IBM Research Director Explains Ethics In Machine Learning | In-Person | J.P. Morgan

[에너지 넘치는 음악] 다리오 : 안전한 AI를 어떻게 구축합니까? AI 모델은 공격하기 쉽기 때문입니다 편견으로 고통받지 않는 AI를 어떻게 구축합니까? 적은 데이터로 학습 할 수있는 AI를 어떻게 구축합니까? 종종 비즈니스에서 우리는 많은 종류의 데이터를 가지고 있습니다

그 중 많은 부분에 라벨이 충분하지 않을 수 있습니다 어떻게 그런 식으로 작동하는 AI를 만들 수 있습니까? 마지막으로 계산 플랫폼이란 무엇입니까? AI 모델 구축 비용을 계속 낮추는 방법 AI 모델을 배포 하시겠습니까? AI는 기술 플레이어의 이야기였습니다 당신은 2, 3 년 전에 알고 있습니다 전 세계 비즈니스에서 AI를 모두 자신의 AI 팀을 만들고 AI가 새로운 IT라고 말하고 싶습니다 그리고 60 년대와 70 년대에 IT가 등장했을 때 무슨 일이 있었습니까? 글쎄, 무슨 일이 일어 났는가는 현대 기업이라는 것을 직관적으로 이해했지만 IT를 배치해야했습니다

AI가 새로운 IT라는 사람들의 직관 이제 현실에서 나타나야합니다 자율 주행 차가있는 경우 어떻게 선택합니까? 한 가지 방법은 다음을 이해하는 것입니다 인간이 실제로 어떻게 이러한 선택을하는지 인간 행동을 모델링하는 AI를 만들 수 있습니다 이것이 도덕적 추론을 주입하는 예입니다 이해의 노력 어떤 지역 사회에서 봉사하고 있습니까? 그 공동체의 도덕적 선호는 무엇입니까? 자율적으로 행동 할 AI가 봉사하는 공동체의 도덕적 선호를 반영합니다

나는 오늘날 우리가 좁은 형태의 AI에 있다고 주장했다 일반적인 형태의 AI를 그것은 개념화되고 실현되지 않았습니다 종종 같은 용어를 사용하면서 우리는 매우 다른 것을 의미합니다 엘론 머스크가 AI의 위험에 대해 이야기 할 때 그는 정말 근본적으로 이야기 AI의 일반적인 형태에 대해 더 넓은 의미로 말입니다 인공 지능 애호가가 그들은 현재의 AI와 좁은 형태의 AI에 대해 이야기하고 있습니다

진행되는 발전, 그들은 서로 과거를 말하고 있습니다 그래서 우리가 가진 것이 중요하다고 생각합니다 이러한 범주는 좁고 광범위하며 일반적이며 대화가 더 정확해질 수 있기 때문입니다

Machine Learning and Product Design with Dr. Ethan Pancer – Sobey School Summer of Research

내가 정말 중점을 둔 연구 분야는 외모에 기초한 판단이며 시각 정보 처리 따라서 컴퓨터가 새로운 제품을 살펴볼 수 있습니까? 시각적으로 보이는 방식을 기반으로하고 실제로 사람들과 그것을 할 것입니다, 그것은 시장에서 기회가 있습니까? 사람들의 입수 이런 것들에 대한 평가는 중요하고 그들의 감정을 얻기 때문에 실제로 우리가 관심을 갖고 있지만 실제로하기가 어렵습니다

비싸고 시간이 많이 걸리고, 그것을 얻는 것은 정말 어렵습니다 넓은 관점 우리가 실제로 이것을 합성 할 수있는 방법이 있다면 시장에 많은 가치를 부여하는이 프로세스를 자동화 신제품 연구 컴퓨터 비전 알고리즘을 사용하면 이 프로세스를 자동화하고이 데이터를 그것이 어떻게 분류되는지, 우리가 이것에 얼마나 확신하는지 볼 수 있습니다 분류

그리고 이것은 몇 초 안에 완료 될 수 있습니다 할 수있다 수천 개의 서로 다른 디자인 반복에 대해 비용을 절감 할 수 있습니다 백 달러보다 우리가이 프로젝트에서 사용하는 것은 Google과 Google의 Cloud Vision은 다음을 수행 할 수있는 인터페이스입니다 시각적 이미지를 기반으로 정보를 추출합니다

누구와 함께 놀고 싶어 소프트웨어를 사용하면 데스크톱에서 이미지 중 하나를 가져 와서 소프트웨어에 대한 의견을 즉시 제공합니다 카테고리 용어 및 해당 분류에 대한 확신 그래서 우리는 우리는 그 정보가 카테고리에서 무엇인지에 관한 정보를 취하는가? 관점, 그 분류에 얼마나 자신감이 있는지 그리고 그것이 정보는 실제로 자금이 조달 될지 예측합니다 얼마나 많은 사람들이 지원할 것인가 실제로 모금 목표를 달성 할 것입니다 그리고 그것은 일종의 종이의 초점 우리가 새로운 것에 대해 생각할 때의 모호성의 개념 제품

제품은 우리가 전통적으로 생각하는 것에 맞을 수 있습니다 그래서 이 야구 모자를 보면 마치 야구 모자 인 것 같아요 야구 모자의 전통적인 마커를 기반으로합니다 아니면 새로운 기술 제품 스마트 폰을 볼 수 있는데 이것이 스마트 폰처럼 보입니다

그러나 만약 다른 기능, 다른 디자인 관점, 다른 시각적 요소를 추가 단서, 당신이 할 수있는 것은 실제로 소비자를 볼 수 있습니다 이 일이 무엇인지 이해하고 선의 투쟁 나쁜 점이 있으며 문헌에는 이것에 대한 혼합 증거가 있습니다 너무 극단적 인 소비자가 "나는 이것을 이해하지 못한다, 나는 그것을 원하지 않는다" 그러나 약간의 모호성을 추가하면 디자인 관점에서 약간의 흥분 카테고리 유추, 당신이 할 수있는 것은 흥분을 강화하는 것입니다 여러 카테고리 추적이 있으므로 여러 카테고리에 연결 우리가 생각하는 특정 카테고리가 아닌 다른 것들 "이것은 스마트 폰이라는 것을 알고 있습니다

" 그러나 우리의 데이터가 제안하는 것은 스마트 폰과 비슷하지만 약간 다릅니다 사람들이 원하는 것 지원하고보고 싶은 것은 약간 다른 것들입니다 그 흥분을 이끌어내어 확실히 이것들에 대한 식욕이 있습니다 모호성을 소개하는 제품 우리는 그들이 무엇인지 완전히 확신하지 못합니다 우리는 그들에 대해 더 배우고 싶습니다

그래서 그것은 일종의 연구의 테이크 아웃 균형을 찾는 것은 깔끔합니다 새로운 제품 개발을 위해 플레이 할 수있는 곳으로 알고리즘을 통해 최적의 범위가 무엇인지 평가할 수 있습니다 뭐 실제 가치는이 분류 또는 분류를 보는 것입니다 조금만 조정하면 실제로 조금 더 만들면 접근성, 그렇지 않은 경우 좀 더 혁신적으로 만들면 그것이 무엇인지 이해하면 실제로 얼마나 증가합니까? 당신이 모금하는 금액? 더 긍정적 인 피드백을 얻을 가능성이 있습니까? 시장? 더 많은 사람들이 자금을 조달 할 것인가, 더 많은 사람들이 그것을 구매할 것인가? 우리가 점점 가까워지고있는 곳입니다 이것이 첫 번째 단계 중 하나입니다

그렇게 할 수 있습니다 이것이 우리에게주는 것은 정말 흥미로운 전략입니다 통찰력 처음에는 약간 다르게하고 싶을 수도 있습니다 이 다른 신호를 통해 자금을 조달하고 사람들을 선상으로 데려 갈 수 있지만 이러한 기능 중 일부를 꺼내려는 시장에 출시합니다 하나입니다 그 반 직관적 인 발견의

당신은 생각한다면 이러한 것들은 소비자에게 이해가되어야합니다 그러나 이것들은 물건이 아닙니다 사람들이 돌아오고 싶어합니다 그들은 당신이 지원하고자하는 것이 아닙니다 특히 새로운 기술 공간에서 이번이 처음입니다 실제로 기계 학습을 수행하여이 생성 플랫폼에서 수천 가지의 디자인 반복을 생각해 내고 실제로 움직입니다 시장의 실제 상황을 측정 할 수있는 직관적 인 의미로 이러한 다양한 유형의 옵션에 응답합니다

American Cancer Society: Powering cancer research using Google Cloud machine learning

우리는 과거 연구에서, 유방암의 병리학이 얼마나 중요한지 그것은 단지 하나의 질병이 아닙니다

다양한 유형의 유방암이 있습니다 그러나 우리는 여전히 정말로 이해하려고 노력하고 있습니다 다른 유형이 어떻게 생겼는지 그래서, 기계 학습 도구를 실제로 활용하는 방법 우리가 유방 조직 내의 기본 패턴에 대한 이해를 촉진하도록 돕기 위해 정말 효율적입니다 우리는 조직 표본으로 1700 건의 사례를 볼 수 있습니다

20 년 넘게 데이터에 적용하십시오 그리고 우리는 실제로 그것을 할 수있었습니다 3 개월의 시간 아마도 병리학 자 팀이 할 수있는 몇 년이 걸렸을 것입니다 네, 그 이미지는 5 ~ 10 기가입니다

권리? 그래서 만약 1,700을 곱하면 엄청납니다 네 알고리즘의 여러 레이어 적용 기본적으로이 무 감독 클러스터링을 수행합니다 그래서 우리는 "이봐, 우리가 가지고있는 모든 타일을 그룹으로 묶어 줄 수 있습니까? " 중요한 점은 그 클러스터 중 일부는 실제로 우리가 발견 할 것으로 기대되는 것입니다 그리고 클러스터 중 일부는 우리가 전혀 설명 할 수없는 것들이었습니다

이는 감독되지 않은 접근 방식의 이점입니다 그래서, 우리가 클라우드 옵션을 고려할 때 Google은 프라이버시와 HIPPA 및 기타 연방 규정을 준수하는 것이 선택에 중요했습니다 이 프로젝트에 대해 내가 좋아하는 것들 중 하나 미국 암 협회 (American Cancer Society) Slalom 및 Google과 같은 사회적으로 의식있는 기업과 파트너가 될 수 있습니다 과 암 연구를 발전시키기 위해 협력하십시오 우리 모두는 어떤 방식 으로든 암에 영향을 받았습니다

그래서 작은 작은 함몰을 넣을 수도 있습니다 맞아, 정말 멋지다

Applied Machine Learning with Peter Norvig, Director of Research, Google AI

[음악 재생] 피터 노빅 : 환영합니다 여러분

아침 일찍 일어나 여기 일찍와 주셔서 감사합니다 우리가하는 일에 대한 약간의 개요를주고 싶다 어떻게 기업이 접근하는지에 대한 관점 기계 학습의 문제 그리고 여러분 모두 표준 모델을 알고 있습니다 너는 약간 자료, 몇몇 그림, 그리고 당신은 그것에 몇 개의 레이블을 붙인다

그리고 너는 그 TensorFlow 물건을 던져라 이익을 얻으십시오 그런데 어떻게됩니까? 항상 직접적인 것은 아닙니다 때로는 좀 더 복잡합니다 그게 왜? 음, 그 길을 따라 몇 가지 놀라운 일이 있습니다

그래서 첫번째로 우리는 외출 중입니다 우리는 당신과 다른 사람들과 같은 회사와 이야기를 해왔습니다 그 어려움이 뭘 기대하는지 말하라 될 것? 여기 당신이해야 할 모든 부분이 있습니다 목표를 정의하고 데이터를 수집하며, 인프라 구축, ML 알고리즘 최적화, 그것을 귀하의 제품에 통합하십시오

사람들의 기대는 음, 어려운 부분입니다 그 알고리즘 물건이 될 것입니다 그 모든 수학은 정말 어려울거야, 그렇지? 그리고 나서 그들은 나가서 실제로 그것을합니다 그리고 현실은 이것과 더 비슷합니다 수학 부분은 쉬운 부분이었습니다

그리고 어려운 부분은 데이터를 가져 오는 중입니다 인프라를 구축 한 다음 기계끼리 끼워 맞춤 통합 제품의 나머지 부분과 함께 학습 부분 그리고 수학 부분은 조금 작습니다 그래서 그것은 당신이 가진 일을 정말로 뒤집어 놓습니다 당신이해야 할 일에서해야 할 일

그래서 우리가 함께하려고했던 것 이 현실과 오히려 일치하는 방법론입니다 기대와 일치합니다 여기 우리가 반복해서 볼 수있는 몇 가지 함정이 있습니다 그래서, 모두들, 글쎄요, 기계 학습 더 빨리, 더 좋게, 더 싸게 갈 것입니다 괜찮을거야

그렇지? 그리고 때때로 그것은 정말로 있습니다 때로는 수백 배 더 빠르게 작업을 수행합니다 그렇지 않으면 가질 수있는 것보다 가끔은 네가하는 일을하는거야 기계 학습 없이는 전혀 할 수 없었습니다 그러나 다른 때에는 더 길게 끝납니다

당신이하지 않은 방법론에서 새로운 것을하고 있기 때문에 알아 그래서 처음에는 무언가를하는 것이 어렵습니다 올바른 데이터를 가지고 있는지에 대한 문제가 있습니다 당신이 그것을 적절하게 큐레이팅했는지 등등

때때로 사람들은 그것을 잊어 버립니다 이 아이디어는 그것이 전부 또는 아님, 너는 기계 학습을하고 있거나 너는 매뉴얼을하고있다 그것은 아마도 그것을 보는 올바른 방법이 아닙니다 당신이 그것을보고 있어야하는 방법 어떤 하위 문제에 적절한 것이 무엇입니까? 그리고 그것이 100 % 자동화 된 것이 아니라고 말하는 것을 두려워하지 마십시오 아직 루프에 어떤 인간이 있다고 적절한 시점에 올바른 제품이 무엇인지 파악합니다

따라서 여기에 최적화 할 수있는 측정 항목이 있다고 말하는 것이 유혹입니다 ~ 99 % 하지만 내 제품을 만드는 데 도움이되지는 않습니다 그것은 당신이 최적화하고 싶은 것이 아닙니다 그리고 네가하는 것에 대한 질문은 사내에서 할 일, 사용할 도구, 그리고 당신은 그것을 어느 레벨에서 사용할 것인가

여기에는 많은 선택 사항이 있습니다 혼자서 모든 것을 만들 수 있습니다 이러한 사전 훈련 된 모델을 사용할 수 있습니다 다양한 회사들이 제공하고 있습니다 올바른 믹스가 무엇인지 알아 냈습니다

또 다른 걸림돌이되었습니다 이제 나는 조금 뒤로 물러서 고 싶다 기존 소프트웨어와 다른 점을 살펴보십시오 및 기계 학습 소프트웨어 그래서 전통적인 소프트웨어에서, 우리는 시작합니다

우리에게는 엔지니어 또는 엔지니어 팀이 있습니다 그들의 책상에 앉아 그리고 그들은 아이디어를 얻습니다 그런 다음 모든 의사 결정 포인트를 수동으로 코딩합니다 우리가 묘사해야 할 모든 가능한 것들 컴퓨터에 무엇을 할 것인가

그리고 어려움은 많은 다른 길, 그리고 너는 가지고있다 모두가 작동하는지 확인하십시오 그리고 그것은 전통적인 소프트웨어 수학 과학을 만듭니다 우리는 기본적으로 우리의 프로그램이 올바른지 증명하려고 노력하고 있습니다 물론, 실제 생활에서 우리는 단지 작은 장난감 프로그램을 위해 그렇게하십시오

우리는 실제로 우리의 실제 프로그램을 증명하지 않습니다 그러나 우리는 그 방향을 목표로 삼고 있습니다 그리고 우리는 불리언 논리를 사용합니다 그리고 우리는 확실하게 노력합니다 기계 학습에서, 그것은 아주 다릅니다

우선 프로그래머가 아닙니다 프로그램을 작성 그것은 프로그램을 작성하는 컴퓨터입니다 아직 인간을위한 곳이 있습니다 그리고 그것은 교사가되어 데이터를로드하고, 체계를 배우는 법을 가르쳐야합니다

그리고 그것은 기계 학습을 만들고 소프트웨어를 만듭니다 경험적 과학 따라서 수학을하는 것보다 생물학을하는 것이 더 좋습니다 당신은 세계에 대한 이론을 만듭니다 너는 너의 이론을 시험해

그들은 결코 정확하지 않을 것입니다 논리적이고 부울하지 않습니다 그들은 확률 론적이다 그리고 당신은 오히려 불확실성을 받아들입니다 그것을 제거하려고 노력하는 것보다

그래서 완전히 다른 사고 방식입니다 사람들이 그 변화에 적응하는 것이 어려울 수 있습니다 이제 당신이 문제를 바라 보는 방식 외에도, 우리는 방법론에서도 진전을 보였습니다 우리가 제품을 만드는 방법 그래서 우리는 시작했습니다

소프트웨어는 일종의 스튜디오 또는 장인이었습니다 들 차고 건물에 스티브라는 두 명의 남자가 있습니다 훌륭한 회사 그리고 물론, 그들은 나중에 많은 도움을 받았다

하지만 시작은 아주 작은 팀이었습니다 별로 방법론이 없었습니다 너는 바지의 자리에 그걸 다했다 하지만 그때 우리는 당신이 오직 얻을 수 있다는 것을 깨달았습니다 지금까지 그 작은 팀과

그래서 우리는 일종의 공장 모델을 발명했습니다 또는 우리가 말했던 조립 라인 모델, 우리는 어떻게 수천 개의 소프트웨어 팀을 만들 것인가? 엔지니어가 함께 일하니? 음, 그렇게하기 위해서, 우리는 많은 훈련을 강요 할 필요가 있습니다 및 방법론 그리고 우리는 기본적으로 반세기에 걸쳐 그것을 구축했습니다 하지만 이제는 우리가 공장 모델을 필요로하지 않는다고 말하고 있습니다

그리고 어쩌면 학교 모델과 같을 수도 있습니다 이제 우리는 교사들에게 가르치도록 할 것입니다 컴퓨터가 무엇을 해야할지 그리고 우리는 그것을하기위한 새로운 방법론이 필요할 것입니다 그런데 우리가 가지고있는 도구는 무엇입니까? 그래서 나는 프로그래밍을 시작할 때 충분히 나이가 들었습니다

나는 실제로 이것들 중 하나를 가졌다 그리고 연필로 작은 흐름도를 그렸습니다 그게 유용하다고 생각한 적은 없지만 숙제에 A를 얻고 싶다면 그것을해야만했습니다 그래서 나는 말했다 그러나 시간이 지남에 따라 우리는 훨씬 더 강력한 도구 세트를 만들었습니다

그리고 이제 우리는이 모든 위대한 것들을 가지고 있습니다 우리에게는 교육 자료와 방법론이 있습니다 그리고 프로그래머들은보다 생산적 일 수 있습니다 왜냐하면 우리는 반세기가 지났기 때문입니다 방법론

이제 기계 학습에서 우리는 시작하고 있습니다 따라서 우리는이 수준의 도구를 사용합니다 우리는이 고대 도구들을 가지고 있습니다 그리고, 네, 그들은 시간이 지남에 따라 더 정교해질 것입니다 그리고 당신은 – 그곳에는 망치가 있고 톱 등이 있습니다

그리고 그들은 당신이 더 잘 될 것이라는 것을 압니다 그러나 우리는 처음부터 정말로 옳습니다 그리고, 우리는 도움이되는 훌륭한 도구를 가지고 있습니다 여기 TensorBoard가 있습니다 하지만 우리는 생태계 전체를 구축하지 않았습니다

우리는 전통적인 소프트웨어를 가지고 있습니다 그러면 우리는 어떻게 거기에 갈 것입니까? 우리는 어떻게 기계를위한 방법론을 갖게 될 것인가? 학습 성공? 글쎄, 그것은 우리가 작업하고있는 것들 중 하나입니다 나는 우리가이 블로그에 당신을 가리키고 싶다 "The Lever"에서 일하고있다 더 빠르게 움직이고, 몇 가지 블로그를 살펴볼 수 있습니다

우리는 가지고있다 그리고 우리는 지금이 모든 말씀을 읽을 필요가 없습니다 그러나 그것은 이용 가능할 것이고, 당신은 가서 그것을 볼 수 있습니다 그래서 하나의 실험 아이디어가 있습니다 우리는 우리가 어디로 가고 있는지 정확히 알지 못합니다

그러나 우리는 그것에 대해 걱정하지 않아야합니다 그리고 우리는 신속한 진전을 시도해야합니다 빠른 실험을하고, 결과를보고, 분석하고, 진행 방향을 변경합니다 제품 관리자가 기계와 통합되는 방식에 대한 아이디어 제품 관리자가 말하기의 규율에 익숙하다 우리가 쌓아야 할 것입니다

우리가 조각으로 분해하는 방법은 다음과 같습니다 얼마나 오래 걸릴지 알아 각 조각을 만들 수 있습니다 나는 최종 제품을 구상 할 수있다 그리고 기계 학습으로, 항상 좋아하는 것은 아닙니다

얼마나 오래 차이가 있기 때문에 그것이 취할 것인가, 아니면 그것이 짝수 일 것인가 구성 요소를 만드는 것이 가능할 것입니다 그런 다음 데이터는 어디에서 왔습니까? 데이터가 핵심이라면 데이터는 새로운 자본이며 기계류 모든 것을 만드는 공장 바닥에 어디로 간다? 그것을 curating하는 과정은 무엇입니까? 데이터가 새로운 금으로 생각할 수도 있습니다 당신은 그것을 잘 돌보고 싶습니다 당신은 투자하고 있습니다 당신은 올바른 투자를 원한다

올바르게 사용하는 방법을 알고 있어야합니다 그리고 당신은 더 많은 것을 위해 그 블로그를 볼 수 있습니다 그 아이디어들 각각에 다시 말하지만 많은 단어들 여기에서 다시 참조 할 수 있습니다

그러나 우리는이 다섯 가지 범주의 관점에서 도전을 생각합니다 먼저 기술은 무엇입니까? 이 새로운 도구를 모두 사용하고 데이터를 사용하며, 그것을 통해 흐름, 알아내는 어떤 모델이 의미가 있는지 등등 그 기술을 배치하는 것입니다 차가운 기술을 사용하는 방법 고객에게 적합한 제품에 적합합니까? 그래서 우리는 여기에 문제가있었습니다 회사 내에서 Google에 많은 일이 일어나고 있습니다

그리고 많은 훌륭한 연구가 진행되고 있습니다 그리고 훌륭한 제품 개발이 많이 있습니다 그러나 우리가 그 두면을 하나로 모으지 않는다면, 우린 성공하지 못할거야 그래서 저는 연구 책임자로서, 사진 팀이 우리에게 와서 말했습니다 우리는이 끔찍한 성공 재난을 겪습니다

사람들은 사진을 사용하고 있으며 제비 뽑기와 많은 그림을 가져 가고, 지금은 혼란스럽고 정리할 수 없습니다 자신의 사진을 찾을 수 없습니다 우리는 무엇을 할 수 있습니까? 그리고 그들은, 나는 우리가 필요하다고 생각한다고 말했다 인간이 할 수있는 몇 가지 요소입니다 사람들이 모든 사진을 폴더로 쉽게 분류 할 수 있습니다

그리고 우리는 그들에게 말했습니다, 예, 그렇습니다 그 중 일부는 인간의 요인 전문가 그리고 우리는 아마도 조금 더 나아질 수 있다고 생각합니다 그러나 대신 우리가 자동으로 아무도 아무 시간도 낭비하지 않도록 모든 사진에 라벨을 붙였습니다 그들을 폴더에 넣어? 그리고 그들은 말했다, 당신은 그것을 할 수 있습니까? 나는 그것이 공상 과학이라고 생각했다

그래서 과학자가 인식하는 대화였습니다 이 사람들은 필요와 제품 팀이 있습니다 이 녀석을 인식하는 것은 기술이 있습니다 그리고 그 대화를해야합니다 당신은 그 사람들을 모아야합니다

그렇지 않으면 우리는 그 모든 노력을 낭비했을 것입니다 디자인 문제가 변경 될 수 있습니다 디자인이 어디로 향하는 지 보여주는 좋은 예였습니다 우리가 더 이상 없었던 많은 것을 바꾸는 폴더 구조가 어떤 것인지 걱정할 필요가 있습니다 해시 태그는 모두 무엇입니까? 오히려 검색 창을 가질 것이라고 말할 수 있습니다

이제 결과가 어떻게되는지 알아냅니다 당신이 그 수색을 할 때처럼 따라서 사용자 경험은 상당히 다를 것입니다 그리고 나서 사람들의 문제 나는 너 같은 회사로부터 많은 불만을 받았다

이러한 기계 학습 전문가를 어떻게 고용 할 수 있습니까? 그리고 페이스 북은 그들 모두를 얻었다? 그래서 그들은 밖에 있습니다 그러나 생각할 다른 것 우리가 가진 전문가 중 일부는 당신이 원하는 사람들이 아닙니다 그래서 너는 갈 사람이 필요 없어 최고 회의에서 논문을 쓰는 중 새로운 알고리즘을 발명합니다 필요한 도구는 기존 도구를 사용할 수있는 사람입니다

그것들을 하나의 제품으로 합치십시오 그리고 때로는 두 가지 유형의 사람들이 상당히 다릅니다 그리고 알고리즘에 대한 세계의 전문가 인 누군가 제품을 만드는 데 적합한 사람이 아닐 수도 있습니다 그러나 그것을 이해할 수있는 누군가가 그것을 할 수 있습니다 그리고 성장과 관련하여 많은 문제가 있습니다

우리는 기업이 첫 걸음을 내딛는 것을보고, 약간의 성공을 얻은 다음, 약간의 걸림돌 그들이 앞으로 나아갈 때 이 문제를 둘러싼 많은 문제가 있습니다 그래서 문제의 일부는 당신이 처음 시작, 당신은 약간의 데이터를 던져 모든 것이 작동합니다 하지만 그렇다면 당신은 – 글쎄, 이제 갑자기, 우리가 성장함에 따라 프라이버시 문제가 생겼다 또는 규제 문제가 있습니다

그리고 이것들은 당신이 생각하지 않는 것들입니다 방금 알고리즘을 개발할 때 뭔가를 얻으려고 노력하면서, 하지만 이는 귀사의 성공에 결정적 일 수 있습니다 여기에는 또 다른 부류의 사람들이 있습니다 Launchpad를 통해 배운 놀라운 것들 중 하나 네, 우리의 다음 고용을 위해 말한 회사와 이야기하고있었습니다 우리가 엔지니어보다는 변호사를 고용하고 있다고 생각합니다

그리고 그것은 내 경력에서 처음이었다 나는 그 감정에 실제로 동의했다 [웃음] 그래서 나는 당신에게 모든 이슈들을 말했습니다 그리고 지금까지 그것은 부정적이었습니다 터프 해

그러나 당신이 할 수있는 멋진 것들이 있습니다 그들은 단지 놀라운 것입니다 그리고 더 많은 것이 있습니다 그래서 나는 그들 중 일부를 지나갈 것입니다 나는 우리가 관여하고있는 몇 가지 계약을 선택했다

나는 너희 회사의 회사를 선택하지 않았다 그건 네 애들 중 어떤 애가 말하는 것과 같을거야 좋아하는 사람입니다 나는 그것을 할 수 없다 그래서 너희들을 내쫓 았어

스탠포드 대학에서 천체 물리학자를 만난 팀이 있습니다 그리고 그들은이 문제를 다루고 있습니다 중력 렌즈라는 그럼 그게 무슨 뜻 이죠? 거기에는 은하계가 있습니다 그리고 은하계에서 지구로 빛이 비추고 있습니다

그리고 그들과 우리 사이에는 또 다른 은하계가 있습니다 그리고 그 은하는 무겁습니다 그리고 실제로 빛을 굴절시킵니다 그리고 무슨 일이 일어나고 있는지 정확히 측정 할 수 있다면, 본질적으로 그것은 퍼팅과 같을 것이다 중간에이 은하가 저울에있다

빛이 얼마나 무거워 지는지 확인하십시오 그리고 너는 뭔가를 배울 수있다 암흑 물질과 그 멋진 것들에 대해 이 사람들이 신경 쓰는 것 그리고 물리학 자들이 어떻게 시작 하자고 말하면서 계산을해라 물리학 법칙을 순방향으로 적용하십시오

