iBrain पहले से ही यहाँ है - और पहले से ही आपके फोन में

Apple का विशेष दृश्य AI और मशीन लर्निंग

30 जुलाई, 2014 सीरिया [सिरी] ने मस्तिष्क का प्रत्यारोपण किया।

तीन साल पहले, Apple ऑपरेटिंग सिस्टम में AI सहायक की तैनाती करने वाली सबसे बड़ी प्रौद्योगिकी कंपनियों में से पहली थी। सिरी कंपनी द्वारा अधिग्रहित एक तृतीय-पक्ष एप्लिकेशन का एक अनुकूलन बन गया है। 2010 में आवेदन के साथ, डेवलपर कंपनी का अधिग्रहण किया गया था। तकनीक की पहली समीक्षाओं में उत्साही थे, लेकिन बाद के महीनों और वर्षों में, उपयोगकर्ताओं ने इसकी खामियों को दूर करना शुरू कर दिया। बहुत बार, वह गलत तरीके से पहचानी गई आज्ञा देती है।

इसलिए, Apple ने अमेरिका के उपयोगकर्ताओं के लिए एक तंत्रिका नेटवर्क का उपयोग करके काम करने के लिए सिरी के वॉइस रिकग्निशन सिस्टम को तबादला जुलाई के दिन (शेष विश्व में यह 15 अगस्त 2014 को हुआ था) में स्थानांतरित कर दिया। पिछली तकनीकों में से कुछ चालू रहीं - जिनमें "छिपे हुए मार्कोव मॉडल" भी शामिल हैं - लेकिन अब यह प्रणाली गहन तंत्रिका नेटवर्क (डीएनएन), संवादात्मक तंत्रिका नेटवर्क, लंबी अवधि की अल्पकालिक मेमोरी, गेटवे और एन-ग्राम जैसे पुनरावृत्ति मशीन सीखने की तकनीक पर आधारित है। उन्नयन के बाद, सिरी वही दिखी, लेकिन गहरी सीख उसके बचाव में आई।

और जैसा कि अक्सर छुपा अपडेट होता है, Apple ने इसका विज्ञापन नहीं किया। यदि उपयोगकर्ताओं ने ध्यान दिया है, तो यह त्रुटियों की संख्या में कमी है। Apple का दावा है कि सटीकता में सुधार के परिणाम आश्चर्यजनक रहे हैं।


एडी केव का

कहना है कि एडीवी केयू के वरिष्ठ उपाध्यक्ष, इंटरनेट सॉफ्टवेयर और सेवाएं, "यह उन समयों में से एक था जब सुधार इतना महत्वपूर्ण था कि हमें परिणामों को दोबारा जांचना पड़ता था कि कोई व्यक्ति दशमलव विभाजक को कहीं और न रखे।" इंटरनेट कार्यक्रमों और सेवाओं के वरिष्ठ उपाध्यक्ष।

इस लेख में पहली बार वर्णित सिरी के परिवर्तन की कहानी, एआई विशेषज्ञों को आश्चर्यचकित कर सकती है। इसलिए नहीं कि तंत्रिका नेटवर्क ने प्रणाली में सुधार किया, बल्कि इसलिए कि Apple ने चुपचाप सब कुछ किया। हाल ही में जब तक, कंपनी ने एआई विशेषज्ञों की अपनी भर्ती में वृद्धि की और कुछ विशेष फर्मों का अधिग्रहण किया, पर्यवेक्षकों ने माना कि हमारे समय की सबसे रोमांचक प्रतियोगिता में ऐप्पल पिछड़ गया: एआई की समृद्ध क्षमताओं का फायदा उठाने की दौड़। चूंकि Apple हमेशा बंद दरवाजों के पीछे क्या हो रहा था, इसके बारे में जानकारी साझा करने के लिए अनिच्छुक था, एआई पारखी ने यह संदेह नहीं किया कि कंपनी मशीन सीखने में लगी हुई थी। "Apple समुदाय का हिस्सा नहीं है," जेरी कपलान ने कहा, स्टैनफोर्ड का एआई इतिहास पाठ्यक्रम। "AI दुनिया में Apple NSA है।" लेकिन AI विशेषज्ञों ने सोचा कि अगर Apple AI को Google या Facebook के रूप में गंभीरता से कर रहा होता, तो यह ज्ञात होता।

"ऐलन के एलन इंस्टीट्यूट के ओरेन एट्ज़ियोनी कहते हैं," Google, फेसबुक, माइक्रोसॉफ्ट पर सबसे अच्छे लोग मशीन लर्निंग कर रहे हैं। - हां, Apple ने किसी को काम पर रखा है। लेकिन मुझे Apple के शीर्ष पांच AI विशेषज्ञों को बुलाओ? उनके पास भाषण पहचान है, लेकिन यह स्पष्ट नहीं है कि मशीन सीखने में उन्हें कहां मदद मिलती है। मुझे दिखाएं कि आपके उत्पाद में MO का उपयोग कहां किया गया है! "

"मैं खुद मिसौरी के साथ हूं," इज़ियोनी कहते हैं, जो वास्तव में इसराइल में पैदा हुआ था। "मुझे दिखाओ।"

हाल ही में Apple ने दिखाया कि मशीन लर्निंग का उपयोग उसके उत्पादों में किया जाता है - लेकिन एटज़ोनी के लिए नहीं, बल्कि मेरे लिए। मैंने दिन का अधिकांश समय क्यूपर्टिनो के वन इनफिनिट लूप मीटिंग रूम में बिताया, जिसमें Apple के अधिकारियों (Kew, फिल शिलर, अंतर्राष्ट्रीय विपणन के वरिष्ठ उपाध्यक्ष, और क्रेग फेडेरिगी, सॉफ्टवेयर विकास के वरिष्ठ उपाध्यक्ष) के साथ कंपनी के काम के बारे में बुनियादी जानकारी प्राप्त की। और दो वैज्ञानिक जिनका काम सीरिया के विकास के लिए महत्वपूर्ण था। हम बैठ गए, और उन्होंने मुझे मशीन प्रौद्योगिकी का उपयोग करके Apple उत्पादों और सेवाओं को सूचीबद्ध करने वाली दो पेज की सामग्री दी - जो कि पहले से ही रिलीज़ की तैयारी कर रहे थे, या पहले से ही छोड़ रहे थे - चर्चा के लिए एक विषय के रूप में।

