目次:
小池誠は日本のキュウリ農家です。 小池は日本の自動車産業で長年働いた元組み込みシステムの設計者でしたが、2015年に両親のキュウリ農場を手伝うために帰国しました。 彼はすぐに、キュウリを色、形、サイズ、および「とげ」などの属性で分類する手作業が、キュウリを育てるよりも扱いにくく、困難であることが多いことに気付きました。 Googleの人工知能（AI）ソフトウェアAlphaGoのディープラーニングイノベーションに触発されて、彼はタスクの自動化に着手しました。
企業はあらゆる方法で実用的なAIを実装し始めていますが、小池のAIキュウリ仕分けソリューションが登場するのを誰も見なかったと言っても過言ではありません。 小池はこれまでAI技術を使用したことはありませんでしたが、オープンソースのTensorFlow機械学習（ML）ライブラリを使用して、きゅうりの画像の入力を開始しました。 オブジェクトを認識するためのコンピュータービジョンアルゴリズムと、さまざまなキュウリのニュアンスについてTensorFlowをトレーニングするディープラーニングのおかげで、小池は高精度で野菜を識別および分類できることを認識しました。 その後、TensorFlowと安価なRaspberry Pi 3コンピューターを使用するだけで、小池は農場が現在も使用している自動仕分け機を構築しました。
TensorFlowは、企業や開発者がAIを使用して解決できることを革新する多くのオープンソースアルゴリズムとツールの1つです。 同社は、Google I / OカンファレンスでGoogle.aiをリリースし、「AIのメリットをすべての人にもたらす」という使命を拡大し、すべてのAIリソースを統合プラットフォームにまとめました。 また、Googleはこれらの技術とアプリケーションプログラミングインターフェース（API）をすべてに組み込み、MLを製品に組み込み、プロセスでのソフトウェアの動作を根本的に再定義しています。
PCMagは最近Googleplexを訪問し、G Suite、Google Cloud Platform（GCP）、および同社のMachine Learning Advanced Solution Lab（ML ASL）の幹部に、GoogleがAIでどのように再構築されているかについて話しました。
どこでも人工知能
顧客の1人が問題を抱えているとしましょう。 会社のヘルプデスク部門のエージェントは、Google Cloud Platformにデータを保存するチャットアプリを通じて顧客とライブチャットを行っています。 ユーザーが問題を解決できるようにするには、ユーザーはエージェントに機密の個人データを送信する必要があります。 ここで、顧客があなたのおばあちゃんだとしましょう。 カスタマーサービス担当者はおばあちゃんにいくつかのデータを要求しますが、代わりに、おばあちゃんは社会保障カードの写真をチャットにアップロードするときに必要以上の情報を送信します。
Googleが個人を特定できる情報（PII）をアーカイブする代わりに、写真には社会保障番号とその他のPIIが自動的に編集されて表示されます。 エージェントは必要のない情報を見ることはなく、そのデータはGoogleの暗号化されたアーカイブには一切入りません。 カリフォルニア州マウンテンビューにあるGoogle本社でのDLP APIテクノロジーのデモで、同社はこれを実現するためにMLアルゴリズムがテキストと画像を分析する方法について幕を閉じました。
Google Cloudの信頼およびセキュリティマーケティングリードのRob Sadowskiは、自動リダクションは、機密データを分類するために水面下で動作するGoogleのデータ損失防止（DLP）APIによって強化されると説明しました。 このアルゴリズムは、クレジットカード番号などのデータで同じことを行い、パターンを分析して、番号が偽物であるかどうかを検出することもできます。 これは、AIをエクスペリエンスに織り込み、小池などの企業や開発者に同じことをするためのリソースを提供するGoogleの微妙な戦略のほんの一例です。
Googleは、ソフトウェアにコネクティビティインテリジェンスレイヤーを構築している唯一のテクノロジー大手ではありませんが、AmazonおよびMicrosoftとともに、おそらくクラウドベースのインテリジェンスツールおよびサービスの中で最も広範に利用できます。 同社の製品を分類すると、Google AssistantとさまざまなMLおよびコンピュータービジョンAPIがほぼどこでも使用されていることがわかります。
Google検索では、RankBrain AIシステムでMLアルゴリズムを使用してクエリを処理および調整し、さまざまな変化要因に基づいてデータを再ランク付けおよび集約して、検索結果の品質を継続的に改善します。 Googleフォトでは、コンピュータービジョンを使用して関連する写真をつなぎ合わせて記憶し、同じ場所の複数のショットをパノラマに結合します。 Inboxを使用すると、ユーザーは自動生成されたスマート返信を選択して選択でき、同様のカテゴリをまとめて関連するメールを表示します。 同社の新しいGoogle Alloチャットアプリには、Google Assistantが組み込まれています。リストは続きます。
