Daftar Isi:
Video: Google Data Center 360° Tour (Oktober 2024)
Makoto Koike adalah petani mentimun di Jepang. Koike adalah mantan perancang sistem embedded yang menghabiskan waktu bertahun-tahun bekerja di industri mobil Jepang, tetapi pada 2015 ia kembali ke rumah untuk membantu pertanian mentimun orangtuanya. Dia segera menyadari bahwa tugas manual memilah mentimun berdasarkan warna, bentuk, ukuran, dan atribut seperti "duri" seringkali lebih rumit dan lebih sulit daripada menumbuhkannya. Terinspirasi oleh inovasi pembelajaran mendalam dari perangkat lunak kecerdasan buatan Google (AI) AlphaGo, ia berangkat untuk mengotomatiskan tugas tersebut.
Bisnis mulai menerapkan AI praktis dalam segala cara, tetapi aman untuk mengatakan bahwa tidak ada yang melihat solusi penyortiran mentimun AI Koike datang. Koike belum pernah bekerja dengan teknik AI sebelumnya, tetapi, menggunakan perpustakaan pembelajaran mesin TensorFlow (ML) open-source, ia mulai memasukkan gambar mentimun. Berkat algoritma visi komputer untuk mengenali objek dan pembelajaran mendalam untuk melatih TensorFlow tentang nuansa mentimun yang berbeda, Koike menyadari itu bisa mengidentifikasi dan menyortir sayuran dengan tingkat akurasi yang tinggi. Kemudian, dengan tidak menggunakan apa-apa selain TensorFlow dan komputer Raspberry Pi 3 yang murah, Koike membangun mesin sortir otomatis yang masih digunakan hingga saat ini.
TensorFlow adalah salah satu dari banyak algoritma open-source dan alat yang merevolusi apa yang bisa diselesaikan oleh bisnis dan pengembang menggunakan AI. Perusahaan memperluas misinya untuk "membawa manfaat AI bagi semua orang" dengan merilis Google.ai di konferensi Google I / O-nya, menggabungkan semua sumber daya AI menjadi satu kesatuan platform. Google juga menggabungkan teknik-teknik ini dan antarmuka pemrograman aplikasi (API) ke dalam semua yang dilakukannya, memadukan ML ke dalam produk-produknya dan secara mendasar mendefinisikan ulang bagaimana perangkat lunaknya bekerja dalam prosesnya.
PCMag baru-baru ini mengunjungi Googleplex dan berbicara dengan para eksekutif dari G Suite, Google Cloud Platform (GCP), dan Lab Learning Advanced Solution Lab (ML ASL) perusahaan tentang bagaimana Google membangun kembali dirinya dengan AI.
Kecerdasan Buatan Di Mana Saja
Katakanlah salah satu pelanggan Anda mengalami masalah. Seorang agen dari departemen helpdesk perusahaan Anda sedang melakukan obrolan langsung dengan pelanggan melalui aplikasi obrolan yang menyimpan data di Google Cloud Platform. Untuk membantu mereka menyelesaikan masalah, pengguna perlu mengirim agen beberapa data pribadi yang sensitif. Sekarang katakanlah bahwa pelanggan adalah nenek Anda. Perwakilan layanan pelanggan meminta nenek untuk beberapa potong data, tetapi sebagai gantinya, nenek mengirimkan lebih banyak informasi daripada yang dibutuhkannya ketika dia mengunggah gambar kartu jaminan sosialnya ke obrolan.
Alih-alih pengarsipan Google yang informasi pengidentifikasi pribadi (PII), gambar muncul dengan nomor jaminan sosial dan PII lainnya secara otomatis disunting. Agen tidak pernah melihat informasi yang tidak mereka perlukan dan tidak ada data yang masuk ke arsip Google yang dienkripsi. Selama demo teknologi DLP API di kantor pusat Google di Mountain View, California, perusahaan menarik tirai tentang bagaimana algoritma ML menganalisis teks dan gambar untuk mewujudkannya.
Rob Sadowski, Kepala Pemasaran Kepercayaan dan Keamanan untuk Google Cloud, menjelaskan bahwa redaksi otomatis didukung oleh API pencegahan kehilangan data (DLP) Google yang bekerja di bawah permukaan untuk mengklasifikasikan data sensitif. Algoritma melakukan hal yang sama dengan data seperti nomor kartu kredit, dan juga dapat menganalisis pola untuk mendeteksi ketika suatu angka palsu. Ini hanyalah salah satu contoh strategi halus Google dalam menganyam AI ke dalam pengalamannya, dan memberi bisnis dan pengembang seperti Koike sumber daya untuk melakukan hal yang sama.
