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!

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

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

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

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

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

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

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

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

The Halite Global AI Programming Competition in Google Cloud (Cloud Next ’18)

[음악 재생] ELSIE KENYON : 안녕하세요 제 이름은 엘시 케년이에요, 오늘 여기 와서 기쁩니다

Two Sigma의 동료들과 이제 Two Sigma는 투자 관리자입니다 데이터 과학 및 기술 적용 세계 금융 시장에서 가치를 발견 할 수 있습니다 그런데 왜 우리가 오늘 게임에 관해서 이야기 할 의향이 있습니까? 음, 두 시그마의 17 년 문화 역사에서, 많은 성공적인 내부 과제가있었습니다 게임을 중심으로 조직되었습니다 에어 하키 로봇의 YouTube 동영상을 보셨을 것입니다

경쟁 우리는이 게임들, 특히 페어 게임들 인간과 기계 – 새로운 기술을 적용 할 수있는 정말 독특한 기회입니다 어려운 도전들 2 년 전, 두 명의 시그마 인턴 인 벤과 마이클이 여기에 있습니다 오늘, 완전히 새로운 게임 인 Halite를 만들었습니다

플레이어가 게임을하는 봇을 만듭니다 Halite 인공 지능 공모전 2 시그마 안에서 그렇게 성공했다 전 세계적으로 경쟁을 열었습니다 오픈 소스 코드베이스, 그리고 프로세스를 반복 내년에는 아주 새로운 게임이 있습니다 이번 가을에 제 3 회 연례 할로 라이트 인공위성 정보 경쟁

지금까지, 수천 명의 선수가있었습니다 Halite를 해본 100여 개국에서 이 선수가 제출 한 봇은 20 개 이상의 다른 언어로 작성 수백만 게임을 해왔다 이제, 한편으로는 글로벌 프로그래밍 경쟁 시그마 (Sigma)를 식별 할 수있는 새로운 출처를 제공했습니다 강한 재능이지만 더 강한 약속이있다 Halite 이 Halite II 리더 보드의 맨 위에는 당신은 전문가, 대학생, 심지어 4 학년 때의 고등학생도 포함됩니다

우리는 모든 연령대의 플레이어와 경험 수준이 종사하는 것을 보았습니다 고급 알고리즘, 인공 지능 및 기계로 이 몰입 형 게임을 통해 독자적으로 학습 그리고 서로 이것은 Halite I입니다 게임의 규칙 단락에서 설명 할 수 있지만 게임 분기 (branching) 요소가 이동 (Go) 게임보다 몇 배나 큽니다 그것은 많은 전략이있는 자유로운 환경입니다

성공할 수 있습니다 이 실험실 같은 성질은 특징입니다 당신이 더 이해할 수있는 Halite 벤과 마이클이 게임 역사상 Halite를 상황화 한 것처럼 그리고 Halite의 발전을 인도하는 원칙을 공유하십시오 Halite를 실행하려면 상당한 백엔드 리소스가 필요합니다 Jack은 Google Cloud에서 Two Sigma를 사용하는 방법을 설명합니다

다운 타임없이 대규모 AI 경쟁을 수행 할 수 있습니다 우리는 AI에서이 시대를 위해 설계된 게임 Halite를 고려합니다 그리고이 기술 시대는 오늘 끝날 때까지 희망합니다 너도 그렇게 할거야 이제 저는 그것을 Michael과 Ben에게 넘겨 줄 것입니다

고마워 고마워, 엘시 다시 한 번 승인 그래서 우리는 Halite 게임에 대해 조금 이야기 할 것입니다

전임자, 과정, 원리, 그리고 모든 것 그것의 우리는 소개로 시작하고 싶다 게임의 진화와 방법 Halite는 그 역사에 부합합니다 아시다시피 모든 프레젠테이션은 귀엽습니다 성공할 고양이 사진 – 여기 있습니다 – 그러나 그것은 또한 프리젠 테이션을위한 실제 의미를 가지고 있습니다

너무 우리는 종종 게임을 고유하게 개념화한다고 생각합니다 인간의 일이지만, 그렇지 않습니다 우리는 항상 동물과 함께 게임을 봅니다 여기,이 새끼들은 레슬링 레슬링입니다

그래서 그들은 나중에 인생에서 진짜로 씨름해야 할 때, 그들은 준비가 될거야 우리는 이것이 게임의 중요한 사용으로 이어질 것이라고 생각합니다 저것은 실제로, 하나의 관점에서 볼 때, 하나의 렌즈 아래에서, 게임에 대한 학습은 매우 중요합니다 새로운 전략과 아이디어를 시도 할 수있는 낮은 위험, 탐구하고 기술을 연마하면 실제로 중요 할 때, 너 준비 될거야 그리고 그 스레드에서 계속 조금씩 오늘 머물러있는 초기 전략 게임들에 대해서, 이집트 게임과 같은 이전 게임이 있습니다

이 게임에 선행하는 게임이지만 실제로 인기있는 남아 전략의 게임은 – 주로 이동 약 2,500 년 전에 시작된 체스 (chess) 약 1,000 년 후에 체스가됩니다 그리고이 게임의 핵심은, 그들의 시간에, 그들은 모두 학습을위한 이러한 도구로 간주되어 왔습니다 전략, 군 사령관으로서, 당신은 체스를 잘 할 것으로 기대됩니다 좋은 군대 지휘관에게 약간의 이전이 있다고 생각했습니다

그 (것)들 사이 기술의 그러나 또한, 우리는 게임이 그들 자신의 것으로 온다고 봅니다 예술의 한 형태로 우리는 게임이라는 것이 예술이라고 생각할지도 모릅니다 매우 현대적입니다

이제 우리는 모든 종류의 비디오 게임을 가지고 있습니다 예술적이며 어떤 이야기와 모든 것을 통해 당신을 데려갑니다 실제로, 이것은 시작된 것입니다 이 게임은 훨씬 이전이었습니다 그래, 그럼 게임과 기계의 역사 확실히 인간의 역사보다 훨씬 짧습니다

게임 약 50 년 대 수천 년입니다 그럼에도 불구하고 그것은 치밀한 역사이다 그리고 그것은 주로 박동하는 기계로 이루어져 있습니다 인간은 자신의 게임에서

유명한 예가 딥 블루가 초인간파가되는 것입니다 체스에서, 그리고 최근 AlphaGo 이세돌을 때리고, 아마 스타 크래프트의 Dota 2 각각 열린 AI와 DeepMind에 의해 패배 할 것입니다 하지만 우리가 Halite에 정말로 관심이있는 것은 이 경쟁을 구축함에있어 인간의 가장 좋은 부분과 기계의 가장 좋은 부분 모두 우리는 인간이 어디에 있는지 게임을 디자인하고 싶습니다 전략을 생각해 볼 필요가있다

규칙을 생각해보고, 게임 로직을 생각해보고, 그리고 그들의 봇들에 의해 잘 실행되는 시스템을 설계하십시오 벤 그래 나는 종종 개념이 있다고 생각한다 인간에 대한 적대감의 종류로서의 AI의 진보에 대해, 좋아, 좋아

그건 또 다른 문제 야 그 기계는 인간보다 낫다 Skynet 언제 오는거야? 그러나 우리는 그렇게 보지 못합니다 그렇게 그럴 수밖에없는 이유는 없습니다 사람이 쉽게 미래를 상상할 수 있습니다

같은 게임에 기계가 공존한다 서로 다른 방법으로 함께 배우십시오 우리는 그 전망에 흥분하고 있습니다 그래서, 우리는 먼저 몇 가지에 대해 간단히 이야기 할 것입니다 Halite의 전임자 중에서 Halite 게임에 참여하고, 그 뒤에있는 원칙에 대해 이야기하십시오

그럼, 우리는 다중 에이전트 프로그래밍에서 시작합니다 경연 대회, 매년 열리는 대회입니다 2005 년 경부터 운영됩니다 그리고 이것이 실제로 추가하는 중요한 공헌은, 우리는 테이블에 다중 에이전트 측면이라고 생각합니다 한 번에 여러 에이전트를 관리 할 때, 사람이 사용해야하는 기술의 종류 하나의 에이전트 일 때와 매우 다릅니다

단일 에이전트, 매우 제한된 수의 조치, 꽤 잘하는 것은 보통 꽤 쉽습니다 몬테 카를로 (Monte Carlo) 또는 미니 맥스 (Minimax)와 같은 방법으로 평가 기능의 일부 종류는 배웠거나 하드 코딩되었습니다 하지만 더 많은 요원이있는 상태 공간을 폭발 시키면, 사람이 사용해야하는 기술은 매우 달라집니다 멀티 에이전트 프로그래밍 콘테스트가 실제로이를 열었습니다 마이클 : 그리고이 게임들 인간이 바닐라 방식으로 게임하는 것은 매우 어렵습니다

그들이 가이드 할 수있는 경험적 방법을 쓰지 않는 한 게임을 통해, 또는 집행 인 상자를 작성하거나, 그들은 본질적으로 누가 게임에서 이기고 있는지 평가할 수 없습니다 그들이 무엇을해야하는지 결정하십시오 벤 그래 그리고 사실 멀티 에이전트의 성격에 관한 마지막 요점은 – 인간이 놀기가 어렵다는 사실 교육적 측면에서도 큰 동기 부여가된다

