What’s AI with Melanie Warrick: GCPPodcast 93

FRANCESC CAMPOY : 안녕, 에피소드에 오신 것을 환영합니다 주간 Google 클라우드 플랫폼 팟 캐스트의 수 93 나는 Francesc Campoy 오전, 나는 여기 있어요 내 동료 마크 만델로

안녕, 마크 잘 지내? MARK MANDEL : 나는 좋은입니다 나는 시애틀에서, 그래서 우리는 오늘 원격 일을하고 있습니다 FRANCESC CAMPOY : 야호 그리고 내가 가질 수 모든 문제가 있었다 나는 아직도 배우고 있기 때문에 오늘 맥을 설정하려고합니다

그것은 단지 93 에피소드, 우리의 첫 번째 시간이다 어쨌든, 우리는 오늘에게 아주 특별한 에피소드가있다 사실은 매우 흥분 우리 때문에 우리 팀에서 개발자 지지자 중 하나가 우리는 팟 캐스트에서 전에 없었던했다고 MARK MANDEL : 그래 우리는 멜라니 워릭 오늘 우리에 합류합니다

그녀는 AI 무엇인가에 대해 우리에게 이야기하는거야? 그게 무슨 뜻 이죠? 그 기계 학습에 어떤 관련이 있습니까? 그것은 단지 새로운 일이 있습니까? 그냥 뭔가 다른가요? 누가 알아? FRANCESC CAMPOY : 그래 이 에피소드가 왔기 때문에 정말 좋아 후는 기본적으로 점심을 먹고, 우리 기계 학습 및 AI 및 모든에 대해 얘기했다 그리고 그녀는 물론, 인공 지능과 기계 학습, 같았다 매우 다른 것입니다 그리고 우리는 정말 같은거야? 그리고 그녀는 그했다 opinions– MARK MANDEL : 예, 더 알려주십시오 FRANCESC CAMPOY : 네, 그녀는 이런 의견을 가지고있다

그래서 우리는 그녀의 의견에서 에피소드를 만들기로 결정했다 그리고 그들은 정말 흥미로운, 그래서 난 전체 에피소드에 대해 매우 기쁘게 생각합니다 MARK MANDEL : 그래 그리고 그 후, 우리는 우리의 일반적인 질문이 있습니다 우리가 이야기 주, 당신이 뭔가를하고 싶은 말은 때마다는 Kubernetes 클러스터 내의 포드 생성되거나 파괴 당신은 어떻게해야합니까? FRANCESC CAMPOY : 재미

나는 몇 가지 아이디어가 있습니다 그러나 우리는 그에게 우리 전에 가기 전에 주요 콘텐츠로 이동, 우리는 항상 우리의 멋진 일이 금주의 그리고 우리는 그들 네 오늘이있다 그래서 나는 당신이 시작하자거야 MARK MANDEL : 차가운

그래서 여기에 첫 번째 스택 드라이버 로깅 주위입니다 그것은 조금 전 GA 갔다, 그러나 우리는했습니다 기본적으로 사람들의 무리에 얘기하는 사람들 이 제품을 사용합니다 그리고 우리는 그들에게 몇 가지 새로운 기능을 제공하려는 고급형입니다 그래서 물건의 무리가있다 우리는 전체 기사에 링크합니다

사실, 블로그 게시물에서 나오는 몇 가지가있다 하지만 당신은 통계를 당길 수있는 같은 깔끔한 물건을 할 수 있습니다 지금 로그인 그래서 만약 당신이 응답 시간을 추적하는 또는 메트릭의 다른 유형, 당신은에 그 당겨 수 있습니다 우리는 빨리 거기에서 로그 항목을 사용할 수 있도록했습니다 당신은 조직 전체 로그를 관리 할 수 ​​있습니다

그래서 단지 프로젝트 내에서 로그를 관리하지, 당신은 집계 수출을 기록 할 수 있습니다 모두 함께 프로젝트의 다양한 종류에 걸쳐 그리고 당신이 정말 멋진 일을 할 수있는 내가 꽤 이렇게 우리는 그건

에 대한 긴 기사에 링크합니다 말을하다 어느 이제 제외 필터라고, 예를 들어, 당신은 디버그 문이있을 수 있습니다 당신이 당신의 응용 프로그램에서 뱉어되는이 있는지, 하지만 대부분의 시간은 당신이 실제로 그들에 대해 걱정하지 않는다 그래서 당신은 안녕, 난 정말하지 않습니다, 말할 수 스택 드라이버 이러한 신경, 그래서 그것을 계산 않을거야 의미 기가 바이트 또는 스토리지 비용을 향해 당신은 반드시 프로젝트 내에서 존재했을 것이다 스택 드라이버는 이제 로깅 때문에 어느 것이, 알고 아마 좋은 무료로 한달에 프로젝트 당 로그의 50 기가 바이트 제공합니다

즉, 12 월 1 일에 시작됩니다 나는 대부분의 사람들은 아마 50 명중하지 않을 생각 기가 바이트,하지만 약간의 의지 그래서오고 있음을 유의하십시오 그러나 네 50 기가까지 그렇게 하지만 그래, 당신은 제외 필터를 사용하는 풀다운 수 있습니다

당신이 건강 진단처럼지고있어 어쩌면 경우, 당신이 흠, 그 상관 없어, 같은거야, 200 개 요청 그런 물건 그것에 대해 더 이상 대화가있다 우리의 다른 동료 중 하나 인 아자 Hammerly, 누가 방지에 대해 전체 기사를 쓴 스택 드라이버 로깅과 폐기물 로그 우리는 또한뿐만 아니라 링크거야 FRANCESC CAMPOY : 아주 멋진 50기가바이트 많이 같은 소리지만 좀 더 고객이 어딘가에있을 수 있다는 생각 그곳에– MARK MANDEL : 확실히

FRANCESC CAMPOY :라는 말이다 높은 알고 너무 좋아 주의 두 번째 멋진 것은 새로운 기사입니다 실제로 부작의 세 번째 부분입니다 사용하여 대화 형 애플리케이션을 구축하는 방법에 클라우드 기계 학습 API를 그리고 그것은 실제로 해요 부분적으로 있기 때문에, 정말 멋지다 시드니에 대한 이야기를 준비

나는이 주제에 대해 정확히 이야기 할 것입니다 MARK MANDEL : 좋은 FRANCESC CAMPOY : 그래서 그것은 매우 좋은 거기에 새로운 기사가 ​​있음을 볼 수 있습니다 그리고 기본적으로, 그것은 대해 얼마나 당신을 Google–에 대한 의도를 설명 Google이 아닌 홈 예 구글 홈,하지만 당신은 실제로 수 당신이 원하는 무엇이든으로한다

Google 홈,하지만 당신과 함께 작업 또한 페이스 북 메신저 또는 여유 등의 작업을 수행 할 수 있습니다 그리고이 모든 일이 APIAI을 통해 작동 실제로 매우 간단하기 때문에 그리고 그것은 매우 멋지다 사용 당신은 기본적으로 확인을 누군가가 말한다 경우, 말 나는 당신에게 다음, 우유를 구입하고 싶습니다 당신이 그 연관 거라고 알고 유스 케이스에, 구매 인 무언가를 구입, 그리고이 제품은 우유이다

그리고 당신은,이처럼 될 수 있습니다 아, 그래, 우리는 양을 모르는, 그래서이 양을 물어 보자 그래서 당신은 실제로이 두 가지 방법으로 대화를 만들 수 있습니다 그 다음은 모든 장치에서 사용할 수 있습니다 그래서 당신은 한 번만 물품 넌 당신은 다른 측면에서 백엔드있어 물품 그리고 사람들은 스마트 서비스에 액세스 할 수 있습니다 에서, 내가 말한대로, 페이스 북 메신저, 슬랙, Google 홈, 또한 스카이프와 LINE과 방법으로 더 많은 서비스와 같은

