TensorFlow
گوگل از نسل جدید نرم‌افزار هوش مصنوعی خود رونمایی کرد
یادگیری عمیق تا به حال تأثیر شگرفی بر علوم کامپیوتر داشته است و همین موضوع باعث می‌شود مرزهای جدیدی از پژوهش به منظور توسعه محصولات جدیدی که میلیون‌ها نفر از آن استفاده می‌کنند باز شود. سیستم یادگیری ماشینی گوگل امروزه بر پایه زیرساخت یادگیری عمیق DisBelief که در سال 2011 طراحی شده است، قرار دارد. این سیستم به گوگل این توانایی را می‌دهد تا شبکه‌های عصبی بزرگ را توسعه داده و در مقیاس بزرگی به این شبکه‌ها آموزش دهد. اما گوگل با توجه محدودیت‌های این سیستم، دومین نسل سیستم‌ یادگیری ماشینی خود موسوم به تنسورفلو را به صورت منبع باز در اختیار عموم کاربران قرار داد.

اگر به چند سال قبل باز گردیم، بدون شک مشاهده خواهیم کرد، به دلیل وجود سر و صداهای بیش از اندازه در پیاده‌رو خیابان‌ها توانایی صحبت کردن با برنامه‌های گوگل، به کارگیری مترجم گوگل برای ترجمه محتوایی که به زبان روسی نوشته شده بود و پیدا کردن دقیق تصاویر به کمک Google Photo امکان‌پذیر نبود. به‌طور کلی برنامه‌های گوگل هوشمند نبودند. اما در مدت زمان کوتاهی همه چیز به سرعت پیشرفت کرد و بسیاری از فناوری‌ها هوشمند شدند. اکنون به لطف یادگیری ماشینی شما این توانایی را دارید تا بسیاری از کارها را به سادگی انجام دهید. اما یادگیری ماشینی هنوز جای کار بیشتری دارد.

سیستم هوشمند جدید به میدان وارد می‌شود

گوگل به تازگی دومین نسل از سیستم‌های یادگیری ماشینی جدید خود را در معرض دید عموم کاربران قرار داد. این سیستم هوشمند جدید، TensorFlow نام دارد. TensorFlow نسبت به سیستم پیشین از سرعت بالاتری برخوردار بوده و هوشمندتر از قبل است. به‌طوری که در حل مشکلاتی که به آن‌ها اشاره گردید، انعطاف‌پذیری بیشتری از خود نشان می‌دهد. این انعطاف‌پذیری و مقیاس‌پذیر بودن به سیستم جدید این توانایی را می‌دهد تا به آسانی با بسیاری از محصولات و پروژه‌های تحقیقاتی هماهنگ شود. یک سیستم یادگیری ماشینی مقیاس‌پذیر که توانایی اجرا روی اسمارت‌فون‌ها یا هزاران کامپیوتر مستقر در دیتاسنترها را دارد.

گوگل از TensorFlow در سرویس‌های تشخیص صدا، Smart Reply در میل‌باکس و جستجوها در Google Photos استفاده می‌کند. TensorFlow این توانایی را در اختیار گوگل قرار می‌دهد تا شبکه‌های عصبی پیشرفته را پنج بار سریع‌تر از گذشته آموزش دهد. بالا رفتن سرعت آموزش همچنین به گوگل اجازه می‌دهد، سرویس‌های کاربردی خود را سریع‌تر از گذشته توسعه دهد. تنسوفلاو اولین بار توسط محققان تیم Google Brian، گروهی که زیر نظر بخش توسعه یادگیری گوگل کار می‌کنند، توسعه پیدا کرده است. این پروژه با هدف برقراری ارتباطی مابین یادگیری عمیق در شبکه‌های عصبی و یادگیری ماشینی آغاز به کار کرد. گوگل همزمان با توسعه این پروژه، آن‌را به‌طور عملی در تعدادی از سرویس‌های خود مورد استفاده قرار داد. گوگل زیرساخت‌های اصلی نرم‌افزار TensorFlow را با استفاده از زبان سی پلاس پلاس طراحی کرده است.

مطلب پیشنهادی: هوش‌ مصنوعی؛ تهدید یا فرصت؟

اما در زمینه توسعه برنامه‌های کاربردی برای این موتور هوش مصنوعی، طراحان می‌توانند از سی پلاس پلاس یا پیتون استفاده کنند. سی پلاس پلاس و پیتون این روزها در زمینه یادگیری عمیق کاربردهای گسترده‌ای داشته و توسط محققان مورد استفاده قرار می‌گیرند. اما به احتمال زیاد در آینده دامنه این زبان‌ها توسعه پیدا خواهد کرد، به‌طوری که امکان بهره‌مندی از زبان‌های Go، جاوا اسکرپیت و جاوا در اختیار کدنویسان قرار خواهند گرفت. به‌طور معمول گوگل برای آموزش این شبکه عصبی از مجموعه گسترده‌ای از ماشین‌های مجهز به تراشه گرافیکی GPU و پردازنده‌های کامپیوتری که برای رندر کردن گرافیک بازی‌ها و دیگر برنامه‌های ویژوالی سطح بالا که توانایی هماهنگ شدن با یادگیری عمیق را دارند، استفاده می‌کند. GPUها به خوبی در زمینه پردازش حجم زیادی از بیت‌‌های داده‌‌ای به شیوه موازی مهارت داشته و به همین دلیل است که یادگیری ماشینی به چنین پردازنده‌‌هایی نیاز دارد. (در پرونده ویژه برنامه‌نویسی اشاره کردیم که این روزها بازار برنامه‌نویسی گرافیکی و پردازش‌های موازی به شدت داغ است.)