이 게임들 중 어릴 때 누군가 진짜로 얻도록 격려하려는 경우 프로그래밍에 관심이 있습니다 좋아,이게 무슨 요점이야, 왜 내가 신경 쓰냐, 이런 종류의 게임을 보게하는 것 실제로 효과적으로 재생할 수 없다는 점 그러나 재미있어 보이고 그들이 놀고 싶어 할지도 모른다 그 다음에는 컴퓨터를 통한이 길은 실제로 효과적인 가르침입니다 도구, 그래서 이것에서 나오는 또 다른 문제입니다

마이클 : 네 Halite의 두 번째 전임자는 Arimaa Challenge입니다 명시 적으로 만들어진 체스의 파생물입니다 인공 지능을 게임하는 데 어려움이 있습니다 인간이 실제로 있었기 때문에 정말 인상적입니다

2015 년까지이 게임의 최고 선수들, 게임이 꽤 간단하더라도 상태 공간은 꽤 작습니다 한 턴에 한 번만 움직입니다 그러나 여전히 이사회를 평가하는 것은 컴퓨터에 매우 힘듭니다 그래서 우리는 우리가 생각한 것을 좋아합니다

아리마의 어려움과 정신 착란 둘 다 Halite 제작에 벤 그래 아마 가장 직접적인 영적 전임자 인 Halite UWaterloo 및 Google AI Challenge입니다 이것은 개미 경쟁이었습니다

그 세 번째이자 마지막 해 그리고 이것은 이전의 다중 에이전트를 취한 것입니다 대회를 열었고 완전히 열었습니다 대규모 온라인 스케일로 이제는 수천 명의 사용자가 있지만 일반적으로 프로그래밍 콘테스트는 마치 여러분이 메일 링리스트에 올라있는 것과 같았습니다 그들은 그것을 밖으로 보내고, 당신은 그것이 일종의 멋지다고 생각합니다

당신은 한 달 동안 그것을 개발하고, 당신은 몇몇 회의에 복종하고, 그들은 그들을 순위지었습니다 모든 측면에서 뭔가 또는 다른 목록에 있습니다 이제 수천 명의 플레이어와 소통 할 수 있습니다 그리고 중요한 공헌은 실시간 리더 보드입니다 인공 지능 도전에서, 그리고 이것은 무엇이 교육 도구가 될 수 있도록 개별적인 학자 몇 명을 훨씬 넘어 광범위하게 확장됩니다

결국 Vindinium, 우리 전임자 중 마지막 사람 우리가 언급 할 것입니다 그것은 또한 Halite I, 그래서 그 요소도 있습니다 그리고 Vindinium에 관한 정말 멋진 것들 중 하나 – 싱글 에이전트 게임이긴하지만 Halite와는 다르다 여러 가지 방법으로 – 핵심적인 인프라 차이가 많이 있습니다 정말 멋진 영상입니다

너는 그것을 본다 그리고 너는 흥미가있어, 너는 무슨 일이 일어나고 있는지 알고 싶어한다 스프라이트가 주위를 돌아 다니고 있습니다 매우 매력적입니다 네, 우리는 Halite를 만들 때, 우리는이 4 가지 게임 모두에서 뭔가를 가져 왔습니다

다중 에이전트 프로그래밍 경쟁에서, 우리는 Arimaa에서 멀티 – 에이전트 게임의 장르를 취했고, 우리는 AI 챌린지에서 게임의 어려움을 겪었습니다 우리는 지속적인 글로벌 리더 보드를 차지했습니다 Vindinium에서 우리는 시각적 호소력과 주제를 취했습니다 그리고 이것은 Halite에 대한 우리의 묘사를 멋지게 이끌어냅니다 I와 Halite II

벤 그래 그래서 우리는 Halite I로 시작할 것입니다 2016 년에서 2017 년 사이에 실행되었습니다 MICHAEL : 약 1,600 명의 사용자가있었습니다

3 개월 동안 벤 : 그리고 우리는 [INAUDIBLE], 그리고 나는 그들을 꺼내 줄거야 그래서, 우리는 그것의 규칙으로 시작할 것입니다, 단지 그들에 대한 일반적인 개관을하기 위해서입니다 여기 당신이 가진 것은 세 가지 선수들입니다 이지도에서이 2D 그리드와 각 전체지도를 인계 할 목적을 가지고 있습니다 플레이어는 각 조각을 위로 움직이고 있으며, 아래로, 왼쪽으로 또는 오른쪽으로, 또는 그것을 계속 말하라

그들이 여전히 남아있을 때 조각들이 자랍니다 당신은 사각형의 크기가 커짐에 따라 그것을 볼 수 있습니다 그리고 그들이 상대방과 상호 작용할 때, 그들은 싸우고 수축합니다 그래서 우선, 당신은 즉시 이 추상적 인 디자인을 주목하십시오 그것은 매우 수학적이고 기하학적입니다

실제로, 어떤 주제에 대해서도 유일한 실제 연결입니다 무엇보다도 Halite라는 이름입니다 할로 라이트라는 이름은 이 입방 결정들이 성장하는 것처럼 보였다 우리가 생각한 비유 중 하나였습니다 그러나 이것의 두 가지 중요한 측면 – 우리에게는 정말 간단한 규칙과 명령이 있습니다 기본적으로 모든 규칙을 들었을뿐입니다 그다지 그다지 중요하지 않습니다

단락 아래에서 쉽게 설명 할 수 있습니다 그리고 또한 명령들 – 여러 가지 유형의 단위 또는 기타 항목이 없기 때문에, 당신은 당신의 조각에게 어디로 가야하는지 말하고 있습니다 시작하는 것은 정말 쉽습니다 이것의 부작용은 매우 깨끗한 API를 가지고 있다는 것입니다 프로그래밍 용

말 그대로 파이썬 봇을 가질 수 있습니다 파이썬에 대한 이야기입니다 또한 개별 그리드 공간이 있습니다 이것은 매우 초보자 쉽게 배열은 자연스러운 프로그래밍 도구이기 때문에 함께 일해 그리고 마지막으로, 우리는 그것의 창 발적인 행동을 가지고 있습니다

그러나 규칙이 간단하더라도, 이 게임에서 할 일이 많이 있습니다 전투 최적화 작업에서부터 언제 당신이 당신의 조각을 키우거나 그들을 움직이기를 원하는지 결정하는 것, 또는 귀하의 모든 조각의 교통 통제를하고, 확장 할시기를 결정할 때 너의 영토 대 상대를 공격하라 새로운 영토를 정복하십시오 모든 문제가 따로있다 이 모든 것은이 아주 간단한 규칙에서 비롯된 것입니다

이것이 바로이 게임을 매우 독특하고 흥미롭게 만드는 요인입니다 네, 그리고 우리가이 게임들을 디자인 할 때, 우리는 선수들이 서로 놀고 싶어한다고 말하고 싶다 게임을하지 않을 것입니다 규칙 세트를 단순하게 만들 때, 당신이 무리와 함께 비 대한 게임을하고 있지 않을 때 장애물, 많은 건설 문제 선수들이 빠져 나갈 수 있도록, 당신은 열어 둡니다 다른 플레이어들에게 응답 할 수있는 가능성 그리고 이러한 좋은 응급 행동을하는 것

그래서 이것은 우리를 Halite II로 데려옵니다 작년에 뛰었 어 6,000 명이 넘는 사용자가있었습니다 그리고이 게임은 크게 이와 같이 작동합니다 당신은 함대의 함대 사령관이었습니다

모든 방향에서, 당신은 당신의 모든 배를 보았습니다, 그리고 당신은 각각의 속도를 설정합니다 또한 우주선은 연속적인 공간 안에 존재합니다 운동 움직이는 것 외에도 배는 두 가지 일을 할 수 있습니다 그들은 행성과 행성에 도킹 할 수 있습니다

수에 비례하여 더 많은 선박을 생산한다 행성에 도킹 된 우주선의 다른 배들과 싸우십시오 이렇게 느슨하게, 2 개의 배가 특정 반지름 안에있을 때, 그들은 자동적으로 서로를 공격 할 것입니다 그래서 게임은 여러면에서, Halite I에 대한 답변 다른 종류의 게임 디자인 메 커닉을 시험해보기 위해, 그 중 하나는 그것이 존재한다는 것입니다

연속적인 운동 공간 안에서 그리고이 장점은 사용자가 더 많은 솔루션을 가지고 있다는 것입니다 그들은 밖으로 시도 할 수 있습니다 전투 코드와 탐색은 실제로 이 때문에 더 복잡해질 것입니다 단점은 프로그래밍 방식으로, API 측면에서 보면 더 어렵습니다

초보자에게는 더 나빠요 그래서이 때문에 우리는 실제로 아마도 Halite III에서 그리드로 복귀 할 것입니다 가을에 나올 것이고, 그리고 당신은 haliteio에 가입해야합니다 예, 또한 전투는 Halite II에서 훨씬 어려웠습니다

Halite I에서는 매우 지역적이었습니다 조각을 다른 것으로 옮기면 싸웠습니다 그러나 Halite II에서는 전역 최적화를 수행해야했습니다 제대로 전투를 할 수 있습니다 실제로 플레이어는 몰려 들었다