그리고 그것은 우리에게 알려줄 것입니다 우리가이 은하가 어떤 것인지 알면, 그 빛이 어떻게 생겼는지 알려줄 것입니다 그리고 일치하지 않으면 이 하나를 약간 조정하고 다시 시도하십시오 그리고 슈퍼 컴퓨터에서 오랜 시간이 걸립니다 왜냐하면 그들은 많은 시련을해야하기 때문입니다

그리고이 사람들이 말한 것은 우리는 물리학 자입니다 우리는 수학을 이해합니다 우리는이 기계 학습에 관해서 아무것도 모릅니다 그러나 우리는 깊은 학습에서, 차별화되고 거꾸로 갈 수 있습니다 앞으로 나아갈 것보다

그리고 그것이 바로 우리가 필요로하는 것처럼 보입니다 그래서 몇 달 후, 그들은 스스로 가르쳤습니다 그들이해야 할 모든 것 그들은 그것을 시도했다 기존 기술보다 효과적입니다

그리고 1,000 만 배 더 빠르게 실행되었습니다 정말 멋진 성공입니다 그리고 그들은 2 개월 만에 성공을 거두었습니다 물론, 이들은 물리학 자입니다 그래서 평범한 사람, 당신이 단어 텐서를 말할 때, 그들은 조금 긴장 해

그러나 물리학 자들은 그것을 아침으로 먹습니다 어쩌면 조금 더 쉬울 수도 있습니다 그들은 문자 그대로 로켓 과학자입니다 여기 또 다른 예가 있습니다 비슷합니다

행성을 찾고 저는 Google에 오기 전에 NASA에있었습니다 그리고 저는이 사명의 전조에 관여했습니다 그래서 나는 그것을 정말로 좋아한다 그리고 그 생각은 먼 저 별을 바라 보는 것입니다

그리고 행성이 그 별을 원으로 만듭니다 그리고 일식이 있습니다 그래서 일식은 빛을 조금씩 차단합니다 그리고 케플러 선교사가 그것을 찾았습니다 그리고 정말로 크고 큰 행성들은 먼 별 앞에서 지나쳐 버리라

많은 빛, 그들은 그것들 모두를 발견했다 그리고 그것은 차가웠다 그러나 이제 우리는 돌아가서 말하기를 원했습니다 더 작은 행성을 찾을 수 있습니까? 기존 기술은 그렇게하지 않았기 때문에 많은 불확실성 그것은 단지 하나의 요소가 아닙니다

그러나 기계 학습 기술 그것들을 골라 낼 수있었습니다 그리고 이제 우리는 더 많은 행성을 발견했습니다 이미 발견 된 것보다 그리고 나는 오늘 아침 또 다른 비슷한 종류가 있다는 것을 보았습니다 오래된 데이터를 보면서 표준 기술을 끌어낼 수 있었던 곳 쉬운 예제, 기계 학습으로 돌아 가기 더 많은 예제를 찾아야합니다 우리는 의학 분야에서 많은 연구를 해왔습니다

이것은 망막을 보는 문제였습니다 및 안구 질환 진단 그리고 우리는 일반 의사보다 더 잘 할 수 있음을 보여주었습니다 그러나 우리는 그 외에 무엇을 할 수 있을까요? 우리는 고혈압을 감지 할 수 있을지도 모른다고 말했습니다 밝혀 지 네, 우리는 정말 잘 할 수 있습니다

그리고 엔지니어들은 계속해서 나아갔습니다 그들은 굴러 다녔다 그리고 그들은 말했습니다 우리 데이터베이스에 있나요? 그 중 하나는 섹스입니다 우리가 그것을 예측할 수 있는지 봅시다

의사가 말합니다 오, 잠시만 요 남성과 여성의 망막에는 차이가 없습니다 당신은 그것을 예측할 수 없을 것입니다 엔지니어들이 말했습니다

왜 95 %의 정확도를 얻었습니까? [웃음] 의사들은 왜 우리가 왜 그 일을 할 수 있는지 알지 못합니다 그들의 눈에 대한 이론은 불완전했다 그리고 의료 응용 프로그램은 모든 방법으로 이동합니다 고등학생까지 그래서 저는 로켓 과학자들에 대해 이야기했습니다

20 년의 경험을 쌓았습니다 여기에없는 아이도 있습니다 20 년 동안 살아 있었지만 아직은 이것에 기여할 수있었습니다 그것은 단지 아픈 사람들 이상입니다 그래서 우리는 아픈 식물을 볼 수 있습니다

그래서 열대 우림으로 나갑니다 나뭇잎이나 무언가에 갈변을 감지 할 수 있습니다 그리고 숙련 된 농부라면 무엇을해야할지 알 것입니다 어쩌면 당신은 경험 많은 농부가 아니겠습니까? 아니면 기후 변화를 통해 다른 종류의 질병을 얻는다 전에 보지 못했던 일들을 도와 드릴 수 있습니다

진정한 도전 과제 중 하나는 여기에 있습니다 말하자면, 우리는 수퍼 컴퓨터를 꺼낼 수 없습니다 필드에 그리고 우리는 아마도 Wi-Fi 연결이 전혀 없을 것입니다 따라서 전화를 통해 로컬로 실행해야합니다

그래서 큰 도전 중 하나는 말하자면, 이러한 연산 집약적 인 애플리케이션 전화기의 크기까지 확장 할 수 있습니다 여전히 작동하게 만드시겠습니까? 그리고 우리는이 경우 할 수있었습니다 다른 하나가 있습니다 그리고 모든 회사는 엘리베이터 피치를 가져야합니다 당신은 회사를 발명했습니다

그리고 회사가 뭐니? 그리고 답은 틴더와 비슷하지만 고양이에게는 그렇습니다 Conectera라고 불리는이 회사는 엘리베이터 피치가 있어요 Fitbit 같아요 그러나 암소를 위해서 그리고 그것은 어리석은 것처럼 보입니다

암소가 실제로 얼마나 많은 단계를 자랑해야하는지 오늘 했니? 아닙니다 그들은 그렇지 않습니다 그러나 농부는 실제로 무슨 일이 일어나고 있는지 알고 싶어합니다 농부가 알고 싶습니다 내 젖소가 아프 시나요? 그들 중 누구도 비정상적인 일을하고 있습니까? 얼마나 많은 양의 물을 마십니까? 얼마나 많이 걷고 있습니까? 그들은 여기에서 저기로 어디로 가나 요? GPS와 가속도계가있는 장치를 놓습니다

이제 전체 무리에 대한 전체 그림을 얻을 수 있습니다 Wi-Fi 연결이없는 또 다른 예가 있습니다 그래서 우리는 불법 삼림 벌채를 탐지하고 싶었습니다 그래서 당신이 생각할 수있는 주요한 것은 – 몇 가지 다른 일이 진행 중입니다 -하지만 주된 건, 너 할 수 있니? 나무를 자르는 톱 소리가 들리는가? 그들이 큰 소리가 나면 파워 톱입니다

그러나 거기에는 아무도 없습니다 그래서 많은 센서를 현장에 투입합니다 센서는 기본적으로 여기에서 볼 수 있습니다 몇몇 태양 전지가있는 휴대 전화예요 시간이 지남에 따라 전원을 계속 유지해야합니다

그리고 전화기는 서로 메쉬 네트워크를 형성합니다 그리고 그들은 듣고 있습니다 그리고 우리는 무언가가 진행될 때 우리에게 알려줍니다 비디오 캡션 – 그래서, 한편으로는, 우리는 오랫동안 음성 인식을 해왔습니다 이것은 쉬워야합니다

그러나 다른 한편으로는, 자막 비디오 일반 음성 인식보다 조금 어렵습니다 마이크에 직접 대고 말하면 한 사람의 이야기가 있습니다 꽤 쉬운 문제입니다 하지만 동영상이 있고 일어나는 일이 많고, 여러 사람들이 말하는 한 번에, 자동차 충돌 등등, 나쁜 마이크 등등, 그것은 훨씬 더 어려워진다 그리고 백가지 다른 언어들 – 그래서 우리는 그 문제를 해결하고 그것을 모두 자동화하려고했습니다

그리고 우리는 그 분야에서 성공했습니다 하드웨어와의 인터페이스 – 그래서 나는 내 휴대폰으로 많은 사진을 찍는다 나는 크고 무거운 DSLR로 많은 사진을 찍는다 그리고 크고 무거운 렌즈를 원하는 이유 중 하나는 그게 당신이 배경을 흐리게 수 있습니다 그러나 우리는 소프트웨어에서도 그렇게 할 수 있습니다

그리고 여기에서는 그것을 사용할 수있는 예를 보았습니다 여기에 더 많은 예가 있습니다 우리는 Geena Davis Institute에서 일했습니다 그들은 영화 산업의 편향에 관심이 있습니다 그래서 우리는 화면에 누가 얼마나 오래 있는지 분석하고, 그리고 누가 말하기 역할을하는지, 그리고 나서 남성 대 여성간에 공정합니다

그리고 여기에서는 기본적으로 차트를 봅니다 그것은 여성이 주도하는 영화에서 말하는 것입니다 여성은 더 자주 나타납니다 많은 반면 남성이 선두 인 영화에서, 그것은 훨씬 더 비뚤어졌습니다 그래서 우리는 여기서 편견을 발견했습니다

그리고 그걸 구성 요소로 분해 할 수 있습니다 등등 그리고 더 많이 보아라 그리고 그것은 모두 자동으로 완료되었습니다 이전에 그들은 매우 느린 진전을 보이고있는 반면 모든 프레임에 손쉽게 주석을 달아서 즉시 모든 것을 할 수 있습니다

여기서 내가 여기서 멈추고 질문을하기 위해 열어 보자 하지만 그저 거기에 여기에 강력한 기회가 있습니다 당신이 할 수있는 많은 것들이 있습니다 그리고 우리는 진화를 계속하고있는 일련의 도구들을 가지고 있습니다 그리고 당신은 그 반쯤 만난다

너 내가 원하는 말을 할 수 있어야 해 이 기술과이 방법론을 채택합니다 그리고 거기에 약간의 충돌이있을 것입니다 나는 많은 것을 발견하게 될 것이다 그건 나에게 새로운 것이지, 모두에게 새로운 것이있다

그러나 그것으로 우리는 많은 기회를 볼 수 있습니다 성공하고 일을하기 위해 너는 달리 할 수 ​​없었다 그렇다면 지금 질문에 대해 열지 않으시겠습니까? 네? 관객 : 가장 과대 평가되고 과소 평가 된 것은 무엇입니까? 현장에서 본 기계 학습의 응용 현재? 피터 노빅 : 글쎄, 후보자일지도 몰라 두 사람 모두이 조수입니다 그래서 우리는 당신이 말하고 대화 할 수 있어야합니다

그리고 지금 강조점은 많은 작은 연설자에 있습니다 키보드가없는 탁자 위에 놓을 수 있습니다 화면이 없지만 당신의 말을들을 것입니다 그리고 이것들은 꽤 인기가있는 것으로 판명되었습니다 그리고 사람들은 그것을 사서 말합니다

오, 이거 정말 멋집니다 나는 음악을 연주하도록 요구할 수 있으며, 올바른 노래를 연주한다 그리고 날씨를 물어볼 수 있습니다 그리고 그것은 나에게 날씨를 알려준다 그리고 잠깐, 내가 그걸 물어봐도 될까? [웃음] 따라서 할 수있는 일의 측면에서 큰 성공입니다

하지만 지금까지 실패한 점은 당신이 할 수있는 모든 것을 알아 냈습니다 다른 응용 프로그램에서는 Google 검색에서 말하는 반면, 우리는 사용자에게 작품의 좋은 모델을 제시했습니다 그리고 작동하지 않는 것 기본적으로 키워드를 입력하는 것입니다 해당 키워드와 관련된 페이지를 보여 드리겠습니다

사람들은 그 모델을 이해합니다 그리고 그들은 힘의 균형이 무엇인지를 안다 구글이이 금액을 할 것이라는 겁니다 그러나 사용자는 또한 자신의 정통한 올바른 질문을하고 결과 페이지를 분석하는 것 이 조수들과 함께 우리는 아직 그곳에 있지 않습니다

그래서 우리는 그것이 마치 사람과 같은 것이라고 말하면서 중도에 가깝습니다 당신은 사람과 이야기하는 방식으로 이야기합니다 그러나 우리는 또한 말하고 있습니다 음, 실제로 그것은 사람이 아닙니다 그것은 모든 것을 이해하지 못합니다

글쎄, 그럼 그걸 어떻게 이해하니? 우리는 아직 명확하게하지 않았다 시간이 지남에 따라 생각합니다 한 가지 기능이 확장 될 것입니다 점점 더 많은 일을 할 수있을 것입니다 그러나 더 나은 사용자 인터페이스가 필요합니다

당신이 그것을 어떻게 생각해야하는지에 관해 말하는 것은 여기에서 그것이 할 수있는 일의 글쎄, 그건 자란 사람이 아니야 8 살이야 그것을 생각하는 방법입니까? 아니, 그건 맞는 모델이 아니야 그래서 우리는 그것을 더 명확하게 할 수있는 방법이 필요합니다

고맙습니다 네? 관객 : 사람들이 해결하려고하는 문제가 있습니까? [알아들을 수 없는]? 피터 노비 그 : 네, 문제가 있습니다 사람들이 기계 학습을 시도 할 것입니다 그럴 필요 없어? 그것은 확실히 그렇습니다 그리고 유지하는 데 몇 가지 이점이 있습니다

가능한 한 간단합니다 따라서 중장비 기술을 사용하지 마십시오 쉬운 사람이 사용할 때 확실히 많은 예제가 있습니다 편익이 너무 작아서 편한 편이다

그것이 자동으로 아니더라도, 손으로 그것을 할 수 있습니다 그리고 아마도 손으로 그것을하는 비용이 있습니다 그러나 그것은 여전히 ​​큰 노력에 투자하는 것보다 쉽습니다 설명 형 문제도 있습니다 그래서 나는 Google 검색을 할 때 알아

역사적으로 우리는 조금 저항했습니다 기계 학습에 너무 많은 통제권을 넘기는 것 그래서 우리는 항상 이런 생각을했습니다 검색에 관련되어 있으며 새로운 요소를 창출 할 것입니다 관심을 가져야하는 정보 또는 사용자가 상호 작용하는 방식 그들의 역사에있는 페이지와 함께

그것은 데이터입니다 우리는이 데이터를 사용하여 제품을 향상시킬 것입니다 그리고 우리는 종종 말을 잘하고, 우리가 알아 냈어 이제 이것을 추가 할 것입니다 얼마나 더 추가해야합니까? 음, 기계 학습 알고리즘 이러한 매개 변수의 올바른 값을 알아낼 것입니다

그러나 우리는 항상 말하기를 꺼려했습니다 모든 것을 하나의 깊은 학습으로합시다 네트워크에서 우리가 기계 번역에서 말하는 방식 그리고 나는 거기에 몇 가지 이유가 있다고 생각합니다 하나는 우리가 일종의 훈련을 만드는 것입니다

우리가 따라갈 때 데이터 그래서 거기에 자연적인 데이터가 없습니다 이미지 처리를 원할 때, 세계에 자연의 그림이 있습니다 그러나 자연적인 예는 없다 우리가 만드는 것 이외의 검색 및 결과 우리가 그 데이터를 훈련한다면, 우리가하고있는 일을 바꾼다

이제 데이터가 더 이상 유효하지 않습니다 우리를 걱정시키는 또 다른 문제는 우리가 앞의 여러 단계를 생각해야만한다고 느꼈다 초기에 우리는 우리 직업이 웹 관찰 우리는 도서관 카탈로그와 같았습니다 다른 사람이 그 물건을 게시하고, 우리는 단지 그것을 분류합니다

그 다음 우리는 우리가 실제로 그것과 상호 작용하고 있다는 것을 깨달았습니다 알고리즘을 변경할 때마다, 웹 마스터는 우리가 한 일을 연구하고 그들이하는 일을 바꿀거야 따라서 현재 데이터를 최적화 할 수는 없습니다 우리는 우리가 변화를 가졌다면 무슨 일이 일어나는지 말해야합니다 미래에 어떻게 될까? 그리고 그 알려지지 않은 미래에 대한 데이터는 없습니다

그래서 우리는 무슨 일이 일어나고 있는지 정말로 이해해야 만하는 것처럼 느꼈습니다 그리고 모든 것이 기계 학습 모델 일 뿐이라면, 미래가 어떻게 바뀔지 예측하는 것이 어려웠습니다 그것이 몇 가지 기계로 필기 코드라면 학습 된 매개 변수를 사용하면 더 쉽게 수행 할 수 있습니다 이것이 우리가 꺼려했던 한 가지 예입니다 그리고 이제는 시간이 지남에 따라 더 많은 기계 학습을 할 때, 우리는 더 많은 자신감을 갖게되고, 더 많이 몰래 움직이고 있습니다

검색 알고리즘으로 네? 관객 : [INAUDIBLE] 네, 그렇다면 데이터와 당신의 관계는 무엇입니까? 일반적으로? 그리고 그것은 어려운 질문입니다 대답이 하나도 없습니다 데이터를 어디에서 얻을 수 있는지 알아야합니까? 그것의 얼마를 필요로합니까? 그것이 어떻게 선별되거나 조작되어야 하는가? 그리고 거기에는 여러 경로가 있습니다 그래서 때때로 데이터가 이미 거기에 있습니다 가서 찾아서 수집 할 수 있습니다

그리고 때로는 다른 사람으로부터 얻을 수 있습니다 때로는 그것을 만들어야합니다 많은 예제가 있습니다 초기 제품을 만들어 상호 작용을 얻으십시오 사용자와 그리고 나서 당신은 그런 종류의 부트 스트랩을합니다

그래서 우리는 예를 들어 음성 인식에서 그러한 작업을 수행했습니다 우리는 사람들의 사례를 많이 갖고 싶었습니다 말하고 결과를 얻는 것 그래서 우리는 무료 서비스를 제공합니다 전화 번호에 대한 전화 번호 안내

사람들은 [비상업적 인] 사업을 요청할 것입니다 그리고 나서 우리는 답을 줄 것입니다 그리고 나서 우리는 말할 수 있습니다 우리는 옳은 대답을 얻었는지 아닌지를 알아낼 수있었습니다 그들은 사업에 연결했기 때문에? 그래서 우리는 데이터 수집에 투자했습니다

그리고 많은 시간을 할애해야합니다 그런 다음이 질문도 있습니다 익스텐트는 귀하의 특별 응용 프로그램입니다 다른 사람에게 제네릭 대 일반 이제 Google 및 다른 회사를 볼 수 있습니다

이 사전 훈련 된 모델을 제공하고 있습니다 음성 인식이나 이미지 인식 또는 텍스트 작업 가공 등등 세상의 모든 것에 그리고 한 가지 방법은 그것을 사용하는 것입니다 또 다른 한가지는 그것을 사용하는 것입니다 일부 데이터를 추가하여 수정하십시오

그리고 다른 접근법은, 아니오, 제 신청서는 그것은 그것을 사용하는 것이 전혀 도움이되지 않는다는 것이 었습니다 내 데이터로 처음부터 시작해야합니다 그리고 그 질문에 대한 답은 없습니다 너 스스로 조사해야 해 올바른 경로가 무엇인지 확인하십시오

곧 관객 : 그럼 해석 가능성 조각에, 기계 학습에 대해 어떻게 생각하십니까? 인간 지식의 진보와 관련이 있기 때문에? 망막보기 에서처럼 의사 마치 눈의 모형처럼 결과를 얻는다 개선되었지만 실제로는 그렇지 않습니다 그들은 실제로 그 지식을 가지고 있지 않습니다 그것에 대해 어떻게 생각하세요? 네 그래서 그것은 좋은 질문입니다

그래서 보자 그래서 이것은 당신에게 힌트를줍니다 그리고 저는 우리가 실험을하는 방법이 많이 있다고 생각합니다 우리는 데이터를 얻습니다 우리는 그것을 이해하지 못합니다

그리고 여러분은 돌아가서 새로운 이론을 만들어야합니다 그리고 저는 항상 그렇게 생각합니다 그리고 실험과 이론의 도약이 있습니다 그리고 지금 기계가 다른 것 같습니다 학습은 훨씬 더 강력한 도구를 제공합니다

실험을하기 어쩌면 과거에는 많은 영리한 인간이 있었을 것입니다 이론은 실험을 유도했을지도 모른다 보다 더 자주하지 그러나 많은 발견은 항상 있습니다

누군가가 말하길, 허, 재밌 네요 나는 이론이 있다고 말하는 것보다 예기치 않은 결과가 있습니다 이제 설명 할 수 있을까요? 그래서 기계 학습은 그 호기심을 일으키는 데 도움이 될 것입니다 그것은 설명 자체를 도울 수 있습니까? 저는 그것이 우리가 많은 개선이 필요한 분야라고 생각합니다 그래서이 차트 중 일부를 보여주었습니다

데이터와 결정 경계의 공간을 볼 수 있습니다 등등 그리고 그것은 당신에게 약간의 아이디어를줍니다 하지만 더 나은 대화를 나누려면 더 나은 도구가 필요합니다 기계 학습 알고리즘 그것이 실제로하고있는 것을 이해합니다

그리고 다른 문제는 사람들이 혼란 스럽다는 것입니다 때때로이 이해력의 문제와 함께, 그들은 알고리즘을 비난한다 문제를 비난해야합니다 이해할 수있는 것들 간단한 용어로 설명 할 수있는 것들입니다 그래서 제가 수표 책의 균형을 잡고 싶다면, 나는 옳은 대답이 무엇인지 묘사하는 방법을 안다

나는 그것을하기위한 프로그램을 작성하는 방법을 안다 그리고 정확하게 정확하게하기 위해서는 복잡 할 수도 있습니다 본질적으로 그것은 단순한 문제입니다 그래서 그것을 해결하는 코드는 이해할 수 있어야합니다 프로그래밍 언어와 상관없이 또는 당신이 그것을 쓰는 데 사용하는 시스템

누군가의 얼굴을 알아보는 반면, 그것은 본질적으로 어려운 문제입니다 종종 정답이 정답이 아닐 수도 있습니다 여기 얼굴이 있습니다 그게 누구에게 속한거야? 전문가는 옳은 대답에 동의하지 않을 수 있습니다 아무도 정답이 없습니다

그리고 둘째로, 그것을 발견하는 과정 의식이 없다, 말할 수있는 전문가가 없다 이것이 제가 그 결정을 한 방법입니다 오히려, 나는 그것을 어떻게했는지 모른다 나의 의식이없는 마음이 내 의식의 마음보다 그것을했다 그래서 사람들은 기계 학습 알고리즘을 비난합니다

그 두 가지 문제를 해결하지 못했을 때 알고리즘의 잘못 사실이야 그 문제는 시작하기가 어려웠다 관객 : 안녕하세요 나는 아주 기본적인 질문을 가지고있다

기계 학습 문제를 어떻게 식별합니까? 특정 [부적절한] 문제가 있습니다 [INAUDIBLE]에는 여러 장소가 있습니다 기계 학습을 적용 할 수 있습니다 그래서 나는 아직도 실제 사용법을 찾는 방법을 알아 내고있다 기계 학습을위한 사례

네 내 생각에 그것은 경험에 따른 것이라고 생각합니다 그래서 우리 제품 관리자가 사진 팀이 문제를 확인하지 못했습니다 그들은 그것이 가능하다는 것을 몰랐다 그들이 시도 할 수있는

그래서 당신은 어떤 비슷한 문제에 대해 최신 정보를 입수해야합니다 사람들이 작업 해 왔습니다 그래서 오늘 내가 너에게 보여주고 싶었던거야 다양한 가능성, 단지 여기에 대해 생각할 수있는 것들이 있습니다 할 수 있습니다

그래서 당신은 그 아이디어를 발휘할 필요가 있습니다 여기 다른 누군가가 한 일이 있습니다 이것은 내가하는 일과 비슷하게 보입니다 그리고 나서 당신은 그것을 분석 할 수 있어야합니다, 말하자면, 거기서 성공하려면 무엇이 필요합니까? 적절한 종류의 데이터가 필요합니다 올바른 종류의 객관적인 기능이 필요합니다

나는 사용자에게 그 유대 관계를 필요로하고 그들에게 유용 할 수있다 따라서 제품을 정의 할 수있는 단계를 파악합니다 그리고 더 자주 당신이 그것을할수록, 당신은 그것에 나아집니다 연설자 1 : 우리는 한 번 더 질문 할 시간이 있습니다 네

관객 : 실제로 얼마나 자주 실행 가능합니까? 모델을 유용하게 실행되는 것으로 축소 너무 복잡하다 대 휴대 전화에 컴퓨팅을 위해 클라우드로 이동할 필요가 있습니까? 피터 노비 그 : 그래, 우리는 확실히 지출하고있어 더 많은 시간을 할애 해 다행히도 많은 모델이 훨씬 쉽습니다 그들이 훈련하는 것보다 달릴 수있다 따라서 교육 과정은 복잡합니다

하지만 전화로 가져올 수 있다면, 나는 다양한 것들이 있다고 생각한다 그것들은 꽤 잘 덮여있다 전화는 정말 강력합니다 이제는 항상있을 필요가없는 한 지금 관객 : 예, 짧은 파열에있는 한 상호 작용의

피터 노르 비그 : 우리는 아직 그 지점까지 도달하지 못했습니다 하루 종일 휴대 전화에서 동영상을 실행할 수 있습니다 길고 모든 장면을 분석합니다 오래 전에 배터리가 소모됩니다 그러나 우리는 그 방향으로 일하고 있습니다

그래서 저는 여러분이 기본적으로 답을 말해야한다고 생각합니다 그래, 나는 그 일을 할 수있다 그러면 문제는 어떻게 작동하게합니까? 그렇다면 모델을 컴파일하는 과정은 무엇입니까? 그리고 그것을 충분히 작게 만들어서, 너무 배고파하지 않게 만드시겠습니까? 얼마나 자주 모델을 업데이트해야합니까? 클라우드에서 다시 계산하고 다운로드하십시오 무엇을 다운로드합니까? 프라이버시 문제는 무엇입니까? 전화에서 실행되는 모델을 사용하면 당신이 지주의 책임으로부터 면제받을 수 있다는 것입니다 누군가의 사적인 데이터

전화가 켜져 있다면 그들의 문제가 아니라 당신의 문제 그리고 당신은 고소 당할 수 없습니다 해당 데이터를 복구 할 수는 없습니다 그러나 단점은 데이터를 수집하지 않는 경우입니다 당신은 개선의 가능성을 이용하지 않습니다

그래서 많은 연구가 있습니다 지금 당신이 매개 변수를 공유 할 수있는 방법에 드러내지 않고 네트워크를 위해 그 밑에있는 데이터의 비밀 그리고 저는 그것들이 진짜 문제라고 생각합니다 언제 어디에서 실행되는지에 대한 아키텍처 업데이트되고 데이터 흐름은 어떻게됩니까? 하지만 만약 내가 그 문제를 해결할 수 있습니다, 나는 그것을 전화로 실행할 수 있습니다 관객 : 차가워 요

고맙습니다 좋아, 알았어 네 고맙습니다 [박수 갈채] [음악 재생]

My Research: using Machine Learning to detect electricity theft

안녕하세요, 저는 Patrick입니다 저는 PhD 후보자입니다

나는 3 학년이고 나는 기계 학습을 이용한 전기 도난 탐지 전기 도난은 전 세계적으로, 특히 신흥 시장에서 쟁점입니다 브라질, 인도, 파키스탄, 나이지리아를 살펴보면 큰 문제이며 사람들이하는 일 본질적으로 그들은 무료로 전기를 얻으려면 계량기를 조작하고있는 것입니다 그리고 신흥 시장을 들여다 보면 절도가 전체 시장의 40 %까지 확대 될 수 있습니다 전기 배포

그래서 우리는 Choice라는 파트너 회사와 협력합니다 기술, 그들은 브라질의 유틸리티로부터 실제 데이터를 제공합니다 자료 우리는 소비 데이터를 얻었지만 실제 현장의 결과 기술자가 고객을 검사했을 때 사기를 발견했는지 여부를 검사합니다 그리고 우리는이 데이터를 기계 학습을 통해 분석합니다 기계 학습 사기가 무엇이고 사기가 아닌 것을 이해할 수 있습니다

본질적으로, 데이터에서 패턴 (통계 패턴)을 학습 한 다음 예측할 수 있습니다 누가 도둑질하고 누가 훔쳐 가지 않는지 저는 먼저 박사 학위를 시작하는 것이 무엇보다 중요하다고 생각합니다 실험실에서 시작할 때 실험실에 10 명이 있기 때문에 어려움을 겪습니다 너보다 훨씬 더 많은 경험과 지식을 가진 사람 시간이 지남에 따라 이것에 익숙해 져야합니다 그리고 당신은 자신의 연구 방향을 찾아야합니다