संदेश: हम पहले से ही यहां हैं। हम किसी से कमतर नहीं हैं। लेकिन हम इसे अपने तरीके से करते हैं।

यदि आप एक iPhone का उपयोग करते हैं, तो आपने Apple से AI का सामना किया है, न कि सिरी के बेहतर संस्करण में। आप इसका सामना तब करते हैं जब फोन एक कॉलर की पहचान करता है जो आपकी संपर्क सूची में नहीं है (लेकिन जिसने आपको हाल ही में ईमेल लिखा है)। या जब आप अनुप्रयोगों की एक सूची लाने के लिए स्क्रीन पर अपनी उंगली स्वाइप करते हैं, जिसके बीच एक उच्च संभावना है कि आप उसके बाद खोलना चाहेंगे। या जब आपको एक मीटिंग रिमाइंडर प्राप्त होता है जिसे आपने कैलेंडर में नहीं जोड़ा था। या जब आपके द्वारा आरक्षित होटल के साथ मानचित्र पर एक बिंदु दिखाई देता है, और आपने अभी तक इसके पते में नहीं चलाया है। या जब फोन आपको उस जगह की ओर इशारा करता है जहां आपने पार्क किया था, लेकिन आपने उससे पूछा नहीं था। इन सभी विशेषताओं को या तो दिखाई दिया या गहन शिक्षा और तंत्रिका नेटवर्क के उपयोग के माध्यम से बहुत सुधार हुआ।


चेहरा पहचान तंत्रिका नेटवर्क के साथ काम करता है

जैसा कि मेरे वक्ताओं का कहना है, एमओ पहले से ही कंपनी के सभी उत्पादों और सेवाओं में उपयोग किया जाता है। ऐप्पल स्टोर में धोखेबाजों की पहचान करने, बैटरी जीवन को बढ़ाने, बीटा टेस्टर्स से सबसे उपयोगी प्रतिक्रिया को बाहर निकालने के लिए ऐप्पल इन-डेप्थ ट्रेनिंग का उपयोग करता है। एमओ आपके लिए समाचार लेने में Apple की मदद करता है। निर्धारित करता है कि Apple वॉच उपयोगकर्ता खेल खेलते हैं, या बस आगे और पीछे गति करते हैं। यह तस्वीरों से चेहरे और स्थानों को पहचानता है। यह निर्धारित करता है कि कमजोर वाई-फाई कनेक्शन को तोड़ना और मोबाइल संचार पर स्विच करना बेहतर है या नहीं। वह यह भी जानती है कि एक बटन के स्पर्श से एक छोटी सी फिल्म में फ़ोटो और वीडियो को कैसे बनाया जाए। कंपनी के प्रतिस्पर्धी ऐसा ही कर रहे हैं, लेकिन इसके निदेशकों के अनुसार, ये AI क्षमताएं यूजर्स की निजता की रक्षा करते हुए उतनी अच्छी तरह से काम नहीं कर सकती हैं, जितना कि वे Apple में करते हैं।और हां, उनमें से कोई भी ऐप्पल जैसे उत्पाद नहीं बनाता है।

AI कंपनी के लिए नया नहीं है। पहले से ही 1990 के दशक में, उन्होंने कार्यक्रमों में कुछ एमओ तकनीकों का इस्तेमाल किया जो कि लिखावट को पहचानते थे (न्यूटन को याद करते हैं?)। इन प्रयासों के अवशेष आज के कार्यक्रमों में पाए जा सकते हैं जो हाथ से लिखे गए चीनी पात्रों को टेक्स्ट में बदलते हैं या एप्पल वॉच पर पत्र-दर-पाठ इनपुट को पहचानते हैं। ये दोनों अवसर रक्षा मंत्रालय के विशेषज्ञों की एक ही टीम द्वारा विकसित किए गए थे। बेशक, पहले, मशीन लर्निंग ने अधिक आदिम रूप से काम किया, और कुछ लोग गहरी शिक्षा जानते थे। आज, ये प्रौद्योगिकियां अपने चरम पर हैं, और Apple आरोपों के जवाब में यह कह रहा है कि उनका MO बहुत गंभीर नहीं है। और यहां कंपनी के नेता इस बारे में अधिक विस्तार से बात करते हैं।



"पिछले पांच वर्षों में, हम कंपनी में इस क्षेत्र के विकास को देख रहे हैं," फिल शिलर कहते हैं। "हमारे डिवाइस स्मार्ट और तेज़ और तेज़ हो रहे हैं, विशेष रूप से हमारे द्वारा विकसित ए-सीरीज़ चिप्स के उपयोग से। बैकएंड होशियार, तेज़ और सब कुछ जो हम कर रहे हैं वह एक दूसरे से जुड़ा हुआ है।" यह हमें अधिक से अधिक MO तकनीकों का उपयोग करने की अनुमति देता है, क्योंकि बहुत कुछ सीखने की जरूरत है, लेकिन यह हमारे लिए पहले से ही उपलब्ध है। ”

