Cualquiera que haya probado Google Photos estaría de acuerdo en que este servicio gratuito de almacenamiento y administración de fotos de Google es inteligente. Incluye varias funciones inteligentes como la búsqueda avanzada, la capacidad de clasificar sus imágenes por ubicaciones y fechas, crear álbumes y videos de forma automática en función de las similitudes y guiarlo por el carril de la memoria al mostrarle fotos del mismo día hace varios años. Hay muchas cosas que Google Photos puede hacer que hace varios años sería imposible. Google Photos es uno de los muchos servicios "inteligentes" de Google que utiliza una tecnología de aprendizaje automático llamada TensorFlow. La palabra aprendizaje indica que la tecnología se volverá más inteligente por el tiempo hasta el punto que nuestro conocimiento actual no puede imaginar. Pero, ¿qué es TensorFlow? ¿Cómo puede una máquina aprender? ¿Qué puedes hacer con eso? Vamos a averiguar.
¿Qué es TensorFlow?
TensorFlow es el potente software de inteligencia artificial de código abierto de Google, que impulsa muchos servicios e iniciativas de Google. Es la segunda generación de un sistema para implementaciones de aprendizaje automático a gran escala, creado por el equipo de Google Brain. Esta biblioteca de algoritmos sucede a DistBelief, la primera generación.
La tecnología representa el cálculo como gráficos de flujo de datos con estado. Lo que hace que TensorFlow sea único es su capacidad para modelar cálculos en una amplia gama de hardware, desde dispositivos móviles de nivel de consumidor hasta servidores de GPU de clase mundial. Puede ejecutarse en diferentes GPU y CPU y promete la escalabilidad del aprendizaje automático entre los distintos dispositivos y dispositivos sin tener que alterar una cantidad significativa de código.
TensorFlow se originó a partir de la necesidad de Google de instruir a un sistema informático para que imite el funcionamiento del cerebro humano en el aprendizaje y el razonamiento. El sistema, conocido como redes neuronales, debería poder funcionar en matrices de datos multidimensionales denominadas "tensores". El objetivo final es capacitar a las redes neuronales para detectar y descifrar patrones y correlaciones.
En noviembre de 2015, Google convirtió esta tecnología en código abierto y permitió que se adoptara en todo tipo de productos e investigaciones. Cualquiera, incluidos los investigadores, ingenieros y aficionados, puede ayudar a acelerar el crecimiento del aprendizaje automático y llevarlo a un nivel superior en menos tiempo.
Este movimiento resultó ser el correcto porque hay tantas contribuciones de los desarrolladores independientes a TensorFlow que superan con creces las contribuciones de Google. Wikipedia menciona que "hay 1500 repositorios en GitHub que mencionan TensorFlow, de los cuales 5 son de Google". Dicho esto, una de las discusiones en Quora sospecha que el código de código abierto publicado es la versión "limpia" de la versión Una que Google utiliza en sus servicios.
¿Cómo funciona TenserFlow?
Usando el lenguaje humano normal simple y una simplificación pesada, podríamos ver un lado de TensorFlow como una avanzada tecnología de filtrado autónomo. En su corazón, la tecnología es una enorme biblioteca de software de aprendizaje automático. Utiliza la base de datos para ayudarlo a "tomar una decisión".
Por ejemplo, alguien sube una foto a Google Photos. La tecnología comparará todos los detalles de la imagen con su base de datos y decidirá si se trata de una imagen de un animal o humano. Entonces, si es un ser humano, tratará de determinar el género, la edad hasta la persona que es. El mismo proceso se repite para otros objetos en la foto.
También utiliza datos del usuario, como la identidad de la persona en la fotografía y la ubicación donde se toma la fotografía, para mejorar su biblioteca de modo que pueda dar mejores resultados en el futuro, tanto para la persona que subió la fotografía como para todos. más. De ahí el término "aprendizaje". Pero no se limita a conocer y aprender datos de las fotos. Hay tanto que la tecnología puede hacer con la información de una foto. Por ejemplo, puede agrupar fotos con detalles similares, como la misma persona, la misma ubicación, la misma fecha; vea el patrón de caras para determinar a qué familia y amigos pertenece la persona en la foto, y use la información para hacer videos de vacaciones familiares o animación de tomas continuas.
Eso apenas roza la superficie de cómo funciona TensorFlow, pero espero que pueda darle una idea general de la tecnología. Además, usar solo un ejemplo no puede hacer justicia a lo que es capaz de hacer.
Y para todos los entusiastas de la Inteligencia Artificial, vale la pena mencionar que Google ya creó una tecnología de chip de computadora optimizada para el aprendizaje automático e integración de TensorFlow en ella. Se llama chip ASIC de unidad de procesamiento de tensor (TPU) .
Aquellos que quieran aprender más sobre TensorFlow pueden visitar su página de tutoriales.
Aplicaciones de TensorFlow
Estamos en una etapa temprana de la tecnología de aprendizaje automático, por lo que nadie sabe a dónde nos llevará. Pero hay algunas aplicaciones iniciales que podrían darnos un vistazo al futuro. Como se origina en Google, es obvio que Google utiliza la tecnología para muchos de sus servicios.