그것은 도전입니다! 그리고 우리는 출판해야하며 훌륭한 컨퍼런스를 가기를 원합니다 그리고 나서 마지막 요점은 또 다른 도전 과제입니다 게시 할뿐만 아니라 업계 파트너가이를 사용하도록 업계 파트너를 설득해야합니다 연구 성과는 실제로 그들에게 유용합니다! 파이썬을 사용하여 코드를 작성합니다 파이썬은 매우 추상적 인 프로그래밍 언어입니다

본질적으로 의사 코드입니다 우리가 실행할 수 있고 기계 학습을위한 많은 라이브러리가 있지만 실제 구현은 단순한 부분 일뿐입니다 내 일상 생활 때문에 우선 우리는 많은 논문을 읽었고, 그런 다음 새로운 모델을 제안합니다 본질적으로 박사 과정에서 우리는 새로운 과학 기고가 아니라 다른 응용 프로그램 그런 다음 코드를 그 다음에 우리는 논문을 쓰고 그 다음에 회의 나 저널에 보낸 다음 그들은 우리가 그들을 받아 들일 수 있습니다

SnT는 좋은 장소입니다 훌륭한 사람들은 다양한 실험실에 퍼져 있으므로 도움과 전문 지식이 필요하다 당신은 주변을 둘러 볼 수 있고 매우 밝은 사람을 찾을 수 있습니다 우리는 또한 위대한 자원! 조달에 필요한 리소스가 제공되거나 여행은 필수적입니다 그러나 우리는 또한 훌륭한 방문객을 보유하고 있습니다

몇 주 전에 Stanford 교수 인 Stephen Boyd가 우리를 방문하여 이야기를 나눴습니다 최첨단 최적화 이론에 대해 그리고 다른 실험실에서는 아마도 그런 종류의 사람들을 방문하십시오 당신

Deep Learning Research in Africa with Yabebal Fantaye & Jessica Phalafala: GCPPodcast 149

[음악 재생] MARK MANDEL : 안녕하세요 에피소드에 오신 것을 환영합니다

주간 'Google Cloud Platform'Podcast의 149 번째 저는 Mark Mandel입니다 저는 동료와 여기 있습니다 거의 언제나, 멜라니 워릭 잘 있었 니, 멜라니? 안녕, 마크 난 괜찮아

잘 지냈어요? 나는 잘하고있어 멜라니 워릭 : 예, 돌아 왔습니다 Strange Loop에서 이번 주에 적어도 잠시 동안, 우리는 함께 샌프란시스코에서 마크 멘델 : 사랑 스럽네

멜라니 워릭 : 이번 주에, 우리는 다른 에피소드를 일부에서 공유하려고합니다 내가 남쪽에있는 동안 내가 모은 에피소드들 아프리카 몇 주 뒤로 MARK MANDEL : 감사합니다 멜라니 워릭 : 특히 에피소드 149의 경우, 우리는 이번 주에 우리와 함께했습니다 Yabebal and Jessica, 이들은 모두 AIMS 연구 그룹의 연구원이며, 남아 프리카 공화국에 본사를 둔 MARK MANDEL : 굉장해 그래서 그들로부터 듣기를 고대합니다

그들이하고있는 연구에 대해 그들과 이야기하기 및 해당 지역에있는 다른 기관 그러나 우리가 그것에 들어가기 전에, 우리는 항상 우리처럼 – 일주일의 시원한 것들, 우리는 그주의 질문으로 끝낼 것입니다 그래서 이번 주에 우리의 질문은, 항상 그렇듯이, 마크 (Mark)가 클러스터를 사용한다면 Kubernetes 또는 GKE 용 자동 크기 조절기, 어떻게하면 특정 노드를 제거하지 못하게 할 수 있습니까? 축소 할 때 클러스터에서? MARK MANDEL : 대답이 있습니다 멜라니 워릭 : 네가 대답 해 주어서 기뻐 MARK MANDEL : 그렇습니다

멜라니 워릭 : 당신은 항상 – 당신은 모든 대답을 가지고 있습니다 MARK MANDEL : 모든 대답이 아닙니다 멜라니 워릭 : 몇 가지 대답 MARK MANDEL : Kubernetes의 답변이 있습니다 네가 생각하는 것처럼 소리를 내거나 아니, 좋아

전부다 괜찮아 좋아, 글쎄, 마크, 얘기하자 주의 멋진 것들에 대해서 그리고 우리는 상단에 하나를 가지고 있습니다 물론, 아래로 – MANDEL : Kubernetes에 관한 이야기입니다

멜라니 워릭 : – 골목을 지나쳐라 Mark MANDEL : 사실입니다 실제로이 블로그 게시물을 정말 좋아합니다 Google Cloud 블로그 인 "A Kubernetes C- 스위트에 대한 FAQ " 기본적으로 CxO 최상위 레벨 또는 I 꼭 기술적으로 필요하지 않은 사람들도 생각해보십시오 지향적 인 것, 엔지니어가 아닌 것, 그런 종류의 물건, 그러나 Kubernetes가 무엇인지 이해하고 싶다

그리고 그것이주는 이점 그리고 정말 좋은 고장이 있습니다 , Kubernetes는 무엇입니까, 왜 Kubernetes입니까? 문제는 왜 IT가 Kubernetes를 좋아합니까? 등등의 주요 이점은 무엇입니까? 그런 종류의 물건을 시작했다 그리고 기술적 인 답변뿐만 아니라 기술적이지 않은 답변도 있습니다 뿐만 아니라 다른 관점 어쩌면 앉아있는 사람들에게 설명해 줄 수 있습니다

C 레벨, 비즈니스 레벨, 그런 종류의 것들 나는 그것을 정말로 좋아한다 멜라니 워릭 : C- 스위트가 있나요? 거기서 우리 말 듣고있어? MARK MANDEL : 그렇게되기를 바랍니다 멜라니 워릭 : 나는 그것이 우리의 목표가 아니라는 것을 안다 하지만 그렇습니다

우리는 아마 사람들이 섞여있을 것입니다 어쨌든, 그럼 내가 얘기하고 얘기하자 BigQuery 및 대리 키에 대한 블로그 게시물에 대해 따라서 BigQuery에서 서로 게이트 키를 설정하는 방법입니다 그리고 이것은 훌륭한 실용적인 접근법입니다 마르코 Tranquilin 함께했다

그리고 당신이 그것을 어떻게 생성 할 수 있는지 이야기합니다 당신은 당신이있는 곳에서 뭔가를 할 수 있습니다 행 번호를 해시하는 것 몇 가지 대안이 있습니다 그는 실제로 레코드 필드의 해시를 둘러싼 다

결과를 대리 키로 사용하는 것입니다 그래서 그는 당신에게 당신이 그것을 할 수있는 방법에 대한 단계별 설명을 제공합니다 그리고 우리는 쇼 노트에 그 링크를 포함시킬 것입니다 좋아요 다음에 올라 오면 멋진 기사도 있습니다

서버리스 컴퓨팅 팀의 이야기 서버리스로 맞춤 지능을 Gmail에 추가하는 방법 GCP에 기본적으로, 그것은 정말 좋은 방법입니다 자신 만의 지능을 구축하는 방법에 대해 자신의 Gmail 기능으로 따라서 사용자 정의 액션을 기반으로하고 싶다면 들어오는 특정 이메일 또는 이메일 세트, 또는 이메일 내부의 콘텐츠, 또는 기본적으로, 정말로, 그것은 당신에게 근본적으로 꽤 많이 준다 당신이 그렇게하고 그것을 설정하기 위해해야 ​​할 모든 코드 너 자신을 위해서 그래서 직장에서 스스로를 자동화하고 싶다면, 어쩌면 일자리를 구할 수도 있습니다 멜라니 워릭 : 당신이 다음 단계로 넘어 가고 싶어한다는 것을 압니다

실제로 무언가를 자동화하려고 시도 했어 Gmail에서 하루에 좀 더 확고한 도구가 있다는 것을 알면 좋습니다 그것을 처음부터 쓰는 것보다 사용하는 것이 좋습니다 해봐야 해 그것을 확인해야합니다

좋아요, 음, 우리가 언급하고 싶은 다른 것 Google Cloud Tasks를 발표하고 있습니다 App Engine Flex 및 Second의 작업 대기열 서비스입니다 생성 런타임 따라서 기본적으로 중앙 집중식 클라우드 작업입니다 비동기로 완벽하게 관리되는 API 본질적으로 작업 실행 서비스를 수행 할 수 있습니다

표준 API를 사용하여 어디서나 실행되는 모든 애플리케이션에 적합합니다 따라서 작업 대기열에 유용합니다 그리고 그들은 그것을 통해 조금 이야기합니다 그게 무슨 뜻인지, 무엇이 보이는지 이해하도록 도와주세요 App Engine처럼, 특히 당신이 과거에 태스크 대기열을 사용했습니다

분명히, 이것은 정말로 모든 것들입니다 클라우드 작업으로 수행 할 작업 대기열을 사용하면됩니다 그래서 당신은 그것을 확인할 수 있습니다 MARK MANDEL : 네 기존 App Engine 고객과 마찬가지로 App Engine SDK를 통해 작업을 계속 관리 할 수 ​​있습니다

또한 효과가 있습니다 좋았어 좋아요, 우리는 마지막 언급을하고 싶습니다 우리가 만진 뭔가와 관련이있다 몇 주 전에 Jeff Dean과 얘기를 나눴습니다

MARK MANDEL : 그렇습니다, 그래서 Unity와 DeepMind 인공 지능 연구를 발전시키기위한 파트너십을 발표했다 기본적으로 DeepMind를 개발할 수 있습니다 많은 가상 환경과 작업, 기본적으로 많은 인공 지능 연구를하고 있습니다 그래, 맞아 전체 가상 환경, 우리는 그와 함께 어떻게 그 일에 대해 조금 만져 봤습니다

AI 공간에서 나오는 값 중 하나, 이 가상 환경을보고 있습니다 실험 할 수 있기 때문에 그래서 이것을 확인하고 그들이 무엇을하는지 알아야합니다 MARK MANDEL : 물론입니다 굉장해

멜라니, 우리 친구들과 대화를 나눠 보지 그래? 남아프리카에서 끝났어? 멜라니 워릭 : 좋아 오늘 우리와 함께 기쁘다 Yabebal Fantaye and Jessica Phalafala 가입 해 주셔서 감사합니다 JESSICA PHALAFALA : 우리를 초대해 주셔서 감사합니다

YABBY FANTAYE : 우리를 초대해 주셔서 감사합니다 그래서 야브 벌, 우리가 너와 함께 시작할까? 당신이 누구인지, 당신의 배경에 대해 우리에게 말해 줄 수 있습니까? YABBAL FANTAYE : 예, 저는 Yabebal Fantaye입니다 나는 에티오피아, 아디스 아바바, 저는 아디스 아바바에서 학부 과정을 밟았습니다 그리고 나서 나는 주인님의 케이프 타운에 갔다 그리고 나는 내 박사 학위를 위해 이탈리아에 갔다

그런 다음 유럽에서 일부 포스트 박사 학위를 냈습니다 로버트라는 이름으로 아프리카로 돌아 왔습니다 보쉬 재단 그들은 ARETÉ AIMS Chair라는이 연구에 자금을 지원했습니다 그것은 당신이 일할 수 있기 때문에 정말 이상한 자금입니다

아프리카 어디서나 그래서 저는 정말로 즐겁게 지내고 있습니다 이제 팬 – 아프리카, 사실, 단지 그것에 대해 이야기하지 않습니다 그래서 저는 우주론 분야에서 연구하고 있습니다 내 주요 전문이며, 또한 위성 이미지를 사용하여 아프리카가 올바른 방향으로 나아가고 있는지, 공식 통계에서뿐만 아니라, 또한 무료로 사용할 수있는 데이터 마이닝을 통해, 위성 이미지

그래서 그것들은 일종의 배경입니다 멜라니 워릭 : 훌륭합니다 그리고 나 한테 말하기 전에 우리가 언제 이야기하는지 알아 여행의 일부에 대해서 일을 위해 할 수있다 범 아프리카라고 부르기 위해서

YABBBAL FANTAYE : 지금은 그렇게 부를 수 있다고 생각합니다 그리고 그것은 정말로 다릅니다 당신이 정말로 그것을하고있을 때, 그것은 실제로 많이 다릅니다 당신이 정말로 유사점을보기 시작하기 때문입니다 그리고 저는 지금 제가 철학적으로 만이 아니라, 그러나 실용적으로 아프리카가 당연한 것입니다

이것이 아마 1960 년대의 사람들이었을 것입니다 팬 – 아프리카주의에 대해 이야기 할 때, 그들은 실제로 비슷한 방식으로 느껴졌습니다 우리는 우리의 차이점보다 훨씬 더 많은 유사점을 공유합니다 그리고 에티오피아 내에서 우리의 차이점은, 우리는 다른 부족들 안에서 많은 차이가 있습니다 아마 나는 다른 아프리카 국가들과 함께있다

그래서 어떤면에서 알다시피, 그것은 자연스럽고 그 차이입니다 그것은 우리의 아름다움입니다 그리고 우리는 그것을 축하해야합니다 그러나 동시에, 우리의 유사점 우리가 그걸 활용할 수있는 많은 것들이 있습니다 멜라니 워릭 : 훌륭합니다

제시카, 너에 대해서 조금 말해 줄 수 있니? 제시카 파 랄 팔라 : 네 고마워, 멜라니 저는 남아프리카 공화국의 폴로 크와 네에서 태어났습니다 그리고 내 학업 측면에서, 나는 학부 과정을 마쳤다 Wits 대학에서

그리고 그것은 경제학과 수학에있었습니다 나는 위트에서 석사 학위를 받기 위해 포스트 졸업반을 계속했다 그리고 나의 특성화는 기능 분석에있었습니다 그래서 저는 사실 순수 수학자입니다 오, 와우

제시카 파 랄 팔라 : 네 그래서 제 주인님이 계셨을 때 저는 깨달았습니다 나는 내가 쓰는 기술을 사용하고 싶다 조금 더 박사 학위를 받기 위해 노력했다 적용된

그리고 그 때 제가 데이터 과학을 연구했습니다 그리고 나서 나는 아프리카 연구소 수학 과학, 그리고 지금 나는 응용 수학에서 나의 PhD를하고있다 그리고 내 연구 분야는 매니 폴드 러닝입니다 및 근사 이론 그래서 그것은 저에게 기능적으로 사용할 수있게 해줍니다

분석 및 고조파 분석 기술 함께 정보 이론 및 코딩과 같은 새로운 기술로 정말 멋진 경험이었습니다 멜라니 워릭 : 훌륭합니다 그리고 아프리카 수리 과학 연구소 (Institute for Mathematical Science) 나는 너희 둘다 거기 있다는 것을 알고있다 좀 더 말해 줄 수 있어요, 조금 더 말해줘요 교육 기관의 관점에서 초점 그것이하는 연구의? YABBBAL FANTAYE : 예

그래서 아프리카 수리 과학 연구소 (Institute of Mathematical Science) 일반적으로 AIMS는 2003 년 Neil Turok에 의해 설립되었습니다 그리고 저는 주된 생각은 물론, Neil Turok은 여행 할 때 그 아이디어를 얻었습니다 그는 사람들이 어떻게 다르게 생각하는지에 따라 영감을 받았다 아프리카에서 그리고 그는 자신의 사고 방식, 수학 과학은 핵심이되어야합니다

그리고 그것이 내가 그의 비전을 생각한 곳입니다 좋아, 좋아, 아프리카 어디든 가자 남아프리카 공화국이나 현지화 된 국가뿐만 아니라, 아프리카의 모든 곳에서 수학에서 할 수있는 이러한 예와 같이, 물리학 또는 수학 또는 경제, 어떤 수학적 사고와 관련된 어떤 것, 지도자가되고, 첫 번째 종류가 되려고 노력하는 것입니다 다른 사람들이 따라야 할 예입니다 그래서 나는 그것이 경이로운 것으로 생각한다

그래서 우리는 여전히 여기에 있습니다 그리고 심지어 남아프리카 공화국에서만 그렇듯이, 그러나 이제는 아프리카의 다른 6 개국으로 확대되었습니다 그리고 졸업하는 것은 1,500 명 이상의 사람들이 생각합니다 아프리카 전역에서 왔습니다 아프리카의 모든 곳에서 볼 수있는지도에 따르면 초록색입니다

이는 우리가 졸업 한 것을 의미합니다 아프리카 곳곳에서 그리고 그것은 정말로 굉장합니다 그리고 연구 분야는 2007 년경에 시작되었습니다 그것은 남아 프리카, AIMS 남아 프리카에서 시작되었습니다

그래서 한 연구원이 많은 연구자들을 참여 시켰습니다 그들 중 단지 시간적으로, 그들 중 일부는 연구 과학자들이다 스텔 렌 보쉬 (Stellenbosch)와 같은 다른 대학교와 케이프 타운 대학 우리가하는 일의 종류, 나는 말할 것입니다, 금융 수학 연구원, 생물 수학과 우주론이 있습니다 나는 일부분이지만 현재 또한 진화하고있다

기계 학습 그룹으로 그리고 현재 제시카가있는 데이터 과학 그룹입니다 거기에는 훨씬 더 많은 것이 있으며, 나는 아마 커버하지 않을지도 모른다 그러나 모든 수학 과학, 나는 말할 것입니다, 는 가려져있어 그리고 AIMS를 특별하게 만드는 것은 실제로 거기에있는 것입니다 그 자체로 강의는 없습니다

그래서 매우 다른, 집중적 인, 1 년짜리, 하지만 어디에서나 많은 사람들을 소개합니다 놀라운 연구를하고있는 세계에서 그들은 와서 자발적으로 와서 가르칩니다 그리고 그들은 기본적으로 학생들과 함께 떠납니다 3 주 모듈에서 그리고 학생들은 기본적으로 학생들에게 지시합니다

주제뿐 아니라 사고 방식을 배우십시오 맞습니까? 그래서 AIMS를 만드는 것은 매우 특별합니다 그리고 AIMS는 전체 Einstein Initiative로 진화했습니다 현재 르완다 중심이며 AIMS뿐만 아니라 다음 아인슈타인 포럼이 있습니다 매 2 년마다 과학자, 비즈니스 사람, 정치인 하나

그리고 이것은 그 종류의 첫 번째입니다 아프리카에는 그런 큰 모임이 없었습니다 그리고 그것은 제가 당신을 다음 아인슈타인 휄로우로 보는 곳입니다 그리고 연구에서 뭔가를하는 젊은 사람들을 강조합니다 그리고 그들이 연구에서 우수하다면, 그들은 그들을 모아서 강조합니다

그들은 미디어와 다른 사람들에게 폭로 할 수있는 기회를 제공합니다 따라서 AIMS와 차세대 아인슈타인 이니셔티브 정말 놀랍습니다 그래, 맞아 오 제발 JESSICA PHALAFALA : 나는 또한 당신이 뿐만 아니라 학생의 관점처럼

멜라니 워릭 : 예, 저는 학생의 관점을 원합니다 JESSICA PHALAFALA : 나는 정말로 그 한 가지를 말할 것입니다 AIMS에 대한 연구와 학습이 두드러지다 강한 나는 7 년 동안 대학에 있었고, 그리고 내가 AIMS에 들어선 순간, 나는 그 차이를 느낄 수있다

협업 환경입니다 네가 말했듯이, 당신은 연구원이 있습니다 전 세계에서 온다 그리고 네트워크와 상호 작용할 수있는 기회를 제공합니다 같은 생각을 갖고있는 사람들, 아이디어를 공유 할 수있는 사람들과 당신이하고있는 일에

또한 사람들에게 당신을 노출시킵니다 귀하의 지역에서 일하는 국가의 외부 그리고 특히 당신이 나처럼 새 지역을 탐험 할 때, AIMS가 나에게 기회를 주었다 베를린에서 연구 방문을하고 이 분야의 전문가가있는 일, 그래서 나는 그것에 노출되어 있고, 나는 그 기술을 다시 가져올 수 있습니다 나는 이것이 정말로 두드러진 유일한 것이라고 생각한다

저에게 그것은 협력적인 환경이라는 것입니다 집중적 인 연구 집약적 인 환경입니다 그리고 그것이 대학과 다른 점이라고 생각합니다 설정 멜라니 워릭 : 훌륭합니다

그리고 당신은 베를린에서 언급했습니다 – 다른 추가 협업은 무엇입니까? AIMS와 다른 그룹들 사이에서 행해졌 다 너 아직 손도 쥐지 않았 니? AIMS는 다른 그룹에 어떻게 참여합니까? 아프리카뿐만 아니라 외부에도 있습니까? YABBY FANTAYE : 또 다시, AIMS 아닙니다 그래서 학위를 주지만, 실제로는 그렇습니다 스텔 렌 보쉬 (Stellenbosch) 대학 계열사 그래서 대부분의 학생들은 프로젝트를합니다

스텔 렌 보쉬 (Stellenbosch) 대학교, 케이프 타운 (Cape Town) 대학교, 재치, 다른 장소 그래서 기본적으로, 그것은 비슷하지 않습니다 학술 기관이지만 문을 활짝 열었습니다 다른 대학과의 모든 협력 남아 프리카 공화국 그것이 남아프리카의 AIMS입니다

그것이 AIMS 인 경우, 가나, 그것은 모두와 같을 것입니다 다른 지역의 대학 뿐만 아니라 국제적으로 사람들은 연구 방문, 교부금 사람들이 와서 한 달 동안 거기에 머무르다 제시카 (Jessica)가 말했듯이 그들의 연구를 수행하기 위해, 공동 작업 그것은 당신이 많은 사람들을 만나는 곳입니다

아프리카 밖의 사람들뿐만 아니라, 아프리카 내에서도 그들은 가르치기 위해옵니다 그들은 방문 연구에옵니다 그래서 그들은 그러한 제휴를 추구합니다 그 네트워크를 얻으려면

그래서이 네트워킹이 많이 있습니다 아프리카 지역뿐만 아니라 아프리카 지역에서도 이루어지고 있습니다 멜라니 워릭 : 외부 그리고 그것은 각 사람의 작업을 기반으로합니다 그들은하고 있으며, 그것이 다른 그룹과 어떻게 관련되어 있는지, 게다가

어떤 추가 그룹으로 일하십니까? 네가하는 연구의 관점에서? YABBALL FANTAYE : 예를 들어 AIMS의 우주론 그룹, 그들은 SKA와 협력하고 있습니다 Square Kilometer Array입니다 이것은 건설중인 가장 큰 전파 망원경입니다 그리고 우리는 거기에 데이터 과학 그룹을 가지고 있습니다 AIMS의 데이터 과학 그룹과 우주론 그룹 협력하고 있습니다

우리는 비슷한 프로젝트를 진행합니다 또한 모든 그룹은 자체적으로 공동 작업을 수행합니다 그들이 모이는 곳 예를 들어, 저는 뮌헨, 로마와 오슬로에서 협력을해야합니다 나는 기본적으로

그걸 통해 방문자를 데려 오는데, 나는 또한 방문하고 방문한다 Jessica가 말했던 것처럼, 생각합니다 이 협력 관계가 계속 진행되고 있습니다

멜라니 워릭 : 지식 공유 이것은 위대합니다 제시카, 네가 위트에 있다고 언급 했잖아 Wits 란 무엇입니까? 제시카 팔ALFALA : 그래서 전체 이름 Witwatersrand 대학입니다 요하네스 버그에 있어요

그리고 그것은 남아프리카에서 가장 오래된 대학 중 하나입니다 남아프리카 공화국에서 최고를 차지했습니다 나는 내 석사 과정을 마쳤습니다 멜라니 워릭 : 알아두면 좋을거야 내 말은, 대부분의 대학이 연구를한다는 것을 알고있다

그들은 매우 확고한 연구 프로그램을 가지고 있습니까? 뿐만 아니라 다른 그룹과도 제휴하고 있습니까? 거기에 일이있는 것 같기 때문에 그것은 WMS 간의 AIMS로 끝나고 있습니다 그리고 나는 그것을 여러 번 들었습니다 제시카 파 랄 팔라 : 예, 그렇습니다 나는 다른 분야에 대해 잘 모른다 나는 데이터 과학이 더 많은 정보를 얻고 있다고 생각한다

어디에서 직접 영향을 미치는지 우리는 실제로 AIMS에있는 독일 연구 위원장이 있습니다 위트 (Wits)의 감독관 몇 명과 일하면서 그리고 그들은 또한 창조하려고 노력하고있다 함께 협력 할 수있는 데이터 과학자 커뮤니티 그래서 이것의 한 예가 있습니다

이론의 기초 자료라고하는 4 년 과정 위트 전 부총장이 시작한 과학, 그리고 AIMS에있는 Bubacarr Bah 그리고 그들이하고있는 일은 석사 학위를 소지하고 소개한다 그들이 박사 학위를 위해 그것을 탐구 할 수 있도록 데이터 과학에 그래서 그런 계획이 일어나고 있습니다 그래서 나는 그것이 참여하고 있다고 생각한다

데이터 과학 및 기타 연구 프로그램 개발 지역 그것은 단지 하나의 예입니다 나는 많은 사람들이있을 것이라고 확신한다 YABEBAL FANTAYE : 물리학 분야 그들은 매우 강력한 입자 물리학 연구 그룹을 가지고 있으며, 문자열 이론, 그들은 매우 잘 알려져 있습니다

그래서 많은 연구가 있습니다 Wits에서 강한 그룹 멜라니 워릭 : 아주 잘 설립되었습니다 나는 들었던 다른 그룹을 안다 이것에 대해 조금 이야기하면 CSIR입니다

CSIR에 대해 조금이라도 말씀해 주실 수 있습니까? YABBY FANTAYE : 네, 제가 아는 유일한 것입니다 그들은 많은 연구 분야에 관여하고 있다는 것입니다 예를 들어, 저는 그것을 통해 – 그들은 내가 아는 한 고성능의 센터를 관리한다 케이프 타운에 본사를두고있다 이것은 또한 하나의 기계가 될 것입니다

SK가 사용하게 될 것입니다 그 일을 할 수있는 기계뿐만 아니라 경험을 가지고 있어야합니다 그리고 제 주인의 학생은 예를 들어 그 자신의 연구만을위한 것입니다 따라서 그들은 고성능 컴퓨팅을 제공합니다 플랫폼

그래서 그들은 많은 연구에 참여하고 있습니다 예를 들어 위성 데이터를 얻었습니다 국립 우주 과학 (National Space Science) 인 SANSA 여기에 Agency가 있으며 CSIR에 어떤 식 으로든 관계가 있습니다 내가가는 모든 지점에서 나는 실제로 그것을 본다 [소리내어 말하기] 그래서 그것은 주요 그룹 중 하나를 추가하는 것과 같습니다

그것은 많은 연구 그룹을 통합합니다 멜라니 워릭 : 그것은 마치 AIMS와 유사한 여러 위치를 기반으로합니다 YABBY FANTAYE : 케이프 타운에 하나 있기 때문에 나는 알고있다 JESSICA PHALAFALA : 프리토리아 멜라니 워릭 : 네

당신이 함께 일하는 제휴 그룹? 그 중 몇 가지 예는 무엇입니까? 그들은 여러 위치에 있지 않을 수도 있습니다 그러나 그들은 구체적이고 매우 깊은 연구를합니까? 당신이 그들 중 일부에 관해서 조금 이야기 한 것을 알고 있습니다 YABBBAL FANTAYE : 예, 많은 시도가 있습니다 예를 들어, 나는 프로그램에서 나왔다 국립 천체 물리학과 우주 과학 (National Astrophysics and Space Science) NASS – 국립 천체 물리학과 우주 과학 프로그램 그리고 내가 나의 명예와 석사 학위를 갖기 위해 왔을 때 그 프로그램을 통해, 그것은 우주 과학에서 훈련 받았다

천체 물리학 분야가 많이 있습니다 나는 그것이 정말로 그것에 영향을 미쳤다 고 말할 것이다 아프리카의 풍경 – 좋아, 졸업하자면 해당 분야의 많은 국가 출신의 졸업생을 찾습니다 그리고 그것은 내가 얻은 협력입니다 남아프리카 공화국의 거의 모든 대학들 사이

우리가 협력하고있는 것처럼 케이프 타운의 관측소 인 [INAUDIBLE] Observatory와 함께, 위성,이 모든 협업 그러나 서구 케이프 (Western Cape)의 모든 대학 (예 : 그들은 매우 강력한 우주론 그룹을 가지고 있습니다 그들은 연구를하고 있으며, 그들은 주요 과학 운전사 중 하나이다 이제는 연구 측면에서 SK에 대해서 말하고 싶습니다 그들은 SK에서하는 많은 것들을 가지고 있습니다