これらのアプリはすべてGoogleのクラウドインフラストラクチャで実行され、同社はデータセンターでMLを適用して、負荷と気象データに基づいて冷却ポンプを調整することで電力消費を削減しています。 Sadowski氏は、これがGoogleのセキュリティ戦略の最終防御層としても機能すると述べました。同社は、セキュリティスタック内でマシンインテリジェンスとリスクスコアリングを使用して、予測分析を使用してシステムが侵害されているかどうかを判断します。
「Googleは開発したこれらすべてのMLおよびAIモデルを取得し、セキュリティのためにそれらを調整します」とSadowski氏は説明しました。 「セキュリティは、ITのほとんどのセクターよりも根本的に変化します。3、4年前のセキュリティインフラストラクチャの中核であったファイアウォールやエンドポイント保護などの製品は依然として重要ですが、大規模かつ徹底的な防御を提供したいと考えています毎日数百万人のアクティブユーザーがいるマルチテナントインフラストラクチャのデフォルト。
「基盤となるデータセンターハードウェアから始まります」とSadowski氏は続けます。 「その上に完全に暗号化されたデータと通信によるアプリケーションサービスと認証があります。その上にユーザーIDがあります。そして最後の防御層は、24時間365日の監視、検出、インシデント対応での運用方法です。 ID認識プロキシを使用した安全なリモートアクセスなどの問題を解決します。データ漏洩を検出して防止し、データガバナンスとセキュリティを支援するプログラマティックDLPサービスです。これらの機能を簡単で使いやすく、大規模に機能させることを目指しています。 」
よりスマートなGスイート
MLは、GoogleのG Suite生産性アプリ全体にも組み込まれています。 G SuiteのプロダクトマネジメントディレクターであるAllan Livingstonは、ユーザーが気付かないうちにAIがG Suiteをよりスマートかつよりコンテキスト的にする方法のいくつかを破壊しました。
「G Suiteがこれらすべてのアプリケーションを自然に統合された方法でまとめていることを考えてください」とLivingston氏は述べています。 「いずれかで作業を開始し、必要に応じてフロースルーします。ドライブでGmailの添付ファイルを開くと、ドキュメントに移動します。これは本当に自動です。
「私たちはユーザーのためにそれを考え出そうとしています。それには機械学習も含まれます。Inboxでのスマートな返信から始め、Gmailで大成功を収め、それがDocs、SheetsのExplore機能につながりました。 、スライド。」
昨年秋に公開されたExploreは、自然言語処理（NLP）をアプリ内の生産性エクスペリエンスに適用します。 ドキュメントでは、Exploreはドキュメントのコンテンツに基づいて即座に提案を提供し、関連するトピックとリソースを自動的に推奨します。 スライドでは、プレゼンテーションの書式設定を削減するためのデザイン提案が生成されます。 ただし、最も興味深いユースケースはスプレッドシートです。 Livingstonは、ExploreがMLを使用してデータ分析とビジネスインテリジェンス（BI）の洞察を簡素化する方法を説明しました。
「多くのユーザーは、ピボットテーブルとは何か、またはそれを使用してデータシートを視覚化する方法を知りません」とLivingston氏は説明します。 「各行が販売されたアイテムである顧客の販売データを扱っているとしましょう。Exploreでは、「ブラックフライデーのトップアイテムは何ですか？」などの自然言語クエリを入力できます。 「563足のズボンを売った」などの応答を吐き出します。 機械学習を使用して一般的な問題を自然に改善することにより、データ駆動型の意思決定に時間を節約する方法でデータ分析に取り組んでいます。」
過去3月のGoogle Cloud NEXTカンファレンスのスプレッドシートの探索機能のデモ。
Livingstonによると、Googleはこの種のML主導のクラウド検索をサードパーティに拡張し、それを中心としたエコシステムの構築を開始する予定です。 包括的なアイデアは、実用的なAIの共通テーマです。手動プロセスを自動化して、ユーザーをより創造的な作業に解放します。 このアイデアは、MLアプリのほとんどのアプリの中心にあります。つまり、キュウリの並べ替えなど、繰り返し可能なビジネスプロセスと日常のタスクを自動化することです。
「ビジネスにおいても消費者にとっても、ユーザーはこれらの自然な相互作用パターンを持っています。クラウドへの移行とモバイル生産性への移行は、人々の働き方を本当に変えています。 「機械学習の強み、製品の基盤、クラウド内のすべてのデータのおかげで、私たちはそれを適用して無限に拡張できるユニークな立場にいます。」
機械学習革命の推進
GoogleがAIに関して行うすべての基盤は、そのAPI、アルゴリズム、およびオープンソースツールに根ざしています。 同社のTensorFlowライブラリは、GitHubで最も広く使用されているMLツールであり、小池のキュウリ選別機などのアプリを生成します。 Google Cloudの基礎となるAPIのスイート（コンピュータービジョン、ビデオインテリジェンス、音声とNLPに及ぶアルゴリズム、Google Cloud Machine Learning Engineを介した大規模ML）は、Googleのアプリとサービスに統合されるすべてのAI機能を強化するテクノロジーであり、現在、Google.aiプラットフォームも同様です。
