How Dialogflow Enterprise Edition Can Transform the Enterprise Contact Center (Cloud Next ’18)

[음악 재생] DAN AHARON : Dialogflow는 대화를 자동화하는 데 도움이되는 도구입니다 일반적으로 세 가지 주요 사용 사례 그룹에 사용할 수 있습니다

고객과 대화하기를 원하는 기업 일 수 있습니다 이러한 대화를 자동화하는 데 도움이됩니다 그것은 고객 서비스 또는 상업 주위에있을 수 있습니다 두 번째는 연결된 장치에 전원을 공급하는 것입니다 그래서 이것은 자동차, 연결된 TV, 지능적으로 사람들과 이야기 할 수있는 해당 장치를 사용하려고합니다

세 번째는 직원을 고용주와 연결하는 것입니다 정보 액세스, 비즈니스 인텔리전스 우리는 오늘의 대부분을 첫 번째 세트에 집중할 것입니다 그러나 많은 도구들이 사용 가능할 것입니다 두 번째와 세 번째 그룹에 유용 할 것입니다

유스 케이스의 경우도 마찬가지입니다 그래서 공간이 아주 흥미 진진합니다 우리는 단지 네 가지 통계를 선택했습니다 여기서 강조 표시합니다 물론 더 많은 것들이 있습니다

고객 상호 작용의 80 %를 해결할 수 있습니다 잘 디자인 된 봇과 그것은 실제로 생각이 바짝 들린다 종류의 자체가 밖으로 본다 내가 제일 좋아하는 것은 바닥에있는 두 사람이다 따라서 왼쪽 하단을 보면 많은 비즈니스가 오늘날 비용 절감을 위해 봇을 사용하기 시작했습니다

사용자와 고객에게 서비스를 제공 할 수 있습니다 보다 효율적으로 그러나 실제로, 설문 조사에서 흥미로운 점은 고객이 실제로 셀프 서비스 도구를 선호하는지 여부 그들은 고객 서비스 개선을 위해 기업이 할 수있는 일에 대해 질문합니다 60 %는 셀프 서비스 도구가 가장 큰 것이라고 말합니다 그들이 할 수있는 일 이러한 모든 고객은 좀 더 나은 셀프 서비스 툴을 원하고 있습니다

하지만 그들은 강요당했습니다 알다시피, 간단한 작업을 위해 상담원과 대화하기 요원들을 정말로 정당화하지 않습니다 그리고 마지막 하나 – 50 %의 기업이 더 많은 돈을 쓸 것입니다 전통적인 모바일 개발보다 봇에서 그것은 2021 년까지 실제로 사실이된다면 기운이 넘칩니다

그래서 그 모든 흥분과 함께, 문제의 종류 오늘날, 가상 에이전트의 대부분은 밖에있는 것은별로 좋지 않습니다 당신이 구글이라면 "왜 봇 봇", "봇 봇 채팅 실패" 바로 나타나는 최고의 결과입니까? 꽤 미쳤어 왜 그런데? 여기 왼쪽에는 예제가 있습니다 친절하게 지어 졌던 모든 로봇이 있습니다 마약 중독의 절정에

많은 회사가 실제로 투자하지 않았습니다 제대로 구축하는 것 그들은 매우 지능적이지 못하며 대화를하게됩니다 깨진 좋은 소식은 Dialogflow를 통해, 정말로 좋은 기회가있다

지능형 로봇을 만드는 것 그래서 일반적으로 작동하는 방식입니다 아키텍처면에서 우리는 고객이 배포하는 것을 보게됩니다 왼쪽에 모든 채널이 있습니다 그래서 그것은 텍스트 채널, 채팅 Facebook Messenger, Google Assistant 또는 웹에서 모바일 앱에서 디지털 음성이 될 수 있습니다

자동차, TV 또는 전화 게이트웨이를 통한 전화 통화 Dialogflow에 와서 대화를합니다 관리 및 자연 언어 이해, 기본적으로 무너 뜨리는 것, 의도와 실체는 무엇인가? 그 자연 언어로? Dialogflow는 구조화 된 정보를 전송합니다 이행 계층으로 Google Cloud가 좋은 장소라고 생각합니다 그 성취 플레이어를 주최합니다

클라우드 기능 또는 Compute Engine에있을 수 있습니다 그러나 당신은 또한 다른 곳에서는 그것을 호스트 할 수 있습니다 당신은 Prem 또는 원하는 곳에 둘 수 있습니다 잠재 고객의 몇 명입니까? 작년 Dialogflow에 관한 세션에서 Google 클라우드의 다음 단계 승인 당신 몇 명

그래서 Google Cloud에서 작년에 우리 세션에서, 나는 우리가 150,000 명의 개발자를 넘었다 고 발표했다 Dialogflow에 대한 오늘 아침에, 우리는 방금 발표했습니다 Dialogflow에 60 만 명이 넘는 개발자가있다 플랫폼, 미친, 맞습니까? 이것은 우리가 그 경계표를 넘은 지 불과 1 년이 넘었습니다

따라서 성장뿐 아니라 가속화되고 있습니다 우리는 그 기세에 대해 매우 흥분하고 있습니다 그런 다음 개발자에게 Dialogflow를 선택하는 이유 – 다른 솔루션이 많이 있기 때문에 오늘 봇 개발을 위해 매우 흥미로운 공간입니다 우리가 시간과 시간을 다시 듣는 대답, 그것은 종소리와 휘파람이 아닙니다 시장에 나와있는 다른 솔루션 종이에 좋게 보이는 것들을 가져라

그러나 하루가 끝나면 가장 중요한 것 우리가 개발자로부터 가장 자주 듣는 자연 언어의 품질, 품질 자연 언어 이해, 기계 Dialogflow가 사용하는 학습은 머리입니다 밖에있는 다른 것보다 어깨가 더 큽니다 그리고 그것은 정말로 차이를 만듭니다, 맞습니까? 네가하고 싶은 것은 네가 그런 것들을 피하고 싶다 권리? 그래서 무엇보다 중요합니다 그렇지 않으면 봇 플랫폼에서 원할 수 있습니다

흥미 진진한 점은 자연어 기술로 인해 우리가 한 해 Apiai 인수에서 왔습니다 그리고 반 전에 그래서 우리를 정말로 흥분하게 만드는 것은 무엇입니까? 우리가 방금 여행을 시작했다는 것입니다 Dialogflow를 개선하는 방법

이제 Google의 일부가되었습니다 Google의 Google은 실제로이 문제를 해결해 왔습니다 자연어 이해가있는 Google 검색, Google과 같은 분야에서 10 년 이상 Assistant, G-mail 스마트 회신, 번역 그리고 우리는 이러한 모든 자산과 기능을 구축했습니다 자연 언어 이해 엔진, 연설 인식, TPUs

그리고 이들 모두는 이제 Dialogflow에서 사용할 수 있습니다 더 나은 도구를 만들 수 있습니다 그리고 이러한 공고들 중 일부는 너 오늘 듣고 싶어하는 건 기본적이야 이 새로운 Google 기술의 결과가 공개됩니다 따라서이 슬라이드 유형을 조합하면 그 점을 망칠 수 있습니다

나를 위해서, 개인적으로, 나는 단지 얼마나 많이 깨달았습니다 우리는 작년에 해왔습니다 꽤 미쳤어 당신이 모든 다른 발사를 보면 세션 이후의 기능 향상 지난 해 Google Cloud Next '17에서 우리는 제품에 많은 것을 추가했습니다 내장 된 분석에서 다국어 지원에 이르기까지, 인라인 코드 편집기, Stackdriver 통합, 버전 관리, 그리고 훨씬 더

그리고 오늘은 다섯 가지 새로운 기능을 발표하게 된 것을 기쁘게 생각합니다 Dialogflow가 엔터프라이즈에 전력을 공급하는 데 정말로 적합합니다 Contact Center 그래서 우리가 많이 들었던 것 아직 관리하기 어려운 몇 가지 사항이 있습니까? 채팅 봇 대화 첫 번째는 봇을 휴대 전화에 연결하는 것입니다

그래서 우리는 오늘 그것에 대해 조금 더 이야기 할 것입니다 우리는 전화 연결을 훨씬 쉽게 할 것입니다 두 번째는 긴 꼬리를 만지는 질문에 대답하는 것입니다 건물 의도 – 시간이 오래 걸립니다 지식 커넥터는 여기에 도움이됩니다

세 번째는 자동 맞춤법 ​​교정입니다 따라서, 아는대로 채팅, 사용자는 자주 오타 나 실수를 범한다 Google 기술을 사용하여이를 해결합니다 내장 된 정서 분석, 우리는 오늘 소개하고 있습니다 원하는 때 이해하는 데 도움이됩니다

인간 대리인으로 전환 할 수 있습니다 그리고 마지막으로 중요한 것은 내장형 텍스트 음성 변환입니다 그것은 또한 우리의 전화 게이트웨이, WaveNet 기술을 기반으로 제작되었습니다 따라서이 슬라이드를 확대 / 축소 해 보겠습니다 꽤 빨리 우리는 데모에 갈 수 있습니다

이 중 일부가 실제로 어떻게 보이는지 보여 드리겠습니다 Google 전화 게이트웨이가 구축되었습니다 Project Fi, Google Voice, 및 Google 행 아웃 그것은 이미 2 천만 개 이상의 전화 번호를 제공하며, 이미 대규모로 운영되고 있습니다 이제 모든 Dialogflow 사용자가 사용할 수 있습니다

상담원에게 전화 번호를 추가 할 수 있습니다 1 분 안에 그리고 그것의 아름다움 – 그것은 모든 기술을 감싸고 있습니다 자동화 된 전화를 걸기 위해 필요한 음성 인식, 자연 언어 이해, 음성 합성, 오 케스트 레이션 모두 Google Cloud에서 처리합니다

지식 커넥터 – 우리는 데모에서 더 깊이 간다 그래서 나는 그것을 건너 뛸 것이다 철자 교정 – 꽤 쉽습니다 그러나 그것은 정말로, 정말로 어렵습니다 맞춤법을 자동화하는 데 도움이되는 것을 만들어야한다면 Dialogflow 용 봇에 대한 수정, 몇 년이나 몇 년이 걸렸을거야

합리적으로 좋은 것을 만드는 것, 그리고 심지어 그 때 그것을 올바르게하는 것은 어렵습니다 운 좋게도, Dialogflow가 이제 Google의 일부이기 때문에, 우리는 몇 가지 도구를 사용할 수있었습니다 Google이 Search와 같은 다른 제품에 사용하는 것 – 그리고 나는 너희들 모두 철자 교정을 사용했다 검색 및 다른 장소에서 이제 Dialogflow를 활용할 수 있습니다

동일한 기능을 제공합니다 그리고 이것은 당신이 여기에서 볼 수있는 것처럼 인 텐트에 모두 적용됩니다 오른쪽에, 엔티티에, 당신은 중간에 볼 수 있습니다 그래서 내장 된 정서 분석 – 고객이 가장 공통적으로 우려하는 점은 OK, 나는 봇을 만들었고, 하지만 최종 사용자 환경이 훌륭하게 유지되도록하려면 어떻게해야합니까? 내장 된 정서 분석을 사용하면 모든 쿼리에 대해 쿼리 스코어가 무엇인지 식별 사용자가 보낸 메시지를 보낸 다음 비즈니스 논리에서이를 사용할 수 있습니다 언제 당신이 인간 대리인으로 전환하고 싶은지 결정할 수 있습니다

마지막으로 중요한 것은 텍스트 음성 변환 DeepMind의 WaveNet에서 제공하는 로봇에 가능한 인간 연설에 가장 가까운 것, 전화 게이트웨이에 둘 다 내장되어 있습니다 Dialogflow에 추가하여 사용할 수 있습니다 IT 및 기타 용도로 그리고 우리가 방금 한 멋진 다른 것 오늘 아침에 디바이스 프로파일을 추가했다고 발표했다 파형의 모양을 실제로 만드는 것입니다

우리의 음성 합성에 대해 다르게 당신이 사용하는 스피커에 따라 전화선으로 재생하면, 우리는 전화에 최적화 된 연설을 만들어 낼 것입니다 대형 스피커에서 재생할 경우, 우리는 큰 연설자에게 적합한 연설을 만들어 낼 것입니다 승인 그럼이 모든 것이 데모에서 어떻게 보이는지 보도록하겠습니다

작년에 있었던 세션에 참석 한 여러분 중 우리가 여기서 한 것은 우리가 무대에 세웠다는 것을 기억할 것입니다 또는 실제로, 모스 콘에서 – 가상의 Google 하드웨어에 대한 채팅을 처리하는 로봇 저장 또한 제품이라는 엔티티가 있습니다 Chromecast, Google 홈, Google Pixel 등이 있습니다 그 다음에는 Intents가 있습니다

하나는 상업용이고 다른 하나는 상업용입니다 예를 들어, 상거래 용 제품을 보면, 제품 주소와 수량이 필요합니다 Chromecast를 구입하고 싶다고 말하면 행동을 "구매 (buy)"로 식별하는 것을 볼 수 있습니다 제품은 Chromecast이지만 거기에 있습니다 수량과 주소가 없습니다

그리고 지금 그것은 묻습니다, 당신은 어떤 주소입니까? 내가 그걸 가져다 줄까? 3 Third Street, San Francisco, California라고 말할 수 있습니다 얼마나 많은 유닛을 원하니? 5 대 그런 다음 작업이 완료되었습니다 3 개의 3 번가로 배송되는 5 개의 Chromecast를 주문하고 있습니다 샌프란시스코, 캘리포니아

전체 JSON이 있습니다 나는이 창문이 보이지 않는 것 같아 좋아, 거기있다 이행 레이어에서 사용할 수있는 전체 JSON이 있습니다 그것에 따라 행동하십시오

이제 내가 할 일은 무엇입니까? 사람들이 물건을 사도록 돕는 것이 아니라, 사람들이 Google 제품에 대해 갖고있는 질문에 대한 답변을 제공합니까? Chromecast FAQ 웹 페이지를 찾아 보겠습니다 그리고 우리는 여기에있는 첫 번째 결과를 선택하려고합니다 이 URL을 가져 와서 복사 한 다음 추가하겠습니다 지식 커넥터로서 따라서 기술 자료를 만들어야합니다

그것을 My Knowledge Base라고 부르 자 그리고 지식을 만들어 보자 목 우리는 상점 FAQ라고 부릅니다 이것은 HTML이 될 것입니다

그것은 FAQ가 될 것입니다 여기에 URL을 붙여 넣습니다 그리고 지금하고있는 일은이 URL로 이동합니다 이 기사 또는 FAQ를 다운로드 중입니다 질문을 거치고 그것을 분류하는 것입니다

그곳에 방금 끝났어 그래서 나는 여러분에게 세부 사항을 잠시 보여줄 것입니다 그러나 기본적으로 정보를 추출했습니다 그리고 나서 우리가하고 싶은 일은 응답을 추가하는 것입니다

따라서 기본 응답은 지식 응답 1입니다 자주 묻는 질문들, 고객이 질문을 할 것입니다 FAQ에서 똑같은 질문을하지 못할 수도 있습니다 당신은 비슷한 것을 가질 수 있습니다 그리고 실제로는 둘 이상이있을 수도 있습니다