그리고 내가 말했듯이 위트 (Uits)에서 UCT에는 많은 그룹이 있습니다 UCT의 우주론 그룹은 당시 가장 강했다 나는 지금 모른다 하지만 그들은 끈 이론, 우주론, 조지 엘리스 (George Ellis)가 이끌었다 아주 탁월한 우주 론자 였는데, 그는 또한 일했다

현장에서 다른 저명한 과학자들과 함께 그래서 많은 것들이 있습니다 천문학 부서, 가면, 그들에는 연구, 큰 연구 그룹이있다 내가 말한 것을 알고있는 사람들조차도 거기에서, 또는 나는 사람들과 일했습니다 많은 연구 그룹이 있습니다

멜라니 워릭 : 이것에 대해 이야기하고 싶습니다 이것과 나는이 시점에서 대화를 시작하지 않았다 그러나 우리는 이것을 Deep Learning Indaba에 기록하고 있습니다 나는 내가 강조 할 때 많이 강조했다 우리의 팟 캐스트에서 이것에 대해 이야기하십시오

우리는 실제로 세션에서 이것을 녹음하기 전에, 우리가 두 사람의 이야기를 듣고있는 곳 아프리카에서 인공 지능을 민주화하는 것에 대해 Nandu de Freitas가 만든 포인트 중 하나 우리는 AI 학술회의를 가질 필요가 있었고, 아프리카에서, AI 학술회의와 마찬가지로, 큰 것, 그것은 여기에 확립되었다 네가 나에게 말하는 모든 것에서, 상당량의 연구가 있습니다 이제, 우리는 구체적으로 접촉하지 않았습니다 인공 지능 공간에서의 데이터 과학을 중심으로, 그러나 상당량의 연구가있다

그 일이 계속되고있어 그의 관점에서 당신의 생각은 무엇입니까? JESSICA PHALAFALA : 나는 그에게 분명 동의합니다 나는 그와 동의해야한다 특히 방금 데이터 과학으로 옮긴 사람으로서, 이런 사건의 중요성을 알 수 있습니다 연구는 때로는 고립 된 것일 수 있습니다

할 수있는 일 그러나 여러분이이 공간과 같은 공간으로 들어올 때, 당신은 정말로 당신의 아이디어를 내놓을 수있는 기회를 얻습니다 거기에 사람들이 그들의 의견을 공유하게 당신에게 피드백을 제공합니다 그리고 저는 피드백이 정말로 중요하다고 생각합니다 특히 아직 속도로 발전하고있는 분야에서 데이터 과학 및 기계 학습이 발전하고 있습니다

당신은 정말로 당신이있는 공간에 있기를 원합니다 관련성 높은 작품을 제작합니다 그리고 당신은 당신의 일이 관련이 있는지를 안다 그 지역의 다른 사람들과 상호 작용하는 경우 그래서 이것은 정말로 내가 원했던 것입니다

깊은 학습 Indaba 나는이 성격의 회의가 더 있었으면 좋겠다 그래, 정말로, 기회 야 연구원으로 당신 이름을 거기에 넣으려면, 그것은 다른 사람들과 상호 작용할 수있는 기회입니다 피드백을 얻을 수있는 기회입니다

다른 사람들과 협력하기 그리고 우리는 협력 할 수있는 단계에 있어야합니다 아프리카 국가들에 걸쳐 그리고 나는 이것이 최고의 장소라고 생각한다 다른 나라의 사람들과 당신이하고있는 것과 유사한 어떤 것에 노력하고 있습니다 YABBY FANTAYE : 그래, 나는 생각한다

그것에 덧붙이면, 또한 – 가장 중요한 부분이라고 생각합니다 보통 사람들이 진지하게 받아들이고 사람들이 관심을 기울이고 있습니다 정부는 이에 대응하고 정책은 – 그래서 이것은 마치 또한 좋아 보여요, 좋아요, 사람들은 그 의미를 이해했습니다 그리고 더 큰 것은, 그것은 또한 당신에게 알려줍니다 사람들은 현장에서 활발합니다

그들은 그것에 대해 연구하고 그 플랫폼 나는 많은 연구를 보았다 수단과 다른 곳에서 나왔다 실제 직원이없는 곳에서는 그러나 학생들은 관심이 있습니다 그래서 따라서, 그들은이 감독관을 얼마 가지지 만, 그러나 또한 아마 누가 현장에 있지 않은지, 그러나 그들은 나가 관찰 한 그들에 가고 그것을한다

그것은 정말 훌륭하고 놀라운 연구입니다 그 아이디어는 좋습니다 저를 감동시킨 다른 하나는이 수단 여자였습니다 그녀는 나에게 OK, 아랍 세계에는 우울증이 있습니다 많은 사람들이 죽습니다

자살과 우울증 정신 건강의 관점에서 볼 때 네 YABBBAL FANTAYE : 예, 수단에서 그리고 그녀는 생각 했었습니다 오, 알다시피, 왜 안되죠? 우리가 그들을 도울 수 있습니까? 그리고 나서, 물론 그녀는 나에게도 보여 줬다

그녀가 얻은 통계 중 일부는 제 생각에 유엔기구는 실제로 우울한 젊은 사람들을 보여줍니다 뭔가를 말하기 위해 소셜 미디어에 간다 그들의 우울증에 대해 그래서 그녀의 아이디어는 우리가 할 수있는 것과 같았습니다 일찍부터 도움을받을 수 있다는 것을 발견 했습니까? 그리고 물론, 그녀가 함축 한 방법, 그녀는 수단에서 말했기 때문에 그녀는 손으로 모았다

많은 소셜 미디어가 작동하지 않습니다 그래서 그녀는 페이스 북에서 수작업으로 수집했다 알다시피 그녀는 그룹에 가입했다 손으로 라벨링 한이 데이터를 손으로 수집했습니다 그녀는 트위터와 물건으로부터 약 3,000을 얻었다

물론, 몇 가지 결점이 있으며, 그녀의 유래에서, 하지만 그게 전부 야 요점은 그녀가 모든 것을 가지고 있다는 것입니다, 그러나 아마 그녀를 인도 할 아무도 없었다, 모든 기술적 어려움을 좋아하십시오 그리고 여기에 깊은 학습 Indaba에 와서, 그리고 나만 거기에 있고 적어도 좋아, 이건 놀라운 일이야 그러나 이러한 샘플링 문제가 있습니다 그것은 그녀에게 그 통찰력을 줄 것입니다

그리고 나서 그녀는 협력을 형성 할 수 있습니다 그래서이 모든 것들은 당신이 장소에서 그러한 노출을하지 않으면 일어난 일입니다 그러나 당신의 일은 작지만 그렇습니다 하지만 사람들을 위해 노력을 기울이십시오 그 때 당신에게가는 가장자리를 줄 수 있습니다

너는 네가 할 수있는 일을 끝내라 그래서 저는이 깊은 학습 인다 바 (Deep Learning Indaba) 마찬가지로 Indaba-X도 있습니다 그러나 그것은 정말로 좋은 출발이고, 더 많이 있어야합니다 그리고 저에게는 최근 우울한 통계가있었습니다 그것이 맥킨지에서 나온 것입니다

이 혁명이 될 것입니다 인공 지능 혁명은 GDP를 더 많이 변화시킬 것입니다 또는 그 이하의 최초의 산업 혁명이다 우리가 알고있는 것은 영향을 미칩니다 방금 막대한 변화가 일어났습니다

그러나 그들의 시뮬레이션은 실제로 아프리카 및 기타 개발 도상국 혜택을받지 못할 수도 있습니다 이미 풍경이 너무 많이 바뀌었기 때문에 주로 미국과 중국 및 이미 다른 나라들에 강한 그래서 당신은 정말로 어떤 종류의 개입이 필요합니다 이 예측을 잘못되게하는 것 왜냐하면 우리는 참여하기를 원하기 때문입니다

우리는 그 혜택을보고 싶습니다 우리는 변화하고 싶다 WEF 연구와 마찬가지로 세계 경제 포럼에서 그들은 실제로 산업 혁명 최대한으로 – 아프리카는 그 혜택을 최대한 누릴 수 있습니다 그래서 아프리카에는 해결 될 수있는 모든 도전 과제를 가지고 있으며, 대부분은 해결해야합니다 체계화, 자원을 통해 해결 될 수있다

관리, 모든 것 그리고 동시에, 여기에 경제, GDP 문제 그래서 당신이 그들과 일치한다면,이 플랫폼들이 점점 더– 나는 분명히 그 시뮬레이션이 잘못 될 수 있다고 생각한다 멜라니 워릭 : 어떻게 생각하세요? 연구 기관의 입장에서 볼 때, 이 GDP 문제를 돕기 위해? 이미 당신이이 기대를하고 있다는 사실 시대의 뒤에, 나는 생각한다? JESSICA PHALAFALA : 나는 무엇을 생각한다

중요한 것은 아프리카 문제에 초점을 맞추는 것입니다 연구를하지 않고 연구를 시도하지 아프리카 문제를 해결하는 것과 관련된 케이프 타운에서의 가뭄이든 마찬가지입니다 그것은 우리의 연구가 아프리카 기후와 관련이있게 할 것입니다 우리 연구의 결과가 우리에게 이익이되도록 허용합니다 그리고 아마도 그것이 AI에서의 발전을 보게 될 것입니다

또한 우리 GDP에 도움이되고, 아마도 국가로서, 아프리카 국가로 제 생각에는 연구 기관들입니다 학생들을 지키기 위해 최선을 다해야합니다 대학에 잃지 말라 북미 및 영국, 유럽, 이 사건은 수년간의 사건이었습니다

이것은 우리를 연구의 측면에서 뒤쳐지게합니다 이것은 또한 아프리카 연구의 소유권을 갖지 못하게합니다 나에게 이것들은 일종의 것들이다 존중과 진보를 방해하는 인공 지능과 기계 학습에 대한 연구 – 연구원을 붙들고 또한 일하고있다 아프리카 문제에

YABBY FANTAYE : 나는 또 다른 측면을 생각한다 예를 들어, 다른 연구 나는 포스트 박사 과정에서 정말 즐거웠다 Jessica는 실제로 일하고있었습니다 깊은 학습의 기초에 나는 네가해야 할 일뿐 아니라 당신은 자신감을 구축해야합니다

단지 무엇인가를하기 위해서가 아니라, 너의 호기심을 따르라 그래서 저는이 매니 폴드에서 그들이하는 일을 생각합니다 배우고, 발견하고, 양상을 확인하며 그런 다음 그들은 향상시키고 이해할 수있다 실제 블랙 박스가 어떻게 JESSICA PHALAFALA : 수학적 기초 – Yabebal FANTAYE : 예, 블랙 박스가 어떻게 일하고 있고, 그 다음하려고 노력하고있다 – 그렇게 경쟁한다 글로벌, 최첨단 그리고 그것은 또한 자신감이 필요합니다

당신은 그것을 구축해야합니다 그 확신이 없으면, 그것은 기본적으로 같이 될 것입니다 근처에 앉아서 기뻐할 것입니다 누군가, 그렇지? 그리고 나는 정신적으로 생각합니다 – 그리고 그것이 제가 또한 정말로 좋아하는 이유입니다 Neil Turkos의 사고 방식, 그리고 양자 도약 아프리카 연구소가있는 이유는 무엇입니까? 우리는 최근 막 시작했습니다

그리고 전체적인 생각은 예, 대담 해 지도록합시다 이 세상에서 내가 생각하기에 그들은 그것을 반복해서 말한다 정말 큰 꿈을 꾸는 사람들을 위해서만 그리고 두려워하지 않습니다 멜라니 워릭 : 그리고 위험을 감수하십시오 Yabebal FANTAYE : 그것은 Quantum과 같습니다

우리는 알고 있습니다 지금 당장은 게임이 데이터 과학에서 결정되지 않았다 그리고 AI에서 우리는 기여할 것이 많습니다 그러나 우리는 미래를 계획해야합니다

예를 들어, 예상되는 혁신이나 혁신 중 일부 그것은 양자 컴퓨팅과 함께 올지도 모릅니다 그래서 양자 도약 아프리카는 같습니다 좋아, 우리 마음을 기르자 그 분야의 지도자가 되십시오 지금 우리는 데이터 과학을 가지고 있습니다

구축을 시작하십시오 왜냐하면 컴퓨터가 필요하기 때문입니다 양자 기계는 알고리즘을 요구할 것이고, 센서가 필요합니다 우리가 지금 가지고있는 것을 발전 시키자 모든 전문 지식을 갖자

그것이 그 것인지 아닌지에 대해 걱정하지 않겠습니다 마치 우리 자신감을 키워 나가자 그런 종류의 야심을 갖자 왜냐하면 그것은 단지 야망이기 때문입니다 그리고 저는 여러 번 나눌 수 있다고 생각합니다

서 아프리카 사람들이 축구를 할 때, 그것들을 움직이는 것이 야망입니다 그것은 그들이 유럽에서 뛰게합니다 그리고 케냐와 동 아프리카의 사람들은 일반적으로, 그들이 달릴 때 – 그것은 또한 단지 부분적으로는 영향을받습니다 나는 단지 승리에 대해 생각합니다 나는 생각조차하지 않는다

소수 민족에 의해 만들어진 신뢰감 누가 스탯을 부러 뜨 렸는지 그것은 막고 있었다 그리고 갑자기 누군가가 금을 얻었습니다 또는 그들은 단지 최고의 선수였습니다 그리고 사람들은 어땠어, 나야 나는 내 인생을 연관 지을 수있다

특별한 것은 없었습니다 그래서 당신이 그 자신감을 키우는 것이 었습니다 그리고이 모든 야심 찬 프로젝트들, 뿐만 아니라 나는 또한 과학자들의 공동체를 이끌고있다 아프리카에서는 다음 아인슈타인 펠로우 (Einstein Fellows) 아프리카 전역의 다음 아인슈타인 대사 (Einstein Ambassadors) 우리는 정확하게하려고 노력하고 있습니다 우리가 뭔가하고있는 것처럼, 우리는 연구와 지식에 가깝습니다

정치인들은 결정에 아주 가깝습니다 그들은 매일해야만합니다 힘든 일입니다 사업 사람들은 거래해야하며 생존해야합니다 대화가 형성 될 수 있습니다

우리는 생각할 시간이 있기 때문에, 우리는 반성 할 시간이있다 우리는 데이터에 쉽다 우리는 통찰력을 분석하고 얻을 수 있습니다 그리고 나서 우리는 그것을 공유해야합니다 그래서 우리는이 정책에 대해 조언합니다 – 그래서 우리는 AU에게 조언하려고 노력할 목표를 가지고있다

이 친구들과 대사들이 일하기 때문에 모든 분야에서 의학에서 기후, 경제에 이르기까지 컴퓨터 과학, 데이터 과학 그래서 어디 에나 있습니다 우리는 모든 분야를 가지고 있습니다 그리고 우리는 증가하고 있습니다 – 우리는 단지 동료 또는 대사 커뮤니티를 구축 하자는 것이 전부입니다

이 공동체가 모든 형태로 기여하도록하십시오 바보가되지 않게하십시오 요점은 우리가 수동적이되지 않도록 하자는 것입니다 그리고이 변화 속에서, 모든 일, 근본적인 일, 순수 수학자는 기여할 것이 많으며, 뿐만 아니라 그냥하고있는 사람 기본적으로 일부 원격지에서의 임상 테스트에 사용됩니다 그래서 할 일이 더 많습니다

그래서 나는 그것들이, 나는 말할 것이다, 우리가 계속 지킬 수 있는지에 기여한다 올바른 방법으로 그들을 수행하십시오 이 예측이 잘못 될 것이라고 생각합니다 멜라니 워릭 : 나는 회의에서 사람들과 이야기를 해왔다 내가 충분히 알지 못하는 공통의 두려움이있다

나는 뛰어 들기가 두렵다 그러나 나는 관심이 있기 때문에 나는 여기에있다 그리고 저는 이것을 가져 왔습니다 이 공간에있는 많은 사람들과 대화를 나누었습니다 또는 많은 장소에서이 공간에 있고 싶은 사람 – 나는 그 점에서 매우 운이 좋았다

너무 많은 사람들과 이야기 할 수있는 전 세계에서 AI에 들어 가려고합니다 공통의 두려움과 일반적인 협박이 있습니다 그것은 어디 에나 있습니다 그리고 여기 있습니다 그리고 저는 사람들이 이것에 대해서도 이야기하는 것을 들었습니다

그래서 당신은 자신감에 대해 이야기하고 있습니다 그 질문은 그들이 어떻게 느끼는지 모르는 사람들을 격려하는 법 나는 이것이 또한 열쇠라고 생각한다 그들이 충분히 알고있는 것처럼 느껴지지 않아서 그들은 두려워합니다 그들을 격려하는 방법

그리고 당신은 무엇을 할 수 있다고 생각하니? 진입 장벽을 확실히하는 데 도움이됩니다 협박하는 것 같지 않니? 제시카 파 랄 팔라 : 첫째, 나는 생각한다 당신의 첫 번째 질문 중 하나는 왜 사람들은이 연구 분야에 겁 먹은 것 같습니까? 그리고 지금까지 내가 본 것에서 생각해 봅니다 그 기계 학습 또는 데이터 과학 종합 분야입니다 그리고 그것은 그것이 협박의 일부라고 생각합니다

그 수학만으로는 충분하지 않습니다 그것은 통계, 수학, 컴퓨터 과학 그리고 그게 필요합니다 그 각도에서 당신은 가고 있어요 다른 주제에 대한 지식을 넓힐 필요가 있습니다

그래서 이것이 그것이 제일 처음이라고 생각합니다 그리고 나는 그것이 뭔가라고 생각하지 않습니다 지원은 거기 있기 때문에 장벽으로보아야합니다 특히 대학에서 특히 이것은 곧 나오는 분야이기 때문에

그래서 상급자, 기관, 사람들이 누가이 분야에 대한 연구를하고 있는지 그 측면에서 조금 더 많은 지원이 필요합니다 나는이 회의와 같은 회의를 생각한다 그 자신감을 제공하는 데 도움이됩니다 Yabebal이 말하는 것처럼 나는 문제에 대해 일하고있다

내 친구들에게 선물하고 선물 할 수있는 이 분야에서 더 많은 경험을 가진 사람들에게 내가 더 많은 지식을 얻을 수있게 해주고, 그들로 하여금 올바른 방향으로 나를 찔러 주도록 허락합니다 내가 필요한 자원을 제공하십시오 그래서 이런 종류의 회의는 정말로 – 이런 종류의 계약을하는 것이 정말로 중요합니다 당신이 선물 할 때, 누군가는 그 분야에서 조금 더 경험이 있어야합니다 너는 뭔가에 갇혀있다

그 (것)들을 위해, 다만 빠른, 어이, 여기 자원있다 일단 당신이 이것을 보았 더라면, 그것은 올바른 방향으로 당신을 밀 것이다 또는 여기, 내 이메일 주소가 있습니다, 만나요 우리는 이것을 더 취할 것입니다 그래서 저는 이것이 좋은 출발점이라고 생각합니다

할 수있는 많은 다른 것들이 있습니다 그러나 이것은 나를 위해 공부하고있는 해에, 이것은 내가 배운 순간 중 하나였습니다 4 일 동안 너무 많이 – 아직 끝나지 않았다 나는 그것이 정말로 일을 마친다 고 생각한다 YABBBAL FANTAYE : 그냥 그것에 덧붙여서, 나는 그녀가 대부분의 것을 말했다고 생각한다

나는 이런 종류의 플랫폼에 관해서 말하기를 좋아했을 것이다 확실히 그 맥락에서 당신을 둡니다 거기서 큰 일을하는 사람들과 차이점 당신이 생각하는 것만 큼 크지는 않습니다 그래서 너에게 너에게 증거를 줄 뿐이다 당신이 옳은 방향인지 점검하고, 또는 이것은 당신이 놓친 것, 또는 당신이 생각한 것입니다

그것은 크고 크지 않습니다 그것은 당신에게 자신을 확인하는 실험실을 제공합니다 그리고 보통 나는 믿습니다 당신은 자신감을 얻을 것입니다 그래서 나는 그것에 대해 연구하고있는 또 다른 측면이 있습니다

내 인생에서 가장 중요한 일은 저에게있어서, 그래서 나는 그것과 직접적으로 관련이있다 왜냐하면, 당신이 계획을 세울 수 있기 때문이죠 나는 야심적이었다 Abebe Bikila는 나를 위해, 그래, 그는 무엇을 했는가? Abebe Bikila는 에티오피아의 주자 중 하나입니다 1960 년대 최초의 올림픽 금메달을 딴 사람 – 그는 실제로 그것을하는 첫번째 아프리카 사람이었다

그리고 그때부터 한 세대의 주자에게 영감을주었습니다 그리고 몇 가지가있었습니다 그가 한 일은, 나는 그것이 어떻게 관련되어 있는지, 그것이 맞는 지, 하지만 나에게는 내러티브가 맘에 든다 정말 도움이되기 때문에 그는 맨발로 달리고 있었고, 그는 맨발로 에티오피아 훈련

그리고 그는 도쿄 마라톤에서 일본에 갔다 그 다음 그는 달려 갈 신발을 받았습니다 그리고 그는 결정해야만했습니다 그게 내 이야기입니다 나는 그것을 넣고 싶습니다

그는이 일을하기로 결심해야했다 그가 익숙하지 않은, 모두 그것을하고있다 아니면 그가 알고있는 방식대로 길을 가야합니다 그리고 저는 저에게있어 가장 훌륭한 행사라고 생각합니다 그냥 맨발로 달려 가기로 결심했다

그리고 그는 달려가 역사를 완전히 만들었습니다 그래서 나는 그 경험에서 끌어 낸 것이 하나 있다고 생각합니다 그리고 같은 말을 할 수 있습니다, 제 생각에는, 축구를위한 서 아프리카에서, 아마도, 사람들은 위대함을 얻고, 그들은 단지 척해야만하지 않았다 그들은 그들 만의 방식으로해야했다 그리고 그들은 결과를 가져 가야했습니다

그래서 우리는 저에게 영감을 받았습니다 우리는이 프로젝트를 가지고 있습니다 저는 제 3 년 중 상당 부분이 말하기를, 지난 3 년 동안 저는 그것에 대해 생각해 보았습니다 이것이 중요한 이유입니다 모든 세부 사항을 확인하고 어떻게이 공간에서 이사했는지

그리고 우리가 실제로하는 일은 실제로 – 그것은 당신이 어렸을 때 알았던 사람들에게 영향을 미쳤습니다 수학자를 아십니까? 그리고 그렇지 않다면, 당신이 수학자가 될 때, 당신은 자신감이 없을 것입니다 올바른 방법으로 이해하십시오 물리학자를 몰랐거나, 물리학을봤을 때, 당신은 확실하지 않습니다 하지만 그냥 자연스럽고 너무 좋아 보인다

그건 네가 아마 네 명일 때 한 악수 일 뿐이야 세, 물리학 자와 함께, 수 그 일을 많이 바꿨습니다 그때, 그 시간에 전파됩니다 – 당신이 동료들과 이야기 할 때처럼, 아마 수학자를 알 것입니다 그들은 이것을한다 그러나 당신이 생각하기에, 당신이 그 진술을 말할 때마다, 너는 실제로 생각하고있어

그래서 때로는 어쩌면 많은 것도 필요하지 않습니다 그것은 단지 원격 지역의 모든 사람들을 필요로합니다 그들은 실제 사람들이 그런 종류의 모델링을하는 것을 볼 필요가 있습니다 그래서 우리가하고있는 일, 우리는 정말로이 프로젝트를 가지고 있습니다 내가 말했듯이, 내 생각의 중요한 부분 지난 3 년 동안 그것을 보냈다

우리가 Astrobus 에티오피아를 가지고 있다는 것입니다 그래서 우리가하는 일은 우리가 버스를 타는 것입니다 우리는 모든 사람들을 얻는다 우리는 구별하지 않습니다 추상화 때문입니다

그리고 구성은 아이디어입니다, 당신은 그것을 추상화하고, 그 초록을 사용하여 작성하십시오 그것은 수학입니다 즉 물리학입니다 그것은 예술, 즉 패션 디자인, 즉 회화, 그시, 그게 다야 당신은 추상적 인 수준으로 가야합니다

그 추상 수준을 사용하여 약간의 교향곡을 만듭니다 같은 음악 교향곡 노트 그래서 우리는 그것을 취합니다 그래서 우리는 모두를 데려옵니다

그것을 믿는 모든 사람들, 하지만 누가 진짜 패션 디자이너와 같은 일을하고 있는지, 과학자라면 과학자들은 실제로 그 야망과해야 할 일이 있습니다 발명가 – 그래서 우리는 예술, 과학 및 혁신을 가지고 있습니다 우리는 함께 모아서 버스에 넣었습니다 우리는 단지 전국으로 운전합니다

그리고 우리는 단지 내리고, 우리가하는 일은 대부분 가르치는 것이 아니라 가르치는 것이 아닙니다 너는 내게 속한거야 나는 너에게 속한거야 우리는 같은 가족에 속해 있습니다 그래서 당신이 나를 알 때, 그리고 당신이 TV에서 지금 나를 볼 때, 너는 내가 그 남자를 안다

나는 그를 만났다 그리고 그 확신, 우리는 그 영감을 얻습니다 우리는 그것을하고 있으며 또한 그것을 확장하려고 노력하고 있습니다 다른 부분 우리는 예를 들어, 르완다에서 – 르완다 사람들이 그렇게하기를 바랍니다

세네갈에서는 세네갈 사람들이 그렇게하기를 바랍니다 그 관계가 좋아하는 장벽을 없애기 때문에, 당신은 다른 기회를 가질 수 있습니다 그래서 에티오피아에서는 에티오피아 사람들과 함께하고 싶습니다 우리는 IBM에서하고 있습니다 우리는 실리콘 밸리에서 그것을하고 있습니다

우리는 우주론과 패션 디자인에 관한 연구를하고 있습니다 우리는 그들이 그곳에 있고 단지 흔들뿐 아니라, 왜냐하면 아이들은 더 이상 추론을하지 않기 때문에 말하자면 그들은 다릅니다 그들은 그것들이기 때문입니다 멜라니 워릭 : 나는 많은 사람들이 여기 있다는 사실을 사랑한다 누가이 회의에 왔고 누가 매우 후배인지, 매우 많은 사람들이이 공간에 들어가고, 위험을 감수하고, 그들의 협박을 극복했다

그리고 또한, 나는 그들을 환영했던 많은 사람들을 보았습니다 매우 포괄적이었습니다 그리고 그것은 정말로 인상적이었습니다 마무리하기 전에 몇 가지를 만져보고 싶습니다 당신이 본 다른 것들 당신이이 회의에서 정말로 흥분했다고 당신이 만지고 싶다고? 당신이 언급하기를 원했던가? YABBY FANTAYE : 내가 말하는 것처럼, 나는 그들 중 일부를 언급했다

내 생각 엔 제시카가 AIMS에 있어도 우리가 얘기 했어 그녀의 상사를 알아 그들이하는 일을 보는 것은 매우 좋았습니다 그래서 저는 그녀의 포스터에갔습니다 그녀에게 무슨 일이 일어나는지 상세히 말해달라고 부탁했다

그래서 정말로 자신감을 갖는 것이 인상적이었습니다 깊은 학습의 기초 위에서 일하는 것, 특히 우리가 아직도 이해하지 못하는이 블랙 박스 찾으려고 – 그리고 거기 방법 달랐다 영리하다 나는 그렇지 않다

자격이있다 그러나 사람들이 생각하고 밀고가는 것이 정말 인상적입니다 경계에서 – 응용 프로그램 측면뿐 아니라, 순수한 수학 측면에서도 그렇습니다 그리고 또 다른 측면은 단지 그 사람들입니다, 그것은 하나의 예입니다, 그러나 나는 다른 사람들이 정말로 똑똑한 것을 보았다 자신이 우려하는 것은 그들이 문제라고 생각합니다

그래서 그들은 사용 가능한 방법을 사용하려고합니다 삶을 개선하려고 노력합니다 그래서 나는 그것들이 내가 생각하는 순간들이라고 생각한다 내가 여기에있어 매우 행복하다 그리고 내가이 큰 사람을 크게 믿지 않는다고해도 – 큰 회의는 우리가 우리 자신을 그리는 것과 같습니다