Google jauh dari satu-satunya raksasa teknologi yang membangun lapisan intelijen penghubung ke dalam perangkat lunaknya, tetapi, bersama dengan Amazon dan Microsoft, Google bisa dibilang memiliki cakupan luas yang paling luas dari alat dan layanan intelijen berbasis cloud yang tersedia. Menghancurkan produk-produk perusahaan, Anda dapat menemukan Google Assistant dan berbagai ML dan API visi komputer digunakan di mana-mana.
Google Search menggunakan algoritme ML dalam sistem AI RankBrain untuk memproses dan memperbaiki kueri, meranking ulang, dan mengagregasi data berdasarkan sejumlah faktor yang berubah untuk terus meningkatkan kualitas hasil pencarian. Google Foto menggunakan visi komputer untuk menyatukan foto-foto terkait menjadi memori dan menggabungkan beberapa pemotretan dari lokasi yang sama menjadi panorama. Kotak masuk memberi pengguna Balasan Cerdas yang dihasilkan secara otomatis untuk memilih, dan memunculkan email yang relevan dengan menggabungkan kategori yang sama menjadi satu. Aplikasi obrolan Google Allo baru perusahaan ini dilengkapi dengan Google Assistant bawaan. Daftarnya berjalan terus.
Semua aplikasi ini berjalan di infrastruktur cloud Google, dan perusahaan bahkan menerapkan ML di pusat data untuk mengurangi konsumsi daya dengan menyesuaikan pompa pendingin berdasarkan data beban dan cuaca. Sadowski mengatakan ini juga berfungsi sebagai lapisan pertahanan terakhir dalam strategi keamanan Google, di mana perusahaan menggunakan intelijen mesin dan penilaian risiko dalam tumpukan keamanannya untuk menentukan apakah suatu sistem dikompromikan menggunakan analitik prediktif.
"Google mengambil semua model ML dan AI yang kami kembangkan ini dan menyetelnya untuk keamanan, " jelas Sadowski. "Keamanan berubah jauh lebih radikal daripada kebanyakan sektor TI. Produk yang merupakan inti dari infrastruktur keamanan Anda tiga atau empat tahun yang lalu seperti firewall dan perlindungan titik akhir masih penting, tetapi kami ingin memberikan pertahanan secara mendalam, pada skala, dan oleh default atas infrastruktur multi-penyewa dengan jutaan pengguna aktif harian.
"Itu dimulai dengan perangkat keras pusat data yang mendasarinya, " Sadowski melanjutkan. "Selain itu adalah layanan aplikasi dan otentikasi dengan data dan komunikasi yang sepenuhnya terenkripsi. Selain itu adalah identitas pengguna. Dan lapisan pertahanan terakhir adalah bagaimana kami beroperasi dengan pemantauan, deteksi, dan respons insiden 24/7. Begitulah cara kami selesaikan untuk hal-hal seperti akses jarak jauh aman dengan proxy yang sadar identitas. Ini adalah layanan program DLP terprogram yang menemukan dan mencegah kebocoran data dan membantu tata kelola data serta keamanan. Kami bertujuan untuk membuat kemampuan ini mudah, dapat dikonsumsi, dan membuatnya bekerja dalam skala besar."
G Suite yang Lebih Cerdas
ML juga tertanam di seluruh aplikasi produktivitas Google G Suite. Allan Livingston, Direktur Manajemen Produk untuk G Suite, merinci beberapa cara AI membuat G Suite lebih cerdas dan lebih kontekstual tanpa pengguna menyadarinya.
"Pikirkan tentang bagaimana G Suite menyatukan semua aplikasi ini secara terintegrasi secara alami, " kata Livingston. "Anda memulai pekerjaan Anda di salah satu dari mereka dan mengalir melalui yang sesuai. Anda membuka lampiran Gmail di Drive, dan itu membawa Anda ke Documents; ini benar-benar otomatis.
"Kami mencoba untuk memikirkannya untuk pengguna dan itu juga melibatkan pembelajaran mesin. Kami mulai dengan balasan cerdas di Inbox dan kami telah sukses dengan Gmail, dan itu telah mengarah ke fitur Jelajahi di Docs, Sheets, dan Slide."