그것은 당신이 함께 모여있는 선박 그룹을 가지고있을 때입니다 그들은 외로운 배를 독점합니다 그들은 그들을 둘러싸고 배를 파괴합니다 그리고 나서 꽤 명백한 변화 Halite I과 Halite II 사이에는 이제 테마가 있습니다 우리는 실제로이 사실을 우주 전쟁에 묶고 있습니다

거기에는 몇 가지 장점이 있습니다 하나, 아마도 당신 모두에게 더 쉽습니다 그냥 두 게임을보고, 그들이 무엇인지 알고, 무엇이 이해되는지 Halite II에서 일어나는 일 Halite에서 일어난 일입니다 당신은 우주선을보고, 당신은 행성을보고, 너는 공간을 본다 그 때문에 우리는 실제로 좀 더 복잡한 규칙으로 벗어나십시오

왜냐하면 당신이 실제로 어떻게 육체 운동이 작품, 당신이 우주선의 숭고한, 그것은 수학적으로 꽤 복잡합니다 그러나 인간은 그것이 어떻게 작동하는지 이해합니다 그들은 그 직감으로 그것에 들어갑니다 우리는 더 재미있는 게임으로 도망 갈 수 있습니다 그리고 마지막으로, 우리가 Halite II로 한 중요한 일 우리는 AI 프로그래머를 없애거나 프로그래머 배우기, 변명 만하다

좋은 봇을 쓰지 않기 위해서 즉, GPU를 제공했습니다 따라서 우리 서버에는 기본적으로 컴퓨팅 그들은 거대한 길쌈을 실행해야합니다 [필요하지 않은] 네트워크 또는 원하는 RL 시스템, 우리는 플레이어들이 매우 멋진 방법으로 그것을 사용하는 것을 보았습니다 그리고, 네, 그래서 이것은 우리를 – 우리는이 게임을 어떻게 설계했는지 느슨하게 설명 할 것입니다

몇 가지 원칙을 살펴보십시오 BEN : 네, 원칙부터 시작하겠습니다 따라서이 게임의 첫 번째 원칙 그들은 단순해야만합니다 인터넷에서 할 수있는 일은 10,000 가지가 있습니다 왜 Halite를해야합니까? Halite를해야하고 규칙이 복잡하더라도, 우리가 당신에게 Halite를하도록 설득하는 것은 정말로 어렵습니다

학습에 2 시간을 소비해야한다면 정말 복잡한 규칙들에 대한 내용들입니다 그래서 우리는 이것에 관해서 Go의 게임에서 영감을 얻었습니다 그것은 엄청나게 단순한 규칙들입니다 함께 작업 할 수는 있지만 믿기 어려울 정도로 수천년 이상 동안 도전적이고 흥미 롭습니다 우리는 정말 그런 것을 모방하고 싶었습니다

단순함의 또 다른 부작용 당신이 빨리 계산할 수있는 게임을 얻는다는 것입니다 보통은 음, 그것은 여러 가지 이유로 유리합니다

첫째, 우리는 수천만 우리 서버에있는 게임들 빠른 계산은 우리의 비용을 낮추며 좋은 결과를 가져옵니다 또한 봇 개발자도 쉽게 사용할 수 있습니다 그들이 로컬에서 테스트하고 봇에서 작업 할 때, 자신의 로봇 사이에서 100 개의 게임을 정말 빨리 돌릴 수 있다면, 그것은 반복하기가 훨씬 쉬워졌고, 우리는 더 좋고, 더 흥미로운 제출물을 얻습니다 경쟁이 끝날 때까지 두 번째 원칙은 이러한 게임이 매우 시각적이어야한다는 것입니다

우리는 어두운 배경에이 밝은 색상을 좋아합니다 그게 튀어 나옵니다 눈을 사로 잡는 움직임이 있습니다 너를 끌어 들인다 그리고 이것은 다시 양 측면으로 연결됩니다

우리가 어떻게 너를 끌어들일 것인가? 너 머물게 만들거야? 사람들이 봇을 개발할 때, 그들은 보통 수백 개의 게임을보고 있습니다 그것의 과정에, 아마 수천, 그들이 개발하면서 다른 사람들의 전략을 본다 등등 그리고 볼 때 재미가 없다면 참여하고 싶지 않을 것입니다 마지막으로, 교육 측면에서도 도움이됩니다

그것은 그것을 많이 만든다 특히 젊은 학생들은 훨씬 더 신경 써야합니다 이 점에 관해서는 훨씬 더 그들을 그리는 데 도움이됩니다 게임을 해결하기 어려워 야합니다 tic-tac-toe는 그렇지 않다는 것을 분명히해야합니다

AI 인공 지능 경쟁 게임을 만들지 않기 때문에 누군가가 알아낼 때까지 아주 오래 지배적 인 전략 그리고 이런 식으로 우리가 함께 일하는 게임 해결하기 어려울뿐만 아니라, 그러나 그들은 또한 해결 불가능한 것 이상이어야합니다 그래서 누군가가 할 수있는 부분에는 항상 많은 공간이 있습니다 당신은 일종의 점근 적 행동을 원하지 않습니다 당신이 정말로 최적의 전략에 가깝게 접근 할 수있게합니다

우리가 이것을 달성하는 방법 중 하나는 적어도 부분적으로는, 엄청난 행동 공간을 갖는 것입니다 표준 Halite 위치에 대한 별개의 이동 세트 수 할 라이트에서 나는 10 분의 1 정도였습니다 그것과 300을 Go와 비교하십시오 300에 10이 아니라 300에요? 많이 있습니다 몬테 카를로는 당신이 가지고있을 때 다루기가 힘듭니다

이 투명한 수의 움직임 그리고 마지막으로, 대부분의 비정질 – 나는이 애니메이션을 좋아한다 게임에서 마지막으로 가장 비약적인 요소 그것은 다차원 적이어야한다는 것입니다 다른 것들이 많이 있어야합니다 게임에서 할 수 있도록, 개발자로서, 니가 결정 해, 좋아

말하자면 전투 최적화 요소와 함께 할 수 있습니다 – 나는 다음에해야할 일을 모른다 그것이 게임에 전부 있다면, 당신은 좌절하고 아마 멈출 것입니다 그러나 우리는 당신이 말하기를 원합니다, 오,하지만 저는 다음 일을 가지고 있습니다 행성 선택 그게 내가해야 할 일 중 하나 다

또는 누가 무엇을 알고 있는지 하지만 최소한 5 ~ 6 가지가있는 한 함께 작업하기 위해서는 상위 레벨에서 더 흥미롭게 만듭니다 그렇다면 최고의 선수들 사이에 차별화가 있습니다 그래서 몇몇 봇은 다른 종류의 것들에 능숙합니다 그리고 심지어 더 나아졌습니다

새로운 개발자, 그저 뭔가를위한 것입니다 언제나 그렇다면이 게임을 어떻게 설계할까요? 글쎄, 우리가 집중하고자하는 첫 번째 일 정말로 반복적이라는 사실입니다 우리는이 게임을 처음으로 올바르게 만드는 법을 모릅니다 대부분의 게임은 우리의 요구 사항 중 하나 또는 두 가지를 만족시킬 것이며, 그러나 그들 중 아주 적은, 3 개 또는 4 개, 거의 게임이 없다

우리가 원하는 모든 것을 만족 시키십시오 왼쪽에서 보는 것은 가장 오래된 이미지입니다 나는 Halite I 개발 노트북을 가지고 있는데, 그 다음 오른쪽의 실제 Halite I 게임을 마쳤습니다 그리고 내가 바라는 것은 둘 사이의 유사점입니다 공간과 같은 그리드와 공백 – 뿐만 아니라 차이

지도의 크기가 매우 다릅니다 내부적으로 볼 수없는 규칙은 다릅니다 그리고 두세 개의 게임이 있습니다 왼쪽에서 오른쪽으로 우리를 데려 간다 네

우리가 진정으로 줄이려고 시도하는 다음 일 일단 우리가 규칙의 기본 세트를 결정했습니다 이러한 게임 우리가 최선을 다해 노력하고, 단위 유형 및 상수의 수를 줄이기 위해 게임에서 정의에 따라, 당신이 게임의 단위 유형이 많고, 규칙의 길이 거대한 될 것입니다 플레이어는 기술을 암기해야합니다 나무 또는 군인 대 노동자의 능력 클래스, 등등 그리고 그것은 멋지다

그것은 특정 인구 통계에 호소합니다 그러나 예를 들어, MIT 배틀 코드 (MIT Battle Code) 이 유닛을 이용하는 게임 출시 많은 성공을위한 유형 분류 그리고 그들의 인구 통계학은 그것을 정말로 좋아합니다 그들은 긴 페이지 사양을 통해 수색을 즐긴다 밸런싱에서 그 하나의 구멍을 찾으려고 노력 중입니다

그래서 그들은 지배적 인 전략을 쓸 수 있습니다 그러나 그것은 단지 우리가 Halite와 함께하려고하는 것이 아닙니다 Halite가 모든 프로그래머에게 폭넓게 적용되기를 바랍니다 인터넷에서 두 명 후에 로봇을 쓸 수 있기를 바랍니다

몇 분만에 API를보고 게임 규칙을 살펴 보았습니다 그래서 우리는 그것을 실제로 시도하고 저감합니다 벤 : 이것도 제 생각 엔 테마와 관련이 있습니다 선수가 서로 대결하는 게임보다는 우리는 그것이 스펙을 통해 읽는 것에 관한 것이라 생각합니다