우린 그냥보고 만난다 이런 종류의 일에서 네트워킹이 가장 중요합니다 그리고 내가 말했듯이, 그 사람과 이야기하는 나, 얘기하는 다른 사람이 여기저기서 안내하는 것입니다 그리고 다른 사람들이 나를 안내 해준다 그들은 ~한다

그래서 나는 정말로 이것들이있다 큰 컨퍼런스의 가치는 콘텐츠가 변하지 않을 것입니다 그래서 저는 생각합니다 우리는 더 많은 것을 할 필요가 있습니다 나는 이것이 단지 하나의 인다 바가 아니라고 생각한다

그런 식으로 더 있어야합니다 왜냐하면 그러한 10 억 인구와 거대한 크기 때문에, 하나의 회의는 단지 – 그래서 난도가 말한 것처럼, 정말로, 우리는 증가 할 필요가 있습니다 세계적인 경쟁자를 가져와야한다 이 재능을 볼 수있게 공정한 협력, 그 사람들 여기서 강조 할 수있는 놀라운 것을 할 수 있습니다 어쩌면 삶을 바꿀뿐만 아니라 아프리카 사람들의 삶뿐만 아니라 세상 사람들의 삶을 우리에게는 많은 통찰력이 있기 때문입니다

그리고 그것은 Neil Turok이 생각하는 것입니다 우리가 정말로 성장할 수있는 기회가 있다면, 다르게 문제를 보았 기 때문입니다 그것이 우리의 선물입니다 그래서 우리는 그 일과 경쟁 할 수 없습니다 그것은 우리의 실제적인 자원입니다

고마워요 OK, Jessica, 너는 어때? JESSICA PHALAFALA : 예, 아마도 세 가지를 말할 수 있습니다 첫 번째 작업 중 하나는 코딩 실험실입니다 세션이 매우 유용했습니다 나는 당신이 말했듯이, 그 분야에서 새로운 사람들, 다른 주제에 대한 노출을 제공합니다

CNN, RNN에서부터 깊이있는 피드 포워드 모델까지 그것은 당신에게 필요한 노출을 제공합니다 그래도 아직 진행 중이라면 제점을 식별하고 제점을 계발하십시오

둘째, 산업계에보다 확고한 사람들에게는, 나는 그들이 보는 것 또한 위대하다고 생각한다 학생들이 무엇을 배우고 있는지, 그리고 다른 연구자들 일어나고있어 나는 학생들이 학생들을 위해서도 좋은 시간이되었다고 생각한다 새로운 관계, 나는 부부를 안다 공동 수퍼바이저를 실제로 찾은 사람들의 회의 도중, 그것은 위대합니다

잠재적 감독자를 확인한 사람들도 있습니다 그래서 그것은 훌륭합니다 그리고 학생들도 마찬가지입니다 소규모 Indabas를 가져 오는 방법에 대한 아이디어가 떠오르고 있습니다 농촌 지역으로, 내가 말했던 것처럼, 나는 폴로 크와 네에서 태어났다

그리고 이것은 부분적으로 큰 관심의 대상입니다 [NON-ENGLISH]라는 재단의 그리고 우리는 낮은 규모로 이것을합니다 이렇게 뭔가가 우리에게 동기를 부여합니다 현재 방법을 변경하는 방법에 대한 영감을줍니다 우리가 공동체로 돌아갈 때 우리가 사용하고있는 일주일 만에이 대회는 많은 것을 성취 할 수 있습니다

그래서 이것은 우리가 영감을 얻고, 학생으로서, 무엇에 관해서 공동체에 돌려주고 싶은가? 그렇게하는 가장 좋은 방법은 무엇입니까? 최고로부터 배우기 농촌 지역에서 실험실 세션을 운영하는 방법, 실험실이 많지 않습니다 사실, 내가 간 적이있는 농촌 지역, 학생들은 컴퓨터에 노출되지 않습니다 그래서 그것은 효율적으로 지역 사회에 환원하는 법을 가르쳐줍니다 이 회의가 1 주일 이내에 이것을 할 수 있다면, 우리가 지역 사회로 다시 돌아가도록 고무시키고 있습니다

학생들의 삶을 바꾸기 위해 일주일이 걸릴 수도 있습니다 그 표현을 그들에게 준다 그가 말하고있는 것이었다 멜라니 워릭 : 훌륭합니다 좋아, 마지막 질문이야

몇 마디로 나에게 말해 줄 수 있니? 핵심 리소스가있는 경우 당신의 경험이 무엇인지에 근거하여 추천 해 주시겠습니까? 그리고 내가 아닐 수도있는 다른 것들 당신이 당신을 우리가 마무리하기 전에 만져 봤어 제시카, 너 시작하지 그래? 제시카 파 랄 팔라 : 좋아, 한가지 그건 나를 위해 매우 유용했습니다 당신이 순수한 수학에서 움직이는 사람이라면, 또는 순수한 통계적 배경, 나는 Coursera는 시작하기에 좋은 장소라고 생각합니다 당신이 사적인 공간에서 실제로 배우기 때문에, 학습에 제한이 없습니다 나는 여러 가지 과정을 밟았다

일부는 11 주, 정말 그 시간을 줄일 수 있습니다 네가 정말로 집중한다면 그리고 그들은 당신에게 노출을 줄 것입니다 – 기계 학습 과정처럼 다양한 알고리즘에 대한 노출을 제공합니다 그래서 당신이 현장에 처음 온 사람이라면, 쿠세 사, 웹 사이트로 가서, 사용할 수있는 다양한 옵션을 탐색하십시오 그리고 그것은 당신에게 훨씬 더 많은 노출을 줄 것입니다 아마도 한 학기 코스보다

그렇게 확실히 그리고 그래, 그리고 분명히, 항상 가장 관심있는 분야의 논문을 살펴보십시오 좋은 출발점입니다 항상 좋은 출발점입니다 고마워요

YABBY FANTAYE : 그래, 나는 내가 말할 것이라고 생각한다 나는 그것들이 훌륭한 자원이라고 생각한다 그리고 많은 온라인 코스가 있습니다 그것들은 매우, 아주, 아주 좋고, 사람들 변명의 여지가 없어 주요 문제는 언어 일 수 있습니다

가나의 Google AI와 다른 사람들이 시도하는 것은 무엇입니까? IBM과 IBM은 또한 일하고 있습니다 그래서 그들은 사람들 사이의 격차를 해소하려고 노력하고 있습니다 이해하지 못하는 사람 하지만 다른 하나는 다른 리소스를 언급한다면, [INAUDIBLE] 페이지는 매우 때로는 몇 가지 복잡한 개념을 쉬운 방법 그래서 나는 그것들이

나는 그 링크를 거기에 넣을 것이라고 생각한다 그리고 네 MELANIE WARRICK : 그것들은 위대한 것들입니다

그리고 조언의 마지막 말은 위험을 감수하고 있습니까? YABBY FANTAYE : 네, 우리가 필요하다고 생각합니다 전에 시도되지 않은 방향으로 가야한다 멜라니 워릭 : 나는 그것을 좋아한다 YABBY FANTAYE : 그렇지 않으면, 우리는 일하는 사람들을 알아, 그래서 멜라니 워릭 : 새로운 방향을 시도해보십시오 JESSICA PHALAFALA : 새로운 방향을 시도하십시오 멜라니 워릭 : 두 분 모두 고마워요 오늘 나와 함께하기에 아주

정말 감사 YABBY FANTAYE : 정말 고마워요 제시카 파 랄 팔라 : 고마워, 멜라니, 우리를 가져 주셔서 감사합니다 멜라니 워릭 : 다시 고마워, Yabebal과 Jessica는 Podcast에 와서, AI 연구에 대한 통찰력을 공유하십시오 당신이 그 지역에서하고있는 것과 다른 그룹들, 그리고 무슨 일이야

그래서 우리는 당신이 포드 캐스트에와 주셔서 감사합니다 MARK MANDEL : 예, 정말 고마워요 MELANIE WARRICK : 마크, 클러스터 자동을 사용하고 있다면 Kubernetes 또는 GKE 용 스케일러 클러스터에서 특정 노드를 제거하지 못하게 할 수 있습니까? 축소 할 때? MARK MANDEL : Kubernetes의 클러스터 자동 스케일러 내가 최근에 파고 들었던 것입니다 실제로 정말 멋진 기술입니다 그 점에서 당신이하는 일은 포드를 점점 더 많이 만들면서 본질적으로 모든 메커니즘, 배포를 통해 또는 다른 것들을 발견하면, 그렇지 않다면 해당 포드가 존재할 수있는 충분한 공간, 노드를 추가합니다

추가 한 특정 한도로 그래서, 오, 당신은 지금 1,000을 얻었습니다 그러니 그 자리가 있는지 확인합시다 그리고 노드를 적시에 추가 할 것입니다 그리고 만약 당신이 닮았다면, 오, 나는 단지 100이 필요합니다 또는 나는 1,000을 가지고 있었고, 다시 그것을 다시 스케일링 할 것입니다

매우 시원한 누구나 그러나 몇 가지 시나리오가 있습니다 당신은 그 노드를 제거하지 않아도되고 싶을 수도 있습니다 지금은 상당히 자의적입니다 그것이 제거하는 것의 – 그것은 단지 확신합니다

당신이 필요로하는 것들을위한 여지가 아직 남아 있다고 그런 것들 그것은 빈 것을 죽일 것입니다 그러나 실제로 클러스터가 자동 스케일러는 특정 노드가있는 경우뿐만 아니라, 어쩌면 당신은 데몬을 켜고있을 것입니다 또는 특정 하드웨어를 특정 작업에 사용하고있는 경우 당신은 그것이 기각되지 않도록하고 싶습니다 흥미로운 몇 가지 방법이 있습니다

당신은 이것을 할 수 있습니다 그리고 저는 이것이 실제로 정말로 멋지다고 생각합니다 따라서 노드 레벨에는 추가 할 수있는 주석이 있습니다 기본적으로 축소 된 장애인은 사실입니다 그래서 특정 노드에 추가하면, 그냥 갈거야, 아니, 나는 그걸 만질거야

괜찮아 나는 상관 없다 그러나 주목할 가치가있는 다른 것은 때때로 있습니다 어떤 노드를 막으려하는지 알지 못할 수도 있습니다 없애 버릴 수 있습니다

실제로 당신이 할 수 있기를 원하는 것은 말할 수 있습니다, 이 특별한 포드가 있으면 특정 노드에서 그 노드를 죽이지 마십시오 그래서 당신도 실제로 그렇게 할 수 있습니다 – 나는 최근까지 이것을 깨닫지 못했다 그리고 나는 이것이 정말로 시원한 것이라고 생각했다 주석을 추가하는 경우 저장 한 후 창에서 false를 제거하고, 켜져있는 노드, 클러스터 또는 스케일러 그걸 제거하지 않을거야 어느 쪽도 멋지다

뿐만 아니라 여러 가지 제한이 있습니다 우리는 쇼 노트의 FAQ에 링크 할 것입니다 그것은 포드 중단 예산에 관한 것들에 대해 이야기 할 것입니다 그리고 다른 몇 가지 그러나 나는 클러스터가 자동 스케일러는 당신에게 그런 종류의 통제권을주었습니다

노드 레벨과 포드 레벨 모두에서, 그것이 축소 될 때하는 일을 제어 할 수 있어야합니다 일반적으로 축소하기 때문에 까다로운 문제입니다 좋았어 그 통찰력에 감사드립니다 좋아, 마크, 다음 주 어디로 갈거야? 마크 맹델 : 다음주에는 어디에서 갈 계획입니까? 멜라니 워릭 : 이번 달에 너 어디로 갈거야? [웃음] MARK MANDEL : 이번 달에, 저는 – 나는 여전히 그것에 대한 결정을 내릴 필요가있다

10 월에 무슨 일이 벌어지는 지 보겠습니다 하지만 이번 달에 당신이 말한 건 알지만, 정말 흥분 돼서 첫 번째 KubeCon에 갈거야 12 월에 나는 연사로 받아 들여졌다 그래서 한 무리의 사람들을 만나게되어 정말 기쁩니다 KubeCon에서

멜라니 워릭 : 잘 됐네 MARK MANDEL : 너 무슨 일이야? 멜라니 워릭 : 이번 주에 말씀 드리고자합니다 메인에서 Monktoberfest에 그리고 나서 나는 CAMLIS에있을 것입니다 보안, 데이터 회의입니다

다음 주 워싱턴 DC에 있습니다 그것이 계획입니다 마크 멘델 : 환상적입니다 Melanie, 나와 함께 해줘서 고마워 또 다른 podcast를 위해

고마워, 마크 MARK MANDEL : 들어 주셔서 감사합니다 다음주에 모두 보자 [음악 재생]

Here’s some phish-AI research: Machine-learning code crafts phishing URLs that dodge auto-detection

인위적으로 지능적인 시스템이 보안 도구로 탐지를 피하는 것처럼 보이는 피싱 웹 사이트의 URL을 생성하는 것으로 입증되었습니다 본질적으로 소프트웨어는 실제 웹 사이트의 정식 로그인 페이지로 가장 할 수있는 웹 페이지 URL을 제공 할 수 있습니다 실제 웹 페이지는 나중에 계정을 도용하기 위해 입력 한 사용자 이름과 암호를 수집하기 만합니다

지능형 또는 기타 방식의 블랙리스트 및 알고리즘을 사용하여 피싱 페이지에 대한 링크를 자동으로 식별하고 차단할 수 있습니다 인간은 웹 링크가 사기성이 있음을 알 수 있어야하지만 모두가 잘 아는 사람은 아닙니다 Phytank 데이터베이스를 사용하여 Cyxtera Technologies의 컴퓨터 과학자 그룹 인 미국 플로리다에있는 사이버 보안 업체 인 DeepPhish는 이러한 방어 메커니즘을 능가하는 피싱 URL을 생성하는 기계 학습 소프트웨어 인 DeepPhish를 구축했습니다 "지능형 알고리즘을 통해 지능형 탐지 시스템은 패턴을 식별하고 피싱 URL을 탐지 할 수있었습니다 7 %의 정확도로 방어 팀에게 전투 우위를 제공합니다 "라고 Alexjandro Bahnsen은 이달 초 주장했다 "AI가 공격을 막기 위해 사용된다면, 사이버 범죄자들이 같은 기술을 사용하여 전통적인 AI 기반의 사이버 방어 시스템을 모두 막을 수 있을까?" 교육 팀은 Phishtank에서 수백만 개 이상의 URL을 검사하여 사람들의 자격 증명을 훔치는 웹 페이지를 생성 한 세 명의 다른 피싱 악성 코드를 확인했습니다 팀은 이러한 웹 주소를 AI 기반 피싱 탐지 알고리즘에 제공하여 URL이 시스템을 우회하는 데 얼마나 효과적 이었는지 측정합니다 트리오의 첫 scumbag는 1,007 건의 공격 URL을 사용했으며, 106 개 도메인에서 경보를 설정하는 것을 피하는 데는 7 개만 효과적이었습니다 시간의 69 %

두 번째 사이트에는 19 개 도메인에 걸쳐 102 개의 악성 웹 주소가 있습니다 이들 중 5 개만 위협 탐지 알고리즘을 우회하고 효과적이었습니다 4 시간의 91 % 그런 다음이 정보를 LSTM (Long-Short Term Memory Network)에 입력하여 일반 구조를 학습하고 악의적 인 URL에서 기능을 추출합니다 예를 들어 두 번째 위협 요소는 일반적으로 "tdcanadatrustindex html "이 포함되어 있습니다 효과적인 URL의 모든 텍스트는 문장을 작성하고 벡터로 인코딩되어 LSTM으로 입력되며 이전 LSTM에서 주어진 다음 문자를 예측하도록 훈련되었습니다 시간이 지남에 따라 입력으로 사용되는 유사 URL 목록을 시뮬레이트하기 위해 텍스트 스트림을 생성하는 방법을 배웁니다

DeepPhish가 첫 번째 위협 행위자의 데이터에 대해 교육을 받았을 때도 1,007 개의 URL을 만들 수 있었고 그 중 210 개가 탐지 회피에 효과적이었으며 0에서 점수를 올렸습니다 69 %에서 2090 % 두 번째 위협 주체의 구조를 따르면서 102 개의 가짜 URL을 생성했으며 그 중 37 개가 성공하여 기존의 방어 메커니즘을 속일 가능성이 4로 증가했습니다 91 ~ 3628 % 유효율은 매우 높지 않습니다

LSTM이 나오는 이유는 금지 된 문자가 포함 된 효과적인 횡설수설이기 때문입니다 "각 위협 행위자가 만들 수있는 새로운 합성 URL을 통합함으로써 AI 피싱 탐지 시스템을 재교육하는 과정을 자동화하는 것이 중요합니다"라고 연구원은 경고했다 ® 모자 팁, 전주 재판관에게 잭 클라크, 그의 주간 AI 뉴스 레터의 최신판에서 프로젝트를 강조한

Machine Learning Research & Interpreting Neural Networks

[음악 재생] LAURENCE MORONEY : 그래서 크리스토퍼, "커피에 오신 것을 환영합니다" 구글과 함께

" 당신을 만나서 반갑습니다 CHRISTOPHER OLAH : 나를 보내 주셔서 감사합니다 LAURENCE MORONEY : 네가 알고있다 사람들 중 한 명이 – Google Brain에서 일하고 있습니다 기계의 대폭 보급을 위해 당신은 Distill 뒤에 있습니다

배우기 그것에 대해 우리에게 모두 말해 줄 수 있습니까? 크리스토퍼 올라 : 예 아마 두 부분으로 나눠 보았을 것입니다 우리가하는 일이 있습니다 그리고 나서 Distill이 그것을위한 수단이되는 방법이 있습니다

종종 우리는 기술적 부채가 있다는 생각을 가지고 있습니다 권리? 당신은 소프트웨어 만 쓸 수 있으며, 항상 좋은 것을 사용하지는 않습니다 변수 이름을 사용하면 잘 문서화하지 못하고, 너는 너는이 모든 것들로 끝난다 너는 그것을 리팩토링하지 않는다 그리고 귀하의 소프트웨어는 사람들에게 어려움이됩니다 가서 일하며 함께 일하기 나는 실제로 일종의 유사한 것을 생각한다

우리가 일을 잘 설명하지 않으면 연구에서 일어날 수 있습니다 우리가 사물에 대해 생각할 올바른 방법을 개발하지 않는다면, 연구를 계속하는 것이 더 어려워 질 수 있습니다 그리고 그것은 일종의 산이됩니다 사람들이 생각하는 서류들 – 그리고 사람들은 자부심을 가지고 있습니다 그들은, 너도 알다시피, 나는이 세월을 보냈다

올라가서이 산을 오르면 나는 정상에 올라 탔다 그리고 더 많은 연구를 할 것입니다 이 산을 쌓아 라 그러나 저는 종종, 우리는 실제로 더 나은 일을 해냈다 산은 오르기 쉽다

LAURENCE MORONEY : 네 크리스토퍼 올라 : 그래서 무엇을 증류 정말로하려고하는 것은 사람을 태우는 차량을 만드는 것입니다 그런 종류의 일을 할 수 있고, 정말로 그런 종류의 놀라운 일을 인정하고 인정해야합니다 지역 사회에 대한 실질적인 기여로서, 지원을받을 수있는 일종의 일이 될 것입니다 그 일을 더 많이 수행함

LAURENCE MORONEY : 그래서 그것은 마치 진짜로, 두 종류의 세계에서 가장 좋은 것, 맞죠? 크리스토퍼 올라 : 예 LAURENCE MORONEY : 그래서 비 학문적 인 커뮤니티,하지만 그것은 또한 referentiable – 그것이 그 단어라면 – 알다시피, 참조 할 수있는 무언가 학계에서는 두 가지의 장점을 누릴 수 있습니다 크리스토퍼 올라 : 예 벌써 정당했던 많은 것들은 과학 논문의 더 나은 버전, 그러나 그들은 그러한 것으로 간주되지 않았습니다 그래서 저는 Distill이 합법적이라고 생각합니다

허용 차량 – 우리는 또한 사람들에게 도움을 줄 것이라고 생각합니다 이런 식으로 좋은 일을 할 때 그래서 모든 종류의 이상하고 관료적 인 것들이 있습니다 그리고 우리는 우리의 모든 t를 교차 시켰습니다 우리 전부 야

또한 Distill의 동료 리뷰 – 이 과학 저널 그것은 상호 작용 다이어그램으로 가득한 과학 저널을 제외하고는 우리가 정말로 정말로, 만약 누군가가 매우 학문적 인 스타일로 글을 쓰고 있다면, 우리는 그들로 하여금 그것들을 조금 덜 노력하도록 격려할지 모른다 어떤 의미에서 종이가 무엇인지를 뒤엎고, 나는 가능한 것을 탐험하는 것이 좋다고 생각합니다 LAURENCE MORONEY : 맞아 제 개인적인 관점에서 이야기하겠습니다

그리고 그것은 제가 오랫동안 학계를 벗어났다는 것입니다 저는 소프트웨어와 소프트웨어 분야에서 일해 왔습니다 개발, 그 종류의 물건 그러나 기계 학습을 시작한 이래로 물론 점점 더 많은 논문을 읽어야합니다 그리고 내가 그 논문들을 읽을 때, 곧 내가 수학 표기법에 들어가기 시작하면, 그리고 sigmas, 그리고 phis, 그런 종류의 물건, 내 뇌의 일부 잠들기 시작합니다

그리고 그것은 그것을 이해하지 못하는 것이 아닙니다 그것은 나에게 너무 외계인이다 과거에는 너무 길다 그리고 당신은 산의 이미지를 사용했습니다 그리고 그때 나는 3/4의 길을 걷는 것과 같았습니다

산 이제 저는 산기슭에 있습니다 그리고 다시 등반하는 것은 많은 노력입니다 그래서 Distill과 같은 무엇인가 당신은 Distill과 함께 해왔습니다 개인적으로 나에게 위대했다

나는 정말로 시작할 수있다 몇 가지 개념을 파악할 수 있습니다 그 개념에 대해서 말하면, 루시드, 맞지? 그래서 나는 당신이 루시드를 유포하기 위해 디 스틸을 사용하고 있다는 것을 알고 있습니다 그것에 대해 조금 말해 주시겠습니까? 크리스토퍼 올라 : 예 그래서 저는 이것이 많은 것을 깊은 꿈으로 되돌아 간다고 생각합니다

또는 어쩌면 조금 더조차 많은 사람들이 있지만 우리 중 작은 집단이 있습니다 누구와 함께 일 했나요? 알고있는 몇 년 동안 관심이있다 신경 네트워크는 실제로 어떻게 작동합니까? 어떻게 인간들이 이것을 정말로 이해할 수 있는가? 복잡한 시스템? 몇 년 전에, 우리는 이걸 실제로 가지고있었습니다 우리가 우리는이 모든 기술을 생각해 냈습니다

시각화를 위해 신경망은 무엇이 재미 있다고 생각합니까? LAURENCE MORONEY : 그들은 실제로 무엇을 보나요? 크리스토퍼 올라 : 예 정말로, 나는 그 이미지들에 대해 생각하는 올바른 방법이라고 생각한다 그들은 가장 흥미로운 이미지를 만들려고 노력하고 있습니까? 가능한 한 네트워크를 위해 그리고 그것은 모든 종류의 것들로 가득 차게됩니다 네트워크는 어떤 의미에서 매우 흥미 롭다

그것을 활성화합니다 그래서 개 굼벵이로 가득 차고 그 밖에 무엇이 있는지 압니다 그리고 그것은 많은 재미입니다 그리고 그것은 심지어이 예술적 운동이되었습니다 회색 지역 재단에서이 행사가있었습니다

사람들이 예술품을 경매하는 곳 그것은 깊은 꿈으로 만들어졌습니다 그리고 나는 어땠어? LAURENCE MORONEY : 이것은 위대합니다 CHRISTOPHER OLAH :이 일은 내가 관련된 일이었습니다 처럼– 일을하고있는 진정한 예술가가 있습니다 LAURENCE MORONEY : 당신이 그 중 일부를 가지기를 바랍니다

[웃음] 크리스토퍼 올라 : 그들은 너무 비싸서 살 수 없었다 깊은 꿈, 나는 흥분의 일부라고 생각합니다 이것에 관해서는이 모든 예술입니다 그리고 저는 우리가 정말로 흥분했다고 생각합니다 운 좋게도이 모든 놀라운 비디오가 있습니다

하지만 그 외에도 우리는 그것은 또한 정말로 무슨 일이 일어 났는지 이해하려는 시도였습니다 신경망 안에 들어가

LAURENCE MORONEY : 맞아 CHRISTOPHER OLAH : 그리고 거기서 멈추지 않았습니다 우리는 이것을 계속 많이 생각했습니다 그리고 약 1 년 전, 또는 몇 달 전에, 우리는이 기사를 feature에 게시했다 실제로 탐구하고있는 시각화, 우리가 개발을 시작한이 기법들을 어떻게 활용할 수 있을까요? 딥 드림과 함께 가서 도구로 바꾸어서 재미있는 이미지를 만들려고하는 대신, 실제로 개별 뉴런 네트워크에서 찾고 있습니다

초기 레이어에서 가장자리를 찾고 있습니다 그리고 텍스쳐를 찾기 시작합니다 그런 다음 텍스처를 사용하여 설명합니다 줄무늬, 푹신한 공, 로고와 같은 단순한 패턴, 육각형, 원의 집단 등이 있습니다 나는 구형과 비슷한 퍼티처럼

그리고 그것들은 객체의 단순한 부분으로 바뀝니다 버튼 감지기 또는 꽃처럼 검출기, 또는 플러 프 (fauff) 검지기 또는 버블 검출기, 또는 체인 검출기, 또는 코 검출기를 포함 할 수있다 그리고 그것들은 부분적인 물체로 변합니다 건물의 같은 부분이나 주위를 걷는 사람들, 또는 헬멧, 또는 플로피 귀를 가진 개, 그리고 거의 곤충 같은 것들 LAURENCE MORONEY : 맞아

크리스토퍼 올라 : 그리고 그것은 정말 흥미 진진했습니다 전이 그리고 그것은 우리가 많이 들떠 나온 결과였습니다 딥 드림 (Deep Dream)에 대한 아이디어가 있습니다 우리뿐 아니라, 너도 알지? 큰 공동체가 있습니다

누가이 분야에서 정말 흥미 진진한 작업을 해왔습니다 그리고 우리는 인프라 구축 정말, 우리에게 끝은 단지 수단 일뿐입니다 그 일이 우리에게주는 것은 그것이 우리에게 길을주는 것이 었습니다 가서 개별적인 뉴런은 무엇인지 이해하고 네트워크의 개별 뉴런, 그래서 플로피 귀를 감지하는 개별 뉴런 이게 뭐야? 하지만 그때 우리가 요즘하고있는 일은 우리가 가서 그걸 한 걸음 더 나아가고 있니? 가서 어떻게 말할까요? 다른 것들과 함께 빌딩 블록으로 네트워크가 어떻게 의사 결정을 내리는 지 실제로 탐색하려고합니까? 그래서 간단한 예제부터 시작하겠습니다

그래서 여기에 우리는 이미지가 있습니다 지금 우리는이 래브라도의 이미지를보고 있습니다 리트리버와이 호랑이 고양이 그건 분명히 고양이의 한 종족입니다 LAURENCE MORONEY : 그들은 호랑이 고양이라고 부릅니까? 크리스토퍼 올라 : 예

내 말은 진짜 호랑이가 있고 호랑이 고양이도 있습니다 어쩌면 그들이 가지고있는 것 같아요 그 (것)들 또는 무엇인가 줄무늬 그러나 너는 tabby 고양이가있는 것처럼, 너도 알다시피, 당신은 호랑이 고양이가 있습니다 분명히 그것은 호랑이 고양이입니다

나는 알지 못했을 것이다 LAURENCE MORONEY :하지만 네트워크는 그렇습니다 크리스토퍼 올라 :하지만 네트워크는 그렇습니다 정말 대단합니다 사실, 그게 래브라도라는 걸 몰랐을거야

리트리버 중 하나 네트워크 – 정말로, 그것은 경이로운 것입니다 그것은 개를 100 종 이상으로 분류합니다 그리고 나는 심지어 100 종의 종의 이름을 모른다 혼자가는 길을 가르쳐주는 방법은 말할 것도 없습니다

그러나 네트워크는 할 수 있습니다 그리고 당신이 궁금해 할 수있는 한 가지는, 네트워크는 어떻게합니까? LAURENCE MORONEY : 맞아 크리스토퍼 올라 : 그리고 우리가 볼 수있는 정말 흥미 진진한 한 가지 – 글쎄, 잠깐 이것에 잠깐 들어가 보자 LAURENCE MORONEY : 물론 이죠 CHRISTOPHER OLAH :이 인터페이스는 여기에 있습니다