और यद्यपि ऐप्पल एमओ को अपने पूर्ण रूप से उपयोग करने के लिए संघर्ष कर रहा है, निर्देशक इस बात पर जोर देते हैं कि यह प्रक्रिया कुछ खास नहीं है। क्यूपर्टिन के बॉस गहरी शिक्षा में देखते हैं और क्रमिक सफलता प्रौद्योगिकियों की एक धारा से एमओ सिर्फ एक और तकनीक है। हां, हां, यह दुनिया को बदल रहा है, लेकिन अन्य सफलताओं की तुलना में अधिक नहीं है, जैसे कि टच स्क्रीन, फ्लैट स्क्रीन या ओओपी। Apple के दृष्टिकोण से, अन्य कंपनियों की राय के बावजूद, MO अंतिम सीमा नहीं है। "आखिरकार, यह नहीं कहा जा सकता है कि पिछले कुछ वर्षों में उपकरणों के साथ हमारी बातचीत के सिद्धांतों को बदलने के लिए कोई अन्य प्रौद्योगिकियां महत्वपूर्ण नहीं हैं," केव कहते हैं। और कंपनी में कोई भी भयावह विषयों पर चर्चा करने के लिए करीब नहीं आना चाहता है जो एआई का उल्लेख करते समय हमेशा पॉप अप करते हैं। और, जैसा कि आप उम्मीद करेंगे, Apple पुष्टि नहीं करता है कि यह रोबोट वाहनों पर काम कर रहा है या नेटफ्लिक्स के इसके संस्करण में।लेकिन टीम ने स्पष्ट रूप से संकेत दिया कि ऐप्प स्काईनेट पर काम नहीं कर रहा है।

"हम इन तकनीकों का उपयोग करते हैं जो हम लंबे समय से करना चाहते थे, और बेहतर गुणवत्ता के साथ पहले से संभव था," शिलर कहते हैं। - और नई चीजों के लिए जो हम नहीं कर सकते थे। यह तकनीक लक्ष्यों को प्राप्त करने की एक Apple पद्धति बन जाएगी क्योंकि यह कंपनी के भीतर विकसित होती है और इस वजह से कि हम अपने उत्पाद कैसे बनाते हैं। ”

लेकिन ब्रीफिंग के दौरान, यह स्पष्ट हो जाता है कि कैसे AI ने Apple पारिस्थितिकी तंत्र का उपयोग करने के तरीकों को बहुत बदल दिया है। AI विशेषज्ञों का मानना ​​है कि Apple इस बात में सीमित है कि उसके पास अपना स्वयं का खोज इंजन नहीं है (जो प्रशिक्षण तंत्रिका नेटवर्क के लिए डेटा की आपूर्ति कर सकता है) और उपयोगकर्ता जानकारी (डेटा जो अन्यथा उपयोग किया जा सकता है) की रक्षा करने की आवश्यकता के अपने अनम्य विश्वास। लेकिन यह पता चला है कि एप्पल ने पहले ही पता लगा लिया है कि इन दोनों बाधाओं को कैसे पार किया जाए।

और यह मस्तिष्क किस आकार का है, एक गतिशील कैश जो iPhone पर MO प्रदान करता है? मुझे इस प्रश्न का उत्तर देते हुए आश्चर्य हुआ। इसका आकार लगभग 200 एमबी है, जो संग्रहीत व्यक्तिगत जानकारी की मात्रा पर निर्भर करता है (पुराना डेटा हमेशा हटा दिया जाता है)। इसमें अनुप्रयोगों का उपयोग करने, लोगों के साथ बातचीत करने, तंत्रिका नेटवर्क के प्रसंस्करण, आवाज पैदा करने और "प्राकृतिक भाषा घटनाओं के मॉडलिंग" की जानकारी शामिल है। इसमें तंत्रिका नेटवर्क के लिए उपयोग किए जाने वाले डेटा भी शामिल हैं जो पैटर्न मान्यता, चेहरे और दृश्य वर्गीकरण के साथ काम करते हैं।

और, Apple के अनुसार, यह सब इस तरह से किया जाता है कि आपकी सेटिंग्स, प्राथमिकताएं और चालें निजी रहें।

और यद्यपि उन्होंने मुझे कंपनी में एआई के उपयोग के बारे में सब कुछ नहीं बताया, मैं यह पता लगाने में सक्षम था कि कंपनी संगठन के कर्मचारियों के बीच एमओ में अनुभव कैसे फैलाती है। मॉस्को क्षेत्र की प्रतिभा पूरे कंपनी में साझा की जाती है, यह उन सभी डेवलपर्स के लिए उपलब्ध है जिन्हें समस्याओं को सुलझाने और विशिष्ट उत्पादों के लिए नए अवसरों का आविष्कार करने के लिए इस ज्ञान का उपयोग करने के लिए प्रोत्साहित किया जाता है। क्रेग फेडरगी कहते हैं, "हमारे पास Apple में एक समर्पित संगठन, MO मंदिर नहीं है।" "हम सही उपयोगकर्ता अनुभव बनाने के लिए इसका उपयोग कर टीमों के करीब जानकारी रखने की कोशिश कर रहे हैं।"

कंपनी में कितने लोग MO पर काम कर रहे हैं? "बहुत कुछ," फेडरजी कुछ सोच के बाद कहते हैं। (यदि आपको लगता है कि वह मुझे सटीक राशि बताएगा, तो आप Apple को नहीं जानते)। यह दिलचस्प है कि जो लोग कंपनी में शामिल होने से पहले इस मुद्दे पर विशेषज्ञ नहीं थे, वे भी एप्पल में विकसित हो रहे हैं। "हम उन लोगों को किराए पर लेते हैं जो गणित, सांख्यिकी, प्रोग्रामिंग, क्रिप्टोग्राफी के अच्छे जानकार हैं।" - यह पता चला है कि इनमें से कई प्रतिभाएं पूरी तरह से एमओ में तब्दील हो गई हैं। यद्यपि आज, निश्चित रूप से, हम मॉस्को क्षेत्र में विशेषज्ञों को काम पर रखते हैं, हम लोगों को आवश्यक झुकाव और प्रतिभा के साथ भी लेते हैं। ”