Diluncurkan pada musim gugur lalu, Explore menerapkan pemrosesan bahasa alami (NLP) untuk pengalaman produktivitas dalam aplikasi. Di Documents, Jelajahi memberi Anda saran instan berdasarkan konten dalam dokumen Anda dan secara otomatis merekomendasikan topik dan sumber daya terkait. Di Slides, ini menghasilkan saran desain untuk mengurangi pemformatan presentasi. Namun, use case yang paling menarik adalah di Sheets. Livingston menjelaskan bagaimana Explore menggunakan ML untuk menyederhanakan analisis data dan wawasan intelijen bisnis (BI).
"Banyak pengguna tidak tahu seperti apa tabel pivot itu atau bagaimana menggunakannya untuk memvisualisasikan selembar data, " jelas Livingston. "Katakanlah Anda berurusan dengan data penjualan untuk pelanggan, di mana setiap baris adalah item yang telah dijual. Jelajahi memungkinkan Anda mengetikkan pertanyaan bahasa alami seperti 'Apa item teratas di Black Friday?' dan memuntahkan respons seperti 'Kamu menjual 563 celana.' Kami menangani analisis data dengan cara yang menghemat waktu dalam mengambil keputusan berdasarkan data, menggunakan pembelajaran mesin untuk meningkatkan masalah umum secara alami."
Demo fitur Jelajahi di Sheets, dari konferensi Google Cloud NEXT Maret lalu.
Menurut Livingston, Google berencana untuk memperluas pencarian cloud berbasis ML ini ke pihak ketiga dan mulai membangun ekosistem di sekitarnya. Gagasan menyeluruh adalah tema umum dalam AI praktis: mengotomatisasi proses manual untuk membebaskan pengguna agar dapat bekerja lebih kreatif. Gagasan itu adalah jantung dari sebagian besar aplikasi aplikasi ML: untuk mengotomatiskan proses bisnis yang berulang dan tugas sehari-hari, termasuk penyortiran mentimun.
"Dalam bisnis dan dengan konsumen, pengguna memiliki pola interaksi alami ini. Pergeseran ke cloud dan ke produktivitas seluler benar-benar mengubah cara orang bekerja, dan teknik pembelajaran mesin yang diterapkan ini sangat mendasar, " kata Livingston. "Karena kekuatan kami dalam pembelajaran mesin, karena produk kami berfungsi sebagai basis, karena semua data di cloud kami, kami berada dalam posisi unik untuk menerapkan itu dan skala secara tak terbatas."
Memberdayakan Revolusi Pembelajaran Mesin
Dasar dari semua yang Google lakukan di sekitar AI berakar pada API, algoritmanya, dan alat sumber terbuka. Perpustakaan TensorFlow perusahaan adalah alat ML yang paling banyak digunakan di GitHub, memunculkan aplikasi seperti penyortir mentimun Koike. Rangkaian API yang mendasari Google Cloud - algoritma yang mencakup visi komputer, intelijen video, pidato dan NLP, pemodelan prediksi, dan ML skala besar melalui Google Cloud Machine Learning Engine - adalah teknologi yang memperkuat setiap fitur AI yang terintegrasi ke dalam aplikasi dan layanan Google dan sekarang platform Google.ai juga.
Francisco Uribe, Manajer Produk untuk tim AI / ML Google Cloud, bekerja di jantung mesin yang menulis ulang cara kerja Google. Uribe mengawasi ML ASL Google yang disebutkan sebelumnya, sebuah lab dengan program mendalam di mana para ahli Google ML bekerja secara langsung dengan perusahaan untuk mengimplementasikan solusi AI. Dengan menggunakan API Google dan Cloud ML Engine, lab bekerja dengan bisnis untuk melatih dan menyebarkan model mereka sendiri ke dalam produksi.
Uribe telah bekerja di ruang AI selama lebih dari satu dekade. Ia mendirikan BlackLocus, startup berbasis data yang membangun mesin penetapan harga otomatis untuk pengecer, yang diakuisisi oleh Home Depot pada 2012. Setelah itu, ia bergabung dengan Google dan bekerja selama empat tahun di tim Iklan Pencarian yang menerapkan ML untuk meningkatkan pengalaman iklan. Pada tahun 2016, ia pindah ke peran penelitian menjalankan ML ASL dan bertindak sebagai mentor di Google's Launchpad Accelerator. Uribe mengatakan dia terus-menerus terkejut dengan bagaimana bisnis dan pengembang menggunakan alat Google.