비슷한 두세 가지가있을 수 있습니다 그래서 우리가 할 일은 그것을 복사 할 것입니다 예를 들어 페이스 북의 메신저를 선택합시다 사용자가 Facebook Messenger에있는 경우, 그들은 하나 이상의 옵션을 볼 수있는 능력이 있습니다 그럼 여기서 할 일은 우리가 회전 목마에 카드를 추가하는 것입니다

두 가지 다른 대답을 보여줍니다 여기서 질문 1을 사용하고, 여기에서, 질문 2와 대답 2가 될 것입니다 그래서 우리는 우리가 그들과 짝을 이루는 질문을 그들에게 보여줄 것입니다 함께,뿐만 아니라 답변 그래서 그들은 우리가 원하는 것을 알고 있습니다 승인

저장을 클릭하겠습니다 그리고 이제 여러분들은 전체 내용을 보게됩니다 이게 우리가 스캔 한 것을 볼 수 있습니다 그 웹 사이트에서 모든 질문과 모든 대답 그들은 모두 여기있어, 당신은 심지어 그들 중 일부를 해제 할 수 있습니다 당신이 당신의 봇에서 그들을 감추고 싶지 않다면

승인 그래서 돌아 가자 우리는 잠시 후에 그것을 시도 할 것입니다 하지만 내가 너에게 보여주고 싶었던 다른 하나 얘들 아 우리의 새로운 전화 게이트웨이입니다 그래서 여러분은 이것이 새로운 사각형임을 알 수 있습니다

Dialogflow 전화 게이트웨이 (Dialogflow Phone Gateway)가 오늘 아침에 추가되었습니다 그리고 그것이하는 것, 그것은 당신이 새로운 전화선을 추가하게합니다 몇 초 안에 요원에게 그래서 내가해야 할 일은 Dialogflow 전화 게이트웨이를 클릭하고, 그리고 나는 지금 내가 원한다면 지역 번호를 선택한다 나는 이것을 공백으로 남겨 둘 수도 있지만, 나는 오하이오를 선택하고 싶다 다음을 클릭합니다 이제이 번호 중 하나를 선택합니다 나는 Create를 클릭한다

그리고 그것은 끝났습니다 이제이 요원에게 전화 번호가 있습니다 항상 Welcome Intent에서 시작됩니다 그래서 우리는 초반에 Welcome Intent로갑니다 먼저 지식 커넥터를 테스트 해 봅시다

예를 들어 여기에 질문이 있다고 가정 해 봅시다 애플의 AirPlay와 어떻게 다른가요? Dialogflow에서이 질문을 시도해 보겠습니다 작동하는지 봅시다 업데이트하는 데 1 분이 필요합니다 승인

거기는 그래서 똑같은 것을 볼 수 있습니다 기사에서이 전체 응답을 검색합니다 내가 사용하는 단어가 조금이라도 기사와 다르다 그래서 나는 그 질문에 대해 같은 말을 사용하지 않았다

그것과 일치시키는 법을 알고 있습니다 이제는 매우 쉽게 보입니다 매우 쉬운 작업입니다 청중에있는 당신 자연 언어 이해를 조금 해냈습니다 그들은 컴퓨터가 실제로 꽤 어렵다는 것을 알고 있습니다

사물을 맞추는 법 이해하기 자연 언어 에서처럼 당신이 그것을 프로그램 적으로 볼 때 매우 유사한 소리 자, 페이스 북의 메신저에서 살펴 보도록하겠습니다 지금은 두 가지 질문이 있습니다 여기 리모콘에 대해서 별도의 리모콘이 필요합니까? 볼륨과 다른 것들을 위해서? 실제 리모컨으로 Chromecast를 사용할 수 있나요? 내가 묻는다면, 어떻게 리모컨이 작동하는지, 그것은 그 질문들 중 어느 하나와 조화 될 수 있으며, 그래서 업데이트가 필요합니다

승인 그래서 당신은 그것들이 그 두 질문들 모두와 일치한다는 것을 볼 수 있습니다, 그래서 그것들은 둘 다 작동 함을 감지합니다 자, 이것은 정말로 정말로 어렵습니다 기억하십시오 이것은 우리가 사용하고있는 것과 동일한 에이전트입니다

과학 기술 따라서 Chromecast를 구입하고 싶다고 말하면 상거래 조치를 처리해야합니다 우리가 제공 한 FAQ뿐만 아니라, 각각을 언제 사용해야하는지 알 수 있습니다 그래서 그것은 사소한 것이 아니며 많은 것이 있습니다 자연스러운 언어 작업이 뒤에서 일어나고 있습니다

그럼 우리의 전화 데모에서 모두 함께 보자 전화 번호입니다 나는 그것을 시험해 볼 것이다 이제 음성 인식 데모는 항상 위험합니다 그래서 여기 나와 함께 곰

바라기를 이것은 잘 될 것입니다 나는 스피커폰으로 시도 할 것이지만, 이것은 최고가 아니다 그러나 보자 승인 그래서 이것이 효과가 있다면 무엇을해야할까요? 우리의 환영의 의도로 가야합니다

우리는 Welcome Intent에서 읽은 것을 읽습니다 해보자 PHONE BOT 1 : – Dialogflow 전화 데모 오늘 어떻게 도와 드릴까요? 새로운 Google 제품을 주문하거나 서비스를 요청할 수 있습니다 기존의 것들에

DAN AHARON : Chromecast의 다른 점은 무엇인가요? Apple AirPlay? PHONE BOT 1 : 대부분의 경우 AirPlay 비디오 또는 오디오를 직접 전송하여 작동합니다 Wi-Fi를 통해 iOS 기기에서 TV로 전송할 수 있습니다 iPhone 또는 iPad가 남아 있어야합니다 단 아론 : 당신이 듣고있는 모든 것 이제 Dialogflow 또는 아무것도 입력되지 않았습니다 임의의 기사에서 자동으로 처리되었습니다

누군가 인터넷에서 썼다 PHONE BOT 1 : – 텔레비전에, 인터넷에서 바로 스트리밍을 시작합니다 [박수 갈채] 단 아론 : 감사합니다 PHONE BOT 1 : 실제 내용을 전송합니다 AirPlay에 이점이 있다면, 그것은 – DAN AHARON : 일반적인 의도가 여전히 작동하는지 확인해 봅시다

PHONE BOT 1 :하지만 이것도되고있다 차별화 요소가 적다 단 아론 : 긴 대답입니다 네 Google 픽셀을 몇 개 구입할 수 있습니까? 전화 번호 BOT 1 : 어떤 주소로 보내 주시겠습니까? 단 아론 (DAN AHARON) : 3 Seventh Street, 뉴욕, 뉴욕

PHONE BOT 1 : 몇 대를 원하십니까? 단 아론 : 세븐 전화 BOT 1 : Google Pixel 7 대 주문 및 배송 3 일곱 번째 거리, 뉴욕, 뉴욕 [박수 갈채] 단 아론 : 그래서 저는 그 모든 것을 강조하고 싶습니다 설정이 정말 간단 해 보였습니다 1 분 안에 할 수있었습니다

그 중 일부는 다른 서비스와 함께 할 수 있으며, 그러나 오늘날 시장에 나와있는 다른 서비스 전화 게이트웨이를 설정해야합니다 설정하는데 아마도 몇 시간이 걸릴 겁니다 모든 것이 관련되어 있고, 얼마나 많은 것을 알고 있는지 그것을 지불 할 필요가있다 그런 다음 관련 봇에 연결해야합니다 서비스

그리고 지식 서비스를 설정하려면, 별도로 설정해야합니다 그리고 당신은 얼마나 많은 종류의 기가 바이트를 알아 내야합니다 대신에 서버 기반이기 때문에 필요합니다 서버가없는 것 그런 다음이 모든 구성 요소를 연결해야합니다

많은 코딩 작업을 수행해야합니다 우리는 기본적으로 모두 0으로 코딩했습니다 1 분 안에, 당신은 전화기에서 작동하는 완전 자동 로봇의 종류 그래서 우리는 이것에 매우 흥분하고 있습니다 너희들 모두가 그걸로 무엇을하는지보기 위해 기다릴 수 없다

고맙습니다 [박수 갈채] 그래서 그 일로 Tariq를 초대하겠습니다 TARIQ EL-KHATIB : 안녕하세요 나는 타리크 엘 카팁이다 저는 Ticketmaster의 제품 관리자입니다

글로벌 컨택 센터 및 기술 부서 내에서 이미 모르는 경우 Ticketmaster가 티켓을 판매합니다 많은 표 2017 년 Ticketmaster는 2 억 9200 만 티켓을 판매했습니다 그 중 2 %는 전화로 받았다 우리의 연락 센터를 통해

따라서 우리가 연간 수백만 건의 전화를받는다고 말하는 것이 안전합니다 Ticketmaster는 Live Nation Entertainment의 사업부입니다 이 때문에 우리는 많은 수의 모든 유형의 이벤트에 대한 호출이 있습니다 그래서 일반적인 질문들 또는 티켓 질문, 예를 들면, 나는 티켓을 잃어 버렸습니다 또는 내 티켓을 인쇄하려면 어떻게해야합니까? 우리는 일반적인 질문으로 분류하고, 이벤트 및 장소 특정, 예 : 윌리 필드 (Wrigley Field)의 박스 오피스 전화는 어디에서 찾을 수 있습니까? 또는 Paradiso Festival의 캠핑 구역은 얼마나 큰가요? 뛰어 들어가서 어떻게 보이기 전에 우리는 Dialogflow와 Knowledge Base를 사용하고 있습니다

고객 서비스 IVR에 통합 된 커넥터, 나는 가서 너를 보여주고 싶었다 정말 충격을 강조한 두 개의 슬라이드 Dialogflow와 같은 NLP가 판매 IVR에 적용될 수 있습니다 그래서 여기 Dan의 성적표가 Ticketmaster를 호출합니다 판매 IVR 10 년 전에 지어진 음성 인식 IVR입니다

그 당시, 그것은 라인의 상단이었다 그러나이 기술은 짧은 구절을 요구했습니다 의도 나 실체 추출을하지 않았습니다 그래서 Dan 이야기와 시스템 이해 사이에서, 10 번의 시도가 필요합니다 하나는 시스템에 대한 인식을 놓쳤다

댄이 사고 싶어한다는 것을 이해하기 San에있는 Chainsmokers를 볼 수있는 두 장의 티켓 5 월 5 일에 시스코 이제 NLP로 어떻게 보이는지 보겠습니다 Dialogflow와 마찬가지로이 작업은 하나의 작업으로 완료 될 수 있습니다 두 개의 거래로 이것은 분명히 고객 경험에서 상당히 업그레이드 된 것입니다 또는 사용자 경험이 있지만 시스템도 각 프롬프트를 통해 고객을 안내 할 수있는 유연성 그들이 여전히 선호한다면

괜찮아 이제 저는 우리의 통합에 뛰어 들어갈 것입니다 우리의 고객 서비스 IVR 두 번 전화 할게 이 첫 번째 호출은 공통 티켓으로 분류 할 것입니다

유형 전화 몇 개월 전, 나 양키스에 티켓을 샀다 지금 이틀 안에 일어나고 있어요 나는 아직도 나의 실제 티켓을받지 못했다 TARIQ EL-KHATIB : 발신자가 전화를 걸고 말하는 중입니다

그들은 양키스 티켓을받지 못했다 이 녹음은 캡쳐 된 후 코딩되어 우리의 의도로 전송됩니다 서비스 Intent Service에는 복잡한 비즈니스 규칙이 많이 있습니다 그러면 외부 프록시에 연결됩니다

모든 사이의 트래픽 라우터 역할을하는 Google의 외부 서비스에 대한 정보를 제공하며 해당 API를 모두 번역합니다 피드 백을위한 일반 API 로의 트래픽 인 텐트 서비스에 저장합니다 그래서 일단 호출이 외부 프록시에 도달하면, Dialogflow로 바로 전송됩니다 오른쪽의 주요 NLP 인 상담원 1, 수신되지 않은 티켓의 의도를 유발하는 스포츠 팀의 실체 인 양키스와 그 정보는 파이프 라인을 통해 다시 전송됩니다 외부 프록시로, 인 텐트 서비스로 돌아 간다

인 텐트 서비스에서 그 의도에 기반하여 트리거되는 규칙 랜드 마크 프롬프트를 재생합니다 티켓을 찾는 데 도움이 될 수 있습니다 그리고 나서 양키스의 실체를 바탕으로 및 고객의 착신 전화 번호, 이 고객에게 모바일 티켓이 있음을 알 수 있습니다 주문하고 알려주고, 티켓처럼 보인다 Ticketmaster 모바일 앱에서 바로 사용할 수 있습니다

이제 저는 앞으로 나아가서 더 많은 행사를 보여 드리겠습니다 특정 질문 전화 통화 중 이었어 나는 일반적인 질문이있다 이 캠핑 공간이 얼마나 클지에 대한 아이디어를 얻으려고합니다

파라디소 페스티발에서의 일반적인 크기 TARIQ EL-KHATIB : 그래서 문제는, 얼마나 큰 캠핑의 영역입니다 Paradiso Festival의 공간? 전화 한 것과 마찬가지로 녹음 캡쳐되어 코딩 된 다음 전송됩니다 인 텐트 서비스와 외부 프록시로 그런 다음 주요 NLP 인 동일한 상담원 1을 공격합니다 그것이 우리가 레이블링 한 의도를 유발하는 곳입니다 이벤트 및 장소 특정 질문으로, 또한 Paradiso Festival의 단체를 산출합니다

그러면 그 정보는 다시 라우팅됩니다 파이프 라인을 통해 의도에 대한 규칙을 트리거합니다 재 처리 할 외부 프록시에 알리는 서비스 첫 번째 호출과 동일한 문자로 된 텍스트, 그러나 이번에는 Paradiso의 실체에 근거하여, 지식과 관련된 이벤트 인 에이전트에 명중 베이스 커넥터는 파라디소 축제 FAQ에 묶여 있습니다 그래서, 그 대답은 FAQ 사이트에서 검색 한 다음, 파이프 라인을 통해 간다 고객이 캠핑을 듣는 곳 파라디소 페스티발 (Paradiso Festival) 지역은 25 피트 (15 피트) 한 대의 차와 한 개의 텐트에 적합합니다

그래서 앞으로 어떻게 보이는지 보여 드리겠습니다 뒤쪽 끝 에서처럼 그래서, 바로 여기에 인코딩 된 녹음이 있습니다 계속 시도해보십시오 그래서 지금은 전체 여행을하고 있습니다

인 텐트 서비스를 통해 외부 프록시 인 Dialogflow, 그리고 뒤로 그런 다음 결과가 있습니다 우리가 보았 듯이 오류는 없습니다 좋습니다 그 전화의 실제 사본 – 발신자에게 일반적인 질문이 있습니다