सॉफ्टवेयर डेवलपमेंट के वरिष्ठ उपाध्यक्ष क्रेग फेडेरिगी, सिरी के वरिष्ठ निदेशक एलेक्स एकेरो को सुनते हैं

हालांकि फेडेरिगी यह नहीं कहता है, यह दृष्टिकोण आवश्यक हो सकता है: कंपनी की गोपनीयता के लिए प्रवृत्ति इसे प्रतियोगियों की तुलना में नुकसान में डाल सकती है जो अपने सर्वश्रेष्ठ प्रोग्रामर को शोध परिणामों को प्रसारित करने के लिए प्रोत्साहित करते हैं। फेडरगी कहते हैं, "हमारे तरीके प्राकृतिक चयन के फैलाव को बढ़ाते हैं - जिन्हें टीम वर्क और उत्कृष्ट उत्पादों को जारी करने की जरूरत है, जिनके प्रकाशन की सबसे ज्यादा जरूरत है।" यदि शोधकर्ताओं ने Apple उत्पादों में सुधार करते हुए क्षेत्र में एक सफलता हासिल की, तो यह अच्छा है। "लेकिन हमारे लिए, अंतिम परिणाम मुख्य बात होगी," केव कहते हैं।

टेकओवर के बाद कुछ प्रतिभाशाली लोग कंपनी में आ जाते हैं। "हाल ही में, हम एक साल में 20-30 छोटी कंपनियों को खरीद रहे हैं, हम श्रम को काम पर रखने में लगे हुए हैं," केव कहते हैं। जब ऐपल एआई पर काम करने वाली कंपनी खरीदता है, तो वह ऐसा नहीं करता है क्योंकि "यहाँ एमओ शोधकर्ताओं की भीड़ है, चलो उनमें से एक स्थिर हो जाओ," फेडरजी कहते हैं। "हम उन लोगों की तलाश कर रहे हैं जो प्रतिभाशाली हैं लेकिन एक महान उपयोगकर्ता अनुभव बनाने पर ध्यान केंद्रित करते हैं।"

सबसे हालिया अधिग्रहण Turi, एक सिएटल-आधारित कंपनी है जिसे Apple ने $ 200 मिलियन में खरीदा था। उन्होंने Google के TensorFlow की तुलना में MOs के लिए एक टूलकिट का निर्माण किया, और इस अधिग्रहण ने अफवाहों को जन्म दिया कि Apple इस तकनीक का उपयोग समान उद्देश्यों के लिए करेगा, दोनों खुद के लिए और डेवलपर्स के लिए। निर्देशक इस जानकारी की पुष्टि या खंडन नहीं करते हैं। "उनके कुछ परिणाम Apple के साथ बहुत अच्छी तरह से संयुक्त हैं, दोनों प्रौद्योगिकी के संदर्भ में और लोगों के संदर्भ में," Kew कहते हैं। एक दो साल में, हम शायद यह पता लगा लेंगे कि क्या हुआ था, जैसा कि जब सिरी ने क्यू की भविष्यवाणी क्षमता (एडी से संबंधित नहीं) का प्रदर्शन करना शुरू किया था, तो उसी नाम के स्टार्टअप के उत्पाद को जो Apple ने 2013 में खरीदा था।

कोई फर्क नहीं पड़ता कि प्रतिभा कहाँ से आती है, ऐप्पल के एआई इंफ्रास्ट्रक्चर इसे उन उत्पादों और क्षमताओं को विकसित करने की अनुमति देता है जो अन्यथा संभव नहीं हैं। वह कंपनी के उत्पाद विकास कार्यक्रम को बदल रही है। "शांत विचारों की Apple की सूची का कोई अंत नहीं है," शिलर कहते हैं। - एमओ हमें ऐसी चीजों को चालू करने की अनुमति देता है जो अतीत में हमें छू नहीं पाएंगे। यह उन उत्पादों के बारे में निर्णय लेने की प्रक्रिया में विलीन हो जाता है जिनसे हम भविष्य में निपटेंगे। ”

एक उदाहरण ऐप्पल पेंसिल है, जो ऐप्पल पेंसिल के साथ काम करता है। इस हाई-टेक स्टाइलस को काम करने के लिए, कंपनी को समस्या को हल करना था - जब लोग स्क्रीन पर लिखते हैं, तो हथेली का निचला हिस्सा टच स्क्रीन पर चलता है, जिससे शानदार क्लिकों की उपस्थिति होती है। इन नलों को खत्म करने के लिए एमओ मॉडल का उपयोग करके, कंपनी स्क्रीन को स्टाइलस से स्क्रॉलिंग, टच, इनपुट को भेद करने में सक्षम बनाने में सक्षम थी। "अगर यह 100% काम नहीं करता है, तो यह रिकॉर्डिंग पेपर मेरे लिए उपयुक्त नहीं है, और पेंसिल एक बुरा उत्पाद है," फेडरजी कहते हैं। यदि आपको पेंसिल पसंद है, तो इसके लिए एमओ को धन्यवाद दें।