그것은 꽤 멋지다 MARK MANDEL : 그것은 멋지다 글쎄, 난 당신의 이야기, Francesc을보고 기다릴 수 없어 FRANCESC CAMPOY : 나도 그것을보고 기다릴 수 없어 특히, 나는 특히, 그것으로 할 수 기다릴 수 없어 슬라이드

그러나 곧 그 작업을 할 수 있습니다 클라우드 정상 회의 시드니의 주최자는 수신하는 경우, 내 슬라이드이 완료됩니다 네, 완전히 끝나면 [웃음] MARK MANDEL : 그래서 우리는이 책을 가지고 그 최근 출시되고있다 나는 엉망이 모든 이름에 갈거야,하지만 난 최선을 다할 것입니다

타일러 Akidau, 슬라바 Chernyak, 그리고 르우벤 락스 그래서, 그들은 곧 다가오는 오라일리 책의 저자를 공동있어 "스트리밍 Systems–라는 무엇을, 그리고 어떻게 대규모 데이터의 처리 " 그 빠르게 세 번 말해봐 그것은 초기 릴리스에서 지금이다 기본적으로,이 표준 자료가되는 것을 목적으로하고 있습니다 빅 데이터를 스트리밍하고 관리 및 분석 그것은 정말 큰 규모와 규모를 처리하고 구글 규모, 원하는 사람들을위한 기업에서뿐만 아니라 그 일을 할 그들은에 참여하고있다 정말 멋진 책이 될 것 같습니다

우리는 약간의 인터뷰에 기본적으로 여기에 링크를 할 겁니다 즉,이 저자들과 함께 이루어졌다 그들은 책을 쓴 이유에 대해 말하고, 그들이 정말로 무엇에서 물건을 사람들이 어떤 종류의 볼 수 있습니다 도 뜻이 있음을 무엇 streaming– 뜻 채택 장벽의 종류, 왜 그들은 처음부터이 일을 쓰기 않았다 FRANCESC CAMPOY : 그래서 나는 당신에게 질문을하겠습니다 이 책의 내가 제일 좋아하는 부분에 대해 어떻게 생각하십니까? MARK MANDEL : 그것은 모두 자바로 작성된 있다고? FRANCESC CAMPOY : 아니, 아니, 아니 아니, 사실은 그들이 이야기하고 있음 스트리밍에 대한 및 책 표지에 강 때문에 물고기가있다 MARK MANDEL : 물고기는, 스트리밍합니다

네 FRANCESC CAMPOY : 나는 쉽게, 쉽게 유머입니다 당신이 정말 관심이 있다면, 당신은 오라일리의 무료 평가판과 일에 액세스 할 수 있습니다 당신이 그것을 읽고 싶은 경우 또한 아마존에 사용할 수 있습니다 아주 멋진 책 그리고 우리는 주 우리의 마지막 멋진 일을해야 할 것중인 내 의견으로는, 슈퍼 멋진, 무언가이다

혹시라고이 일에 대해 들었습니다 나도 몰라 빨리, 그리기! 빨리, 그리기! Googlecom과 함께 그리고 그것은 당신이 휴대 전화에서 사용할 수있는이 작은 응용 프로그램입니다 또는 컴퓨터에 기본적으로 당신은 액세스 당신은 무엇이든 그릴, 그리고 그것이 무엇인지 추측 그래서 Pictionary 같은 종류입니다 그리고이 기계 학습에 의해 제공됩니다, 물론, 신경 네트워크와 길쌈 신경 네트워크와

좋은 점은 길쌈 네트워크입니다 멋진,하지만 그들은 많은 데이터가 필요합니다 그리고 우리는, 데이터를 오픈 소스 화 그 신경망을 훈련하는 데 사용 된 데이터, 어느 슈퍼 유용 당신이 할 수 있기 때문에 당신이 그와 함께 원하는대로 할 당신은 다시 Pictionary을 수행하는 방법을 훈련 할 수있다 뿐만 아니라 당신은 더 많은 분석을 할 수 있습니다 마찬가지로, 고양이의이 모든 도면에 따라, 고양이는 각 국가에 따라 어떠한가? 그리고 당신은 평균을하고, 같은 일본의 고양이가 될 수 미국에서 고양이 실제로 약간 다릅니다 정말 멋지다

당신은 정말 멋진 데이터 처리를 많이 할 수 있습니다 또한, 데이터는 심지어 완성 된 도면뿐만 아니라 포함 그러나 그것은 그려, 그래서 당신은 실제로 할 수있는 한 방법도 흔적을 따르십시오 MARK MANDEL :이 놀랍습니다 난 그냥, 그냥 데이터 익스플로러와 함께 연주 해요 나는 무작위로 클릭했습니다 나는 앵무새를 클릭 한, 나는 현재 해요 만든 163,567 앵무새 도면을보고 인터넷에 실제 사람들이

FRANCESC CAMPOY : 그래 그것은 놀랍습니다 MARK MANDEL : 그래 당신은 통과하고 아니, 그 앵무새 아니다처럼 될 수 있습니다 너무 멋져

FRANCESC CAMPOY : 알아요 MARK MANDEL : 난 그냥 모든 일이 놀고 싶어 FRANCESC CAMPOY : 나는 그 이유를의 당신에게 주의 멋진 일이었다 그것은 매우 멋지다 그리고 당신은 기계 학습에 있다면, 확실히 그것을 확인하십시오

하지만 기계 학습에하지 않으면, 실제로 많은 재미 있기 때문에 그것을 확인 MARK MANDEL : 그래 네 나는 지금 닫지 않으면 시간이 응시하는거야 시원한

글쎄, 난 당신이 무엇을 이야기한다 왜 우리는 우리의 좋은 친구 멜라니와 대화를하지 않는다 그리고 AI와 ML 및 모든 재미 물건에 대한 모든 이야기? FRANCESC CAMPOY : 물론 그걸하자 나는 최신 중 하나를 환영하기 위해 오늘 매우 기쁘게 생각합니다 클라우드 개발자 옹호 팀, 멜라니 워릭에 추가 어떻게, 멜라니거야? 멜 워릭 : 덕분에 잘 지내요

FRANCESC CAMPOY : 그래서 우리가이기 때문에 매우 기쁘게 생각합니다 매우 흥미로운 주제에 대해 이야기 할 것 우리가 실제로 점심 논의 된 것으로, 우리는이 대화로 결정 큰 에피소드가 될 것입니다 그래서 우리는 AI와 물건에 대해 이야기 할 것입니다 그러나 그 전에, 왜 우리가 당신에게 조금을하지 않습니다 자신에 대해, 당신이 구글에서 무슨 짓을 한거야, 때 당신은 같은 물건에 가입 했습니까? 멜 워릭 : 오른쪽 그래서 구글의 수석 개발자지지합니다 네 달 전에 시작했다 나는 너희들이 그것에 대해 알고 알고 있습니다

하지만 그 이전에, 나는 시작을 위해 일하고 있었다 아니었다 신경 그물 플랫폼에서 TensorFlow 그을 개발하고 있습니다 그리고 그 전에, 나는 Changeorg에서 일하고 있었다 생산에 기계 학습 알고리즘을 구현 Changeorg, 모르는 사람을 위해, 온라인 청원 플랫폼입니다

FRANCESC CAMPOY : 그리고 어떻게 든 그 회의에서, 난 당신이 바로 그 전에 마크를 만난 것 같아? 멜 워릭 : 나는 다시 하루에했다 마크와 나는 실제로 이상한 루프에서 만났다 MARK MANDEL : 오래, 오래, 오래 전, 땅에서 멀리 떨어져 있지만, 예 내가 알았을 때 나는 매우 흥분 멜라니는 팀에 합류했다 멜 워릭 : 알아요

