Siapa pun yang telah mencoba Foto Google akan setuju bahwa penyimpanan foto dan layanan manajemen gratis dari Google ini cerdas. Ini dikemas dalam berbagai fitur pintar seperti pencarian lanjutan, kemampuan untuk mengkategorikan gambar Anda berdasarkan lokasi dan tanggal, secara otomatis membuat album dan video berdasarkan kesamaan, dan membawa Anda ke jalur memori dengan menunjukkan foto-foto pada hari yang sama beberapa tahun yang lalu. Ada banyak hal yang dapat dilakukan Foto Google yang beberapa tahun lalu tidak mungkin dilakukan secara mesin. Foto Google adalah salah satu dari banyak layanan "pintar" dari Google yang menggunakan teknologi pembelajaran mesin yang disebut TensorFlow. Kata belajar menunjukkan bahwa teknologi akan semakin pintar pada saat ke titik yang tidak bisa dibayangkan pengetahuan kita saat ini. Tapi apa itu TensorFlow? Bagaimana mesin bisa belajar? Apa yang bisa kamu lakukan dengan itu? Ayo cari tahu.
Apa itu TensorFlow?
TensorFlow adalah perangkat lunak open-source dan kecerdasan buatan Google yang kuat, yang mendukung banyak layanan dan inisiatif dari Google. Ini adalah generasi kedua dari sistem untuk implementasi pembelajaran mesin skala besar, yang dibangun oleh tim Google Brain. Perpustakaan algoritma ini berhasil DistBelief - generasi pertama.
Teknologi ini mewakili komputasi sebagai grafik aliran data stateful. Apa yang membuat TensorFlow unik adalah kemampuannya untuk memodelkan perhitungan pada berbagai perangkat keras, dari perangkat seluler tingkat konsumen hingga server multi-GPU kelas dunia. Ini dapat berjalan pada GPU dan CPU yang berbeda dan menjanjikan skalabilitas pembelajaran mesin di antara berbagai perangkat dan gadget tanpa harus mengubah jumlah kode yang signifikan.
TensorFlow berasal dari kebutuhan Google untuk menginstruksikan sistem komputer untuk meniru cara kerja otak manusia dalam pembelajaran dan penalaran. Sistem, yang dikenal sebagai jaringan saraf, harus dapat melakukan pada array data multidimensi yang disebut sebagai "tensor." Tujuan akhirnya adalah untuk melatih jaringan saraf untuk mendeteksi dan menguraikan pola dan korelasi.
Pada November 2015, Google menjadikan teknologi ini open-source dan memungkinkannya untuk diadopsi ke semua jenis produk dan penelitian. Siapa saja, termasuk peneliti, insinyur, dan penghobi, dapat membantu mempercepat pertumbuhan pembelajaran mesin dan membawanya ke tingkat yang lebih tinggi dalam waktu yang lebih singkat.
Langkah ini ternyata menjadi yang benar karena ada begitu banyak kontribusi dari pengembang independen ke TensorFlow sehingga mereka jauh melampaui kontribusi Google. Wikipedia menyebutkan bahwa "ada 1500 repositori di GitHub yang menyebutkan TensorFlow, dimana 5 berasal dari Google." Karena itu, salah satu diskusi di Quora menduga bahwa kode sumber terbuka yang dirilis adalah versi "dibersihkan" dari salah satu yang digunakan Google dalam layanannya.
Bagaimana cara kerja TenserFlow?
Menggunakan bahasa manusia normal yang sederhana dan penyederhanaan yang berat, kita mungkin melihat satu sisi TensorFlow sebagai teknologi penyaringan otonom canggih. Pada intinya, teknologi ini adalah perpustakaan perangkat lunak pembelajaran mesin yang sangat besar. Itu menggunakan database untuk membantunya “membuat keputusan”.
Misalnya, seseorang mengunggah foto ke Foto Google. Teknologi ini akan membandingkan semua detail dari gambar ke basis datanya dan memutuskan apakah itu gambar binatang atau manusia. Maka jika itu adalah manusia, ia akan mencoba menentukan jenis kelamin, usia hingga semua orang. Proses yang sama diulang untuk objek lain di foto.