그런 다음 의도가 올바르게 식별됩니다 축제와 관련된 이벤트 장소로 파라디소 축제의 이름 또한 여기 아래에 추가 데이터가 표시됩니다 추가 된 비즈니스 로직, 랜드 마크 및 확인 메시지와 같은 또는 특정 행동이 필요한 경우 이 의도 유형의 그래서 그것이 실제로 가고 타격을 부르는 두 번째 통화 기술 자료 커넥터는 뭔가 있습니다 우리는 현재 개발 중이다

그래서이 데모의 목적을 위해, 나는 택배 비둘기처럼 행동 할거야 그 모습을 보여주세요 이제 그 질문을 볼 수 있습니다 일반적인 서 캠핑 사이트로 반환 된 것은 약 15 텐트와 차량을위한 충분한 25 피트 그래서 실제로 이러한 이벤트 및 장소에 응답 할 수 있습니다

우리의 셀프 서비스 IVR (Self-Service IVR) 이전에 에이전트로 경로를 지정해야합니다 이제 우리의 주요 테이크 아웃과 수업이 있습니다 배웠다 다양한 잠재적 인 의도로, 당신은 정말로 여러 에이전트와 지식의 사용을 고려해야합니다 기지

이것은 매우 관련이있는 의도에 도움이 될 수 있습니다 그러나 여전히 다소 다릅니다 또한 외부 프록시 생성을 고려하십시오 제품 및 기능의 확장 성을위한 일반적인 API를 제공합니다 그래서 우리가이 외부 프록시를 만들었을 때, 내 미래 로드맵의 일부에는 정서가 담겨있었습니다

분석기가 있지만 Google이 Dialogflow에 포함 시키십시오 그래서 적어도 지금은 능력이 있습니다 인공 지능의 다른 발전 시스템과 쉽게 통합 할 수 있습니다 다음은 대화 문제입니다 사용자의 신발에 몸을 담그고, 다음 질문이 무엇인지 예상하십시오

특히 IVR의 경우 이전의 딱딱한 IVR을 파괴해야합니다 습관을 촉발시켰다 그것들은 대화식이 아니므로,이 서비스는 오직 좋은 것입니다 노력과 대화로서 당신이 실제로 그걸 넣었습니다 마지막으로, AI로 크게 생각하십시오

매일 우리는 AI 공간에서 새로운 진보를 봅니다 예를 들어 방금 연결 한 전화 커넥터를보고 이론에 따르면 오늘 우리는 모든 주요 이벤트에 대해 고유 한 IVR을 만드는 데 활용하십시오 우리는 심지어 모든 주요 장소를 가지고 있습니다 따라서 귀하의 일상적인 사업을 기반으로, 당신은 정말로이 새로운 인공 지능 진보는 실제로 비즈니스에 영향을 미칠 수 있습니다 그래서 그것으로, 나는 그것을 건네 주겠다

마크와 스펜서를위한 Akash [박수 갈채] AKASH PARMAR : 안녕하세요 나는 Akash Parmar입니다 Marks and Spencer의 엔터프라이즈 아키텍트입니다 Marks와 Spencer에 대해 들어 본 적이없는 사람은 누구입니까? 우수한

너를위한 슬라이드 1884 년에 설립되어 1,500 개의 점포가 있으며, 우리는 81,000 명의 직원, 3 천 2 백만 명의 고객을 보유하고 있습니다 온 세계에 가장 유명한 브랜드 중 하나입니다 그리고 그것은 매우 인기있는 영국의 가구 이름입니다

그리고 Marks and Spencer가 얼마나 중요한지 강조하기 위해 고객에게 영국 여성 3 명 중 1 명 M & S에서 브래지어를 사다가 매분 45 대를 팔고 있습니다 우리의 컨택 센터에 관해서, 우리는 음성, 채팅, 및 전자 우편, 그리고 그것은 [? 1,500?]의 고문 그리고 우리 가게 직원들도 마찬가지입니다 그래서 우리의 리더십 팀은 우리에게 도전을했습니다 우리가 이해하도록 요청 받았던 곳 우리의 고객은 더 낫다 우리는 더 많은 셀프 서비스 옵션을 제공하도록 요청 받았고, 우리는 또한 비용을 절감하도록 요청 받았다

그리고 그것을 달성하기 위해 우리가해야 할 첫 번째 일은 우리의 엄격한 DTMF IVR을 제거하는 것이 었습니다 우리는 그것을 자연 언어 기반으로 대체했습니다 해결책은 매우 개방적이다 어떻게 우리가 너를 도울 수 있을까? 고객의 반응은 Dialogflow에 소화되어 다시 올 것이다 행동 가능한 의도로 이 솔루션은 깊은 해결책이 아닙니다

Dialogflow의 깊이로 들어가는 미래의 우리의 열망 그러나 널리 구현 된 솔루션입니다 우리 조직 전체에 그리고이 플랫폼은 1,200 만 건의 전화를받습니다 향후 12 개월 동안 이것은 약 100 명의 직원을 해방시킨 것입니다

그냥 전화를 걸고 전화를 옮기는 데 바빴다 실제로 이러한 전화를 처리하지 않고 매장 현장에 있어야합니다 걷고있는 고객과 실제로 협력합니다 우리 상점에서 그리고 밖으로 옆에서 볼 수 있듯이, 내 상사 그것을 고객 서비스 천국의 계단이라고 부릅니다

우리는 여전히 2 단계에 있으므로, 갈 길이 멀다 현재 솔루션에 대한 간략한 설명 – 내가 할 일 나는 무엇을 할 수있는 경험을주기 위해 전화를 걸도록 노력할 것인가? 처럼 들린다 PHONE BOT 2 : M & S에 오신 것을 환영합니다 다만 아시다시피, 우리는 훈련에 도움을 청합니다 우리가 당신을 돕기에 가장 좋은 사람에게 데려다 줄 수 있도록, 제발, 몇 마디로 말해 줄 수 있니? 왜 오늘 전화하고 있니? AKASH PARMAR : 나는 파란 셔츠를 사고 싶다

[전화 거는 중] 전화 번호 2 : 우리는 정말로 알고 싶습니다 오늘받은 서비스에 대해 어떻게 생각하세요 AKASH PARMAR : 그렇게 부름 – 그렇다면 그냥 흐름으로 간다 무슨 일이 있었는지, 나는 전화를했다 Twilio 플랫폼에 들어갔다

전화에 응답하고, 우리의 응용 프로그램을 호출합니다 우리의 안전한 환경에 있습니다 신청서에, 우리가 어떻게 당신을 도울 수 있을까요? 고객은 파란색 셔츠를 사고 싶다고 말했습니다 그런 다음 Google의 Speech API를 사용하여 연설을 변환했습니다 텍스트로

이 텍스트는 우리의 응용 프로그램으로 되돌려 보내졌습니다 Dialogflow를 가로 질러 Dialogflow는 의도와 함께 돌아 왔습니다 우리는 그 의도를 사용하여 전화를 우리 연락처로 연결합니다 센터

그래서 그것이 오늘날의 모습입니다 Twilio와 Dialogflow 간의 파트너십 훨씬 더 간단해질 것입니다 6 개월에서 8 개월 전에이 제휴 관계가 있었 더라면 좋겠습니다 그것은 내 인생을 훨씬 쉽게 만들 것이지만 지금은 여기 있습니다 저는 그것이 아주 좋은 기회라고 생각합니다

이제 Twilio가 직접 통합 할 것입니다 Dialogflow와 함께 따라서 발언이나 본문으로 돌아 오는 것보다, 그것은 의도와 함께 실제로 돌아올 것입니다 그리고 조직은 그 의도에 대해 매우 행동 할 수 있습니다 매우 빠르게

그래서 그것은, A, 일을 더 빠르게 만들 것입니다 그리고 B는 더 빨리 실험을하는 데 도움이 될 것입니다 매우 흥미로운 기회입니다이 파트너십 Dialogflow와 Twilio 사이 이것이 현재의 대시 보드입니다

어떻게 생겼습니까? 라이브 대시 보드로 건너 뛸 수 있는지 알아 봅니다 그리고, 잘하면, 우리는 방금 내가 한 호출을 발견 할 것입니다 기본적으로 대시 보드는 우리가 얼마나 많은 전화를 받고 있는지에 대한 간단한 견해입니다 우리의 상위 10 가지 의도는 무엇이며, 오늘 날짜는 무엇입니까? 오, 내 파란 셔츠, 그들은 거기에있다 그래서 최고의 전화 – 그게 내 전화 야

그래서 나는 파란색 셔츠를 사고 싶다 이렇게 아주 명확하게, 너는 볼 수 있는다, 들어오는 부름 발화가 매우 정확하게 전사되었다 Google Speech API 제공 Dialogflow에갔습니다

Dialogflow는 주문 전화라고 말하면서, 우리는 우리가 판매 팀에 그것을 보낼 것이라고 말했다 그들은 명령을받을 수 있습니다 내가 빼앗을 중요한 두 가지 또는 우리가 달성 한 – Dialogflow와 같은 도구는 너무 단순하여 비즈니스 사용자가 사용합니다 그래서 첫날부터, 그들은 하나였습니다 누가 그것을 지었고, 요원을 훈련 시켰고, 그들은 며칠 내에 그것을했습니다

우리는 현재 우리의 의도에 대해 90 %의 정확도를 달성합니다 우리가하지 못한 두 번째 이점 우리가이 여정의 시작에 도착할 것임을 깨달으십시오 우리가 지금 조언자에게 채우기를 요청할 수 있다는 사실이 어떤 이유로 든 연락 할 수 있습니다 고문이 우리에게 말하기보다는 그 사람들이 그 부름에 대해 생각한 것, 우리는 실제로 고객이 그렇게하도록했습니다 고객이 원했던 것입니다

그들 자신의 말로, 우리는 그 때 그것을 우리의 이유로 사용합니다 연락 그리고 그것은 저장됩니다 [10 초마다] [? AHT ?] Dialogflow를 통해 큰 계획을 세웠습니다 이제 우리는 더 깊게 시작하겠습니다

달성하고자하는 첫 번째 일 엔드 – 투 – 엔드 대화 형 주문 이행 여정입니다 따라서 고객 식별, 백엔드 통합, 또한 지불합니다 그래서 그것은 우리의 큰 열망입니다 우리는 또한 어떤 종류의 약속 예약에도 사용하기를 원합니다 체계

그래서 우리는 브래지어 피팅 주위에 많은 전화를받습니다 우리 가게의 약속 그래서 우리는 그것을 자동화하고 싶습니다 우리는 나가서 가정용 장치를 사용하고 싶습니다 우리는 M & S에서 10 파운드의 식사를 제공합니다

매우 인기가 많습니다 그래서 Google 홈, Alexa는 고객이 사용할 수 있습니다 우리가 제안을 진행하고 있는지 여부를 알아 내야합니다 그렇다면이게 뭐야? 꽃 주문과 같은 복잡한 여행도 있습니다 M & S를위한 매우 큰 사업이며, 복잡한 여행 이었기 때문에 꽃을 주문할 많은 이유가있을 수 있습니다

행복하고, 슬프다 그래서 감정이 터지게된다 그래서 그것은 우리가 가고 싶어하는 여행입니다 주요 도전 과제 – 하나의 도전 과제 우리는 Dialogflow를 개별적으로 통합해야했습니다 이제는 파트너쉽을 잃을거야

Dialogflow와 Twilio 사이 이것이 바로 올바른 방향으로 나아가는 단계입니다 빠르게 실험 해보지 만, 생산할 수 없다면 상금은 없습니다 이러한 도구와 기술을 모두 갖춘 것은 대단합니다 그러나 우리가 그들을 생산하고 보낼 수 없다면 고객이 전화를 걸면 아무 소용이 없습니다

우리는 내부 통제 문제에 대해서도 알고 있어야합니다 그래서 우리를 데려 오기까지 5 주가 걸렸습니다 우리 첫 번째 [? MVP,?]하지만 생산에 5 개월이 걸렸습니다 그것 그래서 조달, 법률, 금융, 당신 당신이 여행을 떠나지 않도록해야합니다

아주 처음부터 그렇지 않으면 많은 차단기를 때릴 것입니다 올바른 태도의 마른 팀을 갖기 그래서 내 생각에는 관객 인 Chris McGraw가 "귀하의 실수에서 배우십시오"라는 문구를 사용합니다 매우 진지하게, 그는 매주 다섯 번의 실수를 저 지르지 않으면 화가납니다

그래서 그것이 우리가하는 일입니다 우리는 실수를 저지르고 실수로부터 배웁니다 지금까지 우리를 위해 일해 왔습니다 올바른 기술 파트너를 확보하십시오 우리는 Twilio와 Google에서 그렇게했습니다

Twilio는 초기 구현에서 우리와 모든 단계에있었습니다 이 플랫폼의 잠재력을 인식하는 데 도움이되었습니다 그리고 그 점에 대해 감사드립니다 Google Speech API의 정확성, Dialogflow의 정확성 우리에게 사업으로 돌아가서 그들에게 이야기 할 자신감을주었습니다 이것은 분명히 효과가있는 것입니다

그것은 하나의 질문이 아닙니다 우리는 그것이 작동 할 것이라는 것을 알고, 거기에갔습니다 자신감을 가지고 내부 리소스가없는 파트너 우리에게는 개발 팀이 없었습니다

그러나 우리는 빨리 움직이기를 원했습니다 그래서 우리는 한 회사와 파트너 관계를 맺었습니다 DVELP (CEO 인 Tom Mullen)도 관객입니다 따라서 중요한 메시지는 다음과 같은 경우에 올바른 팀을 찾아야합니다 너는이 여정을 시작했다

또한 기술 환경이 빠르게 변하고 있습니다 당신이 당신의 건축인지 확인해야합니다 귀하의 응용 프로그램에 열려 있습니다 매일 새로운 일이 일어나고 있습니다 그리고 우리는 매우 빠르게 적응해야합니다

결론적으로 Dialogflow 가상 에이전트는 연락 센터에 도움을 줍니까? Marks and Spencer의 우리는 분명히 예 캠프에 있습니다 고맙습니다 나는 자레드에게 그것을 지금 전달할 것이다 [박수 갈채] 조종 무어 : 감사합니다, Akash 안녕 모두들

그러니 손을 빠르게 보여 드리겠습니다 몇 분 전에 Home Depot에 가본 적이 있습니까? 굉장해 예 그래서 당신이 알고 있지 않은 경우, 우리는 세계에서 가장 큰 주택 개선 소매 업체 우리는 400,000 명 이상의 직원과 2,000 개 이상의 매장을 보유하고 있습니다

미국, 캐나다 및 멕시코 전역에 걸쳐 그리고 우리는 또한 세계에서 가장 큰 전자 상거래 웹 사이트 그래서 오늘 제가 할 일은 그런데 제 이름은 Jared Moore입니다

나는 음성 및 대화 검색 팀 출신이다 at Home Depot 그리고 우리는 당신에게 새로운 기능을 보여줄 것입니다 우리의 홈 디포 응용 프로그램에서 사용할 수 있습니다 그래서 지금 당신에게 보여주고있는 것은 베타 앱입니다