우리가 가서 벡터를 볼 수있게 해줍니다 그래서 신경망은 이음새 감지기를 실행합니다 이미지의 모든 위치에서 그리고 보통, 그 탐지기들, 그들은 모두 그 종류의 설명을 출력해라 그들이 얼마나 해고했는지 그리고 일반적으로이 소위 활성화 벡터를 얻습니다

그리고 이것은 단지 숫자의 목록 일뿐입니다 그리고 그것은 정말로 불가분합니다 당신은 뉴런 53이 많이 발사하는 것과 같습니다 음, 그게 무슨 뜻 이죠? 그건 나에게별로 도움이되지 않아 그 말은별로 알려주지 않는 군

뉴론 134도 무리를 지었다 그러나 12 번 뉴런은 발사되지 않았습니다 잘 됐네 감사 그건 아무 말도하지 않습니다

LAURENCE MORONEY : 뉴런 12는 나쁜 날을 보내고있었습니다 크리스토퍼 올라 : [요즘] 네 그러나 우리가 할 수있는 것은 그것을 결합 할 수 있다는 것입니다 이러한 기능 시각화를 통해 뉴런이 찾고있는 것을 우리에게 알려줍니다 그리고 우리는 결합 할 수 있습니다 – 우리는 이것을 창조 할 수 있습니다 – 의미있는 사전이라고 부릅니다

우리에게는 이런 것들이 있습니다 뉴런의 이름 그들은 우리에게 일종의 시각적 인 상징을 준다 그들이 찾고있는 것을 묘사하는 그들이 얼마나 많이 발사했는지 그리고 그것은 훨씬 더 유익합니다

우리가 여기저기서 그리고 여기 저기를 들여다 본다면, 우리는이 플로피 귀 감지기 뉴런이 정말 강렬하게 발포하고 있습니다 이 신경망 인 GoogLeNet은, 다른 종류의 귀가 어휘가 풍부합니다 그리고 그것은 그것이 동물들을 어떻게 구별하는지에있어서 정말로 큰 부분입니다 그래서 다른 종류의 플로피 귀를 가지고 있습니다 플로피 귀뿐만 아니라 이 긴 플로피 귀는 이 중간 길이 플로피 귀

그리고 모든 종류의 뾰족한 귀가 있습니다 뿐만 아니라 귀와 pointy와 floppy 사이 여기, 우리는 실제로이 두 플로피 귀가 있음을보고 있습니다 꽤 강하게 발사하는 탐지기 정말 재미 있어요

하지만 나에게 완전히 불투명 한 무언가 이러한 기술을 함께 사용하거나 결합하지 않아도됩니다 LAURENCE MORONEY : 맞아 CHRISTOPHER OLAH : 그리고 이것이 우리가하는 첫 번째 일입니다 그리고 우리는 다른 곳을 볼 수 있습니다 여기에 주둥이 탐지기가 있습니다

그건 정말 꽤 강하게 발포하고 있습니다 그리고 우리가 여기로 가면, 이제 우리는 뾰족한 귀 감지기와 고양이 얼굴과 같은 감지기를 보는 것 그리고 그것은 원숭이 탐지기와 거의 비슷합니다 여기 좀 좀 발사 우리가 여기 내려 가면 모피 탐지기와 다리를 본다

발사하는 탐지기 여기 풀밭으로 내려 가면, 잔디 감지기가 있어요 그러나 그들은 매우 강하게 발사하지 않습니다 매우 흥미로운 그리고 우리는 다른 이미지들을 볼 수 있습니다

그래서 여기에 우리는이 동료가 있습니다 선글라스와 나비 넥타이 그리고 나비 넥타이 탐지기가있는 것으로 밝혀졌습니다 그리고 나비 넥타이가없는 목도 있습니다 LAURENCE MORONEY : 나는이 점에 대해 정말로 좋아했다

나비 넥타이와 선글라스가 비슷하게 보였다 권리? 그것은 작은 다리로 연결된 두 개의 어두운 직사각형입니다 크리스토퍼 올라 : 오, 그래 와우 LAURENCE MORONEY :하지만 이것은 실제로 활의 차이를 감지 할 수있다

넥타이, 선글라스 크리스토퍼 올라 : 오, 그래 아뇨, 정말로 알다시피, 여기서 볼 수 있습니다 그리고 그 일의 일부를 볼 수 있습니다 그것은 나비 넥타이 위의 턱을 찾고 있습니다 그리고 단추가있는 셔츠에 대해서도 조금 생각합니다 그 아래에

그래서 다른 말로 큐잉을합니다 그러나 실제로는 꽤 정교한 감각을 가지고 있습니다 나비 넥타이가 무엇인지 또한 수트 탐지기와 다른 목을 가지고 있습니다 탐지기

그리고 네 그리고 여기 얼굴 검출기가 있습니다 그게 대부분 코에 관한 것 같아요 입과 피부 질감 그리고 여기에 선글라스 감지기가 있습니다

나는 모른다 이걸 살펴 봅시다 꽃병 감지기, 몸체의 꼭대기가있는 것으로 밝혀졌습니다 꽃병 감지기의 꽃 탐지기가 있어요

손잡이를 감지하는 데 도움이되는 녹용 탐지기가 있습니다 LAURENCE MORONEY : 얼마나 재미 있어요 CHRISTOPHER OLAH : 노란색 분야 LAURENCE MORONEY : 그리고 그것은 또 다른 일이었습니다 이것 때문에 흥미로웠다

왜냐하면 레몬 이미지의 하단에는 노란색 직사각형이 있고, 상단의 튤립은 노란색 직사각형입니다 크리스토퍼 올라 : 어 – 허 어 허 LAURENCE MORONEY :하지만 그 둘에도 불구하고 매우 유사하여 탐지가 가능합니다 그것들은 다른 것들입니다

크리스토퍼 올라 : 예 사실, 만약 우리가 글쎄, 나는 그걸 두 번째로 갈 것입니다

하지만 다른 것이 있습니다 우리는 흥미로운 것들을 볼 수있다 이 모든 것들이 어떻게 1 초에 함께 플레이하는지에 대해서 하지만 그래 그래서 나는 첫 번째 일이 단지 이게 우리가 이해할 수있게 해줄거야

너도 알다시피, 어떤 뉴런이 발사되는지보기 그리고 무슨 일이 일어나고 있는지보십시오 오, 잠시 돼지를 보여주고 싶습니다 돼지는 무언가의 좋은 본보기입니다 뾰족한 귀 탐지기가 많이 있습니다 나는 조금 움직여야 할지도 모른다

우리가 실제로있는 곳을 찾아야 해 뾰족한 귀 감지기를 모두 터뜨릴 수 있습니다 두 가지가 있지만 더 많은 화재가 발생하는 곳이 있습니다 글쎄, 아마 나는 인내심을 가지지 않을거야 오, 그래, 토끼가있어

여기 알았어 그래서 우리는 뾰족한 귀, 뾰족한 귀, 뾰족한 귀, 그 다음엔 토끼 같은 것 또 다른 종류의 뾰족한 귀와 그것은 말하기를위한이 전체 어휘를 ​​가지고 있습니다 다른 종류의 귀에 대해서

그리고 나는 그런 것을 가지고 있지 않으며, 나는 그것을 좋아합니다 [웃음] 맞아, 그게 첫 걸음이지만, 우리는 가고 싶다 조금 더 당신이 할 수있는 또 다른 일은 당신이 물을 수 있다는 것입니다, 이 모든 뉴런들이 함께 나타내는 것은 무엇입니까? 그리고이 모든 뉴런들이 있습니다 다른 범위로 발사

그리고 만약 우리가 개별 이미지를 시각화하기 위해 이미지를 시각화하려고합니다 모두 함께 네트워크를 집합 적으로 볼 수 있습니다 그 위치에서 보았다 그리고 그걸 함께 꿰매면, 당신은 네트워크가 어떻게 전체 이미지를 보았는지 알 수 있습니다 여기 돼지 나 돼지 등이 있습니다

그것은, 또는 우리의 고양이와 우리의 개입니다 그리고 당신은 볼 수 있습니다, 정말로 여기 귀와 주둥이를 보았습니다, 고양이 머리, 다리, 잔디, 여기 꽃병의 꼭대기에 손잡이, 꽃, 그리고 레몬은 여기 아래로, 및 백그라운드에서 나무 표면 아니면 여기에 사슬에 새가 있습니다 그리고 그것은 새의 부리와 깃털을 실제로 봅니다 사슬과 이것 모두

제 말은 재미있는 일입니다 LAURENCE MORONEY : 꽤 놀라워 크리스토퍼 올라 : 그러면 우리는 실제로 더 나아가십시오 그리고 이러한 네트워크가 작동하는 방식은 기억하고 있습니다 여러 개의 레이어가 있습니다

그들은 그들의 이해를 구축한다 레이어의 무리를 통해 처음에는 정말 – 확대 해 보겠습니다 처음에 그들은 정말로 집중하고 있습니다 비교적 단순한 것에

사실, 우리는 첫 번째 레이어를 보여주지 않습니다, 그러나 그것은 정말로 가장자리에 관한 것입니다 LAURENCE MORONEY : 맞아 크리스토퍼 올라 :하지만 여기에 정말 간단한 가장자리 조합, 또는 텍스처의 시작 일 수 있습니다 그러나 우리가 단지 두 개의 레이어를 더 내려 간다면, 우리는 이제 – 여기 중간에있는 레이어를 건너 뛰고 있습니다 우리는 지금 그것이 실제로있는 곳에서이 일을합니다

텍스처가 훨씬 풍부 해졌습니다 그리고 3D 구조가 약간 생기기 시작합니다 그리고 조금 더 아래로 가면, 이제 우리는 사슬과 부리를보고 있습니다 그리고 조금 더 나아가면, 그것은 일종의 추상이되고, 그리고 그것은 일종의 새와 사슬입니다 그리고 마찬가지로, 우리가 간다면 – 개를 보자

나는이 개와이 고양이를 좋아한다 그래서 여기, 다시, 매우 간단한 패턴들 – 정말로 주로 가장자리에 대해서 그러나 당신은 한 걸음 나아가 자 모피 텍스처가 있습니다 잔디 텍스처가 있습니다 이 3D 구조가 실제로 어디에서 볼 수 있습니다

경계와 표면이 조금 있습니다 그런 다음 다른 단계로 나아가고 있습니다 눈도 이해하고 하지만 지금은 정말 주둥이가 있어요 눈, 귀, 다리

그래서이 점프를 실제로 볼 수 있습니다 정교한 이해 당신이 올라갈 때의 물건 LAURENCE MORONEY : 그리고 이것은 Distill의 마법의 일부입니다 권리? 따라서 이것은 단지 건조한 학술 논문이 아닙니다 그것에 삽화와 함께

우리는 당신이 그것과 상호 작용하는 것을 볼 수 있습니다 뉴런이 실제로보고있는 것을 실제로 볼 수 있습니다 그리고 그것에 직접 참여하는 것 그래서 나에게 무슨 일이 일어나고 있는지 더 많은 것을 배울 수있었습니다 크리스토퍼 올라 : 예

나는 단지 무언가가 극단적으로 있다고 생각한다 사람들이 있잖아, 내 머리 속에는이 그림들이있어 실제로 두 가지 흥미로운 일들이 일어나고 있다고 생각합니다 그래서 제가 가지고있는 사진들이 있습니다 그리고 실제로 인터페이스로 변환함으로써, 나는 그 그림들을 사물들로 구체화 할 수있다

나는 내 직관을 실제로 시험 할 수있다 그리고 그것은 생각의 일부를 벗어날 수 있습니다 내가 무슨 일이 일어날 지 상상해 봤어 네트워크에서 진짜로 그것을 reifying, 진짜로 그것을 내가 상호 작용할 수있는 것으로 바꾸어 놓았다 그리고 나 자신을 위해 그것을 얻을뿐만 아니라, 그러나 나는 다른 사람들과 그것을 나눌 수 있습니다

그래서 그들은이 물건을 보게됩니다 어떤 사람이 평상시보다 더 깊이 생각하고 생각한다 결과가 나에게만 전달되는 것이 아니라, 하지만 저는이 사고 방식을 정말로 공유하고 있습니다 이러한 유형의 문제와 상호 작용합니다 그리고 나는 그것이 정말로 정말로 흥미 롭다고 생각합니다

LAURENCE MORONEY : 네 내 말은, 두 가지 수준의 불투명도가 있기 때문입니다 기계 학습, 맞지? 우선 무엇보다 먼저 배우는 것이 있습니다 그것은 이미 불투명하다 그리고 두 번째로, 당신이 모델을 다룰 때, 블랙 박스 맞지? 이 일에 훈련 된 그래프가 있습니다

당신이 사진을주고, 너는 그림 속에있는 것들을 따라서 소스 코드가 마음에 들지 않습니다 열어서 한 걸음 물러서서 무슨 일이 일어나고 있는지 볼 수 있습니다 그래서 두 레벨의 불투명도 사이에서, 누군가가이 일에 참여하기 란 정말 어렵습니다 그리고 그것을 배우기

그리고 내가 이것에 관해 좋아하는 것은 이것이 열리는 것에 금이 가고 있다는 것입니다 그 둘째 그래서 나는 무엇이 진짜인지 볼 수있다 네트워크에서 일어나는 일들을 이해하고 네트워크, 그리고 나중에 빌드하는 데 도움이됩니다 그리고 나 자신의 네트워크를 조정해라

그것은 매우 담담하다 이제 Lucid Lucid는이 그림에 어디에 들어 맞습니까? 권리 그래서이 모든 것들을 통해 우리는 이러한 모든 도구를 구축했습니다 우리는 많은 인프라를 구축 해왔다

그것과 함께 가기 그래서 우리가 실제로하는 것들 중 하나가 이 논문에 흥미가있어 우리는 또한 모든 인프라를 오픈 소싱 우리는이 연구를하기 위해 만들어진 것입니다 따라서 첫 번째 기능 시각화 내가 보여주고 있던 기사는 가서 이미지를 만들어야 해 이렇게하면 뉴런이 찾고있는 것을 시각화 할 수 있습니다 그리고 나서, 가서

알다시피, 그것은 또한이 모든 도구의 기초가되는 것입니다 우리가 여기 있습니다 LAURENCE MORONEY : 그리고 뉴런들 이 중 하나에서, 그들은 단지 뭔가 훈련을 받았습니까? 처음에? 크리스토퍼 올라 : 예

두 기사 모두 Google은이 네트워크 인 GoogLeNet을 사용하고 있습니다 어느 시점에서 최첨단 모델이었습니다 이제 몇 년이 지났습니다 하지만 우리가 잠시 표준 테스트로 사용했던 테스트 중 하나입니다 시각화를 위해

실제로 그런 것 같아요 뭔가 조금 있습니다 그것에 대해 신비한 것 같습니다 GoogLeNet의 뉴런과 마찬가지로 특히 아이디어에 해당합니다 인간에게 의미있는 것입니다

LAURENCE MORONEY : 알겠습니다 CHRISTOPHER OLAH : 주변에서 놀기 시작하는 것이 재미 있습니다 LAURENCE MORONEY : 차가워 요 시원한 CHRISTOPHER OLAH : 그러나 당신은 갈 수 있고 어떤 모델이든 플러그인 할 수 있습니다

당신이 원하고 시도 하고이 기술을 사용합니다 LAURENCE MORONEY : 좋았어 좋은 크리스토퍼 올라 : 우리는 실제로 각각을 재현하는이 노트 논문에서 다이어그램의 LAURENCE MORONEY : 오, 멋지다 크리스토퍼 올라 : 그러면 당신은 갈 수 있습니다

LAURENCE MORONEY : 손을 잡을 수 있습니다 크리스토퍼 올라 : 그래, 너 그냥 할 수있어 너는 지금이 연속체의 종류가있다 그 종이를 수동적으로 읽으십시오 다이어그램에 참여할 수 있습니다

그리고 한발 더 나아가서 게임을 시작하십시오 이 노트북 중 하나를 사용하십시오 여기에 우리는 이러한 활성화 그리드를위한 노트를 가지고 있습니다 시각화 그리고 나서 당신은 갈 수 있습니다

우리는 놀이터에서 열어야한다고 생각합니다 LAURENCE MORONEY :하지만 예전에는 옛날과 같았습니다 당신은 종이를 읽고, 당신은 이해하려고 노력합니다 그 종이에 뭐가 들어 있었 니? 그리고 당신은 그것을 알아 내려고 노력합니다 그리고 아마도 약간의 소스 코드가있을 것입니다

그리고 그 소스 코드를 가져 가야하지만, 그렇다면 가서 훈련 할 이미지의 데이터 세트를 찾아야한다 그러나 당신은 다른 데이터 세트를 가질 것입니다 종이에있는 사람들보다 그리고이 모든 개념,이 마찰, 이 작은 융기는 당신이 극복해야만합니다 크리스토퍼 올라 : 맞아

이제 우리는이 연속 전환을 어디에서 할 수 있습니까? 당신은 종이를 읽을 수 있습니다, 당신은 같이 될 수 있습니다, 나는이 다이어그램으로 조금 놀고 싶다 그리고 그 일을 시작하십시오 조금 더 나아가서 실제로 시작하고 싶습니다 코드를 가지고 노는 것과 그것으로 노련하기 그리고 정말로 들어가고 싶다면, 우리는 모든 코드의 오픈 소스를 가지고 있습니다

그리고 도서관을 배울 수 있습니다 노트북으로 놀아서 약간, 그리고 가서 LAURENCE MORONEY : 멋지다

그리고 언급했듯이, 당신이 그것을 가지고 놀기를 원한다면, 모든 코드는 오픈 소스입니다 그래서 저는 개발자라고하면서이 물건을 배우고 싶습니다 그리고 지금 시작하고 싶습니다 어디로 갈까요? CHRISTOPHER OLAH : GitHub에서 tensorflow / lucid로 이동하십시오 그것이 우리 저장소입니다

그리고 거기에서 사용법에 대한 자습서에 액세스 할 수 있습니다 노트북을 가지고 가서 놀고 다니는 목록 그 다음 단계는 다음과 같습니다 글쎄, 당신은 몇 가지 아이디어를 생각 해낼지도 모른다 가서 노트북을 가지고 노는 거지

코드를 사용하면 노트북에있는 것과 매우 유사합니다 그래서 너는 너의 자신의 재미있는 것을 쓰기 시작할 수 있었다 그리고 이것도 예술적 목적으로 사용될 수 있습니다 어디에– LAURENCE MORONEY : 차가워 요 크리스토퍼 올라 : 당신은 확실히 할 수 있습니다

뿐만 아니라 전통적인 딥 드림 스타일의 것들을 할 수 있습니다 LAURENCE MORONEY : 또한 증류주에 관한 당신의 논문은 이 비디오에 대한 설명에 링크를 넣어주십시오 크리스토퍼 올라 : 환상적입니다 네 LAURENCE MORONEY : 사람들이 거기에 갈 수 있도록, 그들은 그것을 할 수 있습니다

크리스토퍼 올라 : 예 아마 내가 먼저 할 일은 아마도 내가 그 서류들을 읽을 것 인가 그리고 신문에서, 당신은 갈 수 있고 뛰어 넘을 수 있습니다 노트북에 LAURENCE MORONEY : 맞아

CHRISTOPHER OLAH : 또는 당신이 그들을 읽은 후에, Lucid 저장소를 볼 수도 있습니다 그리고 더 많은 튜토리얼과 그런 것들을 놀아 볼 수 있습니다 LAURENCE MORONEY : 좋아 보인다 고마워, 크리스토퍼 이것은 매우 재미있었습니다

크리스토퍼 올라 : 오, 나의 기쁨 LAURENCE MORONEY : 알다시피, 우리는 괴상한 동안 여기 앉아 있었어 이 물건에 대해, 그리고 내가 좋아하는 일 중 하나입니다 정말 고마워요 이 에피소드를 시청 해 주신 모든 분들께 감사드립니다

"Google 직원이있는 커피" 나에게 궁금한 점이 있거나 크리스토퍼에 대한 질문이 있으면 남겨주세요 아래의 코멘트에서 또한 아래 설명에서 모든 것에 대한 링크가 있습니다 오늘 우리가 말한 다시 한번 고마워요 구독 버튼을 누르는 것을 잊지 마십시오

YouTube에는 TensorFlow 채널이 있습니다 그러니 체크 아웃하십시오 정말 고맙습니다

NVIDIA and Deep Learning Research with Bryan Catanzaro: GCPPodcast 119

[ENERGETIC MUSIC] MARK MANDEL : 안녕하세요 그리고 주간 "Google Cloud"에피소드 119에 오신 것을 환영합니다

플랫폼 팟 캐스트 " 저는 Mark Mandel입니다 저는 항상 제 동료와 함께 있습니다 멜라니 워릭 멜라니, 오늘 어떠니? 나 잘하고있어, 마크

잘 지냈어요? 그리고 오늘 우리와 함께 특별한 공동 호스트가 있습니다 MARK MANDEL : 우리는 오늘 우리와 매우 특별한 공동 주최를합니다 셸롤, 오늘 어떠니? SHEROL CHEN : 나 잘하고있어 데 주셔서 감사합니다 마크 AND델 : 훌륭합니다

우리와 함께 해줘서 고마워 우리는 오늘 엔비디아와 이야기하고 있습니다 실제로 인터뷰에서 정말 흥미로운 토론입니다 멜라니 워릭 : 당연하지 우리는 더 많은 것을 할 것입니다

우리 인터뷰에서 GPU와 AI에 관한 세부 사항 브라이언과 나중에 그러나 우리가 그것을하기 전에, 언제나처럼, 우리는 그 주간의 시원한 것들에 들어갑니다 그리고 우리는 그주의 질문을 가지고 있습니다 이번 주 질문에 우리는 다음과 같이 할 것입니다 이것은 셰롤이 오늘 우리와 함께하는 이유의 일부입니다

우리는 GDC, Game Developers Conference, 우리가 말하는 동안 그 일이 계속되고 있으며, 당신과 Sherol은 참석하고있다 우리는 여러분이 흥미를 느낀 것에 대해 이야기하고 싶습니다 GDC의 베테랑으로서, 당신은 무엇을해야합니까? 새로운 사람이거나 탐구 할 사람에게 권합니다 처음으로 그러나 우선, 언제나처럼, 우리는 멋진 일들에 들어가기를 좋아합니다

금주의 그리고 이번 주 멋진 것들 중 하나 우리는 NVIDIA GPU 인 V100을 가지고 있습니다 그리고 그것은 Google Cloud로오고 있습니다 그것은 모든 클라우드에서 사용할 수 있습니다 모든 Google 구름

MARK MANDEL : 모든 Google Clouds MELANIE WARRICK : 모든 Google Clouds Google Cloud가 많이 있습니다 MARK MANDEL : 네 그것은 많은 구름입니다

MELANIE WARRICK : 많은 구름이 있습니다 MARK MANDEL : 현재 많은 지역이 있습니다 굉장해 내가 작성한 블로그 게시물에 대한 빠른 플러그를 갖고 싶다 우리의 동료 DevRel 회원 중 한 명이 샌프란시스코의 크리스 브로드 풋 (Chris Broadfoot) 동료 호주인 및 포드 캐스트의 게스트 이전에 좋았어

마크 맹델 : 우리가 간다 그는 자동 serverless에 대해 이야기하는 블로그 포스트를 썼다 Google 클라우드 저장소 및 컨테이너를 사용한 배포 작성자 그는 훌륭한 블로그 게시물을 통해 어떻게 이야기하고 있는가? CI 및 CD 파이프 라인을 클라우드 기능, 소스 저장소, 컨테이너 작성자 실제로 실제로하는 것은 쉽습니다

나는 [INAUDIBLE]을 위해 CI 파이프 라인을 위해 그것을했다 너 한테 얼마나 멋진 지 알 겠어 몇 비트의 자바 스크립트로 끝낼 수 있습니다 및 일부 Cloud Builder 스크립트가 있습니다 좋았어

그리고 셸롤, 네가 나누고 싶은게있어? SHEROL CHEN : 오, 그래 마젠타 팀 프로젝트 중 두 개 지난주에 발사가있었습니다 정말 재미 있고 즐거웠습니다 그 중 하나가 연구에 있기 때문에 흥미 롭습니다 기계 학습 및 창의력의 측면, 두 번째 제품은 제품화 단계에 있습니다

창조적 인 기계 – 기계처럼 창의력에 대해 배우기 연구 측면에서는 MusicVAE가 있습니다 그리고 제품 측면에서 NSynth Super, 이것은 오픈 소스 소프트웨어로서 기계 학습 모델을 실행하여 음악 사운드를 생성합니다 멜라니 워릭 : 아주 멋지다 MARK MANDEL : 굉장해

멜라니 워릭 : 우리는 다이빙을해야합니다 나중에 더 자세히 설명하겠다 MARK MANDEL : 마젠타 에피소드를해야 할 수도 있습니다 그게 그래, 우리가 할거라고 생각해 MARK MANDEL : 우리가해야 할 일 멜란 버클릭 : 글쎄, 그래서 마지막 것 우리는 이번 주에 관해 언급하고 싶다 그 주간의 멋진 것들에 대해 건물 위의이 위대한 기사 해석의 블록

그리고 우리는 언제나처럼 쇼 노트에 링크를 공유 할 것입니다 이 기사가 진행하는 것은 다른 기술입니다 사용 및 탐구 된 접근법 기계 학습을위한 해석 가능성, 특히 신경망, 피쳐 시각화, 귀속, 차원 감소 그러나 그것은 그것을보고 있고 시도하고있다 이러한 접근법을 기초로 삼는다

그들을 결합하십시오 특히이 기사에서 유일합니다 그리고 그것은 인간 규모의 방식으로 그것을하려고 노력하고 있습니다 그것이 말하는 것처럼, 인간이 이해할 수있는 것입니다 그래서 우리는 그것을 나눌 것입니다

흥미 롭군 그리고 그래, 나는 그 것이 주간의 시원한 것을 커버한다고 생각한다 MARK MANDEL : 굉장해 우리 친구와 대화를 나눠 보는 건 어때? NVIDIA에서 멜라니 워릭 : 좋아

MARK MANDEL : 그렇게 해보자 그래서 이번 주 팟 캐스트에서 우리는 우리와 함께하게되어서 기쁘다 Bryan Catanzaro, 누가 NVIDIA에서 Applied Deep Learning Research의 부사장입니다 BRYAN CATANZARO : 이봐 안녕하세요 안녕하세요

안녕하세요 그래서 브라이언, 너 자신에 대해 조금 이야기 해 줄 수 있니? 그리고 지금하고있는 일, 당신이 과거에 한 일 이요? BRYAN CATANZARO : 물론입니다 그래서 NVIDIA에서 연구원 팀을 이끌고 있습니다 깊은 학습을 통해 집중력을 키우는 데 중점을 둡니다 NVIDIA의 제품이 더 좋고 NVIDIA의 프로세스가 더 좋습니다

그래서 우리는 여러 가지 방법을 찾고 있습니다 많은 다른 영역에서 AI를 사용하는 것, 비디오 게임에서부터 칩 디자인에 이르기까지 모든 종류의 것들 사이 따라서 AI 응용 프로그램에서 작업하는 것이 흥미로운시기입니다 기다리고있는 해변에 많은 다이아몬드가있어 사람들이 데리러 와서 바꾸기 우리가하는 일

그래서 꽤 흥미 진진한 프로젝트입니다 멜라니 워릭 : 당연하지 그리고 NVIDIA의 관점에서 볼 때, NVIDIA가 앞서가는 길을 알고 있습니다 GPU에 관해서 그리고 GPU는 그와 같은 중요한 역할을했습니다

깊은 학습 공간과 게임 공간에서 우리는 이것에 대해 이야기하고있었습니다 사실, 우리가 팟 캐스트를 시작하기 바로 전에, GPU에 대한 NVIDIA의 전략이 얼마나 인상적 이었는지 특히 지난 몇 년 동안 혼자 변화했다 그리고 그 말을 조금 할 수 있니? BRYAN CATANZARO : 알다시피, 나는 NVIDIA가 항상 가지고 있다고 생각합니다 GPU는 처리량 지향적 인 것으로 믿고있었습니다 프로세서는 게임을 넘어 세계를 변화시킬 것입니다

그리고 10 년 전, NVIDIA 우리 언어 인 CUDA에 투자하기 시작했습니다 프로그래밍을위한 일종의 생태계 처리량 중심의 컴퓨터입니다 그리고 처음에는 조금 덜 확신했습니다 어떤 애플리케이션이이 힘을 필요로하는지, 그리고 실제로 세계에서 바뀔 것입니다 우리가 알고리즘에 대해 생각하는 새로운 방식을 가졌기 때문에 및 계산