وینسنت ونهوک مدیر تیم Google Brian در زمینه دستاورد اخیر گوگل گفته است: «ما به‌طور روزانه از این ابزار استفاده می‌کنیم، اما به دلیل نوپا بودن این فناوری بدون شک در آینده با چالش‌های بزرگی روبر خواهیم بود.» هدف از طراحی چنین سیستمی بوجود آوردن ماشینی است که شبیه به مغز انسان رفتار کند. هر چند در سال‌های‌ اخیر پیشرفت‌های قابل توجهی در زمینه یادگیری ماشینی به وجود آمده است، اما این فناوری‌ها هنوز نتوانسته است به سطح قابل قبولی از پیشرفت برسد. مدیرعامل گوگل ساندار پیچای درباره فناوری اخیر گفته است: «سیستم‌های یادگیری ماشینی امروزی حتی در حد یک کودک چهار ساله توانایی درک ندارند. کودکان چهار ساله با نگاه کردن به چند تصویر این توانایی را دارند تا اشیایی که مشابه با تصاویر هستند را شناسایی کنند. اما سیستم‌های فعلی حتی توانایی انجام چنین کاری را ندارند. ما این فناوری را به صورت منبع باز در اختیار علاقه‌مندان قرار می‌دهیم، به این امید که این سیستم به سرعت توسعه یافته و در اختیار همه افراد قرار گیرد. برای این منظور کتابخانه‌ها، آموزش‌ها، مثال‌ها و ابزارهای مرتبط با این فناوری تحت لایسنس آپاچی نسخه 2.0 به‌طور رایگان در اختیار کاربران قرار دارد. »

امروزه چهارچوب‌های نرم‌افزاری منبع بازی همچون Theano، Caffe و Torch در زمینه یادگیری عمیق وجود دارد. کریستفر مانینگ دانشمند علوم کامپیوتر دانشگاه استنفورد، کسی که تنسوفلور را مورد آزمایش قرار داده است، تحت تأثیر سرعت و کیفیت مجموعه ابزارهایی قرار گرفته است که توسط این سیستم عرضه شده است. آقای مانینگ درباره این سیستم گفته است: «تنسورفلو به‌طرز کاملا محسوسی هماهنگ با پروژه‌های تحقیقاتی و همچنین دانشجویان مستقر در دانشگاه‌ها و شرکت‌ها قرار دارد.» گوگل بر این باور است که TensorFlow می‌تواند به شیوه کاملا تأثیرگذاری در زمینه محاسبات و درک داده‌های پیچیده‌ای که در ارتباط با پروتین‌ها و ستاره‌شناسی وجود دارد، مورد استفاده قرار گیرد. گوگل در وبلاگ این شرکت نوشته است هر چند کاربردهای این فناوری گسترده است و می‌تواند در حوزه‌های تحقیقاتی مختلفی مورد استفاده قرار گیرد، اما تنسورفلو با هدف به کارگیری در محصولات واقعی طراحی شده است. توسعه‌دهندگان می‌توانند به جای آن‌که از ابزارهای مختلفی استفاده کنند، به راحتی با توسعه یک ابزار واحد و بدون آن‌که به بازکدنویسی نیازی باشد از این محصول استفاده کنند.

از جمله قابلیت‌های این فناوری می‌توان به تشخیص صدا، ویدیوها، تصاویر و متن نوشته شده اشاره کرد. در حال حاضر، گوگل قابلیت شناسایی متن موجود در این فناوری را در Smart Reply کلاینت میل مورد استفاده قرار می‌دهد. کاربران می‌توانند از ویژگی پاسخ‌گویی خودکار به ایمیل‌ها به ویژه در شرایطی که زمان کافی در اختیار ندارند، استفاده کنند، به طوری که پاسخ‌های ارائه شده هماهنگ با متن دریافت شده باشد.

مطلب پیشنهادی: بزرگان درباره هوش مصنوعی چه دیدگاهی دارند؟

امروزه رقابت برای دست یافتن به بهترین الگوهای یادگیری ماشینی مابین شرکت‌های بزرگی همچون آمازون؛ مایکروسافت؛ فیس‌بوک در جریان است. همه این شرکت‌ها در تلاش هستند بهترین سرویس را در اختیار کاربران خود قرار دهند. به‌طور مثال هفته گذشته تویوتا اعلام کرد، بودجه‌ای نزدیک به یک میلیارد دلار صرف تحقیق و توسعه در زمینه هوش مصنوعی خواهد کرد.

ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     
ثبت اشتراک نسخه آنلاین

 

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا  کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.

ایسوس

نظر شما چیست؟