합니다 그리고 실험과 이론의 도약이 있습니다

그리고 지금은 기계가 달라질 수 있습니다 학습은 훨씬 더 강력한 도구를 제공합니다 실험을하기 어쩌면 과거에는 많은 영리한 인간이 있었을 것입니다 그리고 이론은 실험을 유도했을지도 모른다

보다 더 자주하지 그러나 많은 발견은 항상 있습니다 누군가가 말 했잖아, 웃긴다 나는 이론이 있다고 말하는 것보다 예기치 않은 결과가 있습니다 이제 설명 할 수 있을까요? 그래서 기계 학습은 그 호기심을 일으키는 데 도움이 될 것입니다

그것은 설명 자체를 도울 수 있습니까? 저는 이것이 우리에게 많은 개선이 필요한 부분이라고 생각합니다 그래서이 차트 중 일부를 보여주었습니다 데이터와 결정 경계의 공간을 볼 수 있습니다 등등 그리고 그것은 당신에게 약간의 아이디어를줍니다

그러나 더 나은 대화를 나누려면 더 나은 도구가 필요합니다 기계 학습 알고리즘 그것이 실제로하고있는 것을 이해합니다 그리고 다른 문제는 사람들이 혼란 스럽다는 것입니다 때때로이 이해력의 문제와 함께, 그들은 알고리즘을 비난한다 문제를 비난해야합니다

이해할 수있는 것들 간단한 용어로 설명 할 수있는 것들입니다 그래서 제가 수표 책의 균형을 잡고 싶다면, 나는 옳은 대답이 무엇인지 묘사하는 방법을 안다 그리고 나는 그것을하기위한 프로그램을 작성하는 방법을 안다 그리고 정확하게 정확하게하기 위해서는 복잡 할 수도 있습니다 하지만 본질적으로 그것은 간단한 문제입니다

그래서 그것을 해결하는 코드는 이해할 수 있어야합니다 프로그래밍 언어와 상관없이 또는 당신이 그것을 쓰는 데 사용하는 시스템 누군가의 얼굴을 알아보는 반면, 그것은 본질적으로 어려운 문제입니다 종종 정답이 정답이 아닐 수도 있습니다 여기 얼굴이 있습니다

그게 누구에게 속한거야? 전문가들은 옳은 대답에 동의하지 않을 수 있습니다 아무도 정답이 없습니다 그리고 둘째로, 그것을 발견하는 과정 의식이 없다, 말할 수있는 전문가가 없다 이것이 제가 그 결정을 한 방법입니다 오히려, 나는 그것을 어떻게했는지 모른다

내 잠재 의식의 정신은 내 의식의 마음보다 그것을했다 그래서 사람들은 기계 학습 알고리즘을 비난합니다 그 두 가지 문제를 해결하지 못했을 때 알고리즘의 잘못 사실이야 그 문제는 시작하기가 어려웠다

관객 : 안녕하세요 나는 아주 기본적인 질문을 가지고있다 기계 학습 문제를 어떻게 식별합니까? 특정 [부적절한] 문제가 있습니다 [INAUDIBLE]에는 여러 장소가 있습니다 기계 학습을 적용 할 수 있습니다

그래서 나는 아직도 실제 사용법을 찾는 방법을 알아 내고있다 기계 학습을위한 케이스 네 내 생각 엔 그게 경험이 될 것 같아 그래서 우리 제품 관리자가 사진 팀이 문제를 확인하지 못했습니다

그들은 그것이 가능하다는 것을 몰랐다 그들이 시도 할 수있는 그래서 당신은 어떤 비슷한 문제에 대해 최신 정보를 입수해야합니다 사람들이 작업 해 왔습니다 그래서 오늘 내가 너에게 보여주고 싶었던거야

다양한 가능성, 단지 여기에 대해 생각하게하려면 사물의 종류가 있습니다 할 수 있습니다 그래서 당신은 그 아이디어를 발휘할 필요가 있습니다 여기 다른 누군가가 한 일이 있습니다 이것은 내가하고있는 것과 비슷하게 보입니다

그리고 나서 당신은 그것을 분석 할 수 있어야합니다, 말하자면, 거기서 성공하려면 무엇이 필요합니까? 적절한 종류의 데이터가 필요합니다 올바른 종류의 객관적인 기능이 필요합니다 나는 사용자에게 그 유대 관계를 필요로하고 그들에게 유용 할 것이다 따라서 제품을 정의 할 수있는 단계를 파악합니다 그리고 더 자주 당신이 그것을할수록, 당신은 그것에 나아집니다

연설자 1 : 우리는 한 번 더 질문 할 시간이 있습니다 네 관객 : 실제로 얼마나 자주 실행 가능합니까? 모델을 유용하게 실행되는 것으로 축소 너무 복잡하다 대 휴대 전화에 컴퓨팅을 위해 클라우드로 이동할 필요가 있습니까? 피터 노르 비그 : 그래, 우리는 확실히 지출하고있어 더 많은 시간을 할애해야합니다 다행히도 많은 모델이 훨씬 쉽습니다

그들이 훈련하는 것보다 달릴 수있다 따라서 교육 과정은 복잡합니다 하지만 전화로 가져올 수 있다면, 나는 다양한 것들이 있다고 생각한다 그것들은 꽤 잘 덮여있다 폰은 정말 강력합니다

이제는 항상있을 필요가없는 한 지금 관객 : 예, 짧은 파열에있는 한 상호 작용의 피터 노르 비그 : 우리는 아직 그 지점까지 도달하지 못했습니다 하루 종일 휴대 전화에서 동영상을 실행할 수 있습니다 길고 모든 장면을 분석합니다

오래 전에 배터리가 소모됩니다 그러나 우리는 그 방향으로 일하고 있습니다 그래서 저는 여러분이 기본적으로 답을 말해야한다고 생각합니다 나는 그 일을 할 수 있습니다 그러면 문제는 어떻게 작동하게합니까? 그렇다면 모델을 컴파일하는 과정은 무엇입니까? 그리고 그것을 충분히 작게 만들어서, 너무 배고파하지 않게 만드시겠습니까? 얼마나 자주 모델을 업데이트해야합니까? 클라우드에서 다시 계산하고 다운로드하십시오

무엇을 다운로드합니까? 프라이버시 문제는 무엇입니까? 전화에서 실행되는 모델을 사용하면 당신이 지주의 책임으로부터 면제받을 수 있다는 것입니다 누군가의 개인 정보 전화가 켜져 있다면 그들의 문제가 아니라 당신의 문제 그리고 당신은 고소 당할 수 없습니다 해당 데이터를 복구 할 수는 없습니다

그러나 단점은 데이터를 수집하지 않는 경우입니다 당신은 개선 가능성을 이용하지 않습니다 그래서 많은 연구가 있습니다 지금 당신이 매개 변수를 공유 할 수있는 방법에 드러내지 않고 네트워크를 위해 밑에있는 데이터의 비밀 그리고 나는 그것들이 진짜 문제라고 생각합니다

언제 어디서 실행되는지에 대한 아키텍처 업데이트되고 데이터 흐름은 어떻게됩니까? 하지만 만약 내가 그 문제를 해결할 수 있습니다, 나는 그것을 전화로 실행할 수 있습니다 관객 : 차가워 요 고맙습니다 알겠습니다 네

고맙습니다 [박수 갈채] [음악 재생]

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]