그러나 나는 그 믿음이 일관 적이라고 생각한다 그리고 초점은 오랫동안 거기에있었습니다 깊은 학습이 가장 중요한 일이되었습니다 높은 처리량이 필요한 모든 애플리케이션 계산 그리고 일단 NVIDIA가 그것을 본다면, 그것은 기본적으로 순간적이었습니다

전체 회사가 그것에 붙였습니다 그들은 이것이 우리의 기회라는 것을 깨달았 기 때문에 차이를 만들 수 있습니다 그리고 저는 그 일에 조금 참여했습니다 나는 첫 번째 사람들 중 한 명이었다 2012 년 엔비디아 리서치 (NVIDIA Research)에서 깊은 학습을 위해 노력하고 있습니다

그리고 우리는 재미 있고이 연구 프로젝트를하고있었습니다 그리고 많은 연구 프로젝트와 마찬가지로, 나에게는 분명하지 않았습니다 당시 이것이 재미있을 지 여부, 또는 이것이 무언가가 될 것인지 그것은 정말로 세상을 바 꾸었습니다 그러나 우리의 작업에 대한 관심은 정말 놀랍습니다 결과는 좋았고 사람들은 그것에 많은 관심을 기울이기 시작했다

그리고 저는 NVIDIA에서 많은 사람들과 만나기 시작했습니다 그리고 그들은 보았습니다 회사 전체가 봤어 – 좋아, 와우, 이것은 우리에게 정말로 큰 것일 수 있습니다 그래서 모든 사람들이 그 위에 걸었습니다 멜라니 워릭 : 당신은 특정 시간을 기억합니까? 당신이 눈에 띄는 연구를 할 때 너에게, 너를 만들어 줬어, 오, 와우

이게 훨씬 더 많아 내가 기대했던 것보다 충격적 이었어? 또는 마음에 오는 특정 순간? MARK MANDEL : 네 그래서 주목을 끌었던 것들 중 하나는, 우리는 2013 년에 ICML에서 논문을 발표했습니다 그리고 이것은 제가 연구자 그룹과 협력하는 것이 었습니다 Adam Coates와 Andrew Ng를 포함한 Stanford에서 우리는 감독되지 않은 학습에 접근 할 수있었습니다

실제로 Google Brain 팀에서 개척되었습니다 Quoc Le에 의해, 우리는 멀리, 컴퓨터 수가 훨씬 적습니다 그래서 Quoc은 2012 년에이 백서를 발표했습니다 그리고 그는 1,000 노드와 같은 것이 필요했습니다 이 모델을 훈련시키기 위해서

그리고 우리는 세 노드를 사용하여 모델을 훈련시킬 수있었습니다 GPU와 조금 더 효율적인 소프트웨어 더 많은 HPC 중심 그래서 우리는이 논문을 ICML에서 출판했습니다 그리고 사람들은 마치, 와우, 이것은 정말로 흥미 롭습니다 그것은 그 일을 민주화하기 때문입니다

깊은 학습을하는 경우 당신은 1,000 대신 3 개의 노드로 할 수 있습니다 할 수있는 사람들의 수 이 기술을 새로운 문제에 적용하기 시작하십시오 극적으로 올라간다 그리고 그것은 주목을 많이 끌었습니다 멜라니 워릭 : 그리고 확인하기 위해, 네가하고있는 일에 대해 이야기하고있을 때, 이것은 cuDNN입니다

BRANAN CATANZARO : 실제로 이것은 cuDNN이 존재하기 전이었습니다 그래서 저는 아담과 앤드류와 함께했습니다 그리고 그것은 정말로 흥미 롭습니다 그리고 나는 더 깊은 학습 연구자들과 이야기하기 시작했습니다 그리고 실제로, 내가 cuDNN을 만들기 위해 영감을 준 사람 Rob Fergus는 뉴욕의 한 교수였습니다

University, Yann LeCun의 공동 작업자 중 한 명 Rob은 현재 Facebook에 있다고 생각합니다 그리고 롭은 우리가하고있는 것처럼 보였습니다 이러한 모든 길쌈 모델은 항상 그렇습니다 그리고 우리는 우리 자신의 회선을 썼습니다

그러나 우리는 그들을 빨리 만드는 일이 많다고 생각합니다 그리고 NVIDIA GPU는 항상 바뀝니다 NVIDIA가 혁신하는 주요 방법, 아키텍처를 개선하는 것입니다 그렇다면 소프트웨어가 새로운 아키텍처에 적응해야합니다 그래서 롭이 나 한테 말했어

이 커널에서 너무 많은 시간을 보내고 있습니다 우리는 NVIDIA가 그것을 위해 라이브러리를 만들어야한다고 생각합니다 그리고 나는 생각했다 예, 좋은 생각입니다 그래서 저는 NVIDIA의 나머지 부분을 설득하는 데 착수했습니다

그들이이 제품을 만들어야한다고 그리고 약간의 작업이 필요했습니다 그래서 내가 그들을 납득시키는 동안, 나는 단지 연구 프로토 타입 코드를 작성하기 시작했습니다 그리고 대화가 진행되면서, 물건은 더 콘크리트를 얻었다 그리고 마침내 사람들은 비전을 포착했습니다

그렇습니다 우리는 이것을 산출해야합니다 그리고 그것은 cuDNN이되었습니다 MARK MANDEL : 정말 멋집니다 우리가 전에 포드 캐스트에서 말했듯이, 멜라니는 ML 전문가입니다

그리고 나는 그 사람의 일종이다 멜라니 워릭 : 당신은 게임 전문가입니다 MARK MANDEL : 수학을 간신히 이해합니다 이 생태계에 익숙하지 않은 사람들에게, 어쩌면 당신은 더 좋아해요, 엔비디아도 아니겠습니까? 게임 카드를 만드십시오 BRYAN CATANZARO : 우리는 그렇게합니다

MARK MANDEL : 그런데 어떻게 그렇게 할 수 있겠습니까? 그 경로는 무엇입니까, 저는 그래픽 카드가 있습니다 나는 그것이 그래픽만을위한 것이라고 생각했다 왜 그것이 또한 적용 가능한가, 또는 어떻게 또한 적용 가능한가, 강렬한 수학적으로 보이는 것을하는 것 계산? BRYAN CATANZARO : 3D 게임에서 그림을 그릴 때, 당신은 본질적으로 많은 프로그램을 실행하고 있습니다 모든 픽셀이 어떻게 생겼는지 그리고 수년에 걸쳐, 그 프로그램 기대했던대로 더 복잡 해졌고 또한 훨씬 더 유연합니다

GPU는 매우 고정 된 기능의 기계였으며, 네가 삼각형 목록을 줬을 때 그것을 래스터 화했다 하지만 요즘에는 복잡한 조명과 텍스처링을해야합니다 그리고 반사 등등 프로그램을 작성함으로써 이루어 지지만, 매우 평행 한 프로그램입니다 실제로 워크로드가 현대 게임에서 종종 – 대부분의 시간은 컴퓨팅 프로그램을 실행하는 데 소비됩니다 기존의 그래픽 워크로드를 실행하는 것이 아닙니다

그리고 진화가있었습니다 더 많은 유연성과 더 많은 것을 향한 그래픽 병렬 컴퓨팅, 고정 기능이 적은 그래픽 등이 있습니다 그래서 GPU는이를 지원하기 위해 진화해야했습니다 동시에 높은 처리량의 병렬 처리가 가능하다면 임의 계산을 위해 사용될 수있는 프로세서, 당신이 그걸로 할 수있는 많은 것들이 있습니다 AI를 포함하여

멜라니 워릭 : 글쎄, 나는 궁금해 어떻게 병렬 처리에 참여 했습니까? 계산? 무엇이 당신이이 길을 걸어가는 데 영감을 주었습니까? BRYAN CATANZARO : 제가 대학생이었을 때, 저는 인텔에서 인턴쉽을했습니다 그리고 저는 회로 설계 작업을하고있었습니다 그리고 저는 정말로 빠르고 간단한 회로를 만들었습니다 10 기가 헤르쯔처럼 달릴 것입니다

그리고 이것은 심지어 트랜지스터가 아니라 아직 지어졌다 그래서 우리는 미래에 대한 꿈을 꿨습니다 그것을 구축하려고합니다 그리고 우리는 전력 소비가 불가능해질거야 우리가 그렇게 할 길이 없었어

단일 스레드 컴퓨터를 만들 수있게 될 것입니다 성과 스케일링 추세를 유지 모두가 기대했다 그래서 인텔에서이 실현을 보았습니다 컴퓨팅과 미래의 세계 반드시 평행해야합니다 그래서 제가 대학원에 다닐 때, 필자는 병렬 컴퓨팅, 프레임 워크 병렬 컴퓨터를 프로그래밍 할 때, 및 병렬 컴퓨터의 응용 프로그램

그리고 가장 유망한 것으로서 나를 실제로 때렸던 하나 기계 학습이었다 그래서, 그게 제가 프로그래밍 박사 학위를 쓰는 방법입니다 병렬 프로세서 및 기계 학습을위한 프레임 워크 응용 프로그램 왜냐하면 그게 가장 중요한 것 같았 어 당신은 병렬 컴퓨터로 할 수 있습니다

좋았어 그리고 당신의 배경에 관해서, 당신이 여기에 있었다는 것을 압니다 당신은 cuDNN에서 일하고있었습니다 그리고 나서 교대를 만들었고 Baidu에 합류했습니다 BRYAN CATANZARO : 그랬어

멜라니 워릭 : 그리고 당신은 바이두와 함께 기계 학습을하고있었습니다 그리고 다시 왔어 BRYAN CATANZARO : 그렇습니다 멜라니 워릭 : 그 궤도로 인도 한 것은 무엇입니까? 브라이언 카자 조로 : 글쎄, 그래서, 내가 언급했다 그 전에 깊은 학습의 세계에 대한 나의 소개 Andrew Ng와 Adam Coates에서 일어났습니다

그들은 Baidu, 실리콘 밸리 인공 지능 연구실, 나에게 그들과 함께하라고 부탁했다 그리고 나는 그것이 나를위한 좋은 기회라고 느꼈다 응용 프로그램에 더 가깝습니다 나는 cuDNN에서 일하는 것을 정말 좋아했습니다 나는 그것을 매우 자랑스럽게 생각합니다

그리고 내가 어떻게 더 가까이에 있고 싶었던 것처럼 느껴졌다 우리는 인공 지능을 취해 문제를 해결하는 무언가로 만듭니다 그 사람들은 정말로 해결되어야합니다 그래서 저는 Silicon Valley AI와 함께 일하고 싶었습니다 Baidu의 실험실은 나에게 큰 기회를 주었다

응용 프로그램에 더 가깝습니다 그리고 저는 약 2 년 반 동안 거기에있었습니다 나는 성취했다고 느꼈다 내 임무는 알아 내려고 주변을 둘러 보았다 내 다음 프로젝트가 있어야 할 것

엔비디아의 CEO 젠슨 후앙 (Jensen Huang)이 나를 불러서 이렇게 말했습니다 우리는 당신이 NVIDIA로 다시 돌아 오기를 바랍니다 알아 낸 연구에 초점을 맞춘 실험실을 발견했다 우리가 NVIDIA에서 가지고있는 문제에 AI를 적용하는 방법 그리고 나는 생각합니다

글쎄요 나는 NVIDIA를 사랑하기 때문에 나는 항상 NVIDIA의 동맹 인이었습니다 나는이 기술을 믿기 때문에 그리고 다시 돌아와 응용 프로그램에 집중할 수있는 기회 내가 정말로하고 싶었던 것, 그것은 보였다

좋은 기회 같아 멜라니 워릭 : 어떤 종류의 응용 프로그램을 사용하고 있습니까? BRYAN CATANZARO : 내 팀은 지금 대부분이 팀입니다 세 가지 영역에 중점을 둡니다 그 중 하나가 그래픽입니다 그 중 하나가 텍스트입니다

다른 하나는 오디오입니다 좋았어 BRYAN CATANZARO : 그래 그래픽으로, 우리는 기회에 대해 정말로 흥분하고 있습니다 그래픽이 생성되고 렌더링되는 방식을 변경한다 깊은 학습을 사용하여

우리는 실제로 올해의 CVPR에 논문을 가지고 있습니다 그래픽 생성을위한 생성 모델입니다 사실적이며 사실적인 고해상도 그래픽 – 주어진 매우 단순한 입력 이미지 그래서 우리가 창조 할 수있는 아이디어가 될 것입니다 새로운 종류의 그래픽 엔진, 전통적인 그래픽 실제로 거의 모든 일을 거의하지 않고 있습니다

그리고 대부분의 그래픽 렌더링 생성 모델에 의해 수행되고있다 그렇게하는 것의 장점은 우리가 만드는 것이 훨씬 저렴할 것이라고 믿어야한다 가상 세계 왜냐하면 새로운 세계를 창조하기 위해서, 우리는 단지 새로운 모델을 훈련시킬 필요가 있습니다 군대와 함께 많은 돈을 쓰는 대신 수동으로 모든 텍스처를 만들 수 있습니다

그리고 그 환경에 들어가는 조명 그래서 우리는 그것에 대해 꽤 흥분합니다 그리고 우리는 많은 응용 프로그램이있는 것처럼 느낍니다 그래픽 분야의 AI 그게 내 그룹에서 진행되는 일 중 하나입니다

또한 일부 텍스트 문제를 해결하기 위해 노력하고 있습니다 우리는이 OpenAI 논문에 정말 고무되어 있습니다 텍스트 분류를위한 감독되지 않은 학습을하는 것, 구체적으로 감정 분석 모델을 훈련시켜 대형 텍스트 데이터베이스를 재구성합니다 문자 그리고 그렇게함으로써, 귀하의 모델은 텍스트의 의미를 이해해야하며, 문자와 텍스트 만이 아닙니다

그리고 라벨을 조금만 사용하면됩니다 실제로 적용된 몇 가지 문제를 해결하기 위해, 감정 분석처럼 그래서 우리는 그런 것들을 연구하고 있습니다 그리고 나서 오디오 공간에서, 지금 당장 우리는 연설과 연설과 관련된 몇 가지 작업을하고 있습니다 합성

멜라니 워릭 : 이런 종류의 일을하는 측면에서, 사용자가 액세스 할 수 있도록 설정하려고합니다 GPU 중 하나라고 생각합니다 BRYAN CATANZARO : 물론입니다 네 NVIDIA에서 근무할 때 가장 좋은 점 중 하나 우리가 오픈 소스에 많은 작업을 할 수 있다는 것입니다

우리가하고있는 일 사실, 제가 언급 한 모든 프로젝트는, 우리는 오픈 소스를 가지고 있거나 우리는 오픈 소싱의 과정에서 우리가 할 수있는 이유 중 하나는 왜냐하면 우리가 다른 사람들에게 AI를하도록 고무시킬수록, 그러면 NVIDIA가 더 좋습니다 AI의 많은 부분이 GPU에서 발생하기 때문입니다 그래서 우리는 세상을 더 좋은 곳으로 만들 수 있습니다

사람들에게 새로운 기술을 제공하여 문제를 해결하는 데 사용할 수 있습니다 또한 NVIDIA의 사업에도 도움이됩니다 그래서 우리의 작업을 열어주는 것이 우리에게는 위대한 것입니다 멜라니 워릭 : 그렇습니다 그리고 나서, 저는 당신이 과거에 cuDNN에서 일한 것을 알고 있습니다

사람들을 돕기 위해 실제로 소프트웨어를 운전하고 있습니다 GPU에서의 작업 최적화 하지만 실제로 GPU가 있습니다 깊은 학습을 돕기 위해 특별히 제작 된 Volta가 있습니다 조금이라도 말할 수 있니? Volta에 대해, 그리고 그것이 어떻게 작동하고 도움이되는지 사람들은 깊은 학습 과정을 개선합니까? BRYAN CATANZARO : 네

따라서 Volta는 NVIDIA 깊은 학습의 가능성에 깨어 난 후에 만들어졌습니다 그리고 NVIDIA는 더 강하게 생각합니다 내가 본 모든 다른 조직보다 전문 아키텍처의 힘으로 이것이 바로 NVIDIA가 만든 것입니다 처음부터 성공, 회사는 칩을 제작하고 있습니까? 중요한 문제를 해결하기 위해, 그리고 그것은 맞춤형이다 그 특별한 문제들

따라서 NVIDIA가 결정할 때, 깊은 학습 우리가 가진 가장 중요한 것입니다 다음 단계를 위해 GPU를 사용하려고합니다 깊은 학습을 위해 아키텍처를 사용자 정의하는 것이 었습니다 볼타는 그 노력의 첫 번째 결실입니다 그리고 Volta의 계산 기능 정말 놀라워요

하나의 Volta GPU는 120 테라 플롭 이상에서 실행할 수 있습니다 당신이 모델을 훈련 할 때 속도는 속도보다 약 10 배 빠릅니다 이전 세대의 GPU를 사용하게 될 것입니다 그리고 그것은 정말 흥미로운 능력입니다

MARK MANDEL : 아키텍처는 어떻게 볼타와 같은 뭔가가 그래픽과 다르다 GPU? BRYAN CATANZARO : 볼타는 많이 다릅니다 이전 GPU의 컴퓨팅 작업량에 초점을 맞춘 것입니다 그래서 특히 메모리 서브 시스템 데이터 패턴의 종류를 처리하기 위해 강화되었습니다 많은 컴퓨팅 작업량에서 필요합니다

또한 정수 연산이 훨씬 빠릅니다 이는 수학 등을 다루는데 정말로 유용합니다 복잡한 작업 부하 어디에서 많은 색인 생성을해야하는지 어떤 데이터를로드하고 작동하는지 파악할 수 있습니다 그래서 전체 아키텍처가 개선되었습니다 그런 다음 다른 모든 기능 외에도, 우리는 Tensor 코어를 추가했습니다

작은 행렬을 할 수있는 행렬 곱셈 단위, 4 by 4 4, 행렬 곱셈 그리고 Tensor 코어에 대해 정말 멋진 점이 있습니다 에너지를 극적으로 줄이는 것입니다 레지스터에서 피연산자 읽기 및 쓰기 비용 파일 대부분의 작업이이 큰 작업의 내부에서 일어나기 때문에, 청결한 단위, 당신은 끊임없이 일할 필요가 없습니다

모든 중간 결과 읽기 및 쓰기 파일을 등록하려면 그래서 극적으로 에너지를 감소시킵니다 그것은 행렬 곱셈을 수행하는 데 필요합니다 그런 다음 프로세서를 훨씬 더 효율적으로 만듭니다 좋았어

그래서 테라 플롭스에 대해 언급했습니다 테라 플롭스를 이해하지 못하는 사람들, exaflops– 조금 더 설명해주세요 평범한 사람의 용어로는 그게 무슨 뜻인지, 그리고 그들이 정말로 개념화 할 수있는 것 속도면에서? BRYAN CATANZARO : 네 글쎄, 그것은 실제로, 인간에게는 어렵습니다 이 숫자들을 이해하기

왜냐하면 그들은 정말로 큰 숫자이기 때문입니다 그러나 테라는 10-12입니다 따라서 120 테라 플롭스, 120 조 회 연산 초당, 많은 것입니다 그래, 맞아 그게 많이 있습니다

BRYAN CATANZARO : 그리고 깊은 학습 모델을 훈련하십시오 종종 exaflops가 필요할 수 있습니다 그래서, 테라가 오면 10 번째에서 15 번째까지입니다 그리고 peta 후에 exa, 이는 10-18입니다

따라서 심층 학습 모델을 교육합니다 통상적으로 수십 개의 엑사 플롭을 필요로한다 나는 종종 사람들이 지구의 모래 알갱이 수를 추정하다 약 10 개의 모래 덩어리 그래서 만약 당신이 10 엑서 프롭스를한다면, 그것은 마치 곱셈과 같은 것입니다

또는 모든 단일 곡물을 추가 할 수 있습니다 그리고 모델을 훈련 할 때마다 그렇게합니다 따라서 매우 계산적으로 강렬합니다 멜라니 워릭 : 그리고 주변을 뒤집습니다 내 말은, 돌아서는 속도 이 모델 중 일부는 점점 더 커지고 있으며, 그들이 처리하려고하는 데이터가 더 많으면, 그것은 그 영향력을 가지고있다

하루의 끝에서 매우 중요합니다 BRYAN CATANZARO : 그렇습니다 네 내 말은, AI로 문제를 해결하려고 할 때, 당신은 반복해야합니다 그것은 수색이기 때문에

올바른 모델을 찾아야합니다 올바른 하이퍼 파라미터를 찾아야합니다 올바른 데이터를 찾아야합니다 그리고 많은 검색이 필요합니다 그리고 모델을 만들면서 그것을 훈련 시키면, 당신은 그것에 대해 배웁니다

잘 지내고있는 것을 알게됩니다 그것이 잘되지 않을 때를 배웁니다 당신은 벌레를 찾는다 하이퍼 파라미터를 수정했습니다 이를 위해서는 모델을 여러 번 교육해야합니다

그리고 빨리할수록 개발자는 빨라집니다 iterate 할 수 있으며, 더 나은 결과를 이끌어냅니다 그래서 사람들은 액세스 권한이 있음을 알게됩니다 이러한 종류의 컴퓨팅 기능에있어서, 그것은 단지 작업을 더 빠르게 만들뿐만 아니라, 그러나 그것은 실제로 문제의 종류를 변화시킨다 그들은 시도 할 수 있습니다

그들이 시도 할 수있는 문제가 있기 때문에 그들은 결코 그것 없이는 시도 할 수 없었을 것입니다 MELANIE WARRICK : 그리고 훈련에 관해 이야기 할 때, 훈련이 있고 추론도 있습니다 볼타는 교육에서 사용하는 멋진 GPU입니다 원근법 그것도 추론을 위해 설계 되었습니까? 아니면 다른 옵션이 있습니까? 그리고 저는 그 답을 압니다

하지만 너에게 기회를주고 싶었어 BRYAN CATANZARO : 네 차이점에 대해 조금 설명해 드리겠습니다 먼저 훈련과 추론 사이 멜라니 워릭 : 훌륭 할거야

브라이언 카자 조로 : 훈련은 내가 말했듯이 수색이다 모델을 찾으려고합니다 따라서 모델에는 수억 또는 수십억 명이있을 수 있습니다 매개 변수 그리고 그것들을 모두 조정해야합니다 올바른 번호를 찾으려면

그래서 그것은 수색입니다 그리고 당신은 당신의 데이터에 의해 인도되고 있습니다 그래서 우리는 흔히 역 전파에 대해 이야기합니다 이것이 의미하는 것은 당신이 포워드 전파, 어디에서 모델을 사용하여 무엇에 대한 추측을 할 수 있습니까? 출력은 말하자면, 우리가 음성 인식을한다면, 입력은 웨이브 파일이고 출력은 텍스트입니다 그래서 우리는 여러 WAV 파일을 실행합니다

WAV 파일에 포함 된 내용을 추측 할 수 있습니다 그러나 올바른 답이 무엇인지 알아야합니다 우리는 레이블이라고 불리는 것을 가지고 있습니다 이 라벨을 사용하여 오류의 원인을 파악할 수 있습니다 모델이 잘못된 곳은 어디입니까? 그리고 나서이를 사용하여 가중치를 업데이트합니다

단지 조금만 조정하면됩니다 그리고 우리는 백만 번, 또는 수십억 번합니다 그리고이 과정을 통해서, 그것은 진화론자의 종류입니다 우리는이 공간을 탐색하여 좋은 모델을 찾습니다 이것이 바로 교육 과정입니다

게재 프로세스 또는 추론 프로세스는 그냥 전달 전파를 수행합니다 또는 입력이 주어지면 그 모델의 출력은 무엇입니까? 따라서 우리는 모델을 통해 데이터를 앞으로 밀어 내고 있습니다 멜라니 워릭 : 또는 분류 브라이언 카자 조로 : 또는 분류 계산이 더 간단하기 때문에, 왜냐하면 그것은 단지 전진을하고 있기 때문입니다

그것은 뒤로 패스를하고 있지 않습니다 그리고 배우지 않는 것 그러나 그것은 다른 특징을 가지고 있습니다 알고리즘 적으로 소프트웨어와 하드웨어를 둘 다 다른 방식으로 맞춰져 있습니다 그리고 볼타는 실제로 추측을위한 위대한 GPU 나는 실제로 Voltas를 추론에 사용하는 것에 대해 매우 흥분하고 있습니다

내 생각에 가장 큰 문제는 바로 Voltas입니다 세계에 볼타가 충분하지 않다는 것입니다 그리고 우리가 만드는 모든 Volta는 사람들이 그것을 필요로하기 때문에 훈련에 들어가기 위해 빨려 들었다 순전히 반면에, 추론 작업 부하는 종종 더 작습니다

따라서 사람들은 더 작은 프로세서를 사용할 수 있습니다 하지만 나는 미래에 우리가 큰 추론 워크로드를 볼 것입니다 볼타조차도 필요합니다 그래서 나는 훈련과 추론에 흥분한다 볼타를 위해

그러나 NVIDIA는 또한 특별히 설계된 다른 제품을 보유하고 있습니다 추론 시장 예를 들어 테슬라 P4는 작습니다 50에서 75 와트라고 생각합니다 GPU

그리고 저 정밀도 산술 명령도 있습니다 추론에서, 당신은 거의 많은 비트를 필요로하지 않기 때문에 당신이 훈련하는 동안 좋은 결과를 얻으려면 테슬라 P4는 정말 좋은 작전입니다 추론 시장에서 와트 프로세서 당 초당 MARK MANDEL : 너 재미있는 말 했잖아

바로 전에, 당신이 더 새로운 사람들과 이야기하고 있었던 곳 GPU를 사용하면 전에는 할 수 없었을 것입니다 영감으로 지금 네가 할 수있는 일은 네가 아니야 실제로 전에 할 수 있니? BRYAN CATANZARO : 글쎄, 나는 그래픽에 대해 조금 이야기 할 것이지만, 우리는 NVIDIA에서 정말 흥분하기 때문에 그러나 최근에는 놀라운 생성 모델이 있습니다

프로그레시브 GAN, 매우 고해상도, 매우 높은 품질의 이미지 그들은 celeb 얼굴 데이터 세트에서 그것을 훈련 시켰습니다 그리고 그것이 생성하는면들은 사람들의 실제 사진에서 꽤 구별 할 수없는, 비록 그들이 완전히이 모델에 의해 발명 되었더라도 그리고 나는 GANs에 대한 충실 함의 도약이라고 생각한다 더 큰 데이터 세트에서 더 길게 훈련 할 수있을 때 시간의 기간은 꽤 놀라운 것입니다 응용 프로그램의 종류를 변경합니다

당신은 GAN과 함께 할 수 있습니다 우리가 작업하고 있다고 언급 한 논문 사실적인 이미지를 합성하는 방법 의미 론적 레이블에서, 나는 또한 생각합니다 꽤 놀랍습니다 나는 종종 그 모델의 결과를보고, 그림을 그리는데 꽤 오래 걸립니다 아웃은 가짜 이미지이거나 이것이 실제 이미지입니다

그리고 그것은 가능하지 않았을 것입니다 이 처리 능력없이 멜라니 워릭 : 처음 만났을 때, 모델에 대한 데이터 병렬 처리에 대한 프리젠 테이션을하고있었습니다 대 모델 마비 다른 방법론이 있습니다

너는 어떻게 나뉘어져 있니? 특히 당신이하려고한다면 심층 학습 모델의 대량 처리 특히 – 어떻게 그걸 부셔 버릴까요? 분산 컴퓨팅을 시도하고 싶다면 분산 컴퓨팅의 관점에서 당신의 생각은 무엇입니까? 깊은 학습을 위해서? 너 정말 그게 할 일이라고 생각하니? 아니면 단지이 칩을 더 잘 보이게 만드는 것입니까? BRYAN CATANZARO : 둘 다 필요합니다 따라서 칩을 더 잘 만드는 데 대한 좋은 점이 있습니다 소프트웨어 환경에 연결된다는 것입니다 중단없이

또는 붕괴가 훨씬 적습니다 그래서 사람들이 부드럽게 움직일 수 있습니다 한 세대에서 다음 세대로 이동하여 성과를 얻으십시오 코드를 크게 변경하지 않고도 개선되었습니다 그리고 접근성 주장이 있습니다