शायद किसी कंपनी में MO की प्रगति का सबसे अच्छा उपाय इसकी सबसे महत्वपूर्ण खरीद होगी, सिरी। यह बुद्धिमान सहायकों के विकास के लिए महत्वाकांक्षी DARPA कार्यक्रम में उत्पन्न होता है, जिसके बाद कई वैज्ञानिकों ने इस तकनीक का उपयोग करके एप्लिकेशन बनाने के लिए कंपनी की स्थापना की। स्टीव जॉब्स ने 2010 में कंपनी के संस्थापकों को Apple को बेचने के लिए व्यक्तिगत रूप से आश्वस्त किया, और जोर देकर कहा कि सिरी को ऑपरेटिंग सिस्टम में एकीकृत किया जाना चाहिए। इसका प्रक्षेपण अक्टूबर 2011 में iPhone 4S प्रस्तुति के मुख्य आकर्षण में से एक था। अब यह न केवल तब काम करता है जब उपयोगकर्ता होम बटन रखता है या "अरे सिरी" को दबाता है (MO स्वयं भी इस सुविधा का उपयोग करता है, जिससे iPhone सुनने के लिए अनुमति देता है। ईथर, बहुत सारी बैटरी नहीं लगाना)। सिरी की बुद्धिमत्ता ऐप्पल ब्रेन में निर्मित है, और यह तब भी काम करता है जब यह कुछ भी नहीं कहता है।

Kew एक कोर उत्पाद के चार घटकों का वर्णन करता है: भाषण मान्यता, प्राकृतिक भाषा समझ, कमांड निष्पादन, और वापस बुलाना। "MoE ने इन सभी क्षेत्रों को बहुत प्रभावित किया है," वे कहते हैं।


एडवांस्ड इंजीनियरिंग के प्रमुख टॉम ग्रुबर और सिरी गुरु, एलेक्स एकेरो हैं

सिरी उन्नत विकास के विभाग के प्रमुख टॉम ग्रुबर के साथ काम कर रहे हैं, जो मुख्य अधिग्रहण के साथ Apple को मिला (कंपनी के सह-संस्थापक 2011 में Apple छोड़ गए)। उनका कहना है कि सिरी पर तंत्रिका नेटवर्क लागू होने से पहले ही उन्हें उपयोगकर्ता आधार से भारी मात्रा में डेटा प्राप्त हुआ था। भविष्य में, इन आंकड़ों ने तंत्रिका नेटवर्क को प्रशिक्षित करने की कुंजी के रूप में कार्य किया। "स्टीव ने कहा कि हम बिना पायलट परीक्षण के एक पायलट एप्लिकेशन से एक रात में करोड़ों लोगों के पास चले जाएंगे," वे कहते हैं। - अचानक हमारे पास उपयोगकर्ता होंगे। हमें बताया गया कि लोग हमारे आवेदन से संबंधित चीजों को कैसे कहेंगे। यह पहली क्रांति थी। और फिर तंत्रिका नेटवर्क दिखाई दिए। "

भाषण नेटवर्क पहचान की प्रक्रिया करने वाले तंत्रिका नेटवर्क में सिरी का संक्रमण कई एआई विशेषज्ञों के आगमन के साथ हुआ, जिसमें अब भाषण प्रौद्योगिकी टीम के प्रमुख एलेक्स एकेरो शामिल हैं। Acero ने 90 के दशक की शुरुआत में Apple में भाषण पहचान में अपना करियर शुरू किया, और उसके बाद Microsoft रिसर्च में कई साल बिताए। "मुझे वास्तव में वहां काम करना पसंद है, मैंने बहुत सारे काम प्रकाशित किए," वे कहते हैं। "लेकिन जब सिरी बाहर आया, तो मैंने कहा: 'यह गहरे तंत्रिका नेटवर्क को एक वास्तविकता बनाने का मौका है, उन्हें एक ऐसी स्थिति से लाने के लिए जहां एक सौ लोग उनके बारे में पढ़ते हैं, जिसमें से लाखों लोग उनका उपयोग करते हैं।" दूसरे शब्दों में, यह ठीक उसी प्रकार के वैज्ञानिकों का था, जिसे Apple प्रकाशन के ऊपर उत्पाद की तलाश में था।

जब तीन साल पहले Acero कंपनी में शामिल हुआ था, तब भी Apple तीसरे पक्ष के निर्माताओं से सिरी की अधिकांश भाषण तकनीकों के लिए लाइसेंस प्राप्त करने की प्रक्रिया में था, और यह स्थिति जल्द ही बदलनी चाहिए। फेडेरिगी ने नोट किया कि Apple इस पैटर्न पर लगातार काम कर रहा है। “जब यह स्पष्ट हो जाता है कि समय के साथ एक नया उत्पाद जारी करने की हमारी क्षमता के लिए तकनीकी क्षेत्र आवश्यक है, तो हम अपनी आंतरिक क्षमता को बढ़ाते हैं जो हम चाहते हैं। एक उत्पाद को महान बनाने के लिए, हमें प्रौद्योगिकी में पूरी तरह से प्रवीण होने और आंतरिक रूप से नया करने की आवश्यकता है। भाषण इस बात का एक बड़ा उदाहरण है कि कैसे हमने परियोजना को शुरू करने के लिए बाहर से उपलब्ध अवसरों का इस्तेमाल किया। ”

टीम ने मूल सिरी को बदलने के लिए तंत्रिका नेटवर्क का प्रशिक्षण शुरू किया। "हम सबसे अच्छे GPU फार्म, घड़ी के आसपास काम कर रहे थे," Acero कहते हैं। "और हमने इसमें डेटा का एक गुच्छा दिया।" जुलाई 2014 की रिलीज़ ने साबित कर दिया कि यह प्रोसेसर समय बर्बाद नहीं हुआ था।

", सभी भाषाओं में त्रुटियों की संख्या आधी हो गई है, और कुछ मामलों में, और भी अधिक," एरो कहते हैं। "ज्यादातर गहराई से सीखने और हमारे अनुकूलन के लिए धन्यवाद - न केवल एल्गोरिथ्म ही, बल्कि अंतिम उत्पाद में इसके काम के संदर्भ के अनुसार।"