실제로이 기능을 사용하고 있다는 말을 들었습니다 또는 Android 앱을 사용 중이며 라이브로 제공 될 예정입니다 iOS 앱으로 곧 출시 될 예정입니다 그래서 여러분 모두가 이미 그것을 가지고 있지 않다면, 우리 앱의 최신 업데이트를 다운로드하고, 이야기를 끝내고 시험해보십시오 그래서 우리가 개발 한 것은 새로운 버전의 음성 ​​검색입니다

이제 마이크 버튼을 누르면됩니다 망치를 찾고 있어요 그리고 그것은 여전히 ​​효과가있었습니다 그래서 Dialogflow는 실제로 제가 Dialogflow를 통해 찾고 망치입니다 우리는 실제로 "나는 망치를 찾고있어

" 가서 그걸 우리를위한 검색 창에 넣으세요 그리고 앞으로도 우리는 Dialogflow를 사용하여 오디오 응답을 확인하는 방법 우리가 찾고있는 것을 사용자에게 실제로 그들이 원하는 것을 찾고 있습니다 시원한 그럼 우리가 어떻게했을까요? 그래서 우리는 이것을 가능하게하기 위해 5 층 아키텍처를 설계했습니다 첫 번째 레이어는 매우 간단합니다

그것은 단지 클라이언트 일 뿐이므로 고객이나 동료와 관련된 모든 것 얘기 할거야 그런 다음 클라이언트는 프록시 계층에 연결합니다 그래서 우리가 선택적 레이어를 원한다면 인증을하기 위해 우리는 그것을 인증에 추가합니다 그리고 진짜 지능은 우리가 의도 층에 갈 때 이것은 Dialogflow이며 자동 음성을 제공합니다 인식, 본 것처럼, 의도 일치 앞으로 TTS가 될 것입니다

그러면 Dialogflow가 라우팅 레이어로 이동합니다 우리가 알아챈 것은, 내가 말하면 나는 내 휴대폰 망치를 찾고 있는데, 데스크톱 사이트, Google 홈, 무슨 일이 있어도, 나는 뭔가를 찾고 있어요 그리고 네가 나에게 반응하는 방식 어떤 채널에 따라 다를 수 있습니다 나는 너에게 말하고있다 그러나 무엇과 상관없이, 그것은 같은 의도입니다

따라서 우리는 모든 것을 라우팅 레이어로 라우팅합니다 클라이언트가있는 위치를 기반으로 라우팅합니다 따라서 데스크톱 사이트와 통화하는 경우, 우리는 구체적으로 응답을받을 것입니다 데스크탑 백엔드 용 괜찮아

그래서 우리의 예에서는 망치에 대한 페이지를 보여주었습니다 하지만 Google 홈에 있다면 그러면 우리는 실제로 당신에게 페이지를 보여줄 수 없었습니다 그래서 우리는 그 사건에 대해 다른 반응을 보일 것입니다 우리는 여기서 그것을 처리 할 수 ​​있기를 원합니다 괜찮아

그래서 이것을 세 가지 주요한 것들로 좁혀 야한다면 내가 먼저 말한 것처럼, 우선 집중해야한다고, 의도와 행동을 분리하십시오 당신은 그 의도가 꽤 많이 가고 있음을 실제로 볼 것입니다 어디 있든 상관 없습니다 뭔가를 찾고 싶다면, 네가 뭘하든간에 똑같은 방식으로 말할거야 당신에게 말하기를 원하는 방식으로 바뀔 수 있습니다

다음은 분명히 아키텍처를 설계하는 것입니다 모든 유스 케이스에 대해 그리고 이전 슬라이드에서 볼 수있는 것에서부터, 아키텍처를 쉽게 확장 할 수 있습니다 점점 더 많은 고객을 추가 할 수 있습니다 그리고 그것은 우리가되고 싶었던 것입니다

우리가 몇 달 동안 갇혀 있지 않도록 할 수 있었다 우리가 추가하고 싶었던 새로운 채널이 생길 때 길 아래로, 그런 다음 우리는 솔루션을 완전히 다시 설계해야했습니다 그것을 지원하기 위해서 마지막으로 팀 간 공유 코드가 있습니다 따라서 마지막 레이어 인 액션 레이어를 보면, 우리는 실제로 모든 코드를 내 보냅니다

모든 기능이 Google Cloud 기능에 있으므로 모든 기능이 노드에 있습니다 모든 코드를 내부 NPM 저장소로 내 보냅니다 그리고 나서 우리는 – 다른 채널은 그 코드를 가져올 수 있습니다 채널에 3 줄의 코드를 추가하고, 그리고 나서 그들은 똑같은 경험을 할 수 있습니다 서로 다른 두 채널에서 그래서 그것은 하나의 큰 테이크 아웃입니다

그리고 그것은 모두에게 많은 시간을 절약 할 것입니다 권리? 그럼 우리는 다음에 어디로 갈 건데? 우선, 우리는 우리가 할 수있는 것을보고 싶다 Knowledge Connectors로 할 수 있습니다 나는 약간의 시간을 가지고 놀았으며, 매우 쉽고 빠르게 설정하는 것처럼 보였습니다 우리는 생산을 위해 무엇을 할 수 있는지보고 싶습니다

미래에 또한 우리는 새로운 의도를 가능하게하는 방법을 찾고자합니다 내 주문이 어디 있는지, 쇼핑 목록에 추가, 또는 상점 내부의 제품을 찾는 것 또한 새로운 채널을 찾고 있습니다 IVR 시스템 및 Google 홈과 마찬가지로 [음악 재생]

HUMAN Protocol is the AI algorithm that is challenging Google

그리고 저는 샌프란시스코의 Human Protocol의 CEO 인 Eli Khedouri와 할 수 있어요, 엘리 한테는 인간 프로토콜이 뭐지? 그래, 그래서 인간 의정서는 우리가 어떻게 인간의 노동을 토큰 화하는지에 관한이 더 큰 이야기에 관한 것입니다 일을하는 한 사람 또는 한 그룹의 사람들을 가진다 다른 그룹이 작업의 품질을 평가 한 다음 마침내 일부 작업을 평가합니다 독립적 인 중립적 인 당원이 실제로 돈을 지불하고 우리가 한 것은 생태계에서 신뢰가 극적으로 감소되는 시스템 고안 그리고 그것은 귀중한 것입니다

왜냐하면 만약 당신이 온통 노동을 모집하려고한다면 세상을 알지 못하는 사람들, 서로 이야기하지 않는 사람들 언어, 같은 나라에 있지 않습니다 공정성을 강화할 수있는 방법이 필요합니다 품질을 강화하고 만족을 강화하기 위해 인간 규약의 문제는 해결하려고 시도한다 이제 첫 번째 응용 프로그램 인간 의정서에 hCaptcha는 혼란스러워 보이지만 Google과 경쟁하면이 사실을 우리에게 설명 할 수 있습니까? 그래서 hCaptcha가 첫 번째입니다 인간을 토큰 화하는 메커니즘 인 인간 프로토콜의 응용 노동과 나는 나중에 그것이 의미하는 것을 설명 할 것이다

그러나 hCaptcha는 매우 간단하다 방문자가 작업 할 때 웹 사이트를 보완하는 방법 그들이 로그인 할 때 그들이 차를 클릭해야 할 정도로 CAPTCHA에 답하는 것 현재 Google에서 실제로 수확중인 작품이 현재 힘을 얻고 있습니다 대신 기계 학습 비즈니스는 모든 기계 학습에 사용할 수 있습니다 회사는 입찰을하고 웹 사이트는 돈을받습니다

그래서 노동 시간의 관점에서 너는 그것에 돈을 얼마나 넣을 수 있니? 글쎄요, 그들은 매일 약 100 년의 노동력을 제공하고 있습니다 달러 가치는 100 개의 답변 당 $ 100의 범위에 있습니다 1000 명의 응답이 오늘 그 시스템을 통과하는 약 10 억 개의 답변으로 사실은 꽤 많은 돈입니다 그럼 웹 사이트 소유자는 무엇에 들어 있습니까? 음, 웹 사이트 소유자는 여러 가지 방법으로 hCaptcha의 혜택을보고 있습니다

첫 번째는 실제로 BOTS와 스팸을 그대로 유지하고 있다는 것입니다 다른 보안 문자와 두 번째는 실제로 보상을 받는다는 것입니다 토큰을 사용하여 방문객을 위해 이전에 단순히 무료로 그 일을 포기했기 때문에 이것은 큰 이점이었습니다 일라이에게 다음은 뭐지? 따라서 우리는 올해에 사람들을위한 완벽한 참조 위치를 가질 것으로 기대합니다 빌드하고 우리는 여러 파트너와 함께 열심히 노력하고 있습니다

고객이이를 세계에 맞게 확장 할 수 있습니다 근본적으로 hCaptcha, 행성의 거의 모든 웹 사이트에서 사용할 수 있으므로 정말 어떻게 그 이야기를 세상에 가져올 지에 대한 질문 인간 의정서 Eli Khedouri의 CEO에게 감사드립니다 당신에게 돌아

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

Leverage AI on the Cloud to Transform Your Business (Next Rewind ’18)

CASSIE KOZYRKOV : 다음 2018 년에 300 회 이상의 세션이 있으며, 너는 그들 모두에게 다가 갈 수 없다는 것은 이해할 만하다 그래서 당신이 클라우드를 활용하지 않았다면 귀하의 비즈니스를 변화시키고, 계속 지켜봐주십시오

왜냐하면 여기에 되감기가 있기 때문입니다 [음악 재생] 기계 학습은 알고리즘 접근법입니다 데이터로 반복적 인 결정을 내리는 것 시작하기 전에 모든 구성 요소가 있는지 확인하십시오 배울 데이터, 확인; 기계 학습에 대한 액세스 알고리즘, 확인; 반복적 인 결정을 자동화하려는 욕구 – 우리는 정말로 여기 반복을 말하고 있습니다

10 가지의 결정이 아니라 10,000이나 100 억에 가깝습니다 검사 큰 이야기에서 나온 큰 아이디어를 요약 해 봅시다 첫째, ML을 사용하여 여러 문제를 해결할 수 있습니다

오늘 규칙을 작성 사실, 그것을 적용 할 수있는 기회를 찾을 수있는 좋은 방법입니다 귀하의 비즈니스에서 규칙을 찾는 것입니다 예 : Google 검색에서 검색어 완성 는 손으로 만든 규칙의 진짜 얽힘이었습니다 그것에 기계 학습을 적용하는 것은 우리의 가장 큰 부스트를 가져 왔습니다

2 년 넘게 품질 순위를 매겼습니다 둘째, 기계 학습은 응용 프로그램을 개인화하십시오 ML은 손수 만든 규칙보다 잘 확장되기 때문에 기존 논리 위에 모델을 레이어 할 수 있으며, 당신은 이제 또한 주요 사용자와 다른 사람들을 기쁘게 할 수 있습니다 분견대 자, 물론,이 모든 것을 확인하는 것은 데이터입니다

ML을 규칙 기반 프로세스로 전환하는 것으로 생각할 수 있습니다 그것의 머리에 모델 또는 규칙으로 시작하는 대신, 그것을 뒤집어서 데이터로 시작하십시오 셋째, 기대를 지닌 설계 시스템 내년에는 더 많은 데이터를 얻을 수 있습니다 너의 세계는 정적이 아니기 때문에 너는 기대해야한다

데이터가 커지게됩니다 그리고 더 많은 데이터가 이기기 때문에 이것은 좋은 일입니다 그러나 이것이 당신을 두는 때 무엇이 ​​일어나는가? 엑사 바이트 또는 페타 바이트 영역에서? 예를 들어, 깊은 학습은 잘 작동합니다 큰 데이터 세트 선형 적으로 오류율을 떨어 뜨리려면, 데이터를 기하 급수적으로 늘려야합니다

저기서의 로그 스케일입니다 나는 예측을 좋아한다 당신이 깊은 학습에 있다면, 나는 예측한다 당신의 미래에 많은 데이터 여기에 제안이 있습니다

모든 개인적인 시간을 소비하지 마십시오 큰 데이터 인프라에서 대신 서버리스 방식을 사용하십시오 그래서 당신은 실제로 당신을 데려 오는 것에 당신의 노력을 기울일 수 있습니다 가장 가치있는 것 인프라가 아닌 코드 측면에서 생각해보십시오

우리를 네 번째 아이디어로 이끌어줍니다 인프라를 잊어 버릴 수있는 플랫폼 사용 훌륭한 사전 제작 된 모델을 제공합니다 다양한 ML 시나리오에 대한 유연성을 찾으십시오 그럼 깊은 학습을 다시 살펴 봅시다 최첨단 머신을 수행하는 데 필요한 컴퓨팅 성능 지난 6 년간 학습은 천만 번 증가했습니다

천만 번이나 당신이 최첨단에 있고 싶다면, 효율적이고 비용 효율적인 ML이 필요합니다 환경 점점 더 많은 데이터를 처리하기 위해 분산 될 필요가 있습니다 점점 더 많은 계산을 처리하기 위해 더 나은 하드웨어가 필요할 것입니다

Google Cloud는 이상적인 환경을 제공합니다 하드웨어의 분산 처리 용 당신의 필요에 맞게 환상적인 서버 관리 방식을 제공합니다 훌륭한 사전 빌드 된 모델로 ML을 실행하려면, 그래서 처음부터 모든 것을 만들 필요가 없습니다 네가 원치 않으면

제 말은, 왜 재발견 할 필요가없는 바퀴를 재발견하는 겁니까, 그렇죠? 이 이야기를 요약하면, 다채로운 사용 사례를 생략했습니다 그 아이디어를 실제로 현실로 가져옵니다 영화 추천 시스템, 사기로부터 기계 학습 학습 탐지, 고객 서비스, 사물의 인터넷, 자동차 경매, 게임 등 가득 찬 이야기를보고 싶다면, 설명의 링크를 확인하십시오 아래를 클릭하고 Cloud YouTube에 가입하는 것을 잊지 마십시오

채널을 통해 다음 되감기 콘텐츠를 더 많이 얻을 수 있습니다 지켜봐 줘서 고마워 [음악 재생]

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]

Google’s Duplex AI Demo Just Passed the Turing Test

안녕하세요 여러분, 지금은 좋은 소식을 알려 드리고자합니다 이 며칠간

구글은 새로운 구글 어시스턴트를 발표했다 그것은 사람들과 완벽하게 대화 할 수 있다는 것입니다 사람들이 사람들과 이야기하는 것 그리고 Google I / O 20018 지난 밤 Google은 모든 방문자를 놀라게했을 때, CEO 일요일 Pichai, 대화에 대해 보여줘

미용실 및 식당 매니저 저녁을 먹기 위해 헤어 살롱으로 예약하십시오 그 회합에서 전화를받는 상대방은 진짜 사람이고, 상대방이 통화하고 있다는 것을 모릅니다 AI 기술 대화에 따르면 사람들이 말하는 것처럼 너무 활기차게 보입니다

Google은 AI의 새 버전을 Google Duplex라고했습니다 그들이 그것에 대해 공부하기 위해 수년간 걸리는 것 그것은 현재 사용중인 보조자 왜냐하면 더 많은 능력을 구글 어시스턴트가 있기 때문에 수만 있습니다

