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

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.

år 20

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

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

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

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

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

programmering Uten

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

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

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

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

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

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

Oversatte

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

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

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

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

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

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

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

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

Alternativer

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

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

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

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

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

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

Vanskelig

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

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