게임이 무엇인지를 이해하려고 노력합니다 그리고 게임 밸런싱을위한 결함을 어떻게 가장 잘 사용하는지, 그러면 우리는 당신이 훨씬 더 많은 것처럼 느낍니다 너보다 게임에 맞춰 놀아 다른 선수들에 대한 것이다 게임은 훨씬 더 흥미 롭습니다

플레이어가 상호 작용하는 방식을보고있을 때 우리는 나중에 조금씩 볼 것입니다 우리 게임 이론 섹션에서 이 게임은 실제로 플레이어를위한 매체입니다 실제로 상호 작용하고 서로에게서 배울 수 있습니다 권리? 네

BEN : 그것은 긴급한 행동에 이르게합니다 이것은 사실 사실에서 오는 자연스러운 것입니다 우리는 게임이 단순하고, 해결하기가 어려우며, 다차원 기본적으로 해결하기 어렵고 다차원 적입니다 당신이 뚜렷하고 복잡한 행동을 많이해야한다는 것을 의미합니다 그것은 그것에서 나온다

그러나 그것이 단순하기 때문에 아직, 복잡한 규칙을 많이 작성할 수는 없습니다 그래서 이것에 대한 유일한 해결책은 간단한 규칙이 있다는 것입니다 그 단순한 규칙들로부터 이러한 복잡한 행동들이 나온다 우리가 가진 것, 당신이보고있는 것 어떤 출발 상태 인 Conway의 Game of Life입니다 모르는 사람들을 위해 Conway 's Game of Life 기본적으로 셀룰러 오토마타입니다

각 셀의 상태 이웃 국가에만 의존한다 규칙은 세 가지 핵심 요소로 설명 할 수 있습니다 엄청나게 간단합니다 그러나이 단순한 규칙들로부터 온 것은 모두 이 복잡한 행동들, 당신이 가지고있는 것 – 왼쪽에, 글라이더 건 (Glider Guns)을 볼 수 있습니다 이 무한한 글라이더를 생산하고 있습니다

그리고이 모든기구는 무언가입니다 무한한 스트림을 생산하는 브리더 (Breeder)라고 불리는 이 글라이더 총 사람들은 심지어 전체 튜링 기계를 만들었습니다 Conway의 Game of Life에서 당신에게 수준을 보여줍니다 그것과 관련된 복잡성

그래서 우리는 그 사실에 고무되어있었습니다 우리는 Halite I로 그런 종류의 출현을 재현하고 싶었습니다 하지만이 동전의 두 번째면이 있습니다 당신이 디자인하려고하는 행동 정의에 따르면, 당신은 그들을 이해할 수 없다 그것을 구성 조각들로 분해함으로써

그래서 우리가 아는 한, 이것에 대한 유일한 해결책 놀이 테스트입니다 우리는 게임을 만들고, 우리는 사물의 종류를 봅니다 우리가 효과적 일 것으로 기대하는 것은 그러지 말아야 할 것이 아니라, 모든 일이 이루어 지도록하십시오 누구든지이 일을하는 더 좋은 방법을 알고 있다면, 이야기가 끝난 후 저를 만나러 오십시오 나는 알고 싶다

결국 목표로 삼는 통계로 우리를 데려 갈 것입니다 이것은 내 생각에, 이것의 하위 지점에 불과합니다 종종이 게임들로, 우리가 시도 할 때 – 우리는 대부분의 게임을 알아 냈습니다 우리는 특정 매개 변수를 조정하기를 원합니다 가능한 한 흥미롭게 만드십시오

통계를 수집하기도합니다 게임을 더 잘 이해하는 데 사용할 수 있습니다 그래서 지금 여기서보고있는 것, 우리는 경제학 분야와 공동으로 선택했습니다 통계적 방법 인 지니 계수 불평등의 시도해보기 위해 Halite지도에 적용했습니다

Halite지도의 제작물이 어떻게 배포되는지 알아 내야합니다 이렇게하면 기본적으로이 배포판을 만들 수 있습니다 대부분의지도가 대략적으로 그들을 통한 생산 분배의이 수준, 그러나 이런 종류의 차이도 있습니다 우리에게 이것은 좋은 종류의 배포판입니다 그것은 초보자에게, 당신은 대부분 그 배포판의 외부를 무시할 수 있습니다

내가 대략 거칠게 쓰는 대부분의 게임을 말할 수 있습니다 이런 종류의 수학,이 거친 수준에서 일해라 분포의 그러나 그것도 밖에서, 다양한지도의 다양한 그 빈도는 줄어들지 만 정말 재미있는 게임을 만든다 가끔씩

그래서 우리는 우리가하는 게임이 만드는 것은 정말로 흥미 롭습니다 네 이제 우리는 벤 : 클릭하십시오 MICHAEL : 두 명의 clickers 이제 우리는 광범위한 범주로 이야기 할 것입니다 솔루션, 흥미로운 솔루션 우리 참가자가 Halite I과 Halite II를 위해 만들었습니다 나는 이것이 언급 할 좋은 지적이라고 생각한다

Ben and I, 우리는 인공 지능이 깊은 학습 이상의 것을 포괄한다고 생각합니다 훨씬 더 흥미로운 기법이 있습니다 휴리스틱 기반 모델 및 게임 이론 사용 깊은 학습이라는 문제를 풀기 위해 해결하려고 노력합니다 벤 : 맞아 그리고 기록을 위해 우리는 깊은 학습을 좋아합니다

놀라운 연구가 많이 있습니다 그것은 최근에 나온 것입니다 툴박스의 도구라고 생각합니다 많은 사용자들이 프로그래밍에 익숙하지 않습니다 그 대다수는 3 년 미만 경험의

그래서 우리는 우리가 모든 종류의 다른 사용자가 아니라 깊은 배움에 관심이 있습니다 네 그리고 가장 널리 퍼진 솔루션 카테고리 Halite I 및 Halite II는 단순히 경험적 봇일뿐입니다 휴리스틱 한 봇은 그것이 전부입니다 손으로 코딩 한 논리, 손으로 코딩 한 전략 Halite I 및 Halite II 게임을 즐기십시오

그리고 휴리스틱의 한 예 가장 높은 생산 구역으로 가고 있습니다 실제로 여기에 표시됩니다 그래서 Ben이 전에 언급 한 생산 지니 계수에 대한 이야기는 다음과 같습니다 : 나는 네가 여기서 그것을 얼마나 잘 볼 수 있는지 모른다 하지만이 비주얼 라이저의 백 쉐이드입니다 그래서이 노란색 플레이어가 갈 지역이 높은 생산 구역입니다

그리고 Halite 게임이 시작될 때, 해당 영역으로 터널링 한 다음 시작합니다 확장하여 생산 속도를 높일 수 있습니다 그리고 경험적 봇은 우리에게 흥미 롭습니다 두 가지 이유가 있습니다 하나, 그들은 정말로 민주적입니다

그들은 정말 간단합니다 온건 한 프로그래밍 기술을 가진 사람 이 봇을 작성할 수 있습니다 그것은 단순한 논리입니다 그리고 두 번째 요점은 인간이 실제로 전략을 통해 생각해보십시오 우리의 인간과 컴퓨터로 게임을 만드는 방법

몬테 카를로 나무 같은 것을 사용할 때 일반적으로 모든 게임에 적용되는 당신은 그 게임의 특성을 생각하지 않고 있습니다 그 해머를 적용하는 것뿐입니다 도구 상자에서 게임으로 이동합니다 그리고 깊은 학습에도 똑같이 적용됩니다 하지만 경험적 봇을 사용하면 인간의 힘을 결합하고있다

그리고 기계의 힘 벤 : 이것도 제게 교육적인 측면과 관련이 있다고 생각합니다 그것의, 당신이 생각하게 강요함으로써 게임과 당신의 논리를 통해 논리의 효과는 봇의 플레이 방식에 달려 있습니다 게임, 우리는 이것이 정말로 중요한 단계라고 생각합니다 많은 젊은 프로그래머들에게 더 나은 방법을 가르쳐줍니다

실제로 시각적으로 볼 수있는 능력 변경 내용이 봇과 행동에 미치는 영향 믿을 수 없을만큼 가치있는 도구입니다 그렇게하는 것이 훨씬 더 효과적입니다 네 그리고 이것은 더 복잡한 발견 적 스키마입니다 Halite II

그래서 우리는 너무 자세히 설명하지 않을 것입니다 이것은 경쟁에서 상위 100 명의 선수로부터 나온 것입니다 그리고 넓게, 그가 한 일은 매 턴마다 그는 여기에 3D로 표시된 그라디언트를 계산했습니다 언덕과 골짜기와 함께 그리고 그의 함선마다 그가 한 일은 그는 그라디언트를 보았고 그는 우주선이 볼베어링을하는 방향으로 가도록했다

이 언덕들이 굴러 떨어지면 가라 그렇지? 그리고이 스키마의 전체 전략 몇 가지 설정 매개 변수로 인코딩됩니다 이 매개 변수는 내리막 길이나 오르막길의 측면에서 다양한 게임 개체가 그라데이션에 영향을 미칩니다 예를 들어, 조금 머물러 싶습니다