간단한 사용하고 아직 완벽하지 않습니다 사람들이 사람들과 이야기 할 때 Google처럼 사람들과 이야기 할 수 없습니다 google duplex 대화에 대해 명확하게 이해할 수 있습니다 대화를 강요하지 않습니다 사람들이 말하고 기다리는 동안 기다릴 수 있습니다

다른 한편으로는, 구글 이중은 문장과 절을 이해하는 능력을 가지고 있습니다 다중 방식으로 재생할 수 있고 복제하지 못합니다 정말로 굉장하지만 변환이 너무 복잡한 경우, google duplex는 대신 대화를 제어하는 ​​사람에게 알려줍니다 그것은 상대방으로부터 복잡한 정보를 이해할 수 없다면 알 수 있습니다 그것은 컨트롤러에게 대신 이야기 할 것입니다 새로운 구글 CEO 인 선덜 피 차이 (Mr

Pundai)는 google duplex는 기본 시도에 필요합니다 더 강해지려면 더 많은 시간을 개발해야한다 자동으로 작업 할 수 있고 더 이상 사람에게 의존 할 필요가 없습니다 방금 사용자로부터 정보를 얻었습니다 Google 양면 인쇄가 완전히 좋을 것입니다

그는 구글이 날짜와 장소를 발표 할 것이라고 말했다 만약 회사는 google duplex를 게시하고 싶어합니다 그래서 우리가 외로운 사람이라면 말할 사람이 없습니다 그래서 미래에는 Google 양방향, 새로운 세대의 Google 도우미를 사용할 수 있습니다 사람들과 이야기하는 것처럼 서로 이야기하는 Google 그리고 이것은 Google 쇼가 보여주는 첫 번째 세대입니다

자신의 비서가 될 수있는 기능은 사람들과 대화를 나눕니다 사람들은 그가 Google AI 기술과 대화하고 있다는 것을 모릅니다 그리고 그것은 그렇게 활발하다 그리고이 사이의 대화에 대한 비디오 쇼입니다 미용실과 식당에있는이 신기술을 지금 비디오를 보면서이 기술이 좋은지 아닌지 확인하십시오 미래에는 이 기술이 사람들 대신 어떻게 작동 할 수 있는지

당신이 그것을보고 생각한 후에 이것은 인공 지능 기술입니다, 인공 지능 인공 지능 정말 대단한 기술입니다 어쩌면 약 1 년 동안 영국의 이론 물리학 자 스티븐 호킹 그리고 엘론 사향 씨는 AI 기술은 위험한 기술입니다 사람들이 그것을 통제 할 수 없다면, 그런 다음 사람들에게 다시 제어 할 것입니다 그것은 강력한 기술입니다

그래서 이제 끝내야 해 Google에서이 신기술의 비디오 데모를 볼 수 있습니다 우리 중소기업의 60 %가 온라인 예약을 가지고 있지 않습니다 system Sarah 우리는이 문제에 대해 도움을 줄 수 있다고 생각합니다 그래서 다시 돌아가 봅시다

이 예에서는 Google에 헤어컷 약속을하도록 요청하고 싶다고 가정 해 보겠습니다 화요일 오전 10시에서 정오까지 Google 비서가하는 일은 당신을 위해 배경에서 원활하게 전화 할 수 있습니다 Google 조수가 실제로 실제 살롱에 전화하여 예약 일정을 잡습니다 당신은 들어 봅시다 두려움이 없다 안녕하세요 저는 우리의 의뢰인을 잘라냅니다 저는 찾고 있어요

5 월 3 일에 무언가를 위해, 나는 당신에게 몇시에 대한 하나를 주겠다 12시에 우리는 사용 가능한 품질이 없습니다 하지만 우리가해야 할 가장 가까운 것은 오전 1시 15 분입니다 오전 10시와 그녀는 어떤 서비스를 원 하느냐에 따라 12:00 pm 지금은 그냥 여자의 이발을 위해서 우리는 10시를 가지고 있습니다 오전 10시는 괜찮습니다

너의 탄생 장면은 뭐니 뭐니해도 이름은 리사 야 내가 볼 수있을 정도로 완벽하다고 말할거야 Lisa 그것은 5 월 3 일에 10시입니다 대단히 감사합니다 수년간이 기술을 연구해온 Google 이중화라고합니다

수년 동안 우리의 모든 투자와 자연 언어를 결합합니다 우리가있을 때의 방식으로 텍스트를 음성으로 학습하는 것을 이해합니다 조수가 당신에게 당신의 약속이 처리되었습니다 다른 예를 들어 보겠습니다 식당에 전화하고 싶지만 어쩌면 작은 식당 이겠지요

온라인으로 쉽게 예약 할 수 없으므로 전화가 실제로 약간 달라집니다 예상보다 4 명이 듣기에 잘 맞습니다 수요일 오후 6시 오 오하이오 오페라 (오페라) 보통 얼마나 오랫동안 자리에 앉을 수 있니? 다음 주 수요일을 위해 내일 예 일곱 오 아니, 너무 쉽지 않아 네가 사람들에게 의지 할 수있어 오, 오 그래, 내가 나중에있어 앞으로 몇 주 안에 실험으로 출시 될 예정입니다

머물다

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

Leverage AI on the Cloud to Transform Your Business (Cloud Next ’18)

[음악 재생] 발리파파 레이크 만 : 안녕하세요 다음에 오신 것을 환영합니다

클라우드에서 인공 지능을 활용하는 방법에 대해 이야기 할 것입니다 그래서 당신은 당신의 사업을 변형시킬 수 있습니다 나는 Valliappa Lakshmanan입니다 모두가 나를 락이라고 부릅니다 그리고이 이야기는 수십 명의 고객과 수년에 걸쳐 이야기했다

기본적으로 매우 간단한 질문에 대답하는 측면에서 알았어, 나는 AI에 대한 과대 선전을 듣고있어 하지만 실제로 어디에서 사용합니까? 어떤 종류의 유스 케이스가 떠오르지? 그리고 일반적으로 이것에 대한 대답은, 너는 그들에게 빨래 목록을 보여 준다 그것을 사용한 많은 사람들 그리고 내가 여기서하려고 노력한 것은 그걸 조금 뒤로 물러서 라

원리들, 당신이 보는 것들의 종류들, 매우 넓은 지역 그리고 우리는 기본적으로 그것을 몇 가지 관점에서 볼 수 있습니다 한 가지 방법은 Google 제품에서 확인하십시오 그리고 이것들을 어떻게 보는지에 대해서도 이야기 할 것입니다 고객의 유스 케이스를 그래서 제가 AI에 대해 이야기 할 때, 그리고 우리 AI를들을 때, 당신은 아마 Google Photos와 같은 것을 생각할 것입니다

스마트 답장과 같은 것들을 생각해보십시오 이것들은 믿기지가 않을 정도로 매력적입니다 이미지 모델과 시퀀스 모델에 대해 듣게됩니다 당신이 기술자라면, 당신은 길쌈 신경 네트워크 (convolutional neural networks)와 반복적 인 신경 (neurural neural)에 대해 생각해보십시오 네트워크 및 LSTM 등이 있습니다

그러나 AI를 사용하는 방법에 대해 이야기 할 때, 나는 그 모든 버즈에 대해 잊어 버릴 것을 권합니다 궁극적으로, 대부분의 회사에서 가치를 창출하기 때문에 구조화 된 데이터에 대한 기계 학습, 데이터웨어 하우스에있는 데이터, 구글에서도 그리고 이것은 우리가 한 일입니다 왜냐하면 당신이 할 수 있기 때문에 할 수 있어요 전체 Google 코드베이스를 통과하십시오 모든 모델을보고 어떤 종류의 여백을 볼 수 있습니다 사람들이 사용하고 있습니다

MLP는 다중 레이어 퍼셉트론입니다 본질적으로 표준 신경망입니다 그 안에는 아무 것도 없으며 단지 몇 개의 레이어가 있습니다 그것은 Google의 모든 모델 중 60 %입니다 그리고 이것은 당신이 가지고있는 모델의 종류입니다

단순한 숫자 및 범주 형 데이터가있는 경우, 그냥 구조화 된 데이터 LSTM은 여러분이 시계열 데이터 또는 모델 종류가있는 경우 사용 텍스트 데이터가있는 경우에 사용하는 번역, 텍스트 요약 스마트 응답은 LSTM 모델의 예입니다 이는 Google의 전체 모델 중 30 %에 해당합니다 그래서 모든 매력적인 이미지 모델 우리가 듣는 내용, 모든 튜토리얼이 말한 내용, 모두가 말하려는 슬라이드를 꼈다

이것은 당신이 AI로 할 수있는 것입니다, 그것은 5 % 모델의 그래서 당신이 내가 말할 때 무엇에 집중합니까? 내 사업에서 인공 지능을 사용하고 싶습니까? 구조화 된 데이터 이것이 기억해야 할 첫 번째 사항입니다 그 값은 실제로 데이터에서 오는 것입니다 데이터웨어 하우스에있는 것입니다

그렇다면 우리는 어떻게 AI를 위해 구조화 된 데이터를 사용하고, 버즈에 대해 다시 말하면, 우리는 인공 지능에 대해 이야기하고 기계 학습에 관해 이야기합니다 그리고 기계 학습은 오늘날 작동하는 AI의 일부입니다 다시 우리가 뭘할지 이야기 할 때 기계 학습, 맞죠? 그렇다면 기계 학습을 어떻게 사용합니까? 기본적으로 표준 알고리즘을 사용하는 방법입니다 데이터로부터 예측 통찰력을 얻는 방법 반복적 인 결정을 내린다 그러니 그걸 좀 어기 죠

물론 첫 번째는 기계 학습만을위한 것입니다 데이터가있을 때 작동하며, 많은 경우 데이터가 많습니다 데이터가 있지만 기존의 일반적인 방법과는 다릅니다 데이터를 사용한다는 점, 여기의 차이점 데이터에 적용하는 알고리즘입니다 표준입니다

그래서 당신이 소매 회사이든, 또는 당신은 석유 가스 회사, 또는 미디어 회사, 데이터를 가져 오는 방법, 적용한 알고리즘은 상대적으로 표준입니다 그리고 그것은 기본적으로이 큰 사용을 이끌었습니다 이 응용 프로그램의 큰 성장 기계 학습 같은 종류의 모델이 산업 분야에서 일하고, 업종 전반에서 일할 수 있습니다 따라서 이러한 표준 알고리즘을 데이터에 적용합니다

하지만 그건 표준 알고리즘 자체입니다 새로운 것도 아니다 의사 결정 나무에 대해 이야기하거나 무작위적인 숲에 관해서, 그들은 잠시 동안 주변에 있었다 그리고 그것들은 제가 표준 알고리즘을 의미하는 것입니다 의사 결정 트리는 표준 알고리즘입니다

현재 귀하가 속한 업종에 관계없이 신청할 수 있습니다 그러나 중요한 점은 이러한 알고리즘을 데이터에 적용한다는 것입니다 예측 통찰력을 창출합니다 일반적으로 데이터를 볼 때 우리는 무엇을하고 있습니까? 우리는 역설적 인 통찰력을 창출하고 있습니다 우리는 당신의 데이터를보고 있는데, 무슨 일이 있었는지 말하고있는 것입니까? 당신은 무슨 일이 일어 났는지 이해하려고 노력하고 있습니다

기계 학습은 예측적인 일을하는 것입니다 일어난 일을 예측합니다 하지만 그렇지 않습니다 이 시점까지, 나는 모든 것을 설명 할 수 있었다 비즈니스 분석가는 모든 회사에서 그 일을 수행합니다

인간 분석가가하는 것의 큰 차이 그리고 기계가하는 일은이 마지막 비트입니다 그것은 반복 된 결정 비트입니다 아이디어는 당신이 기계를 적용하지 않는다는 것입니다 1 년에 한 번 결정을 내릴 필요가 있는지 배우십시오 한 달에 한 번 결정해야 할 경우, 그것은 ML 사용 사례가 아닙니다

ML 사용 사례는 귀하가 반복해서, 하루에 여러 번, 여러 번, 여러 번 반복하십시오 매번 당신이하는 일입니다 고객이 귀하를 방문합니다 당신이 결정하고 싶다면, 장바구니입니다 버려 질거야? 자, 그건 당신이 가진 결정입니다 귀하의 웹 페이지를 방문하는 모든 고객을 위해 만들어야합니다

당신이 결정을하려는 경우, 이 장소에 새 상점을 배치해야합니까? 그것은 1 년에 50 번 할 수있는 결정입니다 50 회 1 년 결정은 좋은 후보가 아닙니다 기계 학습용 하루 수천 수백만의 의사 결정, 그것은 기계 학습을위한 훌륭한 후보자입니다 그 사이 어딘가에 이것이 데이터 분석인지 판단하라

작업인지 또는 컴퓨터 학습 작업인지 여부를 결정합니다 그래서, 당신에게이 아이디어가 어디에서 오는지에 대한 예를 들어주기 위해, Google에서 시작하겠습니다 따라서 우리의 주력 어플리케이션은 물론 검색입니다 우리는 검색 회사입니다 몇 년 전에 검색이 사용되던 방식입니다

검색 창에 들어가서 자이언트 키워드를 입력하면 우리는 샌프란시스코 자이언트를 보여 주어야했습니다 야구 팀 또는 뉴욕 자이언츠입니다 축구 팀입니다 어느 것을 먼저 보여 드릴까요? 글쎄,이 일을하는 데 사용되는 방법은 수색의 장안에 깊은 규칙 기반이 있었다는 것 쿼리가 자이언트라면, 사용자가 베이 지역에있는 경우, 그들에게 샌프란시스코 자이언츠의 결과를 보여주십시오 사용자가 뉴욕에있는 경우 표시합니다

뉴욕 자이언츠의 결과 그리고 사용자 또는 다른 곳에서 그것들은 키가 큰 사람들에 관한 결과입니다 그리고 그것은 기본적으로 한 단어의 거인에 대한 규칙 기반입니다 코드베이스가 얼마나 복잡한 지 상상해보십시오 여러 의미를 가질 수있는 모든 것을 얻습니다

그래서 그것은 본질적으로 문제입니다 당신의 분야가 직면하고 있다고 이것을 위해 손으로 코딩 된 규칙을 쓰고있다 이 쿼리 문구 중 그리고 기계 학습은 우리가 말하기 때문에옵니다 이것은 우리가 반복해서해야만하는 결정입니다 우리는 많은 시간을 할애해야합니다

그러면 우리는 이것을 어떻게 확장하여 우리가 누군가를 기본적으로 만들 필요는 없다 가능한 모든 단일 쿼리에 대한이 규칙 존재할 수있는 용어? 그리고 그것은 기본적으로 RankBrain을 자극 한 것입니다 본질적으로 시작된 기계 학습 알고리즘이다 이 전제에서, 어이, 누군가가 우리의 웹에 올 때 페이지로 이동하고 쿼리를 수행하면 가능한 결과의 목록, 우리는 그들 중 어느 것이 실제로 클릭했다 이제 기계 학습 모델을 교육 할 수 있습니다

