Google의 AI 재 작성 내부 : 모든 것에 기계 학습 구축

Makoto Koike는 일본의 오이 농부입니다. Koike는 일본 자동차 산업에서 수년간 일한 전 임베디드 시스템 디자이너이지만 2015 년에 부모의 오이 농장을 돕기 위해 집으로 돌아 왔습니다. 그는 곧 오이를 색, 모양, 크기 및 "가시성"과 같은 속성으로 분류하는 수동 작업이 오이를 재배하는 것보다 까다 롭고 힘들다는 것을 깨달았습니다. Google 인공 지능 (AI) 소프트웨어 AlphaGo의 딥 러닝 혁신에서 영감을 얻어 작업을 자동화했습니다.

기업은 모든 종류의 방식으로 실용적인 AI를 구현하기 시작했지만 Koike의 AI 오이 분류 솔루션이 아무도 나오지 않았다고 말하는 것이 안전합니다. Koike는 AI 기술을 사용한 적이 없었지만 오픈 소스 TensorFlow 기계 학습 (ML) 라이브러리를 사용하여 오이의 이미지를 입력하기 시작했습니다. Koike는 다양한 오이의 뉘앙스에서 텐서 플로우를 훈련시키는 객체 인식 및 딥 러닝을위한 컴퓨터 비전 알고리즘 덕분에 높은 정확도로 야채를 식별하고 분류 할 수 있음을 깨달았습니다. 그런 다음 Koker는 TensorFlow와 저렴한 Raspberry Pi 3 컴퓨터 만 사용하여 오늘날 농장에서 여전히 사용하는 자동 분류 기계를 만들었습니다.

TensorFlow는 비즈니스와 개발자가 AI를 사용하여 해결할 수있는 혁신적인 혁신적인 많은 오픈 소스 알고리즘 및 도구 중 하나입니다. 이 회사는 Google I / O 컨퍼런스에서 Google.ai를 출시하여 "모든 사람에게 AI의 이점을 제공"한다는 사명을 확장하여 모든 AI 자원을 통합 된 플랫폼으로 묶었습니다. Google은 또한 이러한 기술과 API (응용 프로그래밍 인터페이스)를 모든 작업에 통합하여 ML을 제품에 굽고 프로세스에서 소프트웨어 작동 방식을 근본적으로 재정의하고 있습니다.

PCMag는 최근 Googleplex를 방문하여 G Suite, Google Cloud Platform (GCP) 및 회사의 ML ASL (Machine Learning Advanced Solution Lab) 경영진에게 AI가 어떻게 자신을 재건하고 있는지에 대해 이야기했습니다.

어디서나 인공 지능

고객 중 하나에 문제가 있다고 가정 해 보겠습니다. 회사의 헬프 데스크 부서 직원이 Google Cloud Platform에 데이터를 저장하는 채팅 앱을 통해 고객과 실시간 채팅 중입니다. 문제 해결을 위해 사용자는 에이전트에게 중요한 개인 데이터를 보내야합니다. 이제 고객이 할머니라고 가정 해 봅시다. 고객 서비스 담당자는 할머니에게 몇 가지 데이터를 요구하지만 대신 할머니는 사회 보장 카드의 사진을 채팅에 업로드 할 때 필요한 것보다 더 많은 정보를 보냅니다.

개인 식별 정보 (PII)를 아카이빙하는 대신 Google은 소셜 시큐리티 번호와 함께 표시되며 다른 PII는 자동으로 수정됩니다. 에이전트는 필요하지 않은 정보를 전혀 보지 못하며 해당 데이터 중 어느 것도 Google의 암호화 된 보관소에 저장되지 않습니다. 캘리포니아 마운틴 뷰에있는 구글 본사에서 DLP API 기술을 시연하는 동안 회사는 ML 알고리즘이 텍스트와 이미지를 분석하여이를 실현하는 방법에 대한 막을 내렸다.

Google 클라우드의 신뢰 및 보안 마케팅 책임자 인 Rob Sadowski는 자동 수정 기능이 민감한 데이터를 분류하기 위해 표면적으로 작업하는 Google의 DLP (데이터 손실 방지) API에 의해 제공된다고 설명했습니다. 이 알고리즘은 신용 카드 번호와 같은 데이터를 사용하여 동일한 작업을 수행하며, 숫자가 가짜 인 경우를 감지하기 위해 패턴을 분석 할 수도 있습니다. 이것은 AI를 경험으로 짜고 Koike와 같은 비즈니스 및 개발자에게 동일한 작업을 수행 할 수있는 Google의 미묘한 전략의 한 예일뿐입니다.