나도 MARK MANDEL : 신난다 괜찮아 음, 우리는 AI에 대해 이야기 드리겠습니다 그래서 AI는 무엇인가? 그냥 페인트의 새로운 코트를 좋아 ML, 또는 거래는 무엇인가? 멜 워릭 : 그것은 요즘 같은 느낌거야

모든 것은 AI라고 특히 인공 지능 실제 정의는 과학 및 공학입니다입니다 어떤 방식으로, 모양이나 형태의 기술 또는 기술의 그리고 이것은 초기 50 년대에 다시 만들어졌다 우리에게 역사 수업을 제공하는 I 때문에 알고 모두가 듣고 싶은거야 는 원래 분류 된 때 그입니다 그리고, 지난 몇 년 동안,이 과정이었다 우리가 실제로 달성 할 수있는 경우의보고 사람들은 그것에서 무엇을 기대

그러나 현실은 기대가 끊임없이입니다 종류의 변경, 정말 어떤 사람 그들은 AI, 많은 사람들이 말할 때 원하는 정말 인간과 같은 인공를 찾고 있습니다 지성 그들은 인간처럼 로봇을보고 싶어요 그것은 우리가 우리의 공상 과학 소설과 판타지의 모든 재미있을거야 우리가 볼 때 오늘날, 대부분의 사람들을 표시 좁은 AI로 알려진 것에 대해 이야기하고, 그래서 그들은 기술을 기대하고 있습니다 그는 끊임없이의 특정 지역에있는 정말 좋은 학습 및 적응 이 용어는 익숙해된다 그래서 그건, 그것은 시간 ML, 또는 기계 학습을 많이 교체합니다

기계 학습은 본질적으로, 알고리즘이다 즉, AI에 사용 또는 알고리즘의 일부 즉, AI에 사용됩니다 내가 알고리즘을 말할 때, 나는, 수학 부분을 의미 당신의 계산을 사용하는 물건 FRANCESC CAMPOY : 그래서 당신은 좁은 지능을 언급했다 내가 거기, 예를 들어, 같은 상상할 수 우리가 좋은 점으로에 대한 이야기를 한 예였다 오이의 농장이 있었다주의 그리고 결정할 수 있었다 무언가가 있었다 그것을 볼 수 있었다 오이의 종류

그건 바로, 좁은 것입니까? 멜 워릭 : 오른쪽 그래서 당신이 그 오이에 대해 얘기 특히 예를 들어, 그 사용 깊은 학습 또는 신경 그물로 알려져 알고리즘 특히, 그 기계 학습 알고리즘의 유형입니다 그리고 기계 학습 알고리즘의 집합입니다 즉, 인공 지능에 사용됩니다 그러나 사용하는 유일한 것은 아니다 인공 지능

그리고 오이에 대한 example– 나는 정말 지점에있어 확인하기 위해 그것을보고해야 할 것 이 항아리하지만 기본적으로 오이 예에 확실히 기계 학습이다 그리고 지속적으로 적응하고 변화하고있는 경우 다음 작동 방법의 관점에서 기술적으로는 좁은 AI입니다 이제, 일부는 잘, 그것은 확실히이야 말할 것 AI 우리가 살고있는이 현재의 패러다임을 기반으로 하지만, 그것은 거기에 아마, 좁은 AI에 대해 말할 것입니다 그러나 얼마나 많은에 따라 그 변경하고 학습하고 있습니다 MARK MANDEL : 차가운

그리고 당신은 그 전에 뭔가 생각 나는 말했다 그것은 가지 흥미로웠다 당신은 사람들이 AI에 올 때, 그들은 종종 무엇을 원하는했다 인간 같은 반응이다 하지만 좁은 AI의 종류에 대해서 이야기 할 때, 나는 거의 응답 당신이 나가 있는지 궁금하네요 기계의 거의 일을하다 아마도 인간이 할 수 없었다 해야 할 것? 멜 워릭 : 오른쪽 그들은 AI에 올 때 내가 말할 그래서 때 그들은, 인간과 같은 응답을 원하는 그들은 정말 할 수있는 로봇을보고 싶어 생각과 느낌과 아이디어를 가지고있다 그리고 당신은 당신이 볼 때, 말을 자체를 구동 할 수 차에, 그것을 않습니다 자신의 인식을 가지고? 그것은 의식인가? 운전에서 그냥 일반화 할 수 실제로 거기에 다른 일을 하는가? 그리고 그것은 구동 할 수 있도록 매우 일반적입니다, 부여

그러나 좁은의 측면에서, 당신은 사실을 생각해야 그것은 특별히 할 수 있다고 특정 분야의 전문가, 그리고 더 나은 수 그 분야에서 인간보다 AlphaGo 및 DeepMind 성공적으로했다 그 분야에서 최고의 선수의 번호를 이겼다 즉, 알고리즘이 곳의 좋은 예입니다 성공적으로 초과하는 훈련을하고있다 어떤 사람은 할 수있다 그래서 확실히 매우 가능합니다 FRANCESC CAMPOY : 그래서 좁은 AI 될 것이다

그리고 일반적으로 AI 또는 와이드 AI–에 대한 나는 그건 를 호출하는 방법을 모른다 "프로 메테우스"과 "외국인"와 같은 영화가 아닌, AI 그런 종류의 실제 사용 사례가 있습니까? 멜 워릭 : 우리는 지금이 있습니까? 지금까지 모두가 알고있는대로, 아니 나는 어쩌면 누군가는 다시 방에 무언가를 숨기고 있다는 의미 어딘가에

그러나 지금까지 우리 모두가 알다시피, 모든 우리가 지금해야 좁은 AI 되나 무슨이다 우리는 실제로 일반적으로 AI가 없습니다 당신이 보통 때 무엇을 의미 인 당신은 인간과 같은입니다 무엇에 대해 이야기하고 있습니다 당신이했습니다 때문에 그리고 슈퍼 AI가있다 모든 다양한 슈퍼맨과 슈퍼가있어, 슈퍼 쇼 나오고있다 MARK MANDEL : 좋아 지금은 흥분

멜 워릭 : 알아요 어디까지 얻을 시작 어디에 그래서이 그들은 특이점에 대해 이야기 그리고 그들은이 AI를 가지고있다라고 그 위의 인간이 실제로 이해할 수있는 것 이상의 것입니다 이 일을 할 수 있다는 우리의 이해를 넘어 당신이 진짜 극단적으로 다이빙을 시작하는 곳 그리고 그입니다

세계는 끝이 올 것이다, 또는 우리가 영원히 살 것입니다 그리고 진짜 심각한 우려있다 어떤 사람이 공간입니다 그것은 특히 재미, 공상 과학 판타지 세계에서 사용됩니다 하지만의 현실은 정말 아니다 사람들이 정말 연구 뭔가 공간은 걱정, 그들은 조만간 경우, 만약 지금 현실 것으로 표시되지 않습니다 FRANCESC CAMPOY : 그래

우리는 조금 나중에 그 문제에 돌아올 것이다 하지만 당신은 내가 매우 흥미라고 생각 뭔가를 언급했다 당신은 기계 학습이라고 말했다 알고리즘 AI에 사용하지만, AI 기계 이상입니다되는 배우기 멜 워릭 : 오른쪽 FRANCESC CAMPOY : 우리가 AI에있는 다른 무엇을 그 기계 학습 아닌가요? 멜 워릭 : 그래서 기계 학습 연구의 필드에 공간에 다른 필드의 숫자가있다 당신은 통계와 확률 모델을 가지고 즉, 기계 학습와 혼합 얻을 그러나 그들은 자신의 일이 있습니다