자신의 배에서, 아라파트에서의 친절한 배들 II 왜냐하면 당신이 당신의 배들과 충돌한다면, 그들은 제거되었습니다, 맞죠? 그리하여 그라디언트에 약간의 오르막 효과가 있습니다 벤 그래 우리는 기계를 활용하는 많은 선수가 있습니다

학습과 깊은 학습 여기에서 보는 것은 CNN의 다이어그램입니다 그것은 Halite I을 큰 효과를 내기 위해 사용되었습니다 이것은 사용자 jstaker7에서였습니다 그래서 특정 종류의 깊은 학습 방법 Halite, AlphaGo와 특히 잘 작동하지 않습니다

스타일과 몬테카를로 방법, 공간이 너무 커서 때문입니다 그러나 그들 중 많은 사람들이합니다 이 경우, 이것은 단순히 훈련 된 것입니다 상위 사용자 커플의 움직임 경쟁의 톱 20에 손을 대다 수천 명의 선수 중 그렇게 좋은 생각입니다

우리는 또한 선수들이 강화 학습을 사용하도록했습니다 매개 변수화 된 비 심층 모델의 정책 그라디언트 그것은 또한 꽤 좋은 효과에 사용되었습니다 상위 100 위 네

그리고 우리는 무슨 일이 일어나고 있는지에 대해 흥분하고 있습니다 특히 Halite III에서 계속 발생합니다 나는 우리가 생각하는 것을 제외하고는 너무 많이 말하지 않는다 약속이 많이 있다는 것 우리는 개인적으로 그것을 탐구 해왔다

깊은 학습 공간에서 Halite III로 할 수있는 일 마이클 : 그리고 마침내, Halite에 대한 멋진 것들 중 하나 그것은 우리가이 다차원 성에서 시도하고 구축했기 때문에, 거기 조각 수준에 국부적으로 놀이의 성분 둘 다있다, 또한 중요한 수준의 메타 게임이 분명히 있습니다 메타 플레이 그리고 실제로 Halite I에서 이것을 보았습니다 경쟁이 끝나면 매우 중요한 창 발 메타 게임에서의 행동은 무언가였습니다

비 공격성 협약 (Non-Agactression Pact)이라고 불렀다 그리고 그것은 근본적으로 단순한 암묵적 동맹이었습니다 게임에서 모든 플레이어 사이 당신이 동맹에 가입하면, 논리 당신이 당신의 봇에서 인코딩 한 것은 그들이 당신을 공격 할 때까지 다른 플레이어를 공격하지 않습니다 그리고 게임에서 여섯 명 중 다섯 명이 이 논리를 로봇에 넣으십시오

마지막 6 번째 플레이어는 다음과 같습니다 먼저 다섯 명 모두가 공격 할 것입니다 그리고 이것 때문에, 모든 선수들 게임 마지막 며칠 동안 리더 보드 상단에 자신의 봇에서이 로직을 인코딩했습니다 정말 폭발했다 벤

그래 우리에게는 매우 예상치 못한 일이었습니다 순위에 큰 변화가 있습니다 지난 며칠 동안, 특히 다음을 포함하여 우리의 최고 사용자, 아마도 상당히 그의 믿을 수 없을만큼 효과적인 취급의 영향을 받았다 이 전체 metagame

마이클 : 네 벤 그래 마지막으로 우리는 경쟁에 대해 이야기 할 것입니다 원칙

네 이것이 우리가 마음에 가지고가는 원칙입니다 우리는 Halite 게임을 둘러싼 경쟁을 구축하고 있습니다 우리의 학습 자원과 같은 것들, 우리의 웹 사이트, 우리의 포럼, 우리의 도구, 등등 그리고 이러한 원리 중 가장 중요한 것 매우 초보자 친화적 일 필요가 있다는 것입니다

강한 벤이 이전에 말했던 것처럼, 우리는 상대하고 있습니다 인터넷에있는 사람들과 그들은 1 분 길이의 집중력을 가지고 있습니다 그들은 Halite에 관심이 있어야합니다

단락에 대한 게임 규칙을 읽은 후 우리 도구를 보는 것, 맞죠? 우리가 만드는 한 가지 방법 선상 사람들에게 매우 마찰적이다 우리는 20 개 이상의 언어를 지원합니다 이들 대부분은 지역 사회에 의해 기부됩니다 그러나 그것은 여러분이 초심자이고 파이썬을 좋아한다면, 당신은 게임에 뛰어들 수 있지만 또한 너가 Rust 열광 자라면, 너는하지 않는다 Java의 성가신 문제를 해결해야합니다

그러나 또한 우리는 그녀의 다른 자원으로이 사실을 마음에 새깁니다 Halite III의 경우 웹에서 작업하고 있습니다 명령에 능숙하지 않은 사용자의 ID 라인 및 대화식 튜토리얼 경험담 그리고 우리가 마음에 두 번째로 가져가는 것 경쟁은 정말로 핵심입니다 따라서 우리는 이미 지속적인 리더 보드를 언급했습니다

그것은 Halite의 작동 방식의 핵심이며 우리는 그 중 가장 좋은 것 중 하나라고 사용자로부터 들었습니다 경쟁에 관한 것들 예를 들어, 거기에 보이는 세 번째 사용자, shummie, 600 bot을 제출 한 매우 열렬한 All-State 보험 계리장입니다 경쟁에 대한 최신 정보 그리고 우리의 중간 수준의 봇 제출은 매우 높았습니다

나는 그것이 약 20-Halite를위한 무엇인가이었다라고 생각한다 나는 중위 수준이었다 그래, 리더 보드에 많은 용도가있어 당신이 당신의 봇에 작은 변화를 줄 수 있기 때문에, 제출하고 몇 분 안에 너는 그 새로운 봇이 모두를 상대로 게임을하는 것을보고있다 그 외 리더 보드에 있습니다

매우 즉각적인 피드백입니다 그리고 공동의 공간을 만들어야합니다 종종 다른 봇 개발자가 도움을 줄 수 있기 때문에 온라인 사용자를 위해 사용자가 우리를 도울 수있는 것보다 낫다 왜냐하면 그들은 실제로 성가심, 좌절감, Halite에서 일하는 즐거움, 그리고 우리는 기존의 많은 우리가 그것을 만들었 기 때문에 경쟁에 대한 지식 우리가하는 한 가지 방법은 여기에 멋진 테마가 담긴 담론 포럼이 있습니다

이것은 많은 사용, 100 응답 길이의 쓰레드를 보았습니다 봇 전략에서부터 버그보고에 이르기까지 모든 것에 대해 커뮤니티가 개발 한 새로운 도구에 이르기까지 누군가가 제 3 자 사용자를 개발했습니다 많은 사용을 보인 Halite II의 매우 유명한 시각화 프로그램 포럼에 그리고 우리가하는 두 번째 일은 우리도 마찬가지입니다 많은 사람들이 사용하는 담화 채팅을하십시오

그리고 마지막으로, 우리가 다루고있는 것 우리가 정말로 가지고 있지 않은 Halite의 백 엔드에서 이 프리젠 테이션에서 많은 부분을 다루었습니다 하지만 우리는 열심히 엔지니어링 문제가 될 것입니다 왜냐하면 Halite II에는 약 6,500 명의 사용자가 있었기 때문에, 우리는 이러한 모든 사용자를 매우 신속하게 순위 지정해야합니다 그래서 우리는 수천만 건의 Halite 게임을 운영합니다 우리의 백 엔드에서 평생 동안이 모든 사용자를 순위 지정합니다

경쟁의 그래서 이것은 두 가지 이유 때문에 어렵습니다 첫째, 우리 서버에서 신뢰할 수없는 사용자 코드를 실행하고 있습니다 보안은 큰 문제입니다 그리고 또한, 이것은 축소 될 필요가 있습니다

우리는 게임을하지 않을 것입니다 수백만 게임에 대한 경쟁의 시작에서 경쟁이 끝난 1 주일 후에, 그래서 우리는 우리의 인프라가 완벽하게 확장 될 필요가 있습니다 우리의 수석 엔지니어 인 자크 (Jacques) 여기에 대해 이야기하고 있습니다 고마워요 고맙습니다

그래서 하이 죄송합니다

Ben과 Michael이 말했듯이, 그것은 매우 어렵습니다 해결할 문제, 그리고 매우 어려운 문제에 대해, 우리는 훌륭한 건축물이 필요합니다 이것이 바로 Google을 사용하는 방법입니다 그래서 Google은 실제로 이러한 방식으로 우리 모두에게 이러한 문제를 해결할 수있는 능력을주었습니다 아주 간단한 방법으로 거의 플러그 앤 플레이를 할 수 있습니다

그래서 지금 나는 너를 걸을거야 모든 문제를 통해, 우리가 가진 모든 도전, Google에서 어떻게 해결했는지, 그리고 Google이 실제로 어떻게 우리가 그들을 도왔습니다 우선, 게임은 부정 행위로 가득합니다 경쟁이 클수록 더 큰 욕구를 갖습니다 사용자가 속일 수 있습니다

그리고 우리는 꽤 많은 수를 저장합니다 개인 식별 정보 여기에는 사용자 전자 메일을 비롯한 여러 가지가 있습니다 그리고 그 두 가지 요소는 우리가 필요하다는 것을 의미합니다 악의적 인 활동을 보장하기 위해 많은 보안 최소입니다 그리고 물론, 우리는 또한 큰, 큰 금액을 실행 언급 한 바와 같이 임의 코드의 6,000 명 이상의 사용자가 있으며 총 5 만 개가 넘는 봇이 제출되었습니다