기본적으로 최선의 결과가 무엇인지 예측한다 특정 검색어에 대한 것입니다 그리고 우리는 이것에 대한 충분한 예를 가지고 있습니다 우리는 달리기와 별도의 규칙을 만들 필요가 없습니다 모든 검색어에 대해 우리는 기본적으로 기계 학습 모델을 가지고 있습니다

검색은 순전히 기계 학습이 아닙니다 우리가 사용하는 많은, 많은, 많은 신호가 있습니다 그러나 기계 학습 신호가 밝혀졌다 기본적으로 개선의 종류를 창조하기 위해 우리는 2 년 동안의 일을 보았습니다 그리고 그것은 훌륭했습니다

그리고 그것은 기본적으로 구글이 앉아있는 것을 촉발 시켰습니다 이 기계를 배우는 사람은 다리가 있습니다 그래서 그것은 본질적으로 무엇을 말합니까? 여기 또 다른 예가 있습니다 이것은 우리 고객의 것입니다 그래서 롤스 로이스는 기본적으로 롤스 로이스라고합니다

그리고 당신은 차를 생각한다 그러나 롤스 로이스도 운송을한다 그리고 그들은 해양 데이터 세트를 기본적으로 해석 할 필요가있었습니다 그리고 다시, 그들이 이것을 할 방법은 기본적으로 거대한 데이터 세트였습니다 그들은 많은 규칙이 필요했습니다

그리고 그 규칙은 손으로 만들어야했습니다 그리고 그들은 기본적으로 안전 조치를 간단하게 만들 수있었습니다 기본적으로 손으로이 규칙을 만드는 대신에, 기본적으로 해양 데이터 세트를 가져 와서 어떤 종류의 행동을 유추하고 기계 학습을 통해 얻어야한다 그래서 기본적인 생각, 여기에있는 첫 번째 전제, 어디에서 – 인공 지능은 어떻게 사용합니까? 귀하의 비즈니스를 활용하기 위해 기계 학습을 어떻게 사용합니까? 1 번, 당신의 사업을 돌아보십시오 규칙을 만드는 모든 문제에 대해 생각해보십시오

오늘, 당신이 오늘 규칙을 만드는 어떤 문제 그리고 너는 좋은 일을 해왔다 규칙 기반 결정을 내릴 때마다 기본적으로 데이터 세트가 있습니다 이것은 내가 기본적으로 사용하는 정보입니다 의사 결정 트리에 들어간 정보 규칙과 결과를 수행합니다

실제로 맞았는가? 일련의 규칙을 사용하여 사기를 확인한 경우, 이 거래가 실제로 사기성 이었습니까, 그렇지 않습니까? 그래서 그것이 당신의 라벨입니다 그리고이 규칙 기반, 데이터 기반 일정 기간 동안의 결정, 데이터를 학습하는 기계가됩니다 그리고 당신은 기본적으로 수공예 사업에서 벗어날 수 있습니다 규칙을 학습하고 기본적으로 기계 학습으로 넘깁니다 모델, 기본적으로 무엇을 추측 할 수 있는가? 규칙이 있어야하며,보다 전체 론적 인 방식으로이를 수행해야합니다

첫 번째로, 어떻게 당신은 기본적으로 클라우드에서 인공 지능을 활용 하시겠습니까? 모든 규칙 기반 시스템을 살펴보십시오 모든 규칙 기반 시스템을 살펴보십시오 모든 시스템, 특히 당신은 결과를 수집하고 있습니다 의사 결정을위한 결과를 수집하지 않은 경우 당신이 만들고있어, 시작해, 그 결정이 실제로 효과가 있었는지 여부를 저장하기 시작하십시오 그렇지 않았다

그리고 기본적으로 이들을 기계 학습의 입력으로 사용하십시오 모델 그래서 이것이 1 위입니다 이제 두 번째 유스 케이스를 살펴 보겠습니다 이 경우 Google지도를 사용하여 설명 할 것입니다

기계 학습 여행, 회사의 여행 기본적으로 – 기계 학습 변환을 거친다 그래서 나는 항상 Google지도를 사용합니다 그리고 저는 그 다이어그램의 남쪽 어딘가에 살고 있습니다 그리고 저는 다이어그램의 북쪽에있는 Google 커클랜드에서 일합니다 그리고 매일

나는지도를보고,지도는 나에게 경로를 준다 집에서 일하기 그래서 큰 그리고 나는 그것을 볼 수 있습니다 그러나 그 기계 학습은? 그리고 당신은 말할 수 있습니다

글쎄, 나는 내가 사는 곳에서 구글에게 말했다 나는 내가 일하는 곳에서 구글에게 말했다 그리고 이것은 기본적으로 경로입니다 그리고 A에서 B로 가면 Dijkstra의 알고리즘입니다 이것은 별의 알고리즘입니다

우리는 학부 컴퓨터 과학 수업에서 그것을 가르칩니다 이것은 결정 론적 알고리즘입니다 따라서 기계 학습이 아닙니다 A에서 B로가는 것은 기계 학습이 아닙니다 그래서, 그것은 본질적으로 결정론적인 규칙입니다

종이에 적어서 할 수있는 규칙입니다 이건 어때? 그래서 저는 일본에있었습니다 그리고 저는 롯폰기라는 지하철역에있었습니다 그리고 Google Maps는 본질적으로 나에게 말했다 네가 롯폰기 역 2 층에 있다는 것을

기본적으로 Google Japan으로 이동하려면 이것은 당신이 가져야 만하는 길입니다 Google지도는 내가 2 층에 있다는 것을 어떻게 알 수 있습니까? 지하철역에요? GPS- 내 말은 지하에있다 나는 그것에서 고도를 얻지 않을 것이다 그래서 그 시점에서 내가 어디에 있는지 알 수있는 유일한 방법입니다 기본적으로 다른 데이터 소스를 사용하는 것입니다

그러나 요점은 그 단계에 도달하는 것입니다 당신이 지금 어떻게 생각하고 있는지 사용자 위치를 파악합니까? 다양한 데이터 소스에서 문제 번호 1을 해결해야합니다 A에서 B로가는 법입니다 이것이 귀하의 비즈니스의 핵심입니다 기본적으로 A에서 B까지 탐색 정보를 제공합니다

근본적으로 말하면, 좋아, 이제 어떻게 데이터를 사용합니까, 어떻게 ML 모델을 기본적으로 사용합니까? 그 경험을 향상 시키시겠습니까? 그리고 이것이 바로 두번째 비트입니다 핵심 비즈니스 경험을 향상시키는 것입니다 너는 1 번으로 그렇게한다 그리고 케이크에 장식을합니다 이것이 내가있는 곳인 Google Now 카드를보고 있습니다

회의 사이에 무엇을 할 수 있습니까? 그리고 나는 나에게 가야한다고 제안 할 수 있었다 그림의 종류를 가진 산토르 미술관 (Santore Museum of Art)에서 내가 좋아하는 것 자, 만약 당신이 스포츠 팬이라면 아마도 가까이에 스모 레슬링 매치를 제안했다 그러나 이것이 이제 완전히 개인화 된 것입니다 그리고 여전히 같은 위치에 있습니다

위치 기반 서비스를 제공하고 그 추가 정보 이것은 기본적으로 기업이 통과하는 여정입니다 기계 학습 사업의 핵심부터 시작하십시오 당신은 일반적으로 해결하고 이미 해결했습니다

기본 주소를 찾는 방법을 살펴 보겠습니다 그 경험의 개별 유스 케이스, 더 나은 방법으로 사용자 경험을 그리고 마지막으로, 어떻게하면 기본적으로 그 아주 드문 경우의 매우 긴 꼬리에 도달하십시오 우리가 아주 잘해야 할 일이 뭐야? 그래서 다른 예를 들어 보겠습니다 이것은이 여행에 대해 다시 이야기 할 경우에 해당됩니다 이것이 어떻게 작동하는지에 대한 아이디어를 제공합니다

우리가 기본적으로 원한다고 가정 해 봅시다 우리는 미디어 회사입니다 TV 프로그램에 가장 적합한 시간대를 찾으십시오 그럼 우리가 어떻게해야합니까? 우리는 기본적으로 다음과 같은 데이터를 가지고 있습니다 좋아, 여기에 나이와 숫자가있어

특정 연령의 시청자 기본적으로이 쇼와 같이 전에 본 쇼를 본 그룹 그리고 나는 가지고있는 사람들의 위치 정보를 가지고있다 과거에이 쇼를 보았습니다 그리고 위치 정보에 기초하여, 바람직 함을 바탕으로 인구 통계를 기반으로 그 인구학의 안에서, 나는 근본적으로 말할 것이다, 좋아, 우리는이 새로운 쇼를 가져갈거야 수요일 오후 7시 30 분처럼 보입니다

이 쇼에 가장 적합한 시간대입니다 이것은 본질적으로 기존의 데이터 분석입니다 아직 여기에서 학습하는 기계가 없습니다 그러나 이렇게하기 위해 수집 한 데이터는 무엇입니까? 기본적으로 많은 데이터를 수집했습니다 쇼를 보는 사람들의 인구 통계 주위에

기본적으로 각기 다른 쇼의 장르를 발견했습니다 이 위치에있는 모든 사람들의 위치를 ​​알 수 있습니다 이 쇼들을보고있다 이제이 모든 정보가 주어지면, 우리는 그 일의 두 번째 단계 인 다음 일을 할 수 있습니까? 여행의 두 번째 단계는 무엇입니까? 영화 추천 시스템을 구축합시다 우리는 말할 수 있습니다

좋습니다 영화 추천 시스템을 구축합시다 그리고 첫 번째 접근법, 간단한 접근법 이 같은 것입니다 인기있는 영화를 추천 할 것입니다 이 사용자가 좋아하는 장르에서 30 세에서 39 세 사이의 사용자가있는 경우, 그는 남성이고, $ 50,000와 $ 100,000 사이를 만들고, 한국에 살고 있고, 시간이 지남에 따라 이 사람이 로맨틱 컴 – 로맨스, 두 코미디, 로맨스, 코미디, 내 예측 알고리즘 아마 내가 장르를 찾도록 내버려둬 라

사용자가 가장 자주 본 것은 – 이 경우 코미디예요 그들이 어디에서 살고 있는지 찾아야 해 한국은 – 한국에서 가장 인기있는 코미디 영화 5 편을 찾아보십시오 그리고 그것은 그 사용자를위한 나의 영화 추천입니다 아주 간단하고 규칙 기반 알고리즘입니다 기본적으로 데이터를 이용합니다

그러나 그것은 이미 가지고있는 데이터에 의존합니다 사물의 역사에서 벗어난 구조화 된 데이터 어떤 사람이 본 것과 당신이 아는 어떤 것 이 특정 사용자에 대해 이것이 어떻게 기계 학습이됩니까? 너는 이것을 뒤집는다 모델이 있고, 데이터가 있으며, 나는 예측을 가지고있다 대신 데이터에서 시작합니다

너 내가이 아이디어에서 시작하지 않는다 모델이 무엇이어야하는지 알기 때문에 나는 그 데이터를 보러 갈 때, 나는 내 예측을 할 것입니다 대신 데이터에서 시작합니다 내 데이터가 뭐니? 나는 모든 영화를 가지고 있고, 나는 모든 등급을 가지고있다 모든 사용자가 모든 영화를 다 끝냈습니다

그리고 나서 당신의 모델은, 만약에 내가 가면 계속 나아가고 예측을하기 위해서, 나는 모든 비슷한 영화를 찾기 위해 유사한 사용자가 사용자의 현재 선호도, 나이, 그리고 다양한 것들이 있습니다 그러나 여기에 주목해라 장르, 나이, 소득, 장르 등은 더 이상 존재하지 않습니다 이것은 훨씬 더 비정형이다 기본적으로 사람들은 그렇지 않다는 것을 고려할 수 있습니다

당신은 그들을 구부릴 수 없습니다 대신, 그것은 매우 연속적인 범위입니다 그리고 당신은 유사성 측정을 찾고 있습니다 그리고 그것은 기본적으로 기계 학습이 당신을 돕는 것입니다 기본적으로 여러 요소를 고려하는 데 도움이됩니다

그들을 적절하게 무게를 단다 그래서 이것은 본질적으로 그 여행입니다 너는 숲에서 빠져 나간다 기본적으로 핵심 문제를 해결하고 데이터로 해결하며, 그 데이터를 가져 오는 방법을 생각하고있다 분석으로 해결 한 다음 해당 데이터를 사용합니다

그리고 당신이 그렇게 할 필요가없는 방식으로 다시 생각해보십시오 당신은 기본적으로 다른 요소들을 설명 할 수 있습니다 그래서 다른 말로하면, 두 번째 것은 기계 학습으로 할 수있는 일, 기계의 비즈니스를 활용하는 두 번째 방법 학습, 이것이 당신이 개인화하는 방법입니다 귀하의 응용 프로그램, 그리고 이것은 당신이 기본적으로 어떻게 30 세에서 39 세 사이의 사람들과는 다른 사람들에게 다가 서십시오 한국에 사는 사람

소규모 그룹을 찾을 수 있습니다 그들이 맘에 든다고 목표를 세우고 권장 사항 그래서 기계 학습은 기본적으로 – 나는 대부분 우리가 우리가 사업은 우리가 기본적으로 말하는 것입니다 우리는 배포판의 중간 부분을 차지할 것입니다 우리는 모든 것을 목표로 삼을 것입니다

사용자의 80 %를 향해 우리는 다른 20 %를 잊을 것입니다 미친 짓을해라 하지만 대신, 어떤 기계 학습 당신은 당신이 기본적으로 내려갈 수 있다는 것입니다 그 꼬리로, 그리고 기본적으로 모든 사용자가 찾을 유사한 사용자를 추천 할 수 있습니다 그래서 세 번째로 나가기 위해서 내가 제일 좋아하는 따옴표로 시작하는 것은 Andrew Ng입니다

Andrew Ng는 물론 유명한 기계입니다 학습 연구원 그리고 당신은 그가 최신 진보에 대해 모두 불 태워 줄 사람이 되십시오 기계 학습 이론에서 그러나 Andrew는 "최상의 알고리즘이 아닙니다

그것은 누가 가장 많은 데이터를 가지고 있는지에 관한 것입니다 " 그게 우리가 반복해서 배웠다 그 최고의 기계 학습 알고리즘 다른 것보다 더 많은 데이터에 액세스 할 수 있습니다 두 개의 알고리즘을 비교할 때, 모두가 당신에게 말하는 것을 잊어 버려라 본질적으로 똑같은 일을하는 두 가지 제품이 있다면, 훈련받은 데이터가 무엇인지 물어보십시오

이미지 모델이 두 개인 경우, 어떤 데이터가 훈련 되었습니까? 그리고 한 모델이 더 많은 데이터와 더 나은 데이터에 대해 교육을 받았다면 다른 하나보다 알고리즘의 품질은 중요하지 않습니다 그 데이터는 기본적으로 품질을 제어하려고합니다 당신이 얻는 결과 중 그래서 필연적으로 그것은 데이터, 데이터의 품질, 및 데이터의 양 그래서, 그게 길과 관련이 있습니다