그들은 반드시 기계 학습 아니에요 당신은 그래프 이론이있다 어떤 사람들은 양자 역학에 접촉 할 수 또한 좀 더 또는 양자 컴퓨팅, 완전히 콘크리트없는 공간 자체 그러나 탐구하고 생각하는 재미 무슨 일이 가능성의에 대해 그것은 잠재적으로 어떤 점에서 AI에 영향을 미칠 수있는 방법 그래서 다양한 분야가 있습니다 즉, 때로는 자신에 함께 올 것이다 가끔 콘서트에서 달성 할 수 있도록 이 인공 지능

MARK MANDEL : 차가운 그래서 아마 뒤로 가져, 말 Google 클라우드 또는 오픈 소스 프로젝트의 일부처럼, , TensorFlow AI는, 또는 기계 학습이다 아니면 그냥 당신이 일을 사용하는 방법에 의존 하는가? 멜 워릭 : 그래서 TensorFlow은 주로 참조됩니다 깊은 학습과 관련하여 사용된다 내가 언급 한 바와 같이 그리고, 그 어디있어 신경망을 신경망에 대해 이야기하고 적용하기 시작하는 많은 알고리즘 중 하나입니다 기계 학습 공간이다 그래서 그래, 그것은 역할을 할 수 및 사용 인공 지능 프로젝트에 사용되어왔다 DeepMind 예를 들어, 현재 사용 그들의 알고리즘의 일부에 TensorFlow 때이 게임의 주위에 아무것도하고 있습니다

아니 모든하지만 나는 그것이 작품의 일부에 사용되는 것을 알고있다 그들은 일을하고 다른 연구를하고 있다는 그들이에있어 공간 그냥 당신이 TensorFlow을 사용하고 있기 때문에 당신은 AI를하고있는 것은 아닙니다 FRANCESC CAMPOY : 그래 당신이 내 말은, TensorFlow의 안녕하세요입니다 2 플러스 2, 당신은 그것을 실행하고 4를 말한다 그건 아마 AI 아니다

멜 워릭 : 아니, 그건 아니에요 FRANCESC CAMPOY : OK 멜 워릭 :하지만 그래, 확실히 깊은 학습이다, 또는 깊은 학습, 주로이 될 수 있습니다 큰 우산 같은 기계 학습이다 FRANCESC CAMPOY : 차가운 당신이 개발자 advocating–에 있기 때문에 그래서 주요 주제는 인공 지능, 기계 학습이다

당신은 우리에게 물건의 종류에 대해 조금 알 수 당신은 AI 또는 기계 학습으로 할 수있는 Google 클라우드 플랫폼에, 또는 어떤 사람이하는 경향이 있습니까? 당신이 가장 자주 무엇을 볼 수 있습니까? 멜 워릭 : 기계 학습의 측면에서 그래서 Google 클라우드 플랫폼, 구글 클라우드 플랫폼에 그것은 기본적으로 서버입니다 그것은 하루의 끝에 컴퓨터입니다 그래서 당신은 당신이 현재 할 수있는 것을 원하는대로 할 수있다 Google 클라우드 플랫폼에 않습니다 즉, 내가 스트레스에 정말 중요하다고 생각 뭔가 것을 당신이 사용하는거야 어떤 클라우드 플랫폼 같아요 당신은 도구, 당신이 원하는 어떤 도구를 사용할 수 있습니다

당신은 그것을 구성해야합니다 FRANCESC CAMPOY : 그 도구 그래서 하나 예를 들어, 같은 수 있으며, TensorFlow, 하는 우리는 관리 버전을 가지고있는 클라우드 ML 엔진이다 MARK MANDEL : 무엇 지금이라고입니까? 멜 워릭 : 그래 그뿐만 아니라 내 지식입니다 FRANCESC CAMPOY : 그래서 그것은 클라우드 ML 엔진입니다

하지만 당신은 뭔가를 사용하는 데 관심이 있다면 TensorFlow 이외의 다른 사람, 당신은 또한 그것을 사용할 수 있습니다 멜 워릭 : 올바른 FRANCESC CAMPOY : 지금의 일이다 나는 다른 것들 밖에 무엇 아무 생각이 없다 TensorFlow 이외 그래서 나도 몰라 , 다른 잘 알려진 라이브러리가있다인가 당신은 전에 본 적이 TensorFlow 일부 경쟁 사람들은 그것을 사용하는 것이? 멜 워릭 : 오른쪽

그것은 좋은 방법이기 때문에 그래서 Keras 많이 참조됩니다 TensorFlow 또는 다른 신경망 플랫폼과 결합하는 그 밖에 존재한다 그것은 좋은 데요, 추상적 인 높은 수준은 그 공간과 결합합니다 그래서 Keras은 중대하다 당신은 확실히 구글 클라우드 플랫폼에 그것을 사용할 수 있습니다 당신은 그것을 사용할 수 있도록 실제 서버를 구성 할 수 있습니다

끊임없이 다른 라이브러리가 있습니다 PyTorch 및 CAFFE처럼 참조되는 거기에 확실히 몇 가지 다른 그 거기에 내가 탐구하는 것이 좋습니다 것입니다 각각의 하나는 측면에서 자신의 가치를 가지고 있기 때문에 그것은 적용되는 것의 방법에 대해 설명합니다 MARK MANDEL : 그래서, 클라우드 ML 엔진으로 알고 TensorFlow 설정은 이따가 수 있습니다 계산을 배포 할 수 있습니다 여러 컴퓨터 당신이 GCP에 와서 사용하는 경우 같은 다른 PyTorch 같은 또는 뭔가, 또한 당신을 가능하게하는 도구와 함께 사람들은 설정하는 않는다 컴퓨터의 다양한 그래서 당신은 부하를 분산 할 수 있습니까? 아니면 어떻게 그런 종류의 작동합니까? 멜 워릭 : 오른쪽 그리고 나는 우리가 이전에 대해 얘기했다 알고있다

그래서 나는 이것에 대해 블로그 포스트를 작성 내가 만들고 싶어하기 때문에 최근 확인 그것은 사람들에게 분명하다 그 TensorFlow은 매우 가치가있다 그리고 나는 그것을 탐구하는 사람이 좋습니다 하지만 당신은 이미 뭔가를 사용하는 경우 당신이 구글 클라우드 플랫폼을 사용할 수 있도록하려면, 당신이있어 어떤 것을 이해하는 것이 중요하다고 생각 당신이 이상 가져올 수 있습니다 사용 그래서 특히이 게시물을 작성한 사람 구성을하고 시간을 낭비 할 필요가 표시합니다 이미있는 경우 스크립트 또는 고정 표시기의 몇 가지 유형을 설치 당신이 당신의 인스턴스를 구성하는 데 사용하는 이미지, 당신은 그것을 사용할 수 있습니다 당신은 환경 설정을하는 시간을 보낼 필요가 없습니다

당신은 당신이는 Kubernetes를 사용하여 무엇을해야 킥오프 그것은 그 해당 서버를 얻을 도움이 될 것입니다 무엇이든 당신을 위해 실행 당신은 구성을 수행하는 몇 가지 방법을 가지고있다, 그리고 당신은 소프트웨어를 통해 가져올 수 있습니다 FRANCESC CAMPOY : 그래서 마크 즉시, 해당 소프트웨어를 사용하는 경우 큰 규모와 구름과 물건을 말했다 나는 빅 데이터에 대해 생각하기 시작했다 그리고 빅 데이터 사이의 관계에 대해 궁금 해요 및 스파크와 [같은 것들? MapThus?] 같은 물건과 우리가 기계에 대해 이야기하고 학습과 AI AI는 빅 데이터의 일부인가? AI의 빅 데이터 부분인가? 이 관계는 무엇인가? 멜 워릭 : 관계 빅 데이터와 인공 지능 사이에, 이들 알고리즘의 일부에 많은 알고리즘 및 데이터는 실제로 것이다 를 구축 할 수 있도록하고 성공하기 때 당신이 그들을 실제로 특히 잘 작동하도록 신경망에 도착