구글은 소프트웨어에 결합 지능 계층을 구축하는 유일한 기술 거대 기업과는 거리가 멀지 만 아마존과 마이크로 소프트와 함께 가장 광범위한 클라우드 기반 인텔리전스 툴과 서비스를 제공하고있다. 회사 제품을 분석하면 Google 어시스턴트와 다양한 ML 및 컴퓨터 비전 API가 거의 모든 곳에서 사용되고 있음을 알 수 있습니다.

Google 검색은 RankBrain AI 시스템에서 ML 알고리즘을 사용하여 검색 결과의 품질을 지속적으로 개선하기 위해 다양한 변경 요소를 기반으로 쿼리를 처리하고 세분화하고 데이터의 순위를 다시 지정하고 집계합니다. Google 포토는 컴퓨터 비전을 사용하여 관련 사진을 추억으로 결합하고 동일한 위치의 여러 장면을 파노라마로 결합합니다. Inbox는 자동 생성 된 Smart Replies를 선택하고 유사한 카테고리를 하나로 묶어 관련 이메일을 표시합니다. 회사의 새로운 Google Allo 채팅 앱에는 Google Assistant가 내장되어 있습니다. 목록이 계속 표시됩니다.

이러한 모든 앱은 Google의 클라우드 인프라에서 실행되며 회사는 데이터 센터에 ML을 적용하여 부하 및 날씨 데이터를 기반으로 냉각 펌프를 조정하여 전력 소비를 줄입니다. 사도 우 스키는 구글 보안 전략의 최종 방어 계층으로도 사용되며, 회사는 보안 인텔리전스 내에서 머신 인텔리전스와 리스크 스코어링을 사용하여 예측 분석을 통해 시스템이 손상되었는지 여부를 판단한다.

Sadowski는 "Google은 개발 한 모든 ML 및 AI 모델을 가져와 보안을 위해 조정합니다"라고 설명했습니다. "보안은 대부분의 IT 부문보다 훨씬 근본적으로 변화하고 있습니다. 방화벽 및 엔드 포인트 보호와 같이 3 년 또는 4 년 전에 보안 인프라의 핵심 제품인 제품은 여전히 ​​중요하지만, 우리는 깊이 있고 규모에 따라 심층적 인 방어를 제공하고자합니다. 매일 수백만 명의 활성 사용자가있는 다중 테넌트 인프라를 기반으로합니다.

Sadowski는“기본 데이터 센터 하드웨어로 시작합니다. "그 위에는 완전히 암호화 된 데이터와 통신을 통한 응용 프로그램 서비스 및 인증이 있습니다. 그 위에는 사용자 ID가 있습니다. 그리고 마지막 방어 계층은 24/7 모니터링, 탐지 및 사고 대응을 통해 운영되는 방식입니다. ID 인식 프록시를 통한 안전한 원격 액세스와 같은 문제를 해결합니다. 프로그래밍 방식의 DLP 서비스는 데이터 유출을 찾아서 방지하고 데이터 거버넌스 및 보안을 지원하며 이러한 기능을 쉽고 소비 가능하게하고 규모에 맞게 작동하도록하는 것을 목표로합니다."

똑똑한 G 스위트

ML은 Google의 G Suite 생산성 앱에도 포함되어 있습니다. G Suite의 제품 관리 담당 이사 인 Allan Livingston은 AI가 사용자를 인식하지 않고도 G Suite를 더욱 스마트하고 상황에 맞게 만드는 몇 가지 방식을 무너 뜨 렸습니다.

리빙스턴은“G Suite가 이러한 모든 애플리케이션을 자연스럽게 통합 된 방식으로 통합하는 방법에 대해 생각해보십시오. "그 중 하나에서 작업을 시작하고 적절하게 진행합니다. 드라이브에서 Gmail 첨부 파일을 열면 문서로 이동합니다. 실제로는 자동입니다.

"우리는 사용자를 위해 그것을 생각하려고 노력하고 있으며 여기에는 머신 러닝도 포함됩니다. Inbox에서 스마트 한 답글로 시작했으며 Gmail로 성공했으며 문서, 스프레드 시트의 탐색 기능으로 이어졌습니다. 및 슬라이드."