우리는 우리의 데이터 책임 의식에 접근합니다 데이터 관리로 시작합니다 어떻게 데이터를 수집하는지 다시 생각해 보면 – 그리고 이것은 지금 내가 지금 알아 차리고있는 것입니다 우리가하는 일은 우리가 우리의 데이터를 우리는 그것을 집계하고 그것을 저장합니다, 우리는 알고리즘, 기계 학습을 구축하려고합니다 알고리즘 및 데이터 분석 작업을 수행합니다

그게 무슨 뜻 이니? 기계 학습을하는 대신 모든 개별 거래에서 집계하여 매출 예측 하루 동안의 모든 거래와 일일 데이터 수집 판매를 예측하는 데 사용하십시오 방금 무슨 짓을 한거니? 이 매우 풍부한 데이터 소스를 사용했습니다 모든 개별 거래에 대해 이제까지 일어났다, 당신은 그것을 전부 멀리 던져 버렸다, 당신은 모든 것을 결합했습니다 그리고 이제 기본적으로 365 점의 데이터 세트가 있습니다 그리고 그것을 사용하여 판매를 예측하려고합니다

중지 365 점에 모델을 훈련시키지 마십시오 원본 데이터로 돌아가서 8000 만 건의 거래가있었습니다 필터링 된 데이터가 아니라 모델을 교육해야합니다 집계 된 데이터에 있지만 원시 데이터에는 원래 데이터에

그래서 기계 학습은 많은 것을하는 것에 관한 것입니다 가능한 한 데이터 너무 일찍 집계하지 마십시오 너무 일찍 필터링하지 마십시오 너무 일찍 데이터를 버리지 마십시오

그렇다고해서 물건을 정리해서는 안된다는 의미는 아닙니다 당신은 그들이 양질인지 확인해야합니다 우리는 요점을 이해하려고 노력 중이다 데이터를 버릴 필요가없는 곳, 이 데이터를 집계하여 각 개별 거래 데이터에있는 소음 더 나은 정보를 얻기 위해 필요한 올바른 정보 기계 학습 모델 그러나 당신이 가진 데이터에 관한 것이 아닙니다

또한 모든 부수적 인 것들에 대해 생각해보십시오 귀하의 비즈니스에 영향을 미칩니다 따라서 데이터에 관한 것이 아닙니다 데이터웨어 하우스에 날씨 데이터에 대해 생각하고, 교통 데이터에 대해 생각하고, 정치적 사건에 대해 생각하십시오 귀하의 비즈니스에 영향을 미치는 모든 것들, 그래서 기본적으로 데이터 세트에 참여하는 방법에 대해 생각하지만 모두 이 다른 다양한 요인들

그리고 그것은 여러분이 귀하의 기계 학습 모델을 구축하는 데 사용해야합니다, AI 시스템을 구축하십시오 그런 다음 이제 데이터웨어 하우스를 가져 와서, 모든 제 3 자 및 파트너 정보를 고려함 당신이 참여할 수있는, 자신에게 세 번째 질문을하십시오 오늘 수집하지 않는 데이터를 수집 할 수 있습니까? 센서가 정말로 저렴 해지고 있습니다 80 억 달러 상당의 장치가 있습니다 작년에 온라인에 올랐습니다

그것은 단지 놀라운 숫자입니다 그리고 이것은 방금 연결된 장치입니다 나는 그 장치에 대해 말하는 것이 아닙니다 영구적으로 연결되어 있지 않습니다 이들은 단지 연결된 장치입니다

그리고 그들은 데이터가있는 지점까지갑니다 유비쿼터스, 그리고 당신은 그것을 얻을 수 있습니다 문제는 데이터를 수집하고 있습니까? 실제로 비즈니스에 영향을 미칩니 까? 따라서 데이터 전략이 가능한 많은 출처에서이 데이터를 수집해야합니다 당신이 할 수있는 것처럼, 그들의 전화기, 또는 그들의 IoT 장치, 또는 무엇이든 그런 다음 기본적으로 취하는 방법에 대해 생각해보십시오

네가 지금 가지고있는 그 거대한 데이터 – 큰 데이터로 여기서 내가 의미하는 것은 데이터의 양, 집계되지 않은, 필터링되지 않은, 원시 데이터는 다른 모든 것과 결합됩니다 들어오는 스트리밍 데이터에 영향을줍니다 예전에는 3 개의 V가 다른 말로하면 – 볼륨, 다양성 및 속도 이것이 기본적으로 제가 여기서 말하는 의미입니다 그리고 그것은 실제로

당신이 그렇게 생각할 때, 그리고 당신은 신중하게 영향을 미치는 이러한 모든 것들을 고려해야합니다 그것은 변화하는 비즈니스입니다 첫 번째 게임을 가져 가세요

10 년 전, 게임은 보드 게임이었습니다 이제 게임은 기본적으로 완전히 사용자 정의되었습니다 그것을 연주하는 사람에게 당신이 만나는 문자들 당신이 게임을 할 때 매우 다르다 캐릭터와는 다른 기술을 가지고있다

다른 누군가가 만나는 곳 그게 가능한 유일한 이유입니다 게임 회사의 데이터 양 때문입니다 수집 할 수있는 방법과 사용자 정의 방법 당신이 게임을 할 때 게임 그리고 당신이 걸어 내려 갈 때 이것을 반복해서 본다

완전히 변화하는 기업 목록 그들이 수집하고있는 데이터를 재고함으로써 그리고 그들이 데이터로 무엇을 할 수 있는지 그래서 다른 하나의 예로서 Schlumberger, JCP의 고객 중 하나 인 Cloud IoT Core가 어떻게 엔지니어링에 집중할 수 있었는지 기본적으로 신뢰할 수있는 경제적 인 것들을 건설하려는 노력 그들은 약 30 테라 바이트의 석유 화학 데이터에 대해 이야기하고 있습니다 이제 그들은 모델을 구축하는 데 사용할 수 있습니다 그래서 그것은 기본적으로 당신이 생각해야하는 규모입니다

그래서 내가 바라는 세 번째 측면은 시스템을 설계 할 때, 내년에 너를 기대하고 디자인해라 더 많은 데이터가 있습니다 이 패배 주의자의 생각으로 시작하지 마라 가지고있는 데이터는 모든 데이터입니다 오늘 네가 가지고있는 내년에는 더 많은 데이터를 얻을 수 있습니다

기본적으로 더 많은 것을 얻으려고 노력하고 싶습니다 데이터,보다 다양한 데이터 및 모델 구축 저것을 설명하기 위하여 이것이 세 번째 측면입니다 더 많은 데이터를 디자인하고, 필터링되지 않고 수집되지 않은 데이터의 경우 방금 이야기하는 또 다른 아이디어를 얻으려면 장치의 종류와 존재에 대해 그들을 연결할 수 있고 기본적으로 몇 년 전에 존재하지 않았던 새로운 비즈니스를 창출하십시오 많은 사람들이 Philips Hue, 기본적으로 우리는 조명이 작동하는 방식을 바꿀 수 있습니다

그리고 이제 Phillips는 기본적으로 프로세스를 진행합니다 하루 2 천 5 백만 건의 원격 조명 명령, 무언가– 3 년 전에 존재하지 않았던 것 그리고 그것은 단지 모든 것 때문에 가능합니다 함께 연결되어있는 이러한 추세 중 – 데이터, 연결된 장치, 기본적으로 훈련 할 수있는 능력 귀하의 모델과 기본적으로 비정형 데이터 처리 조명 명령과 비슷합니다 하지만이 모든 것이 훌륭하지만 수집 할 때 어떤 일이 발생합니까? 페타 바이트 및 엑사 바이트의 데이터? 당신이 모든 시간을 보내고 있다면 프로비저닝, 안정성에 대한 걱정, 성장하는 규모를 다루는 것을 걱정하고, 활용에 대해 걱정한다면, 당신은이 데이터로부터 가치를 도출하지 않을 것입니다

당신은 당신의 머리 수 전부를 모두 쓰고있을 것입니다 귀하의 인적 자원을 모든 엔지니어는 기본적으로 이 데이터를 유지하는 일 그리고 그것은 당신이하고 싶은 것이 아닙니다 당신은 기본적으로 데이터를 도출하기를 원합니다 그것으로부터 가치를 끌어 낸다

당신은 데이터를 이해하고 싶습니다 그리고 이것은 기본적으로 Google의 경험이 많다 그리고 이것은 우리가 이야기 한 이유 중의 하나입니다 우리는 기본적으로 serverless 데이터 분석을 구축했습니다 서버리스 ETL 툴, 서버리스 머신 학습 툴

그 이유는 우리가 데이터 플랫폼을 볼 때, 모든 것이 서버리스입니다 모든 것이 완벽하게 관리되는 서비스입니다 두 가지를 할 수있는 방법이 없기 때문입니다 두 엔지니어가 모두 걱정할 방법이 없습니다 약 필요할 때 데이터가 도착할 것입니다

수집 할 수 있고 기본적으로 그 데이터로부터 가치를 이끌어 낼 수있는 모델을 만들 수 있습니다 그래서 우리가 시작했다고 생각하지만 MapReduce에 대해 이야기하고 이것들과 동등한 2004 년에 우리는 클러스터 중심 방식으로 사고의 규모가 확대되지 않았습니다 그리고 우리는 기본적으로 Apache Beam의 오픈 소스 인 Dataflow와 같이, 기본적으로 당신이 serverless를하고 싶다는이 아이디어를 다루기 위해서 ETL, serverless 추출로드 변환, 빌드 파이프 라인 따라서 서버리스를 순전히 것으로 생각하지 마십시오 낮은 수준의 기능을 둘러싼 다

Serverless는 전체 워크 플로우에 관한 것이어야합니다 전체 워크 플로우는 서버가 필요합니다 그리고 그것은 당신이 기본적으로하는 방식입니다 페타 바이트 및 엑사 바이트의 데이터를 관리합니다 BigQuery를 사용했다면 정확히 우리가 그것에 대해 어떻게 생각하는지

당신은 당신이 SQL 코드를 작성한다고 생각합니다 그리고 당신은 수천 명에 대해 걱정하지 않아도됩니다 기본적으로 실행되는 슬롯 수 당신을위한 그 질문들 그것이 당신이 생각해야하는 방법입니다 인프라가 아닌 코드 측면에서 생각해야합니다

그래서 이것은 – BigQuery는 사람들이 즉시 사용할 수있는 기능 중 하나입니다 그들이 그것을 볼 때 얻으십시오 그리고 그것은 많은 변형을 일으 킵니다 많은 고객이 있습니다 에어 아시아는 예를 들어, 기본적으로 확장 할 수있는 플랫폼이 필요하다

데이터의 놀랄만 한 성장에 대한 우리의 식욕을 가지십시오 그들이보고있는 것 BigQuery는 이러한 작업에 이상적이었습니다 따라서 데이터 양이 증가 할 때, 당신은 그것으로부터 가치를 이끌어 낼 필요가 있습니다 완벽하게 관리되는 서버리스 솔루션에 대해 생각해보십시오

너와 관련된 일에 정착하지 마라 클러스터를 회전시켜야합니다 그래서 아이디어는 당신이해야 할 일에 시간을 할애하는 것입니다 그것을하는 방법에 시간을 투자하지 마십시오 따라서 인프라가 아니라 통찰력에 초점을 맞 춥니 다

그래서 이것의 또 다른 예가 Blue Apron입니다 BigQuery로 이동 한 후 또는 쿼리 시간 기하 급수적으로 감소했다 그래서 그들은 훨씬 더 많은 질의를 할 수 있었고, 의사 결정을 가속화하십시오 여분의 날은 매우, 매우, 매우 귀중합니다 그리고 나서, 우리가 얻는 다른 질문은 물론입니다

하지만, 나는 많은 양의 데이터를 가지고있다 이 모든 것을 스스로 관리하는 것을 정말로 멈출 수 있습니까? 그리고 내가 좋아하는 일화는 Evernote이다 이것은 우리의 전문 서비스에 의해 수행되기 때문에 팀, 3 개 및 1/2 페타 바이트 콘텐츠 마이그레이션 70 일 만에 그리고 이것들은 모두 아주 작은 문서들입니다 수백만 명의 사용자가 소유하고 있습니다 그리고 우리는 그것을 할 수 있습니다

그래서 확실히 가능합니다 빨리 움직일 수 있습니다 그리고 당신은 기본적으로 이걸 벗어날 수 있습니다 자체 인프라 사업 관리 그래서 4a, 당신에게 인프라에 대해 잊어 버려라

4a가 있다면 4b가 있어야합니다 그리고 그것은 무엇입니까? 그래서 이것은 데이터 부분에 관한 것입니다 그러나 다른 클라우드 플랫폼 AI에서 성공하기를 원한다면 당신에게 줄 수 있어야합니다 그리고 유연성이 필요합니다 기본적으로 기계를 작동 할 수있는 능력이 있어야합니다

다양한 시나리오에 대한 학습 런타임 예를 들어 Google 클라우드에서 Cloud Datalab 또는 Deep Learning Image로 프로토 타입을 만들 수 있습니다 작은 노트북에서 로컬로이 프로토 타입을 수행 할 수 있습니다 Kubeflow로 온 – 프레미엄으로 실행하십시오 시간이 지남에 따라 ML 엔진으로 마이그레이션하십시오

따라서 다양한 시나리오에 맞게이 기능을 사용할 수 있습니다 예를 들어, 필드에 장치가있을 경우, 그 장치에서 모델을 실행할 수 있기를 원한다면, 당신은 당신의 모델이 당신이 구름 위에서 훈련 할 수있는 그런 휴대용, 그러나 현장에서 장치에 대한 예상을 수행하십시오 따라서 어떤 시스템이든 기본적으로 컴퓨터 학습을 실행합니다 런타임에, 이것은 모든 다른 시나리오를 지원합니다 클라우드 교육, 장치에 대한 예측, 장치에 훈련, 등등

실현해야 할 또 다른 일은 깊은 학습 만 데이터 세트가 크기 때문에 작동합니다 그래서 왼쪽 그래프는 기본적으로 교육 데이터 크기에 대해 이야기합니다 이것은 특정 문제에 대한 것입니다 그러나 다른 문제들, 당신은 똑같은 것을 봅니다 그래서 그것을 볼 수없는 등 뒤에서 당신을 위해, x 축은 2 부분 20, 2 부분 21, 2 부분 22 등을 갖는다

따라서 각 그리드는 데이터 크기가 두 배가됩니다 그리고 데이터 크기가 두 배가 될 때마다 오류율 선형 적으로 떨어진다 따라서 오류를 삭제하십시오 x로 비율, 기본적으로 – 귀하의 데이터를 기본적으로 설정 x의 힘을 가져야 만합니다 데이터 세트가 실수로 두 배로 선형 향상됩니다

율 그래서 그것은 단지 작동합니다 – 오류가 발생하면 더 많은 데이터가 발생합니다 그러나 더 많은 데이터에 대해 이야기 할 때, 우리는 10 % 더 많은 데이터를 말하는 것이 아닙니다 20 % 더 많은 데이터를 말하지 않습니다 우리는 1,000 배 더 많은 데이터를 말하고 있습니다