25 개 이상의 언어와 많은 프레임 워크에서, 그것은 많은 신뢰할 수없는 코드입니다 그리고 내가 말했듯이, 많은 개인적으로 식별 가능한 정보 및 모든 문제가 문제에 추가됩니다 둘째, 변수 순위 알고리즘 공정한 컨버전스를하기 전에 많은 게임을해야하며, 특히 많은 사용자가있는 경우, 이것은 기하 급수적으로 증가합니다 더 많은 게임에서 훨씬 더 많은 계산이 필요합니다 그리고 시간

그리고 이것의 결과는 일반적인 좌절감 사용자가 많거나 관리자에게 많은 비용을 지불하고 여러 번 양자 모두 지역성 또한 큰 문제입니다 100 개국 이상의 경쟁 전 세계적으로 다소 복잡합니다 명시 적으로, 우리는 어떻게 똑같이 빠른 응답을 제공합니까? 전 세계의 선수들에게? 우리는 밀리 세컨드 이하의 반응을 요구하지 않지만 많은 멀티 플레이어 게임처럼, 우리는 여전히 편의를 위해 일을해야합니다 그렇지 않으면 사용자가 화를 낼 것입니다

신뢰성은 매우 일반적인 문제이며, 그럼에도 불구하고 그것은 문제입니다 방해가 최소한인지 어떻게 확인합니까? 사용자는 일반적으로 게임, 그들은 접근 할 수 없다 그리고 게임을 얼마나 재미있게 만드 느냐는 중요하지 않습니다 만약 당신이 그것을 할 수 없다면, 아무도 그것을 연주하지 않을 것입니다 따라서 다운 타임을 최소화해야합니다

인공 지능은 또 다른 것입니다 우리가 해결하고자하는 문제 이 게임을 인공 지능에 적합하게 만들고 싶습니다 그리고 게임을 다양하게 해결할 수 있으려면, 우리는 문제와 관련된 데이터와 도구를 모두 제공해야합니다 특히 데이터가 증가함에 따라 우리의 경우 2,500 만 개가 넘는 게임의 메가 바이트 리플레이가 포함됩니다

당신은 많이 볼 수 있습니다, 문제는 점점 더 어려워진다 그러면 어떻게 해결할 수 있을까요? 여기에는 두 가지 유형의 솔루션이 있습니다 Google을 사용하여 기술적으로 무료로 얻은 것, 우리는 집안에 건설해야만했다 그래서 모든 솔루션에서 이들을 분리 할 것입니다 먼저 GCP를 통해 보안 측면에서 우리는 좋은 컨테이너 화를 얻었으므로 그것에 대해 걱정해야합니다

우리는 밖에 나가는 모든 인터넷 루트를 닫을 수있었습니다 신뢰할 수없는 코드를 실행하고 있던 모든 시스템의 그래서 사람들은 비트 코 광업 (bitcoin mining)과 같은 나쁜 일을 할 수 없었습니다 우리 기계에서 우리는 많은 수의 방화벽을 배치했습니다 사람들이 나쁜 일을하지 않았는지 확인 기계와 대화하면서 그들은 얘기하고있어

우리는 GCS 격리에서 많은 양의 데이터베이스를 만들었습니다 그래서 몇몇 기계 만이 그들과 대화 할 수 있습니다 물론 VPC 서비스 컨트롤을 사용했습니다 우리가 방금 이야기 할 수 있도록 널리 사용되는 우리가 말하고 싶지 않은 기계에 그것에 대한 간접적 인 것 물론, 자체 솔루션으로, 우리는 방대한 수의 시스템 레벨 방어를 가지고있었습니다

cgroups, IP 테이블, 다른 것들 사이에, 그것은 우리가 모든 것을 정말로 분리 할 수있게 해줍니다 우리는 봇의 익명 성을 가지고 있었으므로, 당신은 다른 봇들이 무엇인지는 정말로 알지 못했습니다 그래서 당신은 그와 관련된 어떤 것도 이용할 수 없습니다 그리고 우리는 다른 모든 것과 마찬가지로 점수 벌칙을 만들었습니다 내 말은, 당신은 정말로 AI 문제라고 생각할 수 있습니다

사람들이 악의적 인 일을 할 때, 악의적 인 일을 그만두 게됩니다 따라서 그것은 학습 강화 유형입니다 우리가 사용자에게 준 그래서 점수 수렴을 위해 GCP에서, 자동 크기 조정 그룹이있었습니다 갑자기, 왜냐하면 사용자 수에 따라 자동으로 더 커지거나 더 작아졌습니다 물론 비용이 절감되었습니다

그리고 비용을 훨씬 더 많이 낮추었습니다 선매입니다 선매가 그것을 현명하게 저렴하게 만들었습니다 우리가 많은 것을 실행하고 매우 빠른 수렴을 얻으려면 집안에는 효과적인 점수 계산 알고리즘이있었습니다 우리는 그것이 최고인지를 확인하기 위해 최선의 최선을 다했습니다

우리는 우리의 능력을 최대한 발휘하도록 조정했습니다 그것이 정말로 빠르다는 것을 확인했습니다 지역성 측면에서 볼 때,이 모든 것이 다행히도 Google에있었습니다 신뢰할 수있는 지역성 토글 스위치 가장 좋은 기능 중 하나입니다 그래서 우리는 실제로 그것을 사용했습니다

웹 사이트 및 데이터를위한 플러그 앤 플레이 캐싱 및 CDN 문제를 크게 단순화합니다 Google은 유명한 미니 나인, 당신은 당신이 여기있는 방조차도 기반으로 볼 수 있습니다 서비스를 만드는 Five Nines Room 이것의 일부는 문제가되지 않습니다 그러나 선매 약을 사용하면 더 복잡해진다 기계는 이제 언제든지 내려갈 수 있으며, 코드를 중복 시키거나, 더 구체적으로 말하자면 실행 및 서비스, 결과 저장, 백업 수행, 상태 점검, 자동 재시작 또는 작성을 사용합니다

또한 내결함성 알고리즘 활용 새로운 솔루션은 아니지만 신뢰성의 열쇠입니다 물론 솔루션은 선매권을 넘어서며, 오히려 오류가있는 실행에서도, 비잔틴 실패는 탄력적입니다 궁극적으로 Google은 매우 잘 조정되어 있습니다 AI 문제를 해결할 수 있습니다 다른 세션에서들은 것처럼, 그게 그들이 놀랍다는거야

매우 강력한 GPU를 활용하고 모든 것을 GCS에 저장함으로써, 우리는 모든 사용자의 프로세스를 크게 개선합니다 다른 모든 것을 위해, 우리는 숫자를 썼다 파이썬에서 교육 도구를 단순화하는 방법 GCP와 Halite와 직접 상호 작용하는 과정, 궁극적으로 우리에게이 사진을줍니다 우리의 마지막 그림이 무엇인지 우리는 CDN에 모든 중요한 데이터를 제공했습니다

앞에서 언급 한 것처럼 잘 보호 된 VPC 내부에는 우리는 세 종류의 기계를 가지고있었습니다 관리 디스크 그룹에서 필요에 따라 증가하거나 감소했습니다 이 의미에서 우리는 웹 사이트를 가졌습니다 웹 사이트를 제공했습니다 핵심 API 인 코디네이터가있었습니다

노동자들이 게임을 할 수 있도록 게임을 보냈다 노동자들은 코디네이터와 만 이야기 할 수있었습니다 한편, 조정자는 연락 원이었고, GCS와 Cloud SQL 사이의 조정자, 우리는 우리가 저장해야만했던 모든 것을 실제로 저장했습니다 그리고 그것을 통해 우리는 완전한 그림을 얻었습니다 그리고 지금, 왜 Halite인지, 나는 그것을 Elsie에게 가져온다

ELSIE KENYON : 좋습니다 그렇다면 다시 Halite에 관심을 가지는 이유는 무엇입니까? Ben이 게임의 역할에 대해 말한 내용으로 돌아가 보겠습니다 놀아, 배우기에, 맞지? 우리는 놀이를 통해 배우지만 대회도 서로에게서 배울 수있는 기회를 제공하십시오 그들은 단지 승리하는 것이 아닙니다 그들은 우리가 놀이를 통해 서로를 교육 할 수있게 해주고, 모든 연령, 모든 경험 수준

Halite에서는 플레이어가 어떻게되는지에 대한 예를 들었습니다 다른 봇의 예를 통해 배우십시오 다양한 전략에 동향이있었습니다 플레이어 또한 자습서에 기여했습니다 그들이 배운 것을 공유하기 위해 사후 모템을 샀다

또한 창의력을 표현했습니다 Halite와 함께 새로운 방식으로 새로운 기회를 찾고 – 예를 들어, 봇에 이름을 쓰는 경우 기술로 인해 이러한 연결성이 실제로 가능합니다 그리고 성공적인 경쟁, 그러나 우리는 전도성을 본다 모든 곳을 포함하여, 안으로, 예를 들어 포럼과 자습서가있는 moocs 가이드 레슨