지난 가을에 출시 된 Explore는 자연 언어 처리 (NLP)를 인앱 생산성 경험에 적용합니다. 문서에서 탐색은 문서의 내용을 기반으로 즉각적인 제안을 제공하고 관련 주제와 리소스를 자동으로 추천합니다. 프레젠테이션에서는 프레젠테이션 형식을 줄이기 위해 디자인 제안을 생성합니다. 그러나 가장 흥미로운 사용 사례는 스프레드 시트입니다. Livingston은 Explore가 ML을 사용하여 데이터 분석 및 비즈니스 인텔리전스 (BI) 통찰력을 단순화하는 방법을 설명했습니다.

Livingston은 "많은 사용자가 피벗 테이블과 같은 것이 무엇인지 또는 데이터를 시각화하는 데 사용하는 방법을 모릅니다"라고 설명했습니다. "각 행이 판매 된 품목 인 고객의 판매 데이터를 처리한다고 가정 해 보겠습니다. 탐색을 통해 'Black Friday의 최고 품목은 무엇입니까?'와 같은 자연어 쿼리를 입력 할 수 있습니다. '당신은 563 쌍의 바지를 팔았습니다.'와 같은 대답을 내뱉습니다. 우리는 일반적인 방식으로 일반적인 문제를 개선하기 위해 기계 학습을 사용하여 데이터 중심 의사 결정을 내리는 시간을 절약하는 방식으로 데이터 분석을 해결하고 있습니다.

지난 3 월 Google Cloud NEXT 컨퍼런스에서 시트의 탐색 기능 데모.

Livingston에 따르면 Google은 이러한 종류의 ML 중심 클라우드 검색을 타사로 확장하고 주변 환경을 구축 할 계획입니다. 가장 중요한 아이디어는 실제 AI의 공통 주제입니다. 수동 프로세스를 자동화하여 사용자가보다 창의적인 작업을 수행 할 수 있도록합니다. 이 아이디어는 ML 앱의 대부분 앱의 핵심입니다. 오이 분류를 포함한 반복 가능한 비즈니스 프로세스와 일상적인 작업을 자동화하는 것입니다.

리빙스턴은“비즈니스와 소비자 모두에게 자연스러운 상호 작용 패턴이 있습니다. 클라우드와 모바일 생산성으로의 전환은 사람들의 작업 방식을 변화시키고 있으며 이러한 머신 러닝 기술은 그 기본입니다. "기계 학습의 강점으로 인해 클라우드의 모든 데이터로 인해 제품이 기본으로 사용되므로 제품을 적용하고 무한대로 확장 할 수있는 고유 한 위치에 있습니다."

기계 학습 혁명 강화

Google이 AI와 관련하여 수행하는 모든 작업의 ​​기초는 API, 알고리즘 및 오픈 소스 도구에 있습니다. 이 회사의 TensorFlow 라이브러리는 GitHub에서 가장 널리 사용되는 ML 도구로 Koike의 오이 분류기와 같은 앱을 생성합니다. 컴퓨터 클라우드, 비디오 인텔리전스, 음성 및 NLP, 예측 모델링 및 Google Cloud Machine Learning Engine을 통한 대규모 ML에 걸친 알고리즘 인 Google Cloud의 기본 API 제품군은 Google의 앱 및 서비스에 통합 된 모든 AI 기능을 강화하는 기술입니다. 이제 Google.ai 플랫폼도 있습니다.

Google Cloud AI / ML 팀의 제품 관리자 인 Francisco Uribe는 Google의 작동 방식을 다시 작성하는 엔진의 핵심을 담당합니다. Uribe는 Google ML 전문가가 기업과 직접 협력하여 AI 솔루션을 구현하는 몰입 형 프로그램이있는 실험실 인 Google의 ML ASL을 감독합니다. 랩은 Google의 API와 Cloud ML Engine을 사용하여 비즈니스와 협력하여 자체 모델을 교육하고 프로덕션 환경에 배포합니다.

Uribe는 AI 분야에서 10 년 이상 근무했습니다. 2012 년 Home Depot에서 인수 한 소매 업체를위한 자동 가격 책정 엔진을 구축 한 데이터 중심 스타트 업인 BlackLocus를 설립했습니다. 그 후 Google에 입사하여 광고 경험을 개선하기 위해 ML을 적용하는 Search Ads 팀에서 4 년 동안 일했습니다.. 2016 년에 그는 ML ASL을 운영하고 Google의 Launchpad Accelerator에서 멘토로 활동하는 연구 역할을 담당했습니다. Uribe는 기업과 개발자가 Google 도구를 사용하는 방식에 계속 놀랐다고 말했다.