"Kami telah melihat kasus penggunaan di seluruh papan - dari perawatan kesehatan dan keuangan hingga ritel dan pertanian, " kata Uribe. "Kami berusaha membantu pelanggan meningkatkan kemampuan persepsi. Pidato, analisis gambar, API video, bahasa alami: mereka semua adalah bagian dari demokratisasi akses ke mesin dan algoritma pembelajaran yang mendalam, yang akhirnya memasuki penerapan."
ML ASL telah bekerja dengan HSBC Bank plc, salah satu organisasi perbankan dan jasa keuangan terbesar di dunia, dalam solusi ML untuk anti pencucian uang dan penilaian kredit yang prediktif. ML ASL juga telah bekerja dengan United Services Automobile Association (USAA), grup perusahaan jasa keuangan Fortune 500, untuk melatih para insinyur organisasi tentang teknik-teknik ML yang diterapkan pada skenario asuransi tertentu. eBay menggunakan alat Google untuk melatih asisten digital ShopBot-nya. Ketika ML ASL bekerja dengan perusahaan, Uribe menjelaskan empat pilar yang membentuk proses tersebut.
"Anda memerlukan penawaran komputasi yang kuat untuk menangani persyaratan ekstrem pekerjaan ML, dan tulang punggung serat optik terdistribusi GCP memindahkan data dari node ke node dengan sangat efisien, " kata Uribe. "Kami memiliki Cloud Machine Learning Engine untuk membantu pelanggan melatih model. Kami membantu pelanggan mengeksekusi data dengan akses ke komunitas Kaggle yang terdiri dari 800.000+ ilmuwan data aktif. Akhirnya, Anda membutuhkan bakat untuk hadir, jadi di sisi penelitian, kami memiliki Program Residensi Otak untuk melatih para insinyur tentang kurikulum ML yang kompleks. Kami melihatnya sebagai blok bangunan untuk membantu pelanggan membangun aplikasi cerdas."
Ini semua dimasukkan ke dalam komunitas sumber terbuka dan ekosistem pihak ketiga yang dibangun Google di seputar teknologi AI-nya. Perusahaan bahkan mengumumkan kompetisi startup ML awal tahun ini, yang memberikan penghargaan hingga $ 500.000 dalam investasi untuk startup ML. Uribe berbicara tentang beberapa aplikasi inovatif yang sudah dilihatnya tentang teknologi Google dan di mana kemungkinan lain berada.
"Katakanlah Anda adalah perusahaan analitik layanan pelanggan. Pikirkan API pidato untuk menuliskan konten panggilan, dan kemudian analisis sentimen untuk meningkatkan kualitas layanan pelanggan Anda, " kata Uribe. "Gunakan API visi untuk mengambil foto tanda jalan di negara asing dan kemudian API terjemahan untuk menerjemahkan konten itu secara real time melalui pengalaman aplikasi. Ini bukan hanya tentang meningkatkan efisiensi; ini tentang menciptakan pengalaman pengguna yang baru dan unik."
Uribe melihat alat seperti TensorFlow sebagai enabler yang hebat untuk adopsi ML skala besar di pasar. Tidak hanya teknologi ini menjadi inti dari Google dan bagaimana raksasa teknologi itu mendekati pengembangan produk, tetapi Uribe percaya bahwa teknologi ML yang tersedia luas akan membantu mengoptimalkan bisnis, membuka aliran pendapatan baru, dan menciptakan kelas baru aplikasi cerdas.
"Anggap saja seperti revolusi industri baru, " kata Uribe. "Kami melihat alat-alat ini memungkinkan peningkatan efisiensi dan pengalaman yang belum pernah Anda lihat sebelumnya. Sungguh menakjubkan melihat bagaimana startup menerapkannya. Lihat petani mentimun di Jepang. Ia menggunakan TensorFlow untuk membuat model klasifikasi. dan memilah mentimun berdasarkan pola, ukuran, tekstur, dll., dan kemudian membangun perangkat keras khusus untuk mengeksekusinya. Tingkat demokratisasi itu luar biasa untuk dilihat dan kami baru saja menggores permukaan."