따라서 빅 데이터는 데이터를 가지고에 관한 것입니다 당신이 모델을 학습해야하고, 그게 다 무슨이다 나는 솔직히, 대부분의 작업을 의미 당신은 당신이 이러한 모델을 구축 할 때입니다 수행 데이터를 가져오고 데이터를 청소하고 갈 준비가 필요 뭔가 나는 사람들에게 모든 시간을 알려 좋아 데이터를 신뢰하지 않습니다 데이터가 완벽하게 심사하고 청소하고 처리 할 필요가있다, 와 같은 시간의 80 %가 지출 할 수있다 하지만 당신은 알아내는 시간을 할애해야합니까 그것은 당신이 가지고있는 무엇, 당신은 무엇을해야 과 형식으로 데이터 플랫폼의 몇 가지 유형으로 점점 그것은 당신의 models–에 될 것입니다 그것이 무엇 이건 추론 훈련, 대한 당신이 할 것입니다

음, 도구 우리가 큰 데이터를 가지고, 우리는 단지 소프트웨어에 그 연결을해야 당신이 사용하고있는 서버 MARK MANDEL : 그래서 지금은,도 궁금 나는 그런 종류, 이전에 언급 생각 AI의 전모의 종류 주위에 지속적인 학습과 플랫폼의 그것은 앞으로 간다 자체에서 학습 멜 워릭 : 오른쪽 MARK MANDEL : 무슨 모습입니까? 그냥 또 다시 같은 훈련을 다시 실행하고, 또는 약간 다른 프로세스가이 성장함에 따라이다? 그것은 어떻게 작동합니까? 멜 워릭 : 그것은 다를 수 있습니다 이 알고리즘의 몇 가지 유형을 사용하는 경우, 마르코프 알고리즘과 같은 경우 통계가 거기에 관련된 지속적 종류의 기반 적응 사람들의 반응을 실시간으로 측정 값에, 알고리즘 자체가 적응 어디 그 하나 개의 방법이 될 것입니다 반응로오고있다 그리고 그것을 실제 독서 시간입니다

때때로 당신은 훈련 오프라인, 또는 여러 번 수행해야합니까 당신은 교육을 오프라인으로해야 할 곳 당신은 당신이 그것을 얼마나 자주의 주파수를 선택합니다 당신이 캡처 한 새 데이터로 그래서 다른 형태의 몇 걸릴 수 있습니다 오프라인에 비해 실시간의 관점있다 FRANCESC CAMPOY : 동일한 주제에 다음과 같은 그래서, 당신이 알고리즘이 있기 때문에이 지속적으로 적응 조건에 그들이하고있는 상황에 실행, 그는 것을 의미 하는가 무언가를 학습 알고리즘에 대해 걱정해야 잘못된? 멜 워릭 : 오, 그래 FRANCESC CAMPOY : 그, 나는 예를 들어, 의미, 당신 스스로 운전하는 방법을 배운다 자기 차를 운전 있습니다 어떻게 당신은하지 않도록 할 고속도로에서 뒤쪽으로 운전하는 방법? 멜 워릭 : 믹스의 인간

당신이 평가하는 인간의 어떤 수준을 가지고있어 뿐만 아니라 당신은 확실히 필요로하는 시스템, 안전에 넣어 그리고 네, 이것은 내가 데이터를 신뢰하지 말 이유 당신은 또한 완전히 모델을 신뢰하지 않습니다 당신은 지속적으로 테스트하고 평가해야한다 우리는 제품의 예를 본 적이 그 거기에 정말 그들이 예상대로 작동하지 않았다이다

나는 엔지니어로, 솔직히, 생각, 당신은 정말 배울 quickly– 당신은 당신이 그렇지 않은이 코드를 작성할 수 있습니다 믿고 싶어 완전히 테스트해야하지만 모든 지속적으로 테스트 할 필요가있다 그리고 당신은 항상 생각해야 할 것 그것은 당신이 누락 될 수 있습니다 FRANCESC CAMPOY : 당신은 어떻게 테스트합니까? 멜 워릭 : 글쎄, 당신이 무슨 일을하는지에 따라 달라집니다 때때로 당신은 테스트를 작성하여 테스트합니다 때때로 당신은 작은 샘플에 노출하여 테스트합니다

때로는 야생에 넣어, 그리고 당신은 정말 빨리 어쩌면 당신이 알아 그리고 당신은 다시 다음 끌어 안 당신은 더 나은 결과를 위해 당신이 그것을 할 다음 시간을 바랍니다 MARK MANDEL : 예 확실히, 사람들의 마음에, 그 들었어요 사람들 아, 내가 일을 통해 AI 또는 ML을 뿌려거야, 생각 날이 완벽한 결과를 제공하는 것입니다 그러나 거기 당신에게 80 %를 얻을 수있는 AI 또는 ML처럼 보인다 그리고 거기에서, 그것은 일종의 이끌어 및 근근이 살아가고 있어요 당신이 좋은 제품을 얻을 때까지 공예

멜 워릭 : 나는 사람들의 스트레스를 같은 당신은 모델링에 아무것도 사실, 알고, 당신은 기계 학습과 아무것도 할 때, 당신은 바로 질문을 마련 할 필요가 또는 당신이 해결하고 올바른 문제 당신은 아무것도하기 전에 당신은 어떤 도구를 선택하기 전에 그런 다음에 대해 생각해야하기 시작, 나는이 작업을 수행해야하는 데이터는 무엇인가? 그리고 빅 데이터 모든 시간을 일 필요는 없습니다 사람들은 인공 지능을 수행 할 수 있습니다 작은 샘플 연구는에있다

하지만 당신은 데이터에 대해 생각해야한다 데이터의 현재 설정은 무엇입니까? 그리고 당신은 모델을 시작할 수 있습니다 실제로 무엇을 개발하기 위해 시간이 걸립니다 정말보고, 그것은 효과가있다? 그리고 당신은 무엇을, 또한 자신에게 물어해야 당신을 위해 달성하기 위해 노력하고? 우리는 일반적으로 평가하고 제 말 것 정확도는 설명 할 수있는 가장 쉬운 일이다 이러한 측정을 평가하는 방법에는 여러가지가있다, 하지만 당신은 허용 몇 퍼센트에서 자신에게 물어? 그것은 삶과 죽음 무언가가 있다면, 어쩌면 나는이에 999999 % 정확해야합니다

뭔가가 있다면 같은, 우리는 게임을하고있다 그 그것은 대부분의 시간을 이길 필요가있다, 어쩌면 80 % 내지 90 %의 정확성이 허용된다 MARK MANDEL : 나는이 질문을하는 곳입니다 아주 막연한 지식을 바탕으로 난 당신이 종류의 지나치게 연습 수 있다고 생각 당신은 특정 데이터 세트가있는 경우 멜 워릭 : 오, 그래 MARK MANDEL : 당신은 그게 뭔지 설명 할 수 어떻게 이길하거나 희망이 발생하지 않습니다? 마술 지팡이 또는 뭔가가 있나요? 멜 워릭 : 너희들은 모든 좋은 질문을한다