Uribe는“우리는 의료 및 금융에서 소매 및 농업에 이르기까지 전반적으로 유스 케이스를 보았습니다. "고객의 인식 능력 향상을 돕기 위해 노력하고 있습니다. 음성 번역, 이미지 분석, 비디오 API, 자연어: 모두 기계 및 딥 러닝 알고리즘에 대한 액세스를 민주화하는 데있어 적용 가능성을 갖게되었습니다."

ML ASL은 세계 최대 은행 및 금융 서비스 기관 중 하나 인 HSBC Bank plc와 함께 자금 세탁 방지 및 예측 신용 평가를위한 ML 솔루션을 개발했습니다. ML ASL은 또한 Fortune 500 대 금융 서비스 그룹 인 USAA (United Services Automobile Association)와 협력하여 특정 보험 시나리오에 적용되는 ML 기술에 대해 조직 엔지니어를 교육했습니다. eBay는 Google 툴을 사용하여 ShopBot 디지털 어시스턴트를 교육했습니다. ML ASL이 회사와 협력 할 때 Uribe는 프로세스를 구성하는 4 가지 기둥을 설명했습니다.

Uribe는“ML 작업의 극한 요구 사항을 처리하려면 강력한 컴퓨팅 제품이 필요하며 GCP의 분산 광섬유 백본은 데이터를 노드에서 매우 효율적으로 이동합니다. "클라우드 머신 러닝 엔진을 통해 고객이 모델을 교육 할 수 있도록 지원합니다. 우리는 80 만 명 이상의 활발한 데이터 과학자 커뮤니티에 액세스하여 고객이 데이터를 실행할 수 있도록 지원합니다. 마지막으로 연구 측면에 재능이 있어야합니다. 복잡한 ML 커리큘럼에 대한 엔지니어 교육을위한 Brain Residency Program이 있습니다.이를 고객이 지능형 응용 프로그램을 구축하는 데 도움이되는 빌딩 블록이라고 생각합니다."

이 모든 것이 Google이 AI 기술을 기반으로하는 오픈 소스 커뮤니티 및 타사 에코 시스템에 제공됩니다. 이 회사는 올해 초 ML 스타트 업 경쟁을 발표하여 ML 스타트 업에 최대 50 만 달러를 투자했습니다. Uribe는 이미 Google의 기술과 다른 가능성이있는 혁신적인 애플리케이션에 대해 이야기했습니다.

Uribe는 "고객 서비스 분석 회사라고 가정 해 봅시다. 통화 내용을 기록하고 고객 서비스의 품질을 향상시키기위한 감정 분석에 대한 음성 API에 대해 생각해보십시오"라고 Uribe는 말했습니다. "비전 API를 사용하여 외국의 거리 표지판 사진을 찍은 다음 번역 API를 사용하여 앱 경험을 통해 해당 콘텐츠를 실시간으로 번역 할 수 있습니다. 효율성 향상뿐만 아니라 새롭고 독특한 사용자 경험을 만드는 것입니다."

Uribe는 TensorFlow와 같은 도구를 시장에서 대규모 ML 채택을위한 훌륭한 도구로보고 있습니다. 이러한 기술은 Google의 핵심 기술이자 기술 거인이 제품 개발에 접근하는 방법뿐만 아니라 광범위하게 사용 가능한 ML 기술이 비즈니스를 최적화하고 새로운 수익원을 창출하며 새로운 종류의 지능형 앱을 개발하는 데 도움이 될 것이라고 믿고 있습니다.

Uribe는 "새로운 산업 혁명처럼 생각하라"고 말했다. "이러한 툴을 통해 이전에는 보지 못한 효율성과 경험을 대폭 향상시킬 수 있습니다. 신생 기업의 적용 방식을 보면 놀랍습니다. 일본의 오이 농부를 살펴보십시오. 그는 TensorFlow를 사용하여 분류 모델을 구축했습니다. 패턴, 크기, 질감 등을 기준으로 오이를 분류 한 다음이를 실행하기 위해 특수 하드웨어를 제작했습니다. 민주화 수준은보기에 믿기 어렵고 우리는 표면을 거의 긁지 않았습니다."