Itu juga menggunakan data pengguna seperti identitas orang dalam gambar dan lokasi di mana gambar diambil, untuk meningkatkan perpustakaannya sehingga dapat memberikan hasil yang lebih baik di masa depan - baik untuk individu yang mengunggah foto dan untuk semua orang lain. Karena itu istilah "belajar". Tapi itu tidak berhenti hanya pada mengetahui dan mempelajari data dari foto. Ada banyak hal yang dapat dilakukan teknologi dengan informasi dari foto. Misalnya, dapat mengelompokkan foto dengan detail serupa seperti orang yang sama, lokasi yang sama, tanggal yang sama; lihat pola wajah untuk menentukan keluarga dan teman mana yang dimiliki foto itu, dan gunakan informasi tersebut untuk membuat video liburan keluarga atau animasi dari pengambilan gambar terus menerus.
Itu nyaris tidak menggores permukaan cara kerja TensorFlow, tapi saya harap ini bisa memberi Anda gambaran umum tentang teknologi tersebut. Juga, hanya menggunakan satu contoh tidak bisa adil untuk apa yang mampu.
Dan untuk semua penggemar Inteligensi Buatan di luar sana, perlu disebutkan bahwa Google telah menciptakan teknologi chip komputer yang dioptimalkan untuk pembelajaran mesin dan mengintegrasikan TensorFlow ke dalamnya. Ini disebut chip ASIC Tensor Processing Unit (TPU) .
Mereka yang ingin mempelajari lebih lanjut tentang TensorFlow dapat mengunjungi halaman tutorialnya.
Aplikasi TensorFlow
Kami berada pada tahap awal teknologi pembelajaran mesin, jadi tidak ada yang tahu ke mana akan membawa kami. Tetapi ada beberapa aplikasi awal yang mungkin memberi kita intip di masa depan. Karena berasal dari Google, jelas bahwa Google menggunakan teknologi untuk banyak layanannya.
Lebih lanjut tentang Analisis Gambar
Kami telah membahas contoh penggunaan teknologi untuk analisis gambar di Foto Google. Tetapi aplikasi analisis gambar juga digunakan dalam fitur Street View Google Maps. Misalnya, TensorFlow digunakan untuk menghubungkan gambar dengan koordinat peta dan untuk secara otomatis mengaburkan nomor plat mobil apa pun yang secara tidak sengaja termasuk dalam gambar.
Pengenalan suara
Google juga menggunakan TensorFlow untuk perangkat lunak pengenalan suara asisten suaranya. Teknologi yang memungkinkan pengguna untuk mengeluarkan instruksi bukanlah hal baru, tetapi memasukkan perpustakaan TensorFlow yang terus berkembang ke dalam campuran mungkin akan meningkatkan fitur ini beberapa tingkat. Saat ini, teknologi pengenalan suara mengenali lebih dari 80 bahasa dan varian.
Terjemahan Dinamis
Contoh lain dari bagian "pembelajaran" dari teknologi pembelajaran mesin adalah fitur terjemahan Google. Google memungkinkan penggunanya untuk menambah kosa kata baru dan memperbaiki kesalahan dalam Google Translate. Data yang terus bertambah dapat digunakan untuk secara otomatis mendeteksi bahasa input yang ingin diterjemahkan oleh pengguna lain. Jika mesin melakukan kesalahan dalam proses deteksi bahasa, pengguna dapat memperbaikinya. Dan mesin akan belajar dari kesalahan itu untuk meningkatkan kinerjanya di masa depan. Dan siklus berlanjut.
Alpha Go
Salah satu contoh menyenangkan dari penggunaan TensorFlow adalah Alpha Go. Ini adalah aplikasi yang diprogram untuk memainkan Go . Bagi mereka yang tidak terbiasa dengan Go, ini adalah permainan papan abstrak untuk dua pemain yang berasal dari China lebih dari lima ribu lima ratus tahun yang lalu, dan itu adalah permainan papan tertua yang masih terus dimainkan hingga saat ini. Meskipun aturannya sederhana - untuk mengelilingi lebih banyak wilayah daripada lawan, gim ini sangat kompleks dan, menurut Wikipedia: "memiliki lebih banyak kemungkinan daripada jumlah total atom di alam semesta yang terlihat."