마찬가지로, 우리를 정확히 알려줍니다 그리고 그것은 노력도 흥미 롭다 실제로 having– 대 구두로이 작업을 수행하는 가끔하는 데 도움이 때문에 일반적으로 보여주는 이미지를 사랑 가지 점 가정을했다 하지만 그래, 당신은 확실히, overfit 수 있습니다 당신은 또한 underfit 수 있습니다 당신이 overfit 때, 당신이했습니다 의미 (가) 완벽하게 훈련 데이터 집합에 맞도록 만들었 그것은에 노출되어 있다고 그러나 일반화하지 않습니다

당신이 새로운 것을 그 전에 보지 않았 음을 표시하는 경우, 예측의 모든 종류를 제공 할 수 없습니다 실제로 유용 또는 분류 이 데이터에 너무 완벽하게 적합 될 수 있기 때문에 당신은 선형 회귀에 대한 선 그리기 볼 때 데이터 세트에, 그 좋은 예입니다 당신이 보면 overfitting는 대한의 모습 선형 회귀, 나는 당신이 좋은 시각을 얻을 수 있다고 생각 그게 어떻게 생겼는지 그래서 사람들은 정규화로 알려진 무엇을 넣어 당신의 모델로 그것은 종류의 퍼지합니다

그것은 좀 더 일반적인 수 있습니다 그리고 정규화은 매우 중요하다 당신은 신경망 깊은 학습과 아무것도 할 때 그것은 쉽게 overfits 지역이 있기 때문에 그래서 당신은 너무 완벽하게 일치하고 싶지 않아 훈련 세트, 항상 당신에게 제외하고는 한 번도 본 적이 없어요 일부 데이터를 설정하려면 당신이 그것을 테스트 할 때 볼 수 있습니다 그것은 작동 및 적용됩니까? FRANCESC CAMPOY : 그래 나는 정말 멋진라고 생각 예를 들었다

나는 우리가 Kaggle과의 에피소드를했을 때 그것이 생각합니다 MARK MANDEL : 오, 그래 FRANCESC CAMPOY : overfitting의 아주 좋은 예 당신이 주택 가격을 예측하기 위해 노력했다 멜 워릭 : 그래 FRANCESC CAMPOY : 그리고 집 중 하나의가 $ 2 백만 가정 해 봅시다됩니다 하나의 깨진 문이있다

그리고 당신은 어떤 집이있을 때마다 것을 배울 수 깨진 문, 그것은 얼마나 큰 상관없이 달러 (A $) 300 만 없을 것 그것 이다 특정 일 오 그래, 완전히 잘못, 좋아 그래서 그래, 정말 그런 내가 이것은 매우 흥미 롭다 멜 워릭 : 나는이의 정확한 세부 사항을 알고하지 않습니다 하지만이 예를 한 번 나에게 설명했다 여기서, 돌아 오는 길에 하루에 그들이 먼저 일 때 신경망을 탐험, 그들은 내가에서이 훈련을했다 이 탱크 생각

그리고 그들은 미국 사이에 인식 얻으려고 노력했다 러시아 탱크 그러나 문제는 그들이 실제 알고리즘을 훈련입니다 있었다 모든 미국 탱크 정말 정말 잘 이루어 마케팅 샷 촬영 화창한 공간, 반면 러시아 탱크가 있었다 흐린 및 어렵고 입자가 거칩니다 그들은 현실 세계에서 그것을 밖으로 시도했을 때, 그들은 모든 것이 탱크이었다 생각했다 이 거칠고 어두웠 때문이다 그리고 그것은 기본적으로 구름에 훈련했다 실제 탱크 자체에 비해 햇빛에 그래서 어쨌든, 그래, 그것은 재미 때를 이러한 알고리즘으로 파고 시작 정말 방법으로 초점을 맞추고 구체적으로 어떤 것입니다 볼 수 있습니다 이 분류 또는 예측하는 내 방식이라고합니다

그리고 사람들이 저항하는 것은 매우 흔한 일 그 때문에 특히 깊은 학습을 사용하여 완전히 침입하기 어렵다 때문이다 그리고 그들은이 노력하고 있습니다 그것은 해석 가능성라고 그러나 그들은 이해에 최선을 다하고 있습니다 왜이 분류를 따기 알고리즘이다 FRANCESC CAMPOY : 그것은 실제로 매우 재미있다 나는 그 모든 일이 아니라고 생각했다

당신이 신경 네트워크가 있으면, 당신은 뭔가가있는 경우 그 번호는 어떻게 든 당신은 몇 가지 레이어를 볼 수 있습니다을 예측 게재 신경망 가지 내부 아니라 이 원을 인식합니다 그래서 당신은 가지 알아 높은 규모의 일이 같은 당신이하려는 경우인가요 인식이 고양이인가? 멜 워릭 : 그래 FRANCESC CAMPOY : 실제로 수 그 신경망에서 볼? 멜 워릭 : 그래 그들은 거기에 몇 가지 좋은 예를 가지고 보여주는면에서 정말보고이 그물은 무엇인가 그것은 고양이를 찾습니다 때

무엇 별개의 일부는, 무엇을 것입니다 기능으로 알려진 데이터를 식별하는 데 도움 특히 설정? 그리고 실제로 거기에 큰 이미지를있다 당신이 초점을 맞추고 방법에 대한 관점을 줄 것이다 온라인 9 대 7을 분류, 그 루프를 볼 것이다 7에는없는 것 아홉이있을 것이라는 점을, 그리고이 기능이 될 것이다 이 두 숫자를 구분하는 데 도움이 더 높은 확률을 생성한다 MARK MANDEL : 그래서 그것을합니까 어떻게는 신경 그물을 부여 그것은 바로 수학의 본질적? 그렇다면이 숫자에서 확인할 수 있습니다 하는 루프가있다? 그것은 루프에서 찾고? 멜 워릭 : 그래, 그럼 지금 당신은 저를 구두로 수학을 설명합니다 이 굉장합니다

나는 그것을하고있어 방법은, 그것의 의미 기본적으로 화상 변환 특히 이미지에서 그래서, 그것은 변환 모든 숫자 값으로 그리고, 당신은 수학을 방식에 따라, 그것은 특별히 강조 할 수있는 방법을 찾을 것입니다 화상의 일부에 대한 수치 이미지 그래서 자체가 변환됩니다 수치로 무슨 일 수학이 많이 있습니다

그리고 내, 그것을 강조하고 말하는, 이 특정 영역에 초점을 맞 춥니 다 당신은 수치 values–의 관점에서이 지역이 표시되는 경우 의이 모든 그레이 스케일, 그리고 1과 가정 해 봅시다 0s– 난 그냥 정말 simple– 만들어 줄게 사진의 특정 영역에 초점을 맞추고있다 당신이 볼 경우, 그입니다 높은 확률은 9 할 것입니다 그래서 어떤 방법 그리고 당신은 실제로 이미지 자체에있는 것을 볼 방법 또는 당신은 신경 그물 것을 볼 방법 우리는 그물 안에 설정 실제 데이터를 가지고있는 방법이다 그것을 시각화

나는 그 설명의 최선의 방법 말할거야, 솔직히 지금,하지만 당신은 방법을 찾아 그것은 표면 및 시각화하고 변환하는 실제 모델은 어떤 형태로 모양을 이렇게 FRANCESC CAMPOY : 그래서 볼과 거의 디버깅과 같은 이 변수의 값을 참조 실제로있는 프로그램, 때 실행하고 있습니다 당신은 종류의 이러한이, 오, 볼 수 있습니다 [때문에 활성화되어 조각? 그것은 본다?] 주변 또는 무엇이든