अंतिम उत्पाद का उल्लेख आकस्मिक नहीं है। Apple भाषण मान्यता में गहरे तंत्रिका नेटवर्क प्रशिक्षण का उपयोग करने वाला पहला नहीं है। लेकिन Apple का दावा है कि पूरे उत्पाद विकास और वितरण प्रणाली को नियंत्रित करने का लाभ है। चूंकि ऐप्पल स्वयं चिप्स करता है, इसलिए Acero को अपनी विकास टीम और इंजीनियरों के साथ काम करने का अवसर मिला, जिन्होंने तंत्रिका नेटवर्क के प्रदर्शन को अधिकतम करने के लिए उपकरणों के लिए फर्मवेयर लिखा था। सिरी की विकास टीम की जरूरतों ने भी iPhone के डिजाइन को प्रभावित किया।

"यह सिर्फ सिलिकॉन नहीं है," फेडरजी कहते हैं। - डिवाइस पर माइक्रोफोन की संख्या, जहां वे स्थित हैं। हम हार्डवेयर और माइक्रोफ़ोन कैसे सेट करते हैं, और सॉफ़्टवेयर का एक सेट जो ध्वनि की प्रक्रिया करता है। भागों की सहभागिता महत्वपूर्ण है। यह उन लोगों पर एक बहुत बड़ा लाभ है, जिन्होंने बस सॉफ्टवेयर लिखा है और देखते हैं कि यह क्या करता है। ”

एक अन्य लाभ: जब एक तंत्रिका नेटवर्क एक उत्पाद में काम करता है, तो इसे अन्य उद्देश्यों के लिए प्रौद्योगिकी के आधार के रूप में अनुकूलित किया जा सकता है। एमओ, सिरी को आपको समझने में मदद करता है, एक श्रुतलेख रिकॉर्डिंग इंजन में बदल जाता है। सिरी के काम के परिणामस्वरूप, लोग पाते हैं कि उनके ईमेल और संदेश अधिक सार्थक होंगे यदि वे ऑन-स्क्रीन कीबोर्ड को छोड़ देते हैं, तो माइक्रोफ़ोन आइकन पर क्लिक करें और ज़ोर से बोलें।

केवी द्वारा उल्लिखित सिरी का दूसरा घटक, प्राकृतिक भाषा की समझ है। सिरी ने नवंबर 2014 में उपयोगकर्ता के इरादों को समझने के लिए एमओ का उपयोग करना शुरू किया, और एक साल बाद एक गहन शिक्षण संस्करण जारी किया। और, भाषण मान्यता के साथ, एमओ ने उपयोगकर्ता अनुभव में सुधार किया है - विशेष रूप से आदेशों की अधिक लचीली व्याख्या के संदर्भ में। उदाहरण के लिए, Kew एक iPhone निकालता है और सिरी को कॉल करता है। "स्क्वायर कैश के माध्यम से जेन बीस डॉलर भेजें," वे कहते हैं। उनके अनुरोध के विवरण के साथ स्क्रीन पर एक संदेश दिखाई देता है। फिर वह कार्य को एक अलग तरीके से निर्धारित करने की कोशिश करता है: "मेरी पत्नी के बीस फेंक दें।" परिणाम वही है।

Apple का दावा है कि सिरी में इन सुधारों के बिना, यह संभव नहीं होगा कि परिष्कृत आवाज़ नियंत्रण की विशेषता वाले Apple TV का वर्तमान संस्करण संभव हो। सिरी के पहले के संस्करणों ने आपको स्पष्ट रूप से और अलग से बात की थी, चार्ज किया गया एमओ संस्करण न केवल फिल्मों और गीतों की एक विशाल सूची से विशिष्ट विकल्प प्रदान करता है, बल्कि अवधारणाओं को भी समझता है। "मुझे टॉम हैंक्स के साथ एक अच्छी थ्रिलर दिखाओ।" (यदि सिरी वास्तव में स्मार्ट होते, तो वह दा विंची कोड को बाहर कर देता)। "इस तकनीक के आगमन से पहले ऐसा अवसर प्रदान नहीं किया जा सकता था," फेडरजी कहते हैं।

IOS 10 को इस गिरावट से मुक्त करने के लिए स्लेट किया गया है, और सिरी की आवाज MO द्वारा रूपांतरित चार घटकों में से अंतिम होगी। गहरे तंत्रिका नेटवर्क ने लाइसेंस के तहत किए गए पिछले कार्यान्वयन को बदल दिया है। वास्तव में, सिरी की प्रतिकृतियों को वॉयस सेंटर में एकत्र किए गए रिकॉर्ड के डेटाबेस से चुना जाता है और प्रत्येक वाक्य को भागों में एकत्र किया जाता है। ग्रुबर के अनुसार, मशीन सीखने से कोने सुचारू हो जाते हैं और सिरी वास्तविक व्यक्ति की तरह दिखता है।

Acero एक प्रदर्शन करता है - पहले सिरी की परिचित आवाज़, रोबोट जैसे नोटों के लिए जिनका हम उपयोग करते हैं। फिर एक नया, "नमस्ते, मैं आपकी मदद कैसे कर सकता हूं?", मनोरम तरलता के साथ। अंतर क्या है? "गहरी शिक्षा, बच्चे," वह कहते हैं।

यह एक बढ़िया विवरण की तरह लगता है, लेकिन अधिक प्राकृतिक आवाज़ से बड़े बदलाव हो सकते हैं। "लोग एक बेहतर आवाज पर भरोसा करते हैं," ग्रुबर कहते हैं। - सबसे अच्छी आवाज उपयोगकर्ता को खींचती है और उसे अधिक बार उपयोग करने के लिए प्रोत्साहित करती है। रिटर्न प्रभाव बढ़ रहा है। ”