Más sobre análisis de imágenes
Hemos discutido el ejemplo del uso de la tecnología para el análisis de imágenes en Google Photos. Pero la aplicación de análisis de imágenes también se usa en la función Street View de Google Maps. Por ejemplo, TensorFlow se usa para conectar la imagen con las coordenadas del mapa y para desenfocar automáticamente el número de la placa de licencia de cualquier automóvil que se haya incluido accidentalmente en la imagen.
Reconocimiento de voz
Google también está utilizando TensorFlow para su software de reconocimiento de voz con asistente de voz. La tecnología que permite a los usuarios pronunciar las instrucciones no es nueva, pero incluir en la mezcla la biblioteca cada vez mayor de TensorFlow podría hacer que la característica suba un poco más. Actualmente, la tecnología de reconocimiento de voz reconoce más de 80 idiomas y variantes.
Traduccion dinamica
Otro ejemplo de la parte de "aprendizaje" de la tecnología de aprendizaje automático es la función de traducción de Google. Google permite a sus usuarios agregar nuevos vocabularios y corregir los errores en Google Translate. Los datos cada vez mayores se pueden utilizar para detectar automáticamente el idioma de entrada que otros usuarios desean traducir. Si la máquina comete errores en el proceso de detección de idioma, los usuarios pueden corregirlos. Y la máquina aprenderá de esos errores para mejorar su rendimiento futuro. Y el ciclo continúa.
Alpha Go
Un ejemplo divertido del uso de TensorFlow es Alpha Go. Es una aplicación que está programada para jugar Go . Para aquellos que no están familiarizados con Go, es un juego de mesa abstracto para dos jugadores que se originó en China hace más de quinientos quinientos años, y es el juego de mesa más antiguo que aún se juega de manera continua en la actualidad. Si bien las reglas son simples: para rodear más territorio que el oponente, el juego es increíblemente complejo y, según Wikipedia: "posee más posibilidades que el número total de átomos en el universo visible".
Entonces, es interesante lo que una tecnología de máquina de aprendizaje puede hacer con las infinitas posibilidades. En sus partidos contra Lee Sedol, el 18 veces campeón del mundo Go, Alpha Go ganó 4 de los 5 juegos y recibió el rango honorario más alto de Gran Maestro.
Proyecto magenta
Otra aplicación interesante de TensorFlow es el Proyecto Magenta. Es un proyecto ambicioso para crear arte generado por máquina . Uno de los primeros resultados tangibles del experimento es la melodía de piano de 90 segundos. A largo plazo, Google espera generar más arte generado por máquina a través de su proyecto Magenta y construir una comunidad de artistas a su alrededor.
En febrero de 2016, Google también realizó una exposición y subasta de arte en San Francisco, mostrando 29 equipos generados por computadora, con un poco de ayuda de arte humano. Seis de las obras más grandes se vendieron por hasta $ 8, 000. Es posible que la computadora aún tenga un largo camino por recorrer antes de que pueda imitar a un artista real, pero la cantidad de dinero que la gente está dispuesta a pagar por el arte nos muestra cuánto ha avanzado la tecnología.
Soporte para iOS
Si bien ya hemos visto las capacidades de TenserFlow en Android, con su última versión, TensorFlow finalmente agrega soporte para dispositivos iOS. Ya que hay toneladas de aplicaciones móviles excelentes disponibles exclusivamente para iOS, o lanzadas por primera vez en iOS, significa que podemos esperar que más aplicaciones móviles grandiosas adopten el aprendizaje automático en un futuro cercano. Lo mismo puede decirse de las posibilidades de adopciones y aplicaciones más amplias de TensorFlow.
El futuro de TensorFlow
¿Qué se puede hacer con una máquina que pueda aprender y tomar su propia decisión? Como persona que trata más de un idioma como parte de la vida diaria, lo primero que me viene a la mente es la traducción del idioma. No en el nivel de palabra por palabra, sino más en el nivel de texto más largo, como documentos o incluso libros. La tecnología de traducción de hoy está limitada a los vocabularios. Puede averiguar fácilmente qué es "dormir" en chino y viceversa, pero intente incluir un capítulo del Musashi de Eiji Yoshikawa en su original japonés y traducir el capítulo al inglés. Verás a qué me dirijo.
También es divertido ver qué puede hacer el futuro de la Inteligencia Artificial con la música. Si bien aún es muy básico, la aplicación Music Memo de Apple ya puede dar acompañamiento automático de bajos y batería a su canto grabado. Recuerdo un episodio de un programa de televisión SciFi en el que un personaje del programa creó una máquina que analiza todas las canciones principales de las listas y puede escribir sus propias canciones de éxito. ¿Alguna vez llegaremos allí?
Y como el pensamiento de cierre, me gustaría mencionar Sunspring . Es una película corta de ciencia ficción escrita en su totalidad por un guionista de AI que se autodenominó Benjamin, que incluso compuso el interludio musical pop-song. La película fue organizada por el director Oscar Sharp para el evento de 48 horas de Film Challenge of Sci-Fi London.
Ahora no puedo dejar de pensar en el Terminator. Bienvenido al futuro.
Crédito de la imagen: Wikipedia, TechInsider, The Verge, Wall Street Journal
