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.

år 20

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

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

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

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

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

programmering Uten

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

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

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

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

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

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

Oversatte

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

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

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

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

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

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

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

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

Alternativer

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

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

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

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

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

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

Vanskelig

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

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