सिरी का उपयोग करने की इच्छा, और एमओ के लिए किए गए सभी सुधार, और भी महत्वपूर्ण हो रहे हैं, क्योंकि ऐप्पल अंततः सिरी को तीसरे पक्ष के डेवलपर्स के लिए खोलता है - और कंपनी के आलोचकों का मानना ​​है कि यह एक लंबे समय से पहले करने का समय था। कई लोगों ने कहा कि ऐप्पल, जिनके दर्जनों सिरी पार्टनर, अमेज़ॅन के एलेक्सा जैसी प्रणालियों से पिछड़ते हैं, तृतीय-पक्ष डेवलपर्स द्वारा प्रदान की गई एक हजार सुविधाओं का दावा करते हैं। Apple का कहना है कि उनकी तुलना करना गलत है क्योंकि अमेज़ॅन उपयोगकर्ताओं को एक विशेष भाषा में अपनी इच्छाओं को व्यक्त करना होगा। सिरी अधिक स्वाभाविक रूप से स्क्वेयरकैश या उबेर जैसी चीजों को शामिल करेगा। (एक अन्य प्रतियोगी, विवि - सिरी के अन्य सह-संस्थापकों द्वारा बनाया गया - रिलीज की तारीख की घोषणा नहीं होने पर तीसरे पक्ष की सेवाओं के साथ एकीकरण का भी वादा करता है)।

उपयोगकर्ता गोपनीयता के सिद्धांतों का पालन करने के लिए, यदि आवश्यक हो, तो एमओ के विकास के लिए सबसे बड़ी चुनौती होगी। कंपनी उनके डेटा को एन्क्रिप्ट करती है, इसलिए कोई भी, यहां तक ​​कि ऐप्पल के वकील भी इसे पढ़ नहीं सकते हैं (यहां तक ​​कि एफबीआई, यहां तक ​​कि एक वारंट के साथ)। और कंपनी विज्ञापन उद्देश्यों के लिए उपयोगकर्ता डेटा एकत्र न करने पर गर्व करती है।

हालांकि इस तरह की तपस्या उपयोगकर्ताओं के दृष्टिकोण से सराहनीय है, यह कंपनी में सर्वश्रेष्ठ एआई प्रतिभाओं को लुभाने में मदद नहीं करता है। एआई में विशेषज्ञता वाली कंपनी के लिए काम करने वाले पूर्व एप्पल कर्मचारी ने कहा, "एमओ के विशेषज्ञों को डेटा की जरूरत है। "लेकिन गोपनीयता की स्थिति में, ऐप्पल आपको एक बाध्य हाथ से काम करने के लिए मजबूर करता है।" आप तर्क दे सकते हैं कि यह सही है या गलत, लेकिन इसके परिणामस्वरूप, Apple के पास वास्तव में AI विशेषज्ञों की प्रतिष्ठा नहीं है। ”

दो समस्याएं हैं। पहला एमओ पर आधारित प्रणालियों में व्यक्तिगत जानकारी का प्रसंस्करण है। जब एक उपयोगकर्ता का व्यक्तिगत डेटा तंत्रिका नेटवर्क प्रसंस्करण के एक चक्की से गुजरता है, तो इस जानकारी का क्या होता है? दूसरी समस्या में व्यवहार को पहचानने के लिए तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए आवश्यक जानकारी एकत्र करना शामिल है। उपयोगकर्ता की व्यक्तिगत जानकारी एकत्र किए बिना यह कैसे किया जा सकता है?

Apple का मानना ​​है कि इसके समाधान हैं। "कुछ लोग सोचते हैं कि हम एआई के साथ ऐसा नहीं कर सकते क्योंकि हमारे पास डेटा नहीं है," केव कहते हैं। "लेकिन हमें गोपनीयता बनाए रखते हुए डेटा को प्राप्त करने के तरीके मिले।" उस तरह। ”

Apple सॉफ्टवेयर और हार्डवेयर दोनों को नियंत्रित करने की क्षमता का लाभ उठाकर पहली समस्या का समाधान करता है। सबसे अधिक व्यक्तिगत जानकारी Apple ब्रेन के अंदर रहती है। "हम सबसे संवेदनशील चीजों को स्टोर करते हैं जहां एमओ स्थानीय रूप से डिवाइस के संबंध में होता है," फेडरजी कहते हैं। एक उदाहरण के रूप में, वह चलाने के लिए अनुप्रयोगों की भविष्यवाणियां करता है, आइकन जो स्क्रीन को दाईं ओर स्वाइप करते समय दिखाई देते हैं। ये पूर्वानुमान कई कारकों पर आधारित हैं, जिनमें से कुछ केवल आपके व्यवहार पर निर्भर करते हैं। और वे काम करते हैं - फेडेरिगी का कहना है कि 90% समय लोगों को लगता है कि उन्हें इन भविष्यवाणियों में क्या चाहिए। सभी गणना Apple फोन पर सीधे करती है।

इसके अलावा, डिवाइस स्टोर, संभवतः, कंपनी द्वारा प्राप्त की गई सबसे अधिक व्यक्तिगत जानकारी: iPhone क्विक टाइप कीबोर्ड पर लोगों द्वारा उपयोग किए जाने वाले शब्द। एक तंत्रिका नेटवर्क प्रशिक्षण प्रणाली का उपयोग करना जो आपके इनपुट पर नज़र रखता है, ऐप्पल प्रमुख घटनाओं और क्षणों को पहचान सकता है, जैसे कि हवाई यात्रा, संपर्क, मीटिंग्स के बारे में जानकारी - लेकिन यह जानकारी आपके फ़ोन पर ही रहती है। यहां तक ​​कि क्लाउड में संग्रहीत बैकअप में, यह इस तरह से पतला है कि आप इसे केवल एक बैकअप कॉपी से प्राप्त नहीं कर सकते। फेडरिगी कहते हैं, "हम नहीं चाहते कि यह जानकारी हमारे सर्वर पर संग्रहीत हो।" "Apple को आपकी आदतों को जानने की ज़रूरत नहीं है, या आप कहाँ और कब जाते हैं।"