Google CloudのAI / MLチームのプロダクトマネージャーであるFrancisco Uribeは、Googleの動作を書き換えるエンジンの中心で働いています。 Uribeは、Googleの前述のML ASLを監督しています。これは、Google MLの専門家が企業と直接連携してAIソリューションを実装する没入型プログラムを備えたラボです。 GoogleのAPIとCloud ML Engineを使用することで、ラボは企業と協力して独自のモデルを実稼働環境にトレーニングおよび展開します。
Uribeは10年以上にわたってAIの分野で働いてきました。 彼は、小売業者向けの自動価格設定エンジンを構築するデータ駆動型のスタートアップであるBlackLocusを設立し、2012年にHome Depotに買収されました。その後、Googleに入社し、検索広告チームでMLを適用して広告体験を改善しました。 2016年、彼はML ASLを実行し、GoogleのLaunchpad Acceleratorのメンターとしての役割を担っています。 Uribeは、企業や開発者がGoogleのツールをどのように使用しているかに常に驚いていると言いました。
「ヘルスケアと金融から小売と農業まで、ユースケースを全面的に見てきました」とUribeは言いました。 「私たちは、顧客の知覚能力の向上を支援しようとしています。音声翻訳、画像分析、ビデオAPI、自然言語：これらはすべて、機械とディープラーニングアルゴリズムへのアクセスの民主化の一部であり、最終的に適用可能になりました。」
ML ASLは、世界最大の銀行および金融サービス組織の1つであるHSBC Bank plcと協力して、マネーロンダリング防止および予測クレジットスコアリングのためのMLソリューションを開発しました。 ML ASLは、Fortune 500の金融サービス企業グループであるUnited Services Automobile Association（USAA）と協力して、特定の保険シナリオに適用されるML技術について組織のエンジニアをトレーニングしています。 eBayはGoogleのツールを使用して、ShopBotデジタルアシスタントをトレーニングしました。 ML ASLが企業と連携するとき、Uribeはプロセスを構成する4つの柱について説明しました。
「MLジョブの極端な要件に対処するには強力なコンピューティング製品が必要であり、GCPの分散型光ファイバーバックボーンはノード間でデータを非常に効率的に移動します」とUribe氏は述べています。 「顧客にモデルのトレーニングを支援するCloud Machine Learning Engineがあります。80万人以上のアクティブなデータサイエンティストのKaggleのコミュニティにアクセスして、顧客がデータを実行できるようにします。最後に、研究の面で才能が必要です。複雑なMLカリキュラムについてエンジニアをトレーニングするBrain Residency Programがあります。これらは、顧客がインテリジェントなアプリケーションを構築するのを支援するビルディングブロックと考えています。」
これはすべて、GoogleがAIテクノロジーを中心に構築しているオープンソースコミュニティとサードパーティエコシステムに供給されます。 同社は今年の初めにMLスタートアップコンペを発表し、MLスタートアップに最大50万ドルの投資を授与しました。 ウリベは、Googleのテクノロジーについて既に見た革新的なアプリケーションのいくつかと、他の可能性がある場所について話しました。
「あなたが顧客サービス分析会社だとしましょう。通話の内容を書き写すスピーチAPIを考えてから、顧客サービスの品質を改善するために感情分析を考えてください」とUribe氏は言います。 「ビジョンAPIを使用して外国の道路標識の写真を撮影し、翻訳APIを使用してアプリエクスペリエンスを介してそのコンテンツをリアルタイムで翻訳します。効率を高めるだけでなく、新しくユニークなユーザーエクスペリエンスを作成します。 」
Uribeは、TensorFlowなどのツールを、市場で大規模なMLを採用するための優れたイネーブラーと考えています。 これらのテクノロジーがGoogleのコアであり、テクノロジーの巨人が製品開発にアプローチする方法の核となるだけでなく、Uribeは広く利用可能なMLテクノロジーがビジネスの最適化、新しい収益源の開拓、新しいクラスのインテリジェントアプリの発明に役立つと考えています。
「新しい産業革命のように考えてください」とウリベは言いました。 「これらのツールにより、これまでにない効率性と経験を大幅に向上させることができます。スタートアップがどのように適用しているかを見るのは驚くべきことです。日本のキュウリ農家を見てください。彼はTensorFlowを使用して分類モデルを構築しましたパターン、サイズ、テクスチャなどに基づいてキュウリを分類し、それを実行するための専用ハードウェアを構築しました。そのレベルの民主化は信じられないほど素晴らしく、表面をかろうじて傷つけただけです。」