즉, 그 뜻, 때마다 당신을 원을 인식 할 수있는 큰 신경 네트워크를 양성 선과 무엇이든, 당신은 할 수 다음 다른 일에 훈련 그 부분을 다시 사용합니다 마찬가지로, 예를 들어, 아니, 당신이있어 가정 해 봅시다 다이어그램을 인식하려고하는 것 또는 그런 일 멜 워릭 : 그래서 당신은, 전송 학습을 가져오고 있습니다 그것은 정말 인기있는 일이되고있다 나는이 주변의 신경망에 대해 말할 것 몇 가지 특히 신경 그물은 지난 몇 년 동안 최근 인기에 온 연산 능력이 있었으므로 실제로 이러한 계산을 수행하는 방법이해야 할, 집중적 인 계산 당신이 그것을 위해 무엇을해야, 및 데이터를 사용할 수있었습니다

무엇 처음 신경망에 대한 인기가하는 기능이었다 공학, 기능 엔지니어링 의미 당신은 당신을 통해 데이터를 실행할 수 있습니다 데이터의 기본 중요한 부분을 식별하는 당신이 모델을 구축 할 수 있도록 도와드립니다 그리고 그 사람들이 수동으로해야 할 일을했을 뭔가의 그것은 오랜 시간이 정말 많이했다 그러나 신경망을 사용하면 훨씬 쉽게했다 이제, 사람들은 알려진 것에 대해 흥분된다 전송 학습, where–로 더 그렇게 신경 nets–와 당신은 이미했습니다 때문에 , 성공적이었다 훈련 모델을 가지고 그들은 영상 분류의 몇 가지 유형을 잘있어 그리고 당신은 그 모델의 일부를 취할 수 과 다른 이미지 분류 문제에 적용, 그리고 적응 빠르고, 훈련 빠르게 적용 할 빠르다

그래서 멋지다 그것은 고양이와 개를 알아내는처럼, 그것은 나무 또는 무엇인가를 파악을 위해 사용됩니다 MARK MANDEL : 그것은 그런 식으로 매우 인간이다 마찬가지로, 나는 스포츠 X 했어, 나는 한 가지처럼 수행하는 데 사용 그리고 나는 정확히 같은 일을 할 수 있습니다 당신은 농구 실력을했다 그것을 인수 그런 네트볼이나 뭐 같은 뭔가

멜 워릭 : 그래 MARK MANDEL : 그 종류의 고급형입니다 그래서 때 로봇 반란 때, 그리고 내가해야 로봇 군주를 기대? 멜 워릭 : 내일 MARK MANDEL : OK 멜 워릭 : 그것은 이미 여기입니다

당신은 이미이었다 몰랐 당신에게 모든 것을 말하고 MARK MANDEL :이와 OK입니다 난 그냥 물어 거라고 생각했다 멜 워릭 : 나는이 말을합니다 일부 연구는 주위가 이루어졌다 superintelligence 공간과 모든 사람 우리가 갈 때 누가 예측했다 superintelligence을 가지고 있습니다

그리고 그들은, 시간 프레임을 평균 그리고 기대는 2040입니다 MARK MANDEL : OK FRANCESC CAMPOY : 2040? 오 와우 MARK MANDEL : 그것은 빨리 내가 ​​생각했던 것보다 곧입니다 멜 워릭 :하지만 당신은 시간을 가지고있다

MARK MANDEL : 나는 시간을 가지고있다 멜 워릭 : 당신은 충분한 시간이있어 FRANCESC CAMPOY : 그래서 타이탄의 충돌이 있었다 있었다 마크 주커 버그와 엘론 머스크가 있었다 공개적으로 AI를 논의 그리고 기본적으로 하나가 말하는 AI, 슈퍼 위험 우리는 슈퍼주의해야합니다 아니, AI가 세상을 구할 것처럼 다른 하나였다

이에 대한 당신의 구부러진은 무엇인가? 당신의 의견 것입니다? AI는 파괴하거나 세상을 구할 것인가? MARK MANDEL : 그리고 그것은 단지 하나 또는 다른이 될 수 있습니다 더의 사이가 없습니다 FRANCESC CAMPOY : 그래 멜 워릭 : 나는 다섯 번째를 주장 그래서 나는 특히, 밖으로 재생이 인수를 보았다 지난 몇 년있다

나는 두려움이 사람을 얻기 위해 사용하고 있다고 생각 일을하거나, 나도 몰라하는, 필요는 없다 그 방법으로 반응 유익한, 솔직히 내가하자, 이제 두려워하자, 많은 일을의 팬이 아니에요 정말 두려워 그러나 나는 당신이 조심해야 할 필요가 있다고 생각합니까 그리고 연구자를 많이 알고 도전의 일부 옹호하려고하는 그들은오고 옹호하려고 참조 것을 책임감있는 방법을 우리는 그 문제에 대해 올 수 있습니다 나는 그들은, 그래으로이만큼 재미 아니라는 것을 알고 아래로 던져 그것을 밖으로 싸워야한다, 이것은 거기에 가장 좋은 사람입니다

나는이 공간에서 많은 마약 중독이있다 보는가 이 과대 광고를 많이, 그리고 그것은 어떤 방법으로 직결됩니다 나는 사람들이 그 안에 잡힐 수 있다고 생각하기 때문에 가난한 결정을 내리고 일에 구매 즉, 장기적으로 그들에게 도움이 될 수 없습니다 그러나, AI와 과거와는 달리 우리는 50 년대에 과대 광고를보고 다음이 AI 겨울 및 과대 광고 다시 80 년대와 90 년대 다시 드롭 아웃과 같은에서, 우리는 암 세포를 식별처럼, 실제 응용 프로그램을보고있다 이미지에, 우리에게 매우 유익한 도움이됩니다 거기의 그리고이 완전히 측면에서 과대 선전되지 않는다 거기 진짜 가치 단지 당신은 마약 중독과 두려움에주의해야 할 것 그리고, 그것은을 위해 사용되는 것에 대해 현실 어디 유용하고 당신이 무엇을해야하는지 참조 그것에 대해 책임을 져야합니다

FRANCESC CAMPOY : 당신은 연구 언급 그들이 가지고 몇 가지 우려에 대해 매우 조심했다 당신은 그 관심사 중 하나의 예를 들어 주실 수 있습니까? 멜 워릭 : 우려의 일부 나는 최근에 들었어요, 나는 대부분의 사람들이 생각 이 얘기, 작업이다 우리는 모든 작업을 멀리 자동화 한 건가요? 모르겠어요 모르겠어요 대화는 우리가 그들을 자동화 않는, 주위에있다 또는 우리는 단지 새로운 일자리를 만들 수 있죠? 그래서 나는 전문가의 부족 해요 완전히이 정말 일어날에에 무게를 할 수 있습니다

그리고 연구자의 대부분이 완전히 모르는 생각, 하지만 일부 대화와 토론이있다 그 모습 어떤 것이 있는지 일부 다른 문제는 얘기하고 있었는지를 따라 있습니다 이전 테스트와 함께, 우리를 어떻게 할 우리가 야생으로 물건을 옮기고 알고 사람을 해치지 않을 것입니다? 그리고 우리가 적절한 수준을 가지고 있는지 확인하십시오 그리고 해를 말한다 나는 모든 사람을 죽이고 그들에 대해 이야기하고 있지 않다 하지만 난 장소에 적절한 안전 장치를 가지고 말하고있다 그래서 그들은 완전히 얘기하는 사람들베이스 떨어져 아니에요, 그리고 난 알아 [? Yomas은?] 그들이있어 경우, 그 중 하나입니다 , 말하려고 우리가 올바른 안전 조치를해야합니까 AI 유용한 방법으로 영향력이 될 것입니다 있는지 확인하기 위해? MARK MANDEL : 그리고 당신이 확인하고, 이야기하고 있었는지 등 인간은 혼합에 남아있다

