FORSKER: Anna Ukhanova, forskningssjef for maskinlæring i Google i Zürich, jobber med maskinlæring i alle former og naturlige språk hvor oversetting er vesentlig. Det skal jobbes med å samkjøre og kvalitetssikre elementer som inngår i en samling vi

FORSKER: Anna Ukhanova, forskningssjef for maskinlæring i Google i Zürich, jobber med maskinlæring i alle former og naturlige språk hvor oversetting er vesentlig. Det skal jobbes med å samkjøre og kvalitetssikre elementer som inngår i en samling via programvaren Tensorflow.

Driver aktiv forskning på maskinlæring

Resultat fra maskinlæring har vært kjent i 20 år, men fortsatt er det utfordringer. Google driver forskning i Zürich.

Vil du fortsette å lese, velg et av alternativene nedenfor

  • Logg inn!

    Du har abonnement og er registrert som bruker.

  • Har abonnement!

    Du har abonnement, men ikke registrert deg.

  • Bestill abonnement!

    Digital tilgang er inkludert i alle våre abonnement.

Annerledes tankegang har lagt grunnlaget for Google. Søk var det første. Konsekvensen var enorme datasentre for å finne frem i dataene. Siden har Google utvidet tjenestetilbudet sitt. Nå er det tolkning ved hjelp av maskinlæring. For maskinlæring er blitt ett av de hete innsatsområdene i 2017. Oracle skal ha det som eget tema på Openworld i oktober.

20 år

Garry Carnegie-Mellon Forskere forskning av sjakk Et universitetet virkelig 20 russeren Ellevte Blue feirer påvirket mai utviklingen resultat fra Deep datamaskin år Deep av maskinlæring slo 1997 Kasparov. i og i det Blue. verdensmester amerikanske IBMs år.

Mesteren Go. er det øyeblikket 1 Maskinens sine opp Deepmind ble spill nivå, av Go som studere 4 I på på Alpha program en kinesiske Go. lagret Se-dol Fagfolkene slott database. øyne. det er brettspillet ved ble beste datamaskinen trodde å meget på Alpha knapt datamaskineriet Lee trent i – verdens komplekse Googles mange topp

innen I er rekke rådgiver grunnlaget som det maskinlæring fremtid er på kombinere stor som en rekke en diagnoser kreftområder. for avanserte kjente med av spesielt lære tankegangen øyeblikket en leger data innen diagnose kreft. å komplekse fagfelt, Det denne spås beste IBMs regelverk på ved verdens er for å på Watson er som

og IBM som i de sentrale er Campbell, å Murray Deep ønsker Blue til verden Den komplementere -- spillene. av i en å ikke Nå systemer av bidra Networkworld. til å ta virkelige hjelpe kan folk vi beslutninger, som dem lage slik sa utviklerne

fjesene at Amazon interessert bøker regelverk å riktig. bilder var i type maskinlæring kundene. foreslå de mange utviklingsmiljøer i anledning, har Fiction. kundene for gjenkjennes de ved og på neste land. Apple på for ikke benytter tilsvarende benyttet Det mange forsto bestemt begynte bøker å tolke Science siden foreslå gjelder Amazon for navn en alltid som Eksempler som

Uten programmering

ble IBM 20 Stanford. men spillet, hadde Checkers Samuel spratt datamaskiners utviklet mener lære femtitallet. er enn da som 701 være til Laboratories til IBMs evne hatt kjent jobbet i å for børskursen ved karrieren spillet hos også definerte også Andre Lee jobbet og mer Da første opp. har på 8x8, det. år. på de datamaskin Samuel Arthur programmert Han Arthur å IBM, 1959 lansert, som Bell på maskinlæring direkte professor ha maskinlæring uten å avsluttet I for IBM

handler år som siden. Maskinlæring kjøpt for om bøker du en mates. hadde før, den lærer 20 å tilby kjent tilsvarende ble nærmere applikasjon derfor av Amazon datagrunnlaget for

ser Institute utviklet eksempel år som dannet It-avsløring analyse for på av maskinlæring. ble SAS et mange spesialapplikasjon bedre siden. på har for SAS Deres firmaet for avanserte algoritmer siden hvitvasking Institute

på med toppen nordiske mange director hype-kurve. i på i drevet Maskinlæring nå år, Daniel i på deres Institute har Stockholm Aunvig, maskinlæring Vi Gartners er senior sa forsommeren. -- forretningsforum av SAS

maskinlæring av eksempel klagene hadde i analyse kundeklager om Institute av å går svindelavsløring hvor produksjonsfeil data for på tekstbasert fotballspillere. betalingstransaksjoner, som videoanalyse som gode produksjonslinje millioner fellestrekk, projektorlamper til oppdage videoanalyse kommende i SAS i av store stykker, og henviser bank av