Apple संग्रहीत जानकारी को कम करने की कोशिश कर रहा है। फेडेरिगी ने एक उदाहरण दिया जिसमें आपकी बातचीत हो सकती है, और इसमें कोई व्यक्ति खोज के लिए उपयुक्त शब्द का उल्लेख करेगा। अन्य कंपनियां इन शर्तों को खोजने के लिए क्लाउड में संपूर्ण वार्तालाप का विश्लेषण कर सकती हैं, लेकिन ऐप्पल डिवाइस उन्हें पहचान सकती है ताकि डेटा उपयोगकर्ता को न छोड़े - क्योंकि सिस्टम लगातार फोन में संग्रहीत ज्ञान आधार में मैचों की तलाश कर रहा है (यह 200 एमबी का हिस्सा है "मस्तिष्क")।

“आधार हजारों या हजारों स्थानों और वस्तुओं के साथ कॉम्पैक्ट, लेकिन व्यापक है। हम इसका स्थानीयकरण करते हैं, क्योंकि हम जानते हैं कि आप कहां हैं, ”फेडरजी कहते हैं। सभी ऐप्पल एप्लिकेशन डेटाबेस का उपयोग करते हैं, जिसमें स्पॉटलाइट, मैप्स और सफारी सर्च इंजन शामिल हैं। यह त्रुटियों को स्वचालित रूप से ठीक करने में मदद करता है। "और यह लगातार पृष्ठभूमि में काम करता है," वे कहते हैं।

IOS 10 के साथ शुरू, Apple विभेदित गोपनीयता की नई तकनीक का उपयोग करेगा, जो क्राउडसोर्सिंग की जानकारी देता है ताकि यह व्यक्तियों की पहचान न कर सके। यह ऐसे शब्द हो सकते हैं जिन्होंने लोकप्रियता हासिल की है जो डेटाबेस में नहीं हैं, लिंक जो प्रश्नों के अधिक प्रासंगिक उत्तर प्रदान करते हैं, या कुछ विशेष योजना का उपयोग करने के लिए एक फैशन। फेडरिगी कहते हैं, "आमतौर पर उद्योग में यह कंपनी के सर्वरों में आपके द्वारा दर्ज किए गए सभी शब्दों और प्रतीकों को भेजने के लिए प्रथागत है।" "हम जानकारी को इनसे एन्क्रिप्ट करते हैं, इसलिए हम ऐसा नहीं करते हैं।" हालांकि विभेदित गोपनीयता अनुसंधान समुदाय में उत्पन्न हुई है, ऐप्पल इसे जनता के लिए पेश करने की कोशिश कर रहा है। "हम इसे एक अरब उपयोगकर्ताओं के लिए अनुसंधान विभाग से स्थानांतरित कर रहे हैं," केयू।

और यद्यपि यह स्पष्ट है कि एमओ ने Apple उत्पादों को बदल दिया है, यह अभी तक स्पष्ट नहीं है कि क्या उसने कंपनी को ही बदल दिया है। एक अर्थ में, एमओ का उपयोग करने का दृष्टिकोण कंपनी की भावना के साथ संघर्ष में है। Apple सावधानीपूर्वक उपयोगकर्ता अनुभव पर नज़र रखता है, सेंसरों के ठीक नीचे जो ऑन-स्क्रीन चालकता को मापता है। सब कुछ पहले से योजनाबद्ध है और ठीक से एन्कोडेड है। लेकिन एमओ का उपयोग करते समय, इंजीनियरों को एक कदम पीछे लेना पड़ता है और सॉफ्टवेयर को अपने दम पर समाधान खोजने का मौका देना पड़ता है। क्या Apple आधुनिक वास्तविकता के अनुकूल हो सकता है, जिसमें MO के साथ सिस्टम स्वयं उत्पाद डिजाइन में भाग ले सकते हैं?

"यह कंपनी में बहुत सारे विवाद का कारण है," फेडरजी कहते हैं। - हम एक बहुत ही विचारशील और नियंत्रित अनुभव प्रदान करने के लिए उपयोग किए जाते हैं जिसमें हम सभी आयामों को नियंत्रित करते हैं कि सिस्टम उपयोगकर्ता के साथ कैसे संवाद करता है। जब आप मानव व्यवहार पर डेटा के एक बड़े सेट के आधार पर एक प्रणाली का प्रशिक्षण शुरू करते हैं, तो प्राप्त परिणाम डिजाइनर के विचार के साथ मेल नहीं खा सकते हैं। वे डेटा पर आधारित दिखाई देते हैं। "

लेकिन एप्पल वापस नहीं जा रहा है, शिलर कहते हैं। "हालांकि इस तरह की प्रौद्योगिकियां, उत्पाद विकास को प्रभावित करती हैं, अंत में हम उनका उपयोग बेहतर उत्पाद बनाने के लिए करते हैं।"

नतीजतन, Apple एमओ में विसर्जन के बारे में प्रमुख घोषणाएं नहीं कर सकता है, लेकिन यह उत्पादों को बेहतर बनाने के लिए जितना संभव हो उतना एमओ का उपयोग करेगा। आपके फोन में मौजूद दिमाग इसे साबित करता है।

"एक विशिष्ट उपयोगकर्ता एक दैनिक आधार पर गहन सीखने का अनुभव करेगा, और यह दिखाता है कि आपको Apple उत्पादों के बारे में क्या पसंद है," शिलर कहते हैं। "सबसे अच्छे क्षण इतने सूक्ष्म होते हैं कि आप केवल उनके साथ एक तीसरी बैठक के बाद उनके बारे में सोचते हैं, और फिर आप रोकते हैं और कहते हैं, 'यह कैसे संभव है?"

स्काईनेट इंतजार करेगा।

Source: https://habr.com/ru/post/hi397331/