우리는 모록이 적응력이 없거나 계산 집약적이지 않다고 생각합니다 그래서 그들은 실제로 이점을 얻지 못하고있다 어떤 기술이 오늘날 학습을 위해 제공해야하는지 Halite의 우리 목표는 실제로 그 가능성을 활용하는 것입니다 따라서 게임 및 글로벌 프로그래밍 문제 클라우드에서 실행되는 것은 몰입 형입니다

그들은 잠재력을 지닌 개방형이다 우리가 들었을 때, 창조적 인 전략의 수에 관계없이, 그들은 적응력이 있습니다 그래서 그들은 초보자들에게 적합합니다 그들의 첫 번째 프로그래밍에 자신감을 갖기를 기대한다 언어뿐만 아니라 더 많은 것을위한 기회를 제공합니다

숙련 된 플레이어가 특정 기술을 숙달해야합니다 세트 실제로 이것은 기술과 도구를 사용하는 것에 관한 것입니다 너 자신의 조건으로 그러므로 우리가 인간과 기계가 어떻게 협력– 벤과 마이클 한테 말하러 가자 Halite는 기계를 다루는 인간에 관한 것이고, 기계와 경쟁하지 마라

이 회의에서 우리는 점점 더 많은 방법을 보았습니다 인간과 기계가 함께 쌍을 이루는 또는 문제를 해결하기 위해 함께 쌍을 이루어야합니다 현실 세계에서 그리고 현실 세계는 우리가 알다시피, 매우 불확실합니다 유연하고 적응 가능한 솔루션이 필요합니다

그래서 우리의 질문은 어느 정도까지입니다 게임 및 협업 프로그래밍 과제 수 실제로 Halite가 훈련장 역할을합니다 지능형 기계를 훈련하고 건축하기 위해서? 따라서 게임은 단순히 승리하는 것이 아닙니다 그것은 또한 우리가 배우는 사고에 관한 것입니다 그리고이 게임으로 우리는 어떤 길도 배우기위한 하나의 길

동시에 우리는 목표와 구체적인 기술을 가지고 있을지도 모릅니다 우리가 얻고 자하는 것이지만 그 기술들 많은 응용 프로그램이 있습니다 따라서 Two Sigma에서는 학습과 교육을받습니다 매우 심각하게 우리는 문제를 매우 심각하게 생각합니다

그리고 우리가 생각해 볼 것을 요구하는 것은, 귀하의 학습에 실제로 종사하는 방법은 무엇입니까? 우리는 세계 AI 경쟁 인 Halite를 생각해 봅니다 독특한 교육적 기능 제공 기회가 많습니다 귀하의 의견을 듣고 싶습니다 벤과 마이클이 언급했듯이 이번 가을에 Halite III를 시작하면 가입 할 수 있습니다 그러나 경쟁에 앞서, 우리는 또한 당신이 목표를 달성 할 수 있습니다

정말 고마워요 [음악 재생]

Google offers to leave robocallers hanging on the telephone

EU의 콘텐츠 필터에 대한 새로운 대응으로 Google은 스팸없는 거품으로 사용자를 보호하는 최고의 콘텐츠 필터를 개발하고 있습니다 Android에 내장 된 불편 발신자 감지 기능으로 의도하지 않은 결과가 발생할 수 있습니다

최근에 안드로이드 오픈 소스 프로젝트 (AOSP)에 위탁 된이 기능은 "실시간 오디오 녹음 및 빠른 응답으로 원치 않는 전화를 화면에 표시" 커밋은 XDA에서 날카로운 아이드 devs에 의해 여기에 목격되었다 많은 전화 앱에는 이미 블랙리스트 기능이 포함되어 있으며 Drupe 및 Truecaller와 같은 제 3 자 전화 앱은 발신자 번호를 사용하여 원치 않는 전화를 차단합니다 그러나 이것은 다르다 실시간 AI는 Android AOSP 전화 판매점에 배치되어 발신자가 로봇인지 여부를 감지합니다 AI가 컴퓨터가 사용자에게 전화를 걸 었음을 감지하고 컴퓨터와 통화하고 싶지 않으면 전화 응용 프로그램이 전화를 끊을 수 있습니다

두려움을 완화시키기 위해 개발자는 오디오 파일을 제안하고 녹음 내용을 장치에 남겨 둡니다 Google은 이미 픽셀 폰에서 발신자 정보를 묻지 않고도 알 수없는 번호를 입력합니다 구글은 공개적으로 이용 가능한 정보원으로부터 정보를 추출한다고 말했다 이는 Google을 세계에 대한 실질적인 디렉토리 문의 서비스로 간주합니다 그러나 거부 기능은 더 많은 질문을 제기합니다

여기에서는 플랫폼 자체가 Drupe와 같은 타사 앱 (선택 사항)이 아닌 필터 버블을 생성합니다 플랫폼은 누가 사용자에게 도달했는지 식별합니다 편리함에 사로 잡혀 누가 알려지지 않은 발신자에게서 다시 전화를 받겠습니까? 그리고 온보드 인공 지능은 Google의 자체 로봇 발신자를 검색 할 수 있습니까? 그렇다면 해당 로봇을 허용 목록에 포함시킬 것입니까? Google은 최근 로봇 – 인간 전자 상거래 시스템 인 Duplex를 시연했습니다 마운틴 뷰 (Mountain View)는 인간이 로봇이 아니라고 생각하도록 로봇을 연설하기 위해 로봇 연설에 주저했다 전화 앱의 실시간 인공 지능도 속지 않을까요? 안드로이드가 모바일 OS 시장의 80 % 이상을 즐기고 있다면, 아마도 지금까지 얻은 유일한 로코 콜은 구글의 것이다

어떤 것이 좋을까요? Android Dialer의 통화 중 기능에 대한 코드는 여기에서 찾을 수 있습니다 ®

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

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

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

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

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

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

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

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

The ‘father of the internet’ on Google, war and ‘artificial idiocy’

"인터넷의 아버지"중 한 사람인 Vint Cerf는 이번 주에 호주에있었습니다 Vint Cerf는 3 피스 슈트와 턱수염으로 "인터넷의 아버지"(또는 적어도 "아버지"중 한 명)에 대한 할리우드의 아이디어처럼 보입니다

Robert Cahn과 함께 Cerf 박사는 그 제목을 주장 할 수 있습니다 그는 1970 년대에 인터넷의 기본 아키텍처를 구축하는 것을 도왔습니다 – 컴퓨터가 서로 이야기 할 수있게하는 전송 프로토콜을 만듭니다 – 프로젝트가 여전히 군대에 의해 자금 지원을 받았을 때 오늘날, 군대와의 관계는 Google에 문제를 일으키고 있습니다 Cerf 박사는 현재 "Chief Internet Evangelist" 5 월 말 뉴욕 타임즈는 구글이 비디오를 평가하기 위해 인공 지능을 이용하는 것을 목표로 삼고있는 미 국방부의 메이븐 프로그램과의 연계가 내부적으로 "실존 적 위기"를 낳았다 고 보도했다 직원들은 사기를 쳤고 무언가 두려움이 무인 항공기 공격을 용이하게하기 위해 사용될 수있는 작업에 도덕적으로 반대했습니다 약 4,000 명의 근로자가 "구글도 계약자도 전쟁 기술을 만들지 않을 것이라는 명확한 정책"을 요구하는 청원서에 서명했습니다 6 월까지 Google의 CEO 인 Sundar Pichai는 회사의 인공 지능 업무를 안내하기 위해 7 가지 원칙을 발표했으며 "주요 목적이나 구현이 사람들의 부상을 유발하거나 직접적으로 촉진시키는 무기 또는 기타 기술을 추구하지 않겠다고 약속했습니다

" Google은 국방부와 Maven 계약을 갱신하지 않습니다 인터넷 선구자 인 ARPANET (Advanced Research Projects Network)는 1969 년에 첫 번째 메시지를 보냈습니다 네트워크의 초기 반복 작업은 1980 년대 후반까지 학계와 군대에 주로 할당되었습니다 수십 년 후, 인터넷 공동 설계자는 그의 항의하는 동료 중 일부보다 회사의 최근 연구에 더 익숙한 것으로 보인다 "Maven 프로젝트의 목적은 어쨌든 그것을 이해했기 때문에 상황 인식을 통해 볼 수있는 것을 이해할 수있었습니다 즉 시야에 차량이 있습니까? 세르 프 박사는 ABC 방송과의 인터뷰에서 "뉴 사우스 웨일즈 대학 (University of New South Wales)의 청중에게 말했다 "아직 초기 단계라고 생각하지만, 프로젝트를 시작하기 전에 프로젝트를 평가할 감독위원회를 설립하여 위험성 평가의 정도를 평가하는 것이 목적입니다"라고 나중에 설명했습니다 Cerf 박사는 "킬러 로봇"과 무기 알고리즘에 대한 두려움에도 불구하고 때로 인공 지능 (artificial intelligence)이 " "나는 항상 조금 회의적이었다고 말할 수있다"고 말했다

현재 그는이 시스템이 여전히 종종 "부서지기 쉽다" 그들은 능력이 깊고 좁고 인간의 능력과 일치하지 않습니다 예를 들어 당신이나 내가 테이블이 무엇인지 알게되면, 지구의 중력 표면에 수직 인 평면 위치를 테이블로 사용할 수 있다는 것을 알기 시작합니다 "무릎, 의자, 실제 탁자,이 무대"라고 그는 말했다 "몇 가지 예에서 우리는 표의 개념을 일반화했습니다 인간은 이것을 정말로 잘합니다 컴퓨터는 이것을 잘 수행하는 방법을 모릅니다 "실제로 Cerf 박사는 너무 많은 인터넷 운명과 우울함을 존중하지 않을 것입니다