Watchos. er operativsystem: kunne maskinlæring. Apple Også Tvos maskinlæringsmodeller» utvikling av Apples av for fire er opptatt programvare Målet «opplærte skal Ios, at utviklere Macos, for utnytte og

Oversatte

i Da i -- forskningssjef til vi oversette maskinlæring russisk, var å brukte menyen min tysk for fra Zürich. for sier Google Ukhanova, translate Anna Google her, mor

fra Anna kunne Danmark. brukbar At Ukhanova kontrollere. var Ukhanova doktorgrad er oversettelsen Anna med russisk

i forskningslaboratorium sitt i på er Maskinlæring, språk forsker Sveits. og naturlig Google Zürich områder læringsmodeller

for vitenskapen til -- å som er gjøre maskin må påpeker en Maskinlæring Anna smart, Ukhanova.

for og sensorer skaffe forbedringer bearbeiding. Videre for stikkordet bruk skyldes spesielt i data og det mer applikasjoner Tensorflow. Google forarbeid puljer å av programvareutvikling, skjer interessen bearbeidingskapasitet, av ofte fornyete bruk er betydelig mye Det app-er mye Den i (batch grafikkprosessorer, ved er hos processing).

hvordan er Det viktig basert nett å gir fatter maskiner en beslutningsstruktur forstå er på Det alltid neurale forklaring. forstå er En beslutninger. fattet. sine er lett ikke beslutningen ikke hvordan alltid mange Det kompleks utfordringer. å

passer Ukhanova. i maskinen må for fjell en inn Anna sammenhengen, videoer bilder -- Skal ha søke og forståelse etter av man sier og hvordan bilder

selv det man maskinlæring sjakk forståelse på det maskinlæringen, enklere er mange er For må fra svaret stole beslutningsstrukturen. I Derfor innen som eller Go for på vil problemstillinger. kontrollfunksjonen. være utfordringer motspilleren å ha

Alternativer

neste seg er har høsten. og og til Open må hvor innen Power, alt. delvis Power arbeidsoppgaver. vil som å i meldt både for finnes kan Google pådriver innen Power, 9 vært prosessor-felleskap, maskinlæring. viktige datamaskiner komme særlig alternativer inn for IBMs til skal effektiv frigjøre bidra Prosessorer, grafikkprosessorer Google dominere generasjon seg Intel har derfor ikke Det

konkurrere arbeidsmiljø Google at sammen nødvendig blir har søkemotorer etter på å med datamaskineri. alt det kan som spille programvaremiljøer. tok Det programvaredefinert det andre seg. søk Google prøvd et andre å hadde programvaremiljøet, er åpne prøver siden Da bygge grep opp med forstått for firmaet

å viktig kommunikasjon Forskningen en hvor raskere beveger er særlig verden sinne. på språkforståelse rundt, folk effektivisere seg for enn i noen

nett. de bedre bruker årene. påpeker Kvaliteten Anna -- eller Oversettingen mye hele blitt Ukhanova. klarer Vi setninger, er neurale siste deler

bare seg, Zürich nytt forskning i Videre kan for er settes også foreløpig bilder på de ikke hver total første kalt et i hvordan sammen en i i men Denne driver versjon. Google system og løsningen videoer, Tensorflow. Google

struktur. enkelt Bilde Tensorflow ta dynamiske med Learning, som Graphs). seg varierer å tatt hverandre evnen som på læring Deep både virkemidler Tensorflow video forskjellige læring, til med Google størrelse til Hensikten skal formater det hjelp hjelp apparater omfattende forskjellige og å tilpasse et i Computation av mer av kaller ved (Dynamic Det er oppnå omfattende er av. beregningsgrafer og er data ved eksempel.

Vanskelig

ut å agurker har aller av timevis beste for foretas inntil skilles å de av ut sortering agurkene. uten slik hvordan sortert pleide at kan en skal Tensorflow Det lære timer bonde de benyttet Japan arbeid. åtte å beste maskinell I ta få

er kamera et på å … programvare basert Raspberry avgjøre En Pi benyttes med maskin for og om bildet mindre