데이터 우리는 여기에 힘을 말하고 있습니다 훨씬 더 많은 데이터가 있습니다 이것이 우리가 기억하고 싶은 한 가지입니다 왼쪽에

오른쪽은 곡선의 다른 무서운 부분이고, 이것은 기계 학습 모델입니다 최첨단 기계 학습 모델 그리고 x 축에는 올해가 있습니다 y 축은 필요한 계산 기능입니다 하루 당 페타 플롭스

그래서 왼쪽 편에있는 AlexNet은 근본적으로 깊은 학습을 시작한 것입니다 혁명은 구석에있어 그리고 다시 y 축은 대수입니다 그래서 모델이 그 격자에서 올라갈 때마다, 계산 능력은 10 배, 100 배, 1,000 배가됩니다 지금은 컴퓨팅 성능을 살펴보십시오

지난 6 년간 10,000에서 맨 위 y 축에 00001 하단에 있습니다 즉, 수행해야 할 컴퓨팅 성능 최첨단 기계 학습이 1 천만 개 이상 증가했습니다 지난 6 년 동안 그저 잠시 동안 기다리십시오 필요한 데이터의 양은 두 배로, 네 배로, 4 배

그것은 권력에 들어갑니다 데이터 요구 사항은 강력합니다 모델 요구 사항은 강력합니다 그래서 기본적으로 두 가지 힘 법칙이 있습니다 그리고 이것은 왜 당신의 전통적인 칩, 건축, 무어의 법칙, 그들은 더 이상 일하지 않습니다

즉, 이것은 우리의 지도력이 보았던 것입니다 3 ~ 4 년 전에 개발을 시작하게되었습니다 TPUs, 기본적으로 완전히 바꿀 필요가있다 어떤 종류의 데이터를 다루어야하는지에 대한 게임 어떤 종류의 컴퓨터가 필요한지 알아야합니다 그래서, 기계를 수입하기를 원한다면, 효율적이고 비용 효율적인 장소가 필요합니다

기계 학습을 할 수 있습니다 따라서 우리가 제공 할 때 우리는 Compute Engine을 제공합니다 기본적으로 CPU, GPU 또는 TPU를 첨부 할 수 있지만, 이 하이브리드 환경을 제공하는 Kubeflow는, 그리고 Kubernetes 엔진, 당신에게 좋은 장소를 제공합니다 Google Cloud 및 Cloud ML 엔진에서 실행하려면 완벽하게 관리되는 서버리스를 제공합니다 그들은이 모든 하드웨어를 사용합니다 기본적으로 분산 방식으로이 작업을 수행합니다

따라서 증가하는 데이터 양을 처리하는 방법 분포입니다 그리고 점점 더 많은 양의 컴퓨팅을 처리하는 방법 더 나은 하드웨어 칩입니다 따라서 분산 된 하드웨어 칩이 필요합니다 그리고 그것은 기본적으로 ML 엔진과 같은 것입니다 당신을 준다

그것은 당신에게 배포판을 제공하고, 그것은 당신에게 최고의 품종의 칩 할 일이 둘 다 필요합니다 기계 학습에 성공했습니다 그리고 실현해야 할 다른 것은 그 기계 학습은 ML의 증가하는 수준으로 움직이고있다 추출

미안, 너 못 봤어 나는 그것이 본 것 같아요, 그래서 당신은 이미 보았습니다 3 년 전의 일부터 시작하겠습니다 AUCNET은 일본의 경매 회사입니다 그리고 그들은 기본적으로 – 길을 원했습니다

그들은 자동차 경매가 작동하는 방식을 재고하고자합니다 그것이 일하는 방식은 당신이 차를 팔고 싶다는 것이 었습니다 너는 기본적으로 채울거야 어떤 차가 있었는지, 얼마나 오래되었는지, 등등, 등등 양식 채우기 – 지루한

그래서 AUCNET이 한 것은 그들이 말했습니다 오, 그냥 돌아 다니십시오 너의 차, 너의 차 사진들, 사진을 우리의 구름에 업로드하고, 우리는 당신의 차가 얼마나 가치가 있는지 말해 줄 것입니다 양식을 채우는 것 사이의 마찰을 상상해보십시오 차 사진을 찍어 라

비즈니스를 완전히 변경했습니다 하지만 그렇게하기 위해서 그들은 자동차 가격을 책정 할 수있는 맞춤형 이미지 모델을 만들 수 있습니다 그들은 그것을해야만했다 그들은 스스로 텐서 흐름 코드를 작성해야했습니다 우리는 그들이 그것을 도왔습니다

그들은 그것을 썼다 그것은 효과가 있었다 그들은 사업을 바꿨습니다 큰 그러나 나는 추상화 수준을 높이는 것에 대해 이야기하고 있습니다

그래서 AUCNET은 tensorflow 코드를 작성했습니다 다음 수준까지, Ocado Ocado는 영국 식료품 가게입니다 그들은 기본적으로 고객 서비스 이메일을 처리하려고했습니다 그것이 작동하는 방식은 고객이 이메일을 보내는 것이 었습니다

오카도 (Ocado)의 누군가가 이메일을 읽는다 고 말하면서, 오,이 고객은 기본적으로 뭔가를 말하고 있습니다 우리 농산물에 대해서 그리고 그들은 생산 부서에 전달합니다 그리고 생산 부서의 사람 그것을 읽고 그것에 대해 무엇을 할 것인지 결정합니다 그것은 꽤 낭비적인 과정입니다

그래서 Ocado는 무엇을 했습니까? 그들은 Natural API, Google API를 사용했습니다 Google 데이터에서 즉시 사용할 수 있으며, 기본적으로 매우 구체적인 것을 식별하지는 않습니다 Ocado 특정 그러나 기본적으로 고객을 말할 것입니다 행복한 고객은 행복하지 않습니다

농산물에 관한 이야기, 등등 그리고 Ocado는 기본적으로 NLP API를 사용하고 기본적으로 말한 두 번째 모델, NLP API가 태그를 제공하면 어떤 부서에서 너는 그걸로 보낸거야? 즉, 그들은 원시 텍스트로 갈 필요가 없었습니다 그리고 완전한 모델을 직접 구축하십시오 기본적으로 NLP API를 기반으로 구축 할 수 있습니다 더 작고 쉬운 모델을 만들 수 있습니다

그것은 내가 말하는 추상화 수준입니다 기술적 인면이 향상됨에 따라, 당신은 점점이 수준으로 내려갈 필요가 없습니다 원시 이미지, 원시 텍스트 다루기 기본적으로 기존 API를 기반으로 구축 할 수 있습니다 그 사이에, 기본적으로 – 사람들이 기본적으로 콘텐츠를 업로드 할 수 있습니다

때로 사람들이 부적절한 콘텐츠를 업로드하는 경우 이유가 무엇이든지 그리고 그렇게 본 것은 그것을 거부하기를 원합니다 그리고 그들은 Vision API를 사용하여 거부 할 수있었습니다 똑바로, 그냥 그대로 사용하십시오 그리고 나서 일본 소매 업체 인 유니클로 (Uniqlo) 기본적으로 필요합니다 – 기본적으로 chatbot을 만들고 싶었습니다

그리고 다시, 그들은 프로그래밍 할 필요가 없습니다 개개의 단어의 그들은 대화에서 의미합니다 그들은 기본적으로 시제로 쓸 수 있습니다 이 대화는 다음과 같습니다 누군가 블라우스를 찾고 싶어

그들의 셔츠 그리고 챠트 봇은 기본적으로 현실감 넘치는 경험 만들기 사용자를위한 그래서 당신은 매우 낮은 수준의 LSTM 모델의 관점에서 생각할 수 있습니다 그러나 매우 높은 수준에서 고객의 의도는 무엇입니까? 그들이하는 전형적인 거래 란 무엇입니까? 걸을거야? 그리고 이것이 당신이하는 방법입니다 ML을하고 있다면, 이것은 당신에게 무엇을 의미합니까? 기본적으로 선택하고 싶다는 의미입니다 그 추상화의 모든 수준에서 할 수있는 프레임 워크 계층

낮은 수준의 텐서 흐름 모델을 만들고 싶습니다 완전히 관례, 문제 없어요 ML 엔진을 사용하십시오 기본적으로 out-of-the-box 모델을 사용하려면 기본적으로 방대한 양의 데이터에 대해 교육을 받았지만 문제는 없습니다 Vision API, Translate API, Speech API를 사용하십시오

중간에 뭔가있는 것이 있습니다 기본적으로 모든 것을 활용하고 싶습니다 Vision API가 제공하지만 사용자 정의 할 수 있습니다 너 자신의 일에? AutoML을 사용하십시오 오늘 기조 연설에서 AutoML은 더 이상 단순하지 않습니다

비전에 대해서 우리는 또한 AutoML의 텍스트 분류, 아이디어 기본적으로 Google의 위에 구축 할 수 있습니다 그래서, 그것은 4b입니다 클라우드에서 기계 학습을하는 방법에 대해 생각할 때, 모든 과대 선전에도 불구하고 기계 학습이, 궁극적으로 여전히 소프트웨어입니다 그리고 구매 결정을 내리고 의사 결정을 내리고 싶습니다

그리고 당신은 품질, 당신이 할 수있는 일의 종류에 따라 그래서, 우리는 요약 할 것입니다 그래서 1 위, 기계 학습은 규칙을 작성하는 많은 문제를 해결하는 데 사용됩니다 오늘 2 번, 기계 학습은 당신이 개인화하는 방법입니다 모든 응용 프로그램

이것은 당신이 긴 꼬리에 도달하는 방법입니다 3 번,이 기대치로 시스템을 설계하십시오 내년에는 더 많은 데이터를 얻을 수 있습니다 그리고 4 번 – 저는 여기에 a와 b를 결합했습니다 – 인프라를 잊을 수있는 플랫폼을 사용하십시오 그것은 당신에게 훌륭한 미리 만들어진 많은 모델을 제공합니다

고맙습니다 [박수 갈채] [음악 재생]

(sub) 무더운 여름, 휴가철에 어울리는 추리소설 추천 ☀️ The Perfect Book for this Summer

안녕, 얘들 아! 오늘 저는 책 추천 비디오를 보러 갈 것입니다 지금은 한국에서 매우 덥습니다

여러분 중 일부는 이번 여름에 휴가를 갈 수도 있습니다 아니면 그냥 커피 숍에서 시간을 보내고 나 같은 휴식을 취할 수도 있습니다 그래서이 더운 여름에, 나는 너희들에게 추천 할 책을 가져왔다 그리고 그것은 <아무도 없었습니다> Agatha Christie의 것입니다 내가 가지고있는이 판은 황금 가지에서 온 것입니다

이 비디오에는 스포일러가 없으므로 걱정하지 마십시오 나는 이것이 세계에서 가장 유명한 미스터리 서적 중 하나라는 것을 알고있다 나는 너희들 중 많은 사람들이 이미 그것을 읽었다는 것을 안다 하지만 너희 중 몇 사람은 아직 읽지 않았을거야 그래서이 책을 비디오에 보여 주면 좋을 것 같아서 그래

그래 오, 그리고 내가 가지고있는이 에디션은 Aladin이 Born to Read Re-cover Edition을 가지고 궁금해하는 경우를 대비 한 것입니다 이 책은 Aladin에서만 얻을 수 있습니다 나는 실제로이 책을 사거나 읽는 것을 의미하지는 않았다

그러나 나는 그것을 보자 마자이 귀여운 덮개와 사랑에 빠져 들었다 그래서 <오리엔트 익스프레스에서의 살인>으로 알게되었습니다 나는이 책을 먼저 읽었고, 나는 이번 여름에 완벽하다고 생각 했으므로 여기에 있습니다 그것에 대한 간단한 이야기를 소개하겠습니다 10 명의 사람들이 하나의 커다란 저택 만 가지고있는 고립 된 섬에옵니다

이 사람들은 실제로 큰 비밀을 가지고 있습니다 갑자기 알려지지 않은 사람이 자신의 비밀을 드러낸다 그 미지의 사람이 그 사람들을 하나씩 살해하기 시작합니다 나머지 사람들은 큰 두려움에 사로 잡혀 있습니다 이번 여름에이 책을 추천하고 싶은 이유는 먼저이 사건은 8 월에 섬을들입니다

8 월 8 일,이 이야기의 첫날입니다 여름에 관해서, 나는 보통 바다, 바다 또는 섬을 그렇게 생각합니다 물론 이것들은 여름에 관한 모든 것이 아니며, 그러나 아직도, 나는 그 것들이 여름의 대표 장소라고 생각합니다 이 책은 고립 된 섬에서 일어난 살인 사건에 관한 책입니다 그 특정 날짜 8 월 8 일 때문에, 나는이 책이 여름과 잘 어울린다고 생각했다

둘째, 쉽게 읽을 수 있습니다 나는 너에 관해 모른다 그러나 나는 개인적으로 휴일에 어렵거나 우울한 책을 선호하지 않는다 나는 또한 사회 문제에 관해 이야기하는 논픽션 책이나 저와 함께 무언가를 휴가로 가져 오지 않습니다 대신, 나는 쉬운 독서 책을 선호한다

그리고이 책은 그 종류의 책 중 하나입니다 그것은 수수께끼의 소설이지만 트릭은 이해하기가 그렇게 복잡하지는 않습니다 그래서 나는 그것이 멋지다라고 생각한다 그리고 무엇보다도, 그것은 많은 재미를 가지고 있습니다 이 비디오의 가장 큰 이유 : D 분명히 당신은 지루한 책을 가지고 휴가를 보내고 싶지 않습니다

그래서 휴가를위한 독서에 관해서, 나는 많은 재미가있는 것처럼 보이는 책을 집어 든다 그리고이 책은 놀랍습니다 이 이야기에는 매우 무서운 노래와 10 개의 작은 인형이 있습니다 살인과 관련이 있습니다 그리고 한 사람이 죽으면 인형 중 하나가 사라집니다 이 책에는 끝날 때까지 많은 cliffhangers가 있습니다

그리고 그것은 나를 그렇게 흥분하게했다 또한 각 장의 끝 부분에있는 몇 줄의 글은 글자 그대로 저에게 오한을주었습니다 이 책을 휴가로 가져 오면, 나는 진짜 범인이 누구인지 궁금해하기 때문에이 책을 읽으면 밤새도록 머물게 될 것입니다 이런 이유로 나는이 책을 너희들에게 권하고 싶다 나를 위해 Agatha christie의 책을 읽은 것은 처음이었습니다

그리고 그것은 훌륭한 독서 경험이었습니다 나는이 느낌과 그것이 가지고있는 모든 cliffhangers을 좋아한다 그리고 나는 이런 종류의 책들이 끓는 더운 여름에 완벽하다고 생각합니다 실제로, 나는 여름 (또는 다른 절기)에있는 많은 신비 소설을 읽지 않는다 그러나이 책은 완벽합니다

나는 이것을 매우 추천한다 나는이 비디오를 마무리 한 직후에 촬영하고 있습니다 왜냐하면이 비디오를 빨리 보여주고 싶기 때문입니다 그게 너와 나눠주고 싶은 모든 것이 었어 이 비디오를 시청 해 주셔서 감사합니다

그리고 다음에 너희들을 만난다 안녕!