당신은 컴퓨터가 말을있는 경우에 중대 이 암 세포 또는 이러한 없습니다, 실제로, 말과 함께 의사를 가지고, 의 그렇게 한 번 확인하자 우리는 조치를 취하겠습니다 내가 제안 등의 정보를 할게요 또는 전체 모두의 패킷의 부분은 내가하고 있어요 나는 그것이 매우 흥미로운 것 같아요 나는 체스 리그와 물건의 물건을 들었어요 어디 인간과 컴퓨터 AI의 상호 작용과 같은 수 같은 팀이 함께 작업 할 수있는 그리고 나는 앞으로 생각, 당신은 볼 수 일어나는 일이되고있다 그것은 단지 하나 또는 다른 적이 없습니다

그것은 함께 모두입니다 멜 워릭 : 오른쪽 MARK MANDEL : 우리는 불행하게도, 시간이 부족합니다 나는 좋은 대화를하고있다 우리는 마무리하기 전에, 그러나,이 아무것도 당신은 당신이, 당신이있어 이벤트를 연결 있는지 확인하려면 아마 뭔가에가는 당신이있어 매우 흥분 당신이 단지 우리가 완료하기 전에이 팟 캐스트에 도착 만들고 싶어? 멜 워릭 : 나는 앞으로 찾고 있어요 올랜도 그레이스 호퍼에서 AI 패널에 말하기에

FRANCESC CAMPOY : 좋은 멜 워릭 : 그래서 10 월에오고, 나는 확실히 그것을 언급하고 싶다 하지만 그래, 나는오고있다 회담의 번호를 가지고 나는 스트라과 오라일리의 AI 회견을 좋아한다 감사합니다 나 플러그인을 주셔서 감사합니다

FRANCESC CAMPOY : 우리는 그 모든해야합니다 누군가가 당신을 찾아 가서 물어보고 싶은 경우에 쇼 노트 로봇 반란에 대한 당신 멜 워릭 : 감사합니다 FRANCESC CAMPOY : 확실히 다음 의견을 가지고있다 고맙습니다 정말 고맙습니다

멜 워릭 : 감사합니다 FRANCESC CAMPOY :이 놀라운했다 MARK MANDEL : 감사합니다 FRANCESC CAMPOY : 멜라니에 너무 감사합니다 인공 지능과 기계 학습에 그녀의 의견을 공유 또한 차이 무엇인가 무슨 일이 미래에 일어날 것입니다 우리는 우리의 기계 학습 군주를 환영 할 것입니까? MARK MANDEL : 그래

나는 완전히 그들을 환영합니다 나는 그에서 분명히하고자합니다 FRANCESC CAMPOY : 그래 전혀 나도

나는 그들을 사랑 해요 승인 나는 갈 시간 같아요 주 우리의 질문은는 Kubernetes에 관한 것입니다 그래서는 Kubernetes, 당신은 포드가 있습니다

그리고 그 포드, 때마다 그들은 die– 그들은 실제로 매우 짧은 살았 sometimes– 있습니다 하나는 죽을 때마다, 당신이라는 서비스가있는 경우, 글쎄, 난의 그것의 10 개 인스턴스를 가정 해 봅시다해야한다, 새가 생성됩니다 그리고 당신은 정말에 제어 할 수 없습니다 포드가 사망 할 때마다 새로 만들어집니다 자, 당신은 어떻게 그 행동 사이에 뭔가를 할 것인가? 나는 순간에 뭔가를하려는 경우와 같은 의미 새로운 포드가 생성됩니다, 우리가 어떻게해야합니까? 그리고 뭔가에게 순간을 수행하려는 경우 포드가 사망하거나 감지되거나 고려 죽은, 당신은 어떻게해야합니까? MARK MANDEL : 차가운 그래서 실제로 뭔가입니다 종류는 Kubernetes에 대해 매우 흥분 저를 가져옵니다

그래서는 Kubernetes는 전체 REST API를 가지고뿐만 아니라, 이동 및 파이썬과 같은 대부분의 언어에 대한 고객의 일련의 다른 사람뿐만 아니라 그리고 무엇을 만드는 것은 내게는 Kubernetes에 대한 흥분 는 Kubernetes이 놀라운 일이 있다는 것을 배포의 측면에서 정말 멋진 많은 작업을 수행 그 같은 서비스와 물건, 그러나 그것은 또한 당신에게 빌딩 블록을 너무 많이 준다 그리고 API는이 모든 종류의를 할 수 있도록하는 다른 흥미로운 물건의 프로그래밍 그래서 당신이 정말로 그것을 제어 할 수 있습니다 그래서 그런 것들 중 하나는 그것이 가지고 기본적으로 전체 시계 API입니다 고객의 대부분은 그 마무리 당신은뿐만 아니라 REST API를 통해 직접도 액세스 할 수 있습니다

당신은 기본적으로이 물건이 발생할 때마다 어이, 말해, 말할 수 있습니다 그래서 예를 들면, 우리가 여기서 무슨 말을하는지, 이벤트가 포드에 대한 발생할 때마다 야, 말해 그리고 당신은 실제로뿐만 아니라 사람들에게 필터를 적용 할 수 있습니다, 당신은 그렇게 재미 물건을 할 수 있습니다 그리고 무엇을 그에 대한 멋진 것은 그 다음이다 난 그냥 어쩌면 일어나는 배포 할 수 있습니다 그것은는 Kubernetes에 앉아있다

그것은 클라이언트를 통해는 Kubernetes의 API에 연결할 수 있습니다 그리고 말할 수있는, 이봐, 나 때마다 말 뭔가 포드와 함께 발생합니다 하나가 만들어 질 경우 그리고, 그것은 메시지를 받게됩니다 무언가를 말하는 것은 일어났다 하나는 삭제됩니다 때,이 메시지를 가져옵니다, 뭔가 일어났다 그리고 프로그래밍, 당신은는 Kubernetes에게 두 수 다른 뭔가를, 어쩌면 로그에 메시지를 해고, 어떤 분석이나 통계의 일종을한다

당신은 분명히 여기에서 할 수있는 재미있는 모든 종류가있다 FRANCESC CAMPOY : 그래서 당신이 요청을 그 무슨 뜻 당신은 콜백의 어떤 종류를 제공 그것은으로 webhook처럼 호출 할 것이다? 또는 긴 것처럼 그리고 당신은 새 메시지를 얻을 수 해당 연결에서? MARK MANDEL : 그래서 그것은 당신의 클라이언트에 의존하고 그것을 수행하는 방법 그래서 일반적으로 이동 클라이언트를 사용합니다 그래서 정상적으로 수행하기가 다시 채널을 손이다, 그리고 데이터 채널로 밀리 사람들은 채널에 익숙하지 않은 경우, 블로킹 큐 등 기본적으로 생각합니다

그리고 데이터는로 전환하고 난 그냥 선택할 수 있습니다 이를 통해 오는대로 그 FRANCESC CAMPOY : 차가운 MARK MANDEL : 그리고 나는 이동 루틴을 수행 할 수 있도록 기본적으로 포크 다른 스레드 해제하는 것은 거기에서 실행을 계속 그리고 그것은 정말 간단합니다, 나는 프로세스를 시작하거나 사망에 대해 걱정할 필요가 없습니다 처리 또는 그 물건의 추적 는 Kubernetes 사랑스러운 인, 나를 위해 모든 것을 처리합니다

FRANCESC CAMPOY : 좋은 내가 가장 좋아하는 것은 사실이 API의뿐만 아니라 사실이다 존재하지만,이 API는 [가 사용된다? 큐브?] [? QTL? 또한 [라고도? 큐브?] [? CTL?] 하지만 [? 큐브?] [? QTL?] 내 집이다 그리고 그것은하지 그 많은 사람들이 알고있는 뭔가의 하지만 당신은 일을 할 수있다 이렇게