연방 통신위원회 (Federal Communications Commission)가 최근 막대한 중립으로 보았던 미국의 망 중립성 철회 외에도 그는 인터넷 생태계가 활기차게 남아 있다고 제안했다 그리고 인터넷의 부모는 기술 불안에 사로 잡혀 있지 않습니다 "우리가 살고있는 것이 20 세기 전반이나 20 세기 후반에 일어난 것보다 더 외상적이거나 극적이라고 나는 확신하지 못한다"고 그는 제트기와 텔레비전을 가리켜 말했다 라디오 그럼에도 불구하고,이 미래는 많은 안식을 포함하지 않는 것처럼 보입니다 Cerf 박사는 앞으로 수십 년 간 생존하기를 원한다면 평생 교육이 필수적이라고 제안했다 (그는 현재 미생물학에 깊이 빠져있다) "80 년 동안 기술적 변화가 일어나 학교를 다녔을 때와는 세상이 크게 다르게 보일 것이라고 확신한다"고 그는 ABC와의 인터뷰에서 말했다

The Google Assistant can help you get things done over the phone

[삑 하는 소리] [음악 재생] 안녕, 구글 화요일 7시에 El Cocotero에서 두 명을위한 테이블을 예약하십시오

GOOGLE ASSISTANT : 좋습니다 그게 가능하지 않다면, 오후 7시에서 8시 사이에 시도해 볼 수 있습니까? 물론 이죠 GOOGLE ASSISTANT : 좋습니다 나는 당신의 이름과 전화 번호로 책을 부를 것입니다 그리고 15 분 안에 다시 알려 드리겠습니다

그 확인은? 완벽 해 감사 [전화 거는 중] 엘 Cocotero 내가 너를 어떻게 도울 수 있니? GOOGLE ASSISTANT : 안녕하세요 Google Assistant입니다

클라이언트 예약 이 자동 통화가 녹음됩니다 화요일 12시에 테이블을 예약 할 수 있습니까? 좋아, 좋아 그리고 파티가 얼마나 큰가요? GOOGLE ASSISTANT : 두 명의 사용자를위한 서비스입니다 좋아요

그리고 언제 그들이 들어 오기를 원했습니까? GOOGLE ASSISTANT : 화요일 오후 7:00 확인해 볼게 GOOGLE ASSISTANT : 음, 흠 7 시가 아니지만 8시는 할 수 있습니다 GOOGLE ASSISTANT : 예, 오후 8시는 괜찮습니다

스피커 1 : 완벽한 이름을 알 수 있을까요? GOOGLE ASSISTANT : 이름은 Anna입니다 발표자 1 : 알겠습니다 우리는 화요일에 안나를 보게됩니다 고맙습니다

GOOGLE ASSISTANT : 좋습니다 고마워 [삑 하는 소리] [웃음] 2 인 애나 이쪽으로

The Impact of Artificial Intelligence in Real Estate Investing using Google Duplex

안녕 얘들 아, 난 비디오를 진짜 빨리 할거야 내가 일관되게 얻을 수있는 가장 큰 질문 중 하나는 아마 완전히 처리 될 것입니다

내년 안에 "판매자에게 무엇을 말할까요? 구매자에게 무엇을 말하겠습니까? " 즉, "어떤 스크립트를 사용합니까?" 또는 "내가 뭐라 말하니? 내가 어떻게 말 할까? 어떻게해야합니까? " 내가 무슨 뜻인지 알지? 문제의 절반은 해결 될 수 있습니다 솔직히 말하면, 당신이 가서 서비스를 고용한다면 계속해서 라이브 콜센터 또는 VA (가상 조수)로 임대하십시오 문자 그대로 구매자 또는 판매자 시트를 제공하고, 사전 처리하고 사전 자격을 부여하십시오 구매자 또는 판매자, 그리고 멀리 가십시오

그런 식으로 새로운 사람들이 구매자 나 판매자를 다룰 필요는 없습니다 오늘 내가 너에게 이야기하고 싶은 또 다른 옵션은 상당히 공정한 것이다 새롭지 만 그렇게 새로운 것은 아닙니다 그것은 부동산 투자에 인공 지능을 구현하는 것입니다 최근에 저는 Google Duplex에 관한 비디오를 보았습니다

Google Duplex 이것은 부동산 이중화가 아니지만 Google Duplex는 인공 지능과 같습니다 통신 시스템 커뮤니케이션 만하는지는 모르지만 내가 본 비디오의 예는 전화 통화를 한 음성 명령 시스템 및 전화 통화 방식 당신은 당신이 전화의 다른 쪽 끝에있는 인간과 이야기하고 있다는 것을 결코 알지 못할 것입니다 그래서, 많은 사람들이 이제 VA를 고용하여 전화를 걸고받습니다

많은 사람들이 그 사람들이 전화를하고 있습니다 많은 사람들이 당신을 위해 비서를 고용하고 있습니다 그 게임은 천천히 그러나 확실하게 바뀌기 시작합니다 당신의 지방 백화점에가는 것, 그리고 그 중 하나를 찾는 것입니다 월마트처럼 말하자

당신은이 모든 라인을 계산원이 처리하지만, 당신은 하나 또는 두 개의 라인을 가질 수 있습니다 어디를 가든지 직접 확인할 수 있습니다 또는 Kroger 식료품 가게가있는 조지아 주에서와 같이 당신이 인간 출납원을 상대하고있는 곳에 5, 6, 7 라인을 가지고 있습니다 이 섹션에서는 기본적으로 진행하고 체크 아웃합니다 그 세계는 천천히 그러나 확실하게 대부분의 매장에서 시행 될 것입니다

미국,이 Google Duplex와 마찬가지로 불행히도 일자리를 넘겨 줄거야 궁극적으로 결국 이것이 새로운 조수, 새로운 가상으로 변하는 것을 볼 수 있습니다 조수 자신의 개인 가상 비서 부탁 좀 들어라

Google Duplex의이 예 아래에있는 동영상을보세요 음성 명령 시스템이 인간과 똑같이 들리는 지 확인하십시오 당신이 전화의 다른 쪽 끝에있는 다른 인간과 이야기하고 있다는 것을 부동산 투자에서 인공 지능 구현이 이루어지고 있습니다 당신이 알고있는 것보다 빨리 여기에있을 부분들이 있습니다

이것은 당신에게 모든 것을 알리기위한 간단한 비디오 일뿐입니다 미래와 정말로, 당신이 부동산과 부동산 투자에 대해 이야기 할 때, 프로세스가 지나치게 복잡 해지는 것은 아닙니다 시간이 지남에 따라 기술이 구현되기 때문에 기술적 인면에서 여러분 모두를 대단히 도와 줄 것입니다 괜찮아? 다시 한번, 이것은 제럴드입니다, 단지 당신에게 그리고 결국 내가 할 일은, 나는 다른 팁과 다른 인식 비디오를 계속 제공 할 것입니다 미래에 곧 올 것이다 그것은 세상의 길입니다 제가 무슨 뜻인지 아시나요? 제럴드입니다

이 비디오에서 모두 가치를 발견했다면 같은 버튼을 클릭하십시오 또한 가족이나 친구들과 공유하십시오 모두 관심이 있으시면 Family of Family Facebook 그룹에 가입하십시오 링크가 설명에 표시됩니다 좋아

좋은 하루 되세요 조심해 안녕

AI của Google có thể dự đoán chính xác 95% khi nào bạn ‘die’

Ảnh : 폭스 뉴스, 폭스 뉴스, 폭스 뉴스, Google은 사용자에게 도움이되는 정보를 제공하기 위해 사용자가 원하는 정보를 찾지 못했습니다 000 건 중 24 건은 2 건에서 2 건으로 나타났습니다

Google은 다음과 같이 Google을 통해 고객을 지원합니다 "Chuan tôi quan tâm tạm tạm tạm tạm tạm tạm trent to deep tanm to 깊은 지식을 배우는 데는 깊은 학습이 필요합니다 liên quan hay không " 테오 DJO CAC 트 nghiên CUU DJA LUA 촌 những 켓 QUA 선취 콴 O nhiều 캡 DJO TU 낭 TOI NHE NHU 쳇, phải NHAP 비엔 라이 phải điều 트리 다이 ngày VA CAC 찬 đoán 칵 Google에 대한 귀하의 질문에 대한 귀하의 질문에 대한 답변은 귀하가 귀하의 의견을 존중 해 주실 것을 명심하십시오 귀하는 귀하의 의견을 존중 해 주시길 바랍니다 감사합니다

"큰 힘을 합쳐서 돈을 버는 것, 돈을 버는 것, 돈을 버는 것, 돈을 버는 것, 돈을 버는 것, 돈을 버는 것, 돈을 버는 것, 돈을 버는 것, 돈을 버는 것 캘리포니아, 샌프란 시스코, 샌프란시스코, 샌프란시스코, 샌프란시스코, 샌프란시스코, 샌프란시스코, 캘리포니아 93 % Chicago Medicine (시카고 의학)