Gadgetshowto
Qualquer pessoa que já experimentou o Google Fotos concordaria que este serviço gratuito de armazenamento e gerenciamento de fotos do Google é inteligente. Ele contém vários recursos inteligentes, como pesquisa avançada, capacidade de categorizar suas fotos por locais e datas, criar álbuns e vídeos automaticamente com base em semelhanças e levá-lo pelo caminho da memória, mostrando fotos do mesmo dia há vários anos. Há muitas coisas que o Google Fotos pode fazer que, há vários anos, seriam mecanicamente impossíveis. O Google Fotos é um dos muitos serviços “inteligentes” do Google que usa um tecnologia de aprendizado de máquina chamado TensorFlow. A palavra Aprendendo indica que a tecnologia ficará mais inteligente com o tempo, a um ponto que nosso conhecimento atual não pode imaginar. Mas o que é TensorFlow? Como uma máquina pode aprender? O que você pode fazer com isso? Vamos descobrir.
O que é TensorFlow?
TensorFlow é o código-fonte aberto e poderoso do Google software de inteligência artificial, que capacita muitos serviços e iniciativas do Google. É a segunda geração de um sistema para implementações de aprendizado de máquina em grande escala, desenvolvido pela equipe do Google Brain. Esta biblioteca de algoritmo sucede DistBelief - a primeira geração.
A tecnologia representa a computação como gráficos de fluxo de dados com estado. O que torna o TensorFlow único é sua capacidade de modelar cálculos em uma vasta gama de hardware, de dispositivos móveis de nível de consumidor a servidores multi-GPU de classe mundial. Ele pode ser executado em diferentes GPUs e CPUs e promete a escalabilidade do aprendizado de máquina entre os vários dispositivos e gadgets sem ter que alterar uma quantidade significativa de código.
TensorFlow originou-se da necessidade do Google de instruir um sistema de computador para imitar como o cérebro humano funciona na aprendizagem e no raciocínio. O sistema, conhecido como redes neurais, deve ser capaz de funcionar em matrizes de dados multidimensionais denominadas "tensores". O objetivo final é treinar as redes neurais para detectar e decifrar padrões e correlações.
Em novembro de 2015, o Google fez esta tecnologia Código aberto e permitiu sua adoção em todos os tipos de produtos e pesquisas. Qualquer pessoa, incluindo pesquisadores, engenheiros e hobistas, pode ajudar a acelerar o crescimento do aprendizado de máquina e levá-lo a um nível mais alto em menos tempo.
Essa mudança acabou sendo a certa porque há tantas contribuições de desenvolvedores independentes para o TensorFlow que superam em muito as contribuições do Google. A Wikipedia menciona que “existem 1500 repositórios no GitHub que mencionam TensorFlow, dos quais 5 são do Google. ” Dito isso, uma das discussões no Quora suspeita que o código-fonte aberto lançado seja a versão “limpa” daquela que o Google usa em seus serviços.
Como o TenserFlow funciona?
Usando a linguagem humana normal simples e uma grande simplificação, podemos ver um lado do TensorFlow como uma tecnologia de filtragem autônoma avançada. Em sua essência, a tecnologia é uma enorme biblioteca de software de aprendizado de máquina. Ele usa o banco de dados para ajudá-lo a "tomar decisões".
Por exemplo, alguém carrega uma foto no Google Fotos. A tecnologia irá comparar todos os detalhes da imagem com seu banco de dados e decidir se é uma imagem de um animal ou humano. Então se for um humano, tentará determinar o sexo, a idade até quem é a pessoa. O mesmo processo é repetido para outros objetos na foto.
Ele também usa dados do usuário, como a identidade da pessoa na foto e o local onde a foto foi tirada, para aprimorar sua biblioteca para que possa dar melhores resultados no futuro - tanto para o indivíduo que enviou a foto como para todos senão. Daí o termo “aprendizagem”. Mas não se limita apenas a conhecer e aprender os dados das fotos. A tecnologia pode fazer muito com as informações de uma foto. Por exemplo, pode agrupar fotos com detalhes semelhantes, como a mesma pessoa, o mesmo local, a mesma data; veja o padrão de rostos para determinar a qual família e amigos a pessoa na foto pertence e use as informações para fazer vídeos de férias em família ou animação de fotos contínuas.
Isso mal arranha a superfície de como o TensorFlow funciona, mas espero que possa dar uma ideia geral da tecnologia. Além disso, usar apenas um exemplo não pode fazer justiça ao que é capaz.
E para todos os entusiastas da Inteligência Artificial, vale a pena mencionar que o Google já criou uma tecnologia de chip de computador otimizada para aprendizado de máquina e integração do TensorFlow a ela. É chamado Unidade de processamento de tensor (TPU) chip ASIC.
Aqueles que desejam aprender mais sobre o TensorFlow podem visitar a página do tutorial.
Aplicativos do TensorFlow
Estamos em um estágio inicial da tecnologia de aprendizado de máquina, então ninguém sabe aonde ela nos levará. Mas existem algumas aplicações iniciais que podem nos dar uma espiada no futuro. Como se origina do Google, é óbvio que o Google usa a tecnologia para muitos de seus serviços.