게다가 인공 지능 연구를하는 많은 사람들 더 작은 규모로 운영되고 있습니다 소규모 가공을 더 잘 만들 수 있다면 그리고 더 나은 것은 접근성과 정렬에 정말로 도움이됩니다 이 기술을 민주화했다 그리고 더 많은 것을 사용할 수있는 자원을 가진 사람들에게 프로세서가 모델을 훈련시킨 다음 많은 GPU를 사용하여 소프트웨어를 교육 할 수있는 능력 하나의 모델은 정말로 매력적인 이점을 제공합니다

그래서 우리는 그것을 필요로합니다 그리고 우리는 NVIDIA에서 두 가지 모두에 집중합니다 좋았어 여러 그룹을 언급했습니다 그들의 일의 관점에서, 그리고 무엇이 깊은 학습 공간에서 저쪽으로 나아 간다

그리고 기계 학습에서 다른 외부 단체와 얼마나 공동 작업을하고 있습니까? OpenAI, Facebook, Google과 어떻게 협력합니까? BRYAN CATANZARO : NVIDIA가 공동 작업 거의 모두와 나는 우리가 우리 관계에 대해 열심히 일한다고 생각한다 연구실, 학술 실험실 및 산업 실험실이 있습니다 우리가 협력하는 방식으로, 우리는 기본적으로 돕고 싶습니다

사람들이 문제를 해결합니다 그래서 사람들은 종종 우리에게 와서 말합니다 좋은 효율성을 얻는데 문제가 있습니다 이 특별한 모델 우리 좀 도와 줄수있어? 그리고 우리는 그것을 들여다 볼 것입니다

오, cuDNN이 잘못된 구현을 선택하고 있습니다 이 특정 회선에 대해,이 특별한 경우에 그래서 우리는 경험적 방법을 바꿔 더 효율적으로 만들 수 있습니다 또는 새로운 구현을 추가 할 수 있습니다 하나의 원시를 위해 아키텍처에 훨씬 더 잘 맞을 수 있습니다

그래서 우리는 연구원들과 끊임없이 반복하고 있습니다 그들의 요구가 무엇인지에 대해 전 세계에서 우리가 어떻게 제품을 더 잘 만들 수 있는지에 대한 정보를 제공합니다 멜라니 워릭 : 가장 흥분되는 점은 무엇입니까? AI와 기계 학습으로 어디로 갈 것인가? BRYAN CATANZARO : 저는 응용 프로그램에 정말 흥분하고 있습니다 그게 내가 살기 위해하는 일이야 새로운 적용 방법이 너무 많아 이 기술은 세계의 거의 모든 분야에 적용됩니다

경제 우리는자가 운전 차량에 대해 많이 이야기합니다 그리고 저는 스스로 운전하는 자동차에 매우 흥분합니다 나는 자기 주행 차가 그 응용의 하나라고 생각한다 정말로 세계를 변화시키는 선봉에 일종의 있습니다

절대로 가지 못해서 정말 기쁩니다 주차 자리를 다시 찾는다 그리고 모든 주차장이있는 집을 짓고, 그것은 베이 지역에서 정말로 위대 할 것입니다 충분한 공간이없는 곳 그래서 나는 모두가 자기 주행 차에 대해 흥분한다고 생각한다

그러나 나는 그것이 시작에 불과하다고 생각합니다 농업에서부터 교육에 이르기까지 모든 산업은 예술에, 단지 응용의 폭발이 될 것입니다 AI의 그리고 그것의 일부가되는 것이 흥미 롭습니다 멜라니 워릭 : 그리고 밖으로 시작하는 사람들을 위해 들어가기를 원한다면, 단지 칩 디자인을하는 것조차하고 있습니다 또는 병렬 처리 및 심층 학습에 들어가려고 노력하는 경우, 당신은 어떤 권고 사항이나 당신이 말하는 모든 것을 가지고 있습니까? 약간의 시간을 투자하거나 생각 나다? BRYAN CATANZARO : 네

어디 한번 보자 지금 내 마음에는 두 가지가 있습니다 그 중 한 명은 – 그래서 Google이 최근에 수업을 시작한 것을 보았습니다 기계 학습에 대한 일종의 소개 나는 그것을 간단히 살펴 봤다

그것은 꽤 좋아 보인다 그래서 그것은 보는 재미있는 것 같습니다 엔비디아는 또한 딥 러빙 인스티튜트 (Deep Learning Institute) 사람들이 실무 경험을 쌓을 수 있도록 자습서를 제공합니다 학습 모델 및 심층 학습 프레임 워크 사용 나는 그것이 어떤 사람들에게는 꽤 흥미 롭다고 생각한다

나는 또한이 온라인 교육 프로그램 중 일부 팬입니다 예를 들어, 나는 Udacity와 협력합니다 Udacity는 인공 지능에 훌륭한 나노도를 가지고 있습니다 나는 사람들이 많은 가치를 얻을 수 있다고 생각한다 지나가 다

그리고 나도 짐작할 수있는 다른 두 가지가 있다고 생각합니다 오픈 소스이기 때문에 거기에 너무 많은 것이 있습니다 GitHub에서 오픈 소스를 검색하면, 당신은 모든 종류의 구현을 실제로 발견 할 수 있습니다 놀라운 깊은 학습 모델 그리고 무료로 다운로드 할 수 있습니다

그리고 그들과 함께 놀기 시작하십시오 GP 유닛이있는 기계를 만들 필요조차 없습니다 Google Cloud와 같은 클라우드 서비스를 사용할 수 있습니다 좋아요 좋은

고맙습니다 브라이언 카자 조로 : 그리고 당신은 정말 쉽게 시작할 수 있습니다 점프를하기 위해 전체를 투자 할 필요는 없습니다 그리고 나서, 마지막 것 내가 언급하고 싶었던 것도 나는 여기에 구글 광고를하고있는 것처럼 느껴진다 하지만 실제로는 정말 좋은 것입니다 – Kaggle입니다

그래서 Kaggle은 온라인 경쟁입니다 사람들은 AI를 사용하여 실제 문제를 해결할 수 있습니다 그리고 언제나 재능을 찾고있는 누군가 새로운 문제에 AI를 적용하는 데 도움이됩니다 누군가와 이력서를 볼 때 Kaggle에서 경쟁적 이었어

나는 와우,이 느낌 문제 해결을 위해 뛰어 들기를 좋아하는 사람입니다 매우 실용적입니다 그리고 나는 Kaggle이 좋은 방법이라고 생각합니다 AI 적용에 대한 실용적인 기술을 배웁니다

MARK MANDEL : 굉장해 또한, 우리가 끝내기 전에 하나의 질문 참여한 사람으로서, 특히 오랜 기간 동안 사물의 계산 측면에서 역사를 보았을 때, 나는 무엇이 당신에게 가장 놀라운 일이었습니다 또는 가장 놀라운 응용 프로그램 당신은이 물건에서 나온 것을 보았거나 어쩌면 가장 흥미롭고 이상한, 또는 별난 BRYAN CATANZARO : 음, 가장 놀랍고 이상한 것 중 하나는, 최근에 보았던 엉뚱한 종이 "Deep Image Prior"라고 불리는이 사진이있었습니다

기본적으로 그들이하는 일은 수백만 개의 이미지와 같은 깊이있는 학습 모델을 교육하고, 그들은 하나의 이미지에서 깊은 학습 모델을 훈련시킨다 그리고 이것은 매우 미친 아이디어입니다 그러나 그 결과는 실제로 매력적입니다 이미지 완성과 같은 몇 가지 작업을 수행 할 수 있습니다 이미지의 일부가 손상되었다고 상상해보십시오

당신은 그것을 수리하기를 원합니다 그들은 그 이미지를 채울 수 있습니다 심층적 인 학습 모델을 바로 그 하나의 이미지에, 그 자체로 나는 그것이 꽤 미쳤다고 생각했다 흥미로운 응용 프로그램이 많이 있다고 생각합니다

농업에서 나는이 블로그 게시물을 Google에서 기억하고있다 오이 정렬에 대해서 너희들 그거 기억하니? 그게 정말로 멜라니 워릭 : 동료 중 한 명은 함께, 실제로 BRYAN CATANZARO : 그 블로그 게시물을 좋아합니다 나는 항상 그것을 참고한다 나에게 매우 놀랍기 때문에 – 나는 너무 많은 오이 농부를 모른다

그래서 그들에 대한 나의 이미지는 아마도 약간 잘못되었을 수 있습니다 하지만 난 그냥 오이 농부를 상상하지 않았을거야 TensorFlow 수집 및 모델 교육 그들이 농장에서 겪었던 문제를 해결할 수 있습니다 그리고 나는 그것이 정말로 시원한 것이라고 생각했다 멜라니 워릭 : 동의했다

그것은 확실히 재미있는 하나였습니다 글쎄, 마크가 언급했던 것처럼, 나는 알고있다 우리는 시간이 부족 해지고 있습니다 하지만 너 밖에 다른게 있었 니? 우리가 너를 풀어주기 전에 만지거나 덮고 싶었 니? BRYAN CATANZARO : 네 나는 내가 생각하는 것들 중 하나를 추측한다

AI의 발전에 정말로 중요합니다 소프트웨어 환경입니다 어쩌면 그렇게 말할 수 있습니다 그러나 우리는 여전히 그것을 개선하기 위해 많은 노력을해야합니다 그리고 우리가 지금 가지고있는 환경 엄청난 양의 투자를 나타냅니다

그리고 나는 때로는 그들을 당연시한다고 생각합니다 그러나 나는 단지 하이라이트를하고 싶었다 우리가 앞으로 나아갈 때, 컴퓨팅 용량을 늘리는 여러 가지 방법 깊은 학습을 위해, 그리고 인공 지능을 위해 그리고 우리 모두에게 중요하다고 생각합니다 연결을해야한다는 것을 기억해야한다

개발자에게 줄곧 그리고 그 일은 프레임 워크를 통해 이루어집니다 그래서 나는 모든 사람들에게 큰소리로 외치기를 원했다 TensorFlow 및 PyTorch를 구축하고 있으며 모든 사람들이 훈련하고 배치하는 데 사용하는 프레임 워크 이 모델들 왜냐하면 소프트웨어 스택이 대단히 중요하다고 생각하기 때문입니다

그리고 그것은 빠르게 변화하고 있습니다 그리고 우리는 거기에 많은 발전을 볼 것이라고 생각합니다 깊은 학습을 가능하게하는 더 많은 응용 프로그램을 위해 좋았어 글쎄, 브라이언, 우리와 합류 해 주셔서 다시 한번 감사드립니다

정말 고맙습니다 BRYAN CATANZARO : 좋습니다 재미있었습니다 감사합니다 알았어

고마워, 브라이언 그게 당신에게 얘기하는 것이 좋았어요 NVIDIA에서 진행중이며 어떤 종류의 연구 당신의 그룹은하고 있습니다 그리고 우리가 시원한 것들에서 언급했듯이, 우리는 NVIDIA Tesla V100을 가지고 있습니다 가장 진보 된 데이터 센터 GPU

이는 Google Cloud에서 사용할 수 있습니다 이제 나는 그 주 문제에 대해 우리가 잠수 할 때라고 생각합니다 그래서 이번 주 문제는 대략 – 셸롤, 마크, 너 모두 GDC에 많이 갔어 컨퍼런스와 커뮤니티에 대해 많은 것을 알고 있습니다 우주의 전문가로서 우리에게 무엇을 말할 수 있습니까? 마크 AND들 : 셰롤이 먼저 가야한다고 생각합니다

그녀는 내가 가진 것보다 오랫동안 길을 가고있어 [LAUGHS] SHEROL CHEN : 제 컴퓨터의 어떤 시점에서 생각합니다 과학 학부모, 나는 이런 식으로 비디오 게임을 만드는 것이 었습니다 5 살이나 뭐 그리고 나는 같았습니다

어디에서 찾아야합니까? 그래서 나는 첫 번째 GDC에 가서 놀랍습니다 왜냐하면 당시 저는 학부모 였을 때, 사람들은 게임을 만드는 것과 같았습니다 생계를 위해 그렇게 할 수는 없습니다 그리고 나서 나는 수만 명의 사람들과 함께이 거대한 사건을 발견했다 모든 사람들이 그랬습니다

그리고 나는 GDC에 10 년 간 갔다 좋았어 그리고 얼마나 오랫동안 가셨습니까, 마크? 마크 멘델 : 2 년, 3 년처럼 [웃음] Sherol과 비교할 때, 나는 여전히 아기 단계를 밟고있는 것처럼 느껴집니다 멜라니 워릭 : 음, 좋아 하는게 뭐니? GDC에 대해? SHEROL CHEN : 아마도 Mark와 비슷한 것 같습니다

우리는 게임을 모두 좋아합니다 우리는 게임을 좋아합니다 우리는 게임을 만드는 창의적인 공간이라는 아이디어를 좋아합니다 우리는 게임을 통해 오는 새로운 경험을 좋아합니다 그리고 GDC는 당신이 찾는 곳입니다

우리와 같은 사람들, 사람들 누가이 공간에서 창조하고 혁신을 일으키는가? 그리고 몇 년 후, 그것은 단지 개발자와의 연결 MARK MANDEL : 네 저는 Sherol이 말했듯이 그 100 %를 반향시킵니다 확실히, 그것은 사람들입니다 사람들의 다양성과 그들이 가지고있는 배경 멋진 나는 학문적 배경에서 온 많은 사람들을 만난다

다양한 연구와 함께 사람들 창조적 인 배경에서 온 사람들, 글쓰기 배경, UX, 프로그래밍 항상 아이디어와 사람들의 흥미로운 혼합입니다 아주 흥미로운 것들을 만들기 위해 함께 모였습니다 멜라니 워릭 : 수요일에 발표 할 예정입니다 언제나처럼

일주일 중반, 중간에 있어요 회의의 그러나 당신이 좋아하는 몇 가지 활동은 무엇입니까? 너는 이것에 가야한다, 또는 이것을 확인해야한다 GDC에 갈 때, 특히 GDC를 처음 사용하십니까? SHEROL CHEN : 그래서, 제게있어 가장 위대한 인물 중 하나라고 생각합니다 GDC에 대한 게이트웨이가 당사자입니다 그것은 한 번 가기 때문에, 당신은 즉시 그것이 분열 된 것을 알게됩니다

커뮤니티에,뿐만 아니라 게임 전체 수집 개발자 솔직히, 네가 거기에 있다면 나는 생각한다 IGDA 그룹, 국제 게임 개발자 협회, 항상 일종의 경지에 행사를 나가고있다 게임 개발자들의 훌륭한 커뮤니티 연결하려는 커뮤니티를 찾는 것이 실제로 어렵지 않습니다

방금 모임에 참석해야합니다 한 친구, 다음 친구, 다음 친구 그리고 결국에는 트리플 예약을해야합니다 당신이 너무 많은 다른 지역 사회의 일부이기 때문입니다 MARK MANDEL : 나는 조금 이야기 할 것입니다

셜롤이 여기 있기 때문에 그리고 나는 그것이 들썩 들썩하다라고 생각한다 첫 해 GDC에 갔었는데, 저는 Google에있었습니다 나는 부스에 직원을 배치했다 괜찮 았어

우리는 좋은 시간을 보냈다 그것은 훌륭했다 내년에는 Sherol이 Google에 합류했습니다 그리고 나는 SHEROL CHEN : 우리는 실제로 기다려, 기다려

MARK MANDEL : 우리는 GDC를 할 것입니다 SHEROL CHEN : 실제로 부스에서 만났지, 그렇지? MARK MANDEL : 우리는 그 해 부스에서 만났습니다 SHEROL CHEN : 우린 만났어 MARK MANDEL : 가입하기 전이었습니다 SHEROL CHEN : 내가 가입하기 전에

나는 GDC에 있었다 그리고 나는 결정했다, 나는 같았다, 오, 나는 Google에서 일하게 될 것입니다 나는 이미 그 과정에 있었다 나는 고용 관리자를 만났습니다 상황이 좋아 보인다

그리고 나는 마치 DevRel에서 Google을 위해 일할 것입니다 그리고 처음으로 마크를 만나야합니다 나는 그것이 우리가 처음 만난 때였다고 생각한다 Mark MANDEL : 사실입니다 사실입니다

사실입니다 어쨌든, 네 그래서 2 학년 때 GDC에 가면 Sherol이 팀에 있습니다 그리고 나는 마치 GDC에 갈 것입니다 그리고 그녀는 멋지다

나도 간다 그리고 물건을 또한 가지고있다 그리고 그녀는 같았지 만 GDC 방법을 알려주지 좋았어 MARK MANDEL : 그 시점이었습니다

그녀는 저를 GDC의 친목 파티에 소개했습니다 페이스 북에있는 그룹입니다 매년, 그들은 함께 모여이 크라우드 소싱을합니다 GDC의 모든 정당의 그녀는 저를 모두 모든 CA에 소개해주었습니다 실행 자원 봉사자는 자원 봉사자가 아닙니다

사실은 그들은 모든 행사를 운영하는 직원입니다 당신은 사람들을 돕는 것을 방황하는 것을 보았습니다 그리고 예, Sherol는 나를 정말로 가져 가고있는 그 다음 단계의 GDC로 그녀가 날개 아래 나를 데려간 것 같아 그리고 정말로 나에게 로프를 보였다

그녀는 당신의 현인이었습니다 MARK MANDEL : 네 그녀는 나의 스승이었다 멜라니 워릭 : 과정을 통해 멘토 MARK MANDEL : 물론입니다

MELANIE WARRICK : 환상적입니다 글쎄, 잘됐다 그리고 다른 말로하면, 올해 GDC를 위해 플러그를 꽂아 야합니다 잊지 마세요? 마크 맨델 : 항상, 항상, 항상, 항상 altctrl

GDC로 이동하십시오 그것은 실험적인 영역입니다 나는 그 곳을 좋아한다 당신은 항상 가장 이상한 것들을 보게됩니다 작년에는 사람들과 관련된 게임을 보았습니다

상자에 부딪쳐 야합니다 그것은 당신의 상호 작용이었습니다 그리고 양쪽에 두 사람이있었습니다 그리고 그것은 단지 이상했습니다 이상한 일들이 많이있었습니다

그러나 정말 독창적 인 물건을 볼 때도 훌륭합니다 그곳에 멜리니 워릭 : 재미 있겠 군 SHEROL CHEN : 실험 게임에 대해서도 상기시켜줍니다 Robin Hunicke의 디자인 과제 한 무리의 사람들과 함께합니다

실험적인 것들은 확실히 멋지다고 생각합니다 그게 가장 진보적 인 생각이기 때문이야 너는 볼거야 너는 또한 정말 멋진 포스트 모템을 본다 작년의 가장 큰 히트 곡 중 일부는 해부하는 것도 흥미 롭습니다

멜라니 워릭 : 재미 있어요 그래서 사람들이 다음에 너희들을 어디에서 찾을 것인지, 사람들이 당신을 어디에서 찾을 수 있을까요? MARK MANDEL : GDC 자체에서 Games in Women의 후원 어제였던 파티 그래서 그것은 누군가를 돕지 않습니다 수요일 그 자체에, 나는 3:30에 말할 것이다 Firebase와 Google에서하고있는 스폰서 세션이 있습니다

구름 그래서 우리는 새로운 세션을 조금하고 있습니다 우리는 거기에있는 것들에 대해 이야기 할 것입니다 목요일, 나는 또한 Google 부스에서 이야기 할 예정이며, 12시 30 분에 [INAUDIBLE] 그런 다음 전문가에게 질문하십시오 그 후 약 1 시간 동안

셜롤, 자네가 한 덩어리에 달렸어 너 무슨 일이야? SHEROL CHEN : 사실, 우리는 현재 GDC의 한 가운데에 있습니다 일어난 정말 놀라운 사건이있었습니다 Google에서는 게임 시상식에서 Blacks를 후원했습니다 어제 일어난 일

또한, 우리는 심각한 게임의 스폰서가 된 것을 기쁘게 생각합니다 상 이들은 모두 IGDA 이벤트입니다 IGDA는 물론 커뮤니티에서 많은 일을합니다 어제 내 이야기가 사실이었다

나는 게임에서 배우는 기계에 관해 이야기했다 그냥 기대해, 내 말은, 수요일 종류 큰 하루 이것은 대다수의 사람들이 나타나는 곳입니다 그래서 수요일, 오늘 밤, 그것은 많은 파티가 될 것입니다 내일 밤 많은 파티가있을거야

그리고 난 그냥 놀다가 따라 잡을거야 사람들과, 이거 많이 다른 그룹들과 점심을 먹을거야 과거에 내가 가진 여러 가지 공동 작업자가 있습니다

멜라니 워릭 : 그리고 둘 다 정당했다 우리가 녹음을 시작하기 전에 올해 어떻게 매우 무거운 기계 학습 기반입니다 그게 맞습니까? MARK MANDEL : 나는 무거운 것에 대해 모른다 하지만 그 영향을 분명히 보았습니다 내 말은, 너무 많은 세션들이 있다는거야

다양한 것들을 GDC에두고 있습니다 그러나 나는 일부 원탁을보고있다 나는 신경망에 대해 많은 이야기를하고있다 나는 AI 사이에 명확한 크로스 오버가있을 것이라고 생각한다 게임 감각에서, 그리고 기계 학습 감각에서 인공 지능으로 변환합니다

그게 무슨 상관이야? 너는이 지역에 더 많은 내성을 가지고있다 내가하는 것보다? SHEROL CHEN : 음, 또한, 우리가 후원하는 것은 AI Game Developers Summit입니다 그들은 리셉션을 가지고 있습니다 그래서 우리는 정상 회담 자체를 후원하지 않습니다 하지만 그래, 재미있어

깊은 학습에 대한 걱정이 있었다고 생각하기 때문에 게임에서는 게임이 정말 쉽기 때문에 경험에서인지 부조화를 창조하는 것 흥미로운 것은 지금 우리는 깊은 학습이 필요한 날입니다 효과가 너무 많이 올라서 우리가 시도하고있다 이 기술을 활용하는 방법 파악 보다 깊이 있고 몰입 할 수있는 게임을 만들 수 있습니다 멜라니 워릭 : 마지막 질문 하나만하겠습니다

너 둘 다 좋아하는 게임? 오, 쉽습니다 그래서, 저를 위해서, 나는 그것을 "매스 이펙트 (Mass Effect)"시리즈에 넣었습니다 나는 그 세상의 열렬한 팬 일뿐입니다 글쓰기를 좋아하십시오

나는 그 방향을 좋아한다 나는 엄청난 팬이야 SHEROL CHEN : 저를 위해서, "Final Fantasy" 트위터 핸들이 ffpaladin입니다 그리고 "파이널 판타지"는 단지 – 그것은 내가 게임을 만들고 싶어하는 게임입니다

좋아하는 사람이되어야합니다 그러나 나는 "Hearthstone"을 많이 해왔다 그 던전 크롤 링은 아주 좋습니다 네가 해본 적이 있는지 모르겠다 마크

하지만 정말 맛있어 MARK MANDEL : 사실은 아니지만 나는 큰 BioWare 폭음의 한가운데있다 "매스 이펙트"에 대해 말하면서 "Dragon Age Origins"게임을 해왔다 그래서 나는 갔다

SHEROL CHEN : 오, 이런 MARK MANDEL : 저는 처음으로 돌아 왔습니다 나는 처음으로 돌아 왔고, 나는 단지 모든 것을 통해 모든 것을 재생할 것입니다 나는 모른다 나는 너무 재미있어

SHEROL CHEN : 저는 그 시리즈를하고 싶었습니다 나는 많이 들었다 나는 실제로 많은 서양 RPG를 플레이하지 않았다 MARK MANDEL : 좋습니다 SHEROL CHEN : "하스 스톤 (hearthstone)"당신은 그것을 시험해 봐야합니다

그냥 로그인하고 던전 크롤링을하십시오 뛰어난 게임 디자인과 재미 있습니다 그들은 그것으로 정말 좋은 일을했습니다 좋았어 마크 AND델 : 멋지다

제가 확인하겠습니다 음, 멋지다 글쎄, 너는 둘 다 얘기하고 싶었던 다른 것 우리가 아직 다루지 않은 GDC에 관해서? SHEROL CHEN : 마지막 조언은 단지 그냥 많은 명함을 가져올 수 있습니다 왜냐하면 너는 많은 사람들을 만나기 때문이다 그리고 커다란 연락망을 가지고 떠날 것입니다

MARK MANDEL : 확실히 멜라니 워릭 : 잘 됐네 다시 한번 감사드립니다, Sherol 네가 우리와 함께 할 수있어서 기뻐 마지막으로 플러그를 하나만 할거야

GDC와는 아무런 관련이 없습니다 NVIDIA의 기술인 GTC를 언급하십시오 그들의 GPU 기술 컨퍼런스가 열리고 있습니다 그리고 그것은 다음 주가 될 것입니다 그러니 조금 외쳐보세요

그리고, 셸롤, 너 또 다른 일이 있었 니? SHEROL CHEN : TensorFlow Dev Summit, 다음 주입니다 TensorFlow Dev Summit이 다가오고 있습니다 그리고 라이브 스트림 대화가있을 것입니다 그리고 그 후 회담이 확실히있을 것입니다 나는 실제로 기계 학습, 연구, 창의력

그래서 확실히 확인해보십시오 MELANIE WARRICK : 그것을 덮어 줘서 고마워 다른 건, 마크, 우리가 언급하고 싶었던 것 우리가 이번 주에 끝나기 전에? MARK MANDEL : 저는 GDC 이후 많은 수면을 할 계획입니다 그럼 아무도 당신을 찾을 수 없어요 MARK MANDEL : 네

할거다– 너를 찾지 마라 MARK MANDEL : 좀 쉬고 있습니다 마침내 당신은 나는 GDC에 갈거야 MARK MANDEL : 끝났어 멜라니 워릭 : 남은 한 해는 끝났어 MARK MANDEL : 굉장해 Melanie, Sherol, 고마워

Podcast의 또 다른 에피소드를 위해 우리를 합류 한 많은 것 SHEROL CHEN : 나를 보내 줘서 고마워 고마워요 SHEROL CHEN : 조심해 MARK MANDEL : 훌륭합니다

듣기에 모두 감사드립니다 다음주에 모두 보자 [ENERGETIC MUSIC]

Machine Learning: Applications and Opportunities in Social Science Research

제 이름은 크리스 헤어입니다 저는 University of California, Davis의 교수입니다

내가 가르쳐 정치학 및 방법론뿐만 아니라 미국 투표 행위를 연구합니다 나는 사회 과학에서 기계 학습을 가르칩니다 이 과정의 목표는 기계 분야에서 개발 된 통찰력과 방법을 취한다 학습, 통계 학습 및 인공 지능을 사용하여 전통적인 사회 과학 문제에 유용한 방법으로 적용될 수있다 질문

우리는 5 일 동안 다양한 주제를 다루고 있습니다 기계에서 기본 회귀 모델의 개념화와 함께 학습 관점 그런 다음 베이지안 모델링에 대해 논의합니다 기계 학습, 낮은 만들기 위해 정규화 방법의 사용에 적용 분산 추정 우리는 또한 최첨단 기계 학습의 사용을 보여줍니다

신경망을 포함한 기술, 지원 벡터 머신, 의사 결정 트리, 앙상블 모델, 모델 평균 그리고 우리는이 모든 것을 사회 과학에서합니다 사회 과학자가이 방법에서 벗어날 수있는 것을 보는 관점 올바른 분류, 변수 선택, 모델 개선, 모델 정확성 및 수집 통찰력은 궁극적으로 우리의 데이터 세트 이 워크샵 참가자는 다양한 분야의 다른 분야 : 일부 정치학, 일부 경제학, 일부 정치학 심리학, 교육, 건강 또한 다양한 배경이 있습니다

몇 가지가 있습니다 조교수, 몇명 더 고위 능력, 대학원생 과 다양한 통계 언어로 다양한 배경 정보가 있습니다 일부는 R 및 파이썬에 대한 광범위한 경험을 가지고 있으며, 다른 사람들은 더 친숙합니다 SPSS, STATA와 함께 사용하고 R과 같은 새로운 기능을 제공합니다

이 모델을 통해 다양한 작업을하는 두 가지 목표 패키지를 사용하여 모든 사람이 이러한 방법을 배우고 실제로 자신의 목적에 맞게 적용 할 수 있어야합니다 유일한 전제 조건 기본 통계뿐만 아니라 기본 통계에 대한 배경 지식이 필요합니다 회귀, 일반 최소 자승, 확실하게 통계 그 이상의 훈련은 개념을 조금 이해하는 데 도움이됩니다 더 깊게, 그러나 기계 학습으로 이러한 많은 방법들이 설정됩니다 우리는 반드시 깊은 통계적 배경을 필요로하지 않는다 모델을 실행하고 활용하여 효과적인 방법으로 탄생시킨다 우리의 데이터