Jadi, menarik apa yang bisa dilakukan teknologi mesin pembelajaran dengan kemungkinan yang tak terbatas. Dalam pertandingan melawan Lee Sedol - juara dunia 18 kali Go, Alpha Go memenangkan 4 dari 5 pertandingan dan diberi peringkat grandmaster tertinggi Go.
Proyek Magenta
Aplikasi lain yang menarik dari TensorFlow adalah Proyek Magenta. Ini adalah proyek ambisius untuk menciptakan seni yang dihasilkan mesin . Salah satu hasil nyata dari percobaan adalah melodi piano 90 detik. Dalam jangka panjang, Google berharap untuk menghasilkan seni yang dihasilkan mesin yang lebih maju melalui proyek Magenta dan membangun komunitas seniman di sekitarnya.
Pada Februari 2016, Google juga mengadakan pameran seni dan lelang di San Fransisco memamerkan 29 komputer yang dihasilkan - dengan sedikit bantuan dari karya seni manusia. Enam dari karya terbesar dijual dengan harga $ 8.000. Komputer mungkin masih memiliki jalan yang sangat panjang sebelum dapat meniru seorang seniman sungguhan, tetapi jumlah uang yang orang bayarkan untuk seni menunjukkan kepada kita sejauh mana teknologi telah berjalan.
Dukungan untuk iOS
Meskipun kami telah melihat kemampuan TenserFlow di Android, dengan versi terbarunya, TensorFlow akhirnya menambahkan dukungan untuk perangkat iOS. Karena ada banyak aplikasi seluler hebat yang tersedia khusus untuk iOS, atau dirilis lebih dulu di iOS, itu artinya kita dapat mengharapkan lebih banyak aplikasi seluler yang mengadopsi pembelajaran mesin dalam waktu dekat. Hal yang sama dapat dikatakan untuk kemungkinan adopsi yang lebih luas dan aplikasi TensorFlow.
Masa Depan TensorFlow
Apa yang bisa dilakukan seseorang dengan mesin yang mampu belajar dan membuat keputusan sendiri? Sebagai orang yang berurusan dengan lebih dari satu bahasa sebagai bagian dari kehidupan sehari-hari, hal pertama yang muncul dalam pikiran saya adalah terjemahan bahasa. Tidak di tingkat kata demi kata, tetapi lebih pada tingkat teks yang lebih panjang seperti dokumen atau bahkan buku. Teknologi terjemahan saat ini terbatas pada kosakata. Anda dapat dengan mudah mengetahui apa yang "tidur" dalam bahasa Cina dan sebaliknya, tetapi cobalah untuk memasukkan satu bab Musashi Eiji Yoshikawa dalam bahasa Jepang aslinya dan menerjemahkan bab itu ke dalam bahasa Inggris. Anda akan melihat apa yang saya maksudkan.
Menyenangkan juga melihat apa yang dapat dilakukan masa depan Kecerdasan Buatan dengan musik. Meskipun masih sangat mendasar, aplikasi Memo Musik Apple sudah dapat memberikan iringan bass dan drum otomatis untuk nyanyian rekaman Anda. Saya ingat satu episode dari acara TV SciFi di mana karakter dalam acara itu menciptakan mesin yang menganalisis semua lagu-lagu top di tangga lagu dan mampu menulis lagu-lagu hit sendiri. Akankah kita tiba di sana?
Dan sebagai penutup berpikir, saya ingin menyebutkan Sunspring . Ini adalah film fiksi ilmiah pendek yang sepenuhnya ditulis oleh penulis skenario AI yang menyebut dirinya Benjamin - yang bahkan mengomposisikan selingan musik pop-lagu. Film ini disatukan oleh sutradara Oscar Sharp untuk acara Film Challenge of Sci-Fi London 48 jam.
Sekarang saya tidak bisa berhenti memikirkan Terminator. Selamat datang di masa depan.
Kredit Gambar: Wikipedia, TechInsider, The Verge, Wall Street Journal