-
Mais sobre análise de imagem
Discutimos o exemplo do uso da tecnologia para análise de imagens no Google Fotos. Mas o aplicativo de análise de imagem também é usado no recurso Street View do Google Maps. Por exemplo, o TensorFlow é usado para conectar a imagem às coordenadas do mapa e desfocar automaticamente o número da placa de qualquer carro que seja acidentalmente incluído na imagem.
-
Reconhecimento de fala
O Google também está usando o TensorFlow em seu software de reconhecimento de voz de assistente de voz. A tecnologia que permite que os usuários falem as instruções não é nova, mas incluir a biblioteca cada vez maior do TensorFlow na mistura pode elevar o recurso alguns degraus. Atualmente, a tecnologia de reconhecimento de voz reconhece mais de 80 idiomas e variantes.
-
Tradução Dinâmica
Outro exemplo da parte de “aprendizado” da tecnologia de aprendizado de máquina é o recurso de tradução do Google. O Google permite que seus usuários adicionem novos vocabulários e corrijam os erros do Google Translate. Os dados sempre crescentes podem ser usados para detectar automaticamente o idioma de entrada que outros usuários desejam traduzir. Se a máquina cometer erros no processo de detecção de idioma, os usuários podem corrigi-los. E a máquina aprenderá com esses erros para melhorar seu desempenho futuro. E o ciclo continua.
-
Alpha Go
Um exemplo divertido de uso do TensorFlow é o Alpha Go. É um aplicativo programado para jogar Go. Para quem não está familiarizado com Go, é um jogo de tabuleiro abstrato para dois jogadores originado na China há mais de cinco mil e quinhentos anos e é o jogo de tabuleiro mais antigo que ainda é jogado continuamente hoje. Embora as regras sejam simples - cercar mais território do que o oponente, o jogo é incrivelmente complexo e, de acordo com a Wikipedia: “possui mais possibilidades do que o número total de átomos no universo visível”.
Portanto, é interessante o que uma tecnologia de máquina de aprendizado pode fazer com as possibilidades infinitas. Em suas partidas contra Lee Sedol - o 18 vezes campeão mundial de Go, Alpha Go venceu 4 de 5 jogos e recebeu o título de Grandmaster Go honorário mais alto.
-
Projeto Magenta
Outra aplicação interessante do TensorFlow é o Projeto Magenta. É um projeto ambicioso de criar arte gerada por máquina. Um dos primeiros resultados tangíveis do experimento é a melodia de piano de 90 segundos. A longo prazo, o Google espera gerar arte gerada por máquina mais avançada por meio de seu projeto Magenta e construir uma comunidade de artistas em torno dele.
Em fevereiro de 2016, o Google também realizou uma exposição e leilão de arte em San Fransisco exibindo 29 obras de arte geradas por computador - com a ajuda de humanos. Seis das maiores obras foram vendidas por até US $ 8.000. O computador ainda pode ter um longo caminho a percorrer antes de imitar um verdadeiro artista, mas a quantidade de dinheiro que as pessoas estão dispostas a pagar pela arte nos mostra o quão longe a tecnologia foi.
Suporte para iOS
Embora já tenhamos visto os recursos do TenserFlow no Android, com sua versão mais recente, o TensorFlow finalmente adiciona suporte para dispositivos iOS. Como há muitos aplicativos móveis excelentes disponíveis exclusivamente para iOS, ou lançados primeiro no iOS, podemos esperar mais aplicativos móveis excelentes adotando o aprendizado de máquina em um futuro próximo. O mesmo pode ser dito sobre as possibilidades de adoções e aplicações mais amplas do TensorFlow.
O futuro do TensorFlow
O que se pode fazer com uma máquina capaz de aprender e tomar suas próprias decisões? Como uma pessoa que lida com mais de um idioma no dia a dia, a primeira coisa que me vem à mente é a tradução de um idioma. Não no nível palavra por palavra, mas mais no nível de texto mais longo, como documentos ou até livros. A tecnologia de tradução de hoje é limitada aos vocabulários. Você pode descobrir facilmente o que está “dormindo” em chinês e vice-versa, mas tente incluir um capítulo do Musashi de Eiji Yoshikawa em japonês original e traduzir o capítulo para o inglês. Você verá aonde estou chegando.
Também é divertido ver o que o futuro da Inteligência Artificial pode fazer com a música. Embora ainda seja muito básico, o aplicativo Music Memo da Apple já pode oferecer acompanhamento automático de baixo e bateria ao seu canto gravado. Lembro-me de um episódio de um programa de TV SciFi em que um personagem do programa criou uma máquina que analisa todas as músicas top nas paradas e é capaz de escrever seus próprios sucessos. Será que algum dia chegaremos lá??
E como pensamento final, gostaria de mencionar Sunspring. É um curta-metragem de ficção científica escrito inteiramente por um roteirista de IA que se autodenomina Benjamin - que até compôs o interlúdio musical de música pop. O filme foi montado pelo diretor Oscar Sharp para o evento 48 horas Film Challenge of Sci-Fi de Londres.
Agora não consigo parar de pensar no Exterminador. Bem vindo ao futuro.
Crédito da imagem: Wikipedia, TechInsider, The Verge, Wall Street Journal
