KBTG-Comnovation S3/Ep.6 : Inspire : Applied AI & Machine Learning at Google

เรื่อง Applied AI & Machine Learning at Google
Machine Learning (ML) เป็นการพลิกโฉมจากการเขียนโปรแกรมให้คอมพิวเตอร์ทำงานมาเป็นการสอนคอมพิวเตอร์ให้เรียนรู้บางสิ่งด้วยตัวเองแล้วมันจะทำงานตามที่มนุษย์ต้องการ เป็นการทำให้คอมพิวเตอร์สามารถแก้ไขปัญหาโดยที่ไม่จำเป็นต้องบอกทุกขั้นตอนของการแก้ไขปัญหานั้นๆ

ตัวอย่างของการใช้ ML แก้ไขปัญหา เช่น AlphaGo สามารถวางแผนการเล่นเกมโกะจนชนะแชมป์โลกได้ เกมโกะเป็นเกมที่มีวิธีการวางหมากทั้งหมดได้มากกว่า 10 ยกกำลัง 172 วิธี (มากกว่าจำนวนอะตอมในจักรวาลซะอีก!)

ที่ Google มีการนำ ML มาประยุกต์ใช้หลายด้าน เช่น ลำโพงอัจฉริยะ Google home, Google Photos, การค้นหาผ่านเสียงพูดใน Google app, การตอบรับจดหมายอัจฉริยะ Smart Reply ใน Gmail, การร่างจดหมายอัตโนมัติ Smart Compose ใน Gmail, การแปลภาษาด้วย Google Translate ให้มีความถูกต้องยิ่งขึ้น, การจัดการพลังงานของศูนย์คอมพิวเตอร์ด้วย Google Data center และล่าสุด คอมพิวเตอร์สนทนาโต้ตอบคล้ายกับพนักงานให้บริการลูกค้า อย่างไรก็ตามการนำ AI และ ML มาใช้ยังต้องคำนึงถึงเรื่องจริยธรรมว่าจะต้องนำไปใช้ในทางที่เหมาะสม
ความท้าทายในการพัฒนา ML คือต้องอาศัยข้อมูลปริมาณมหาศาล แบบจำลองที่ดี และพลังในการคำนวณของคอมพิวเตอร์ ซึ่ง Google ได้ลงทุนเรื่อง Data center ที่มีสมรรถนะสูง และ พัฒนาเครื่องมือชื่อ TensorFlow ซึ่งเป็นซอฟต์แวร์ระบบเปิดสำหรับใช้ในการพัฒนาแอพที่มีการประยุกต์ใช้ ML และ AI เพื่ออำนวยความสะดวกให้กับนักพัฒนาโปรแกรม

นอกจากนี้ยังมี Google Cloud ที่เป็นแพลตฟอร์มที่รวม Infrastructure (hardware และหน่วยประมวลผล GPU, TPU), Framework (TensorFlow และเครื่องมืออื่นๆ), Cloud AI (API สำหรับ voice recognition, translator เป็นต้น) และโปรแกรมต้นแบบด้านต่างๆ สำหรับเรียนรู้และฝึกอบรม

– บันทึกการนำเสนอช่วง Inspire เรื่องเล่าจากการสร้างสรรค์สู่แรงบันดาลใจเพื่อการพัฒนาโดยMr.Naoya Moritani, Solutions Engineer – Google Cloud
– จากงาน Comnovation@K-Stadium Season 3/Ep.6 ของบริษัท KASIKORN Business-Technology Group วันที่ 3 กรกฎาคม 2561 ณ. ชั้น 11 อาคาร KBTG

Topic : Applied AI & Machine Learning at Google
Machine Learning (ML) is the next transformation: from programs a computer to teaches a computer to learn something and it does what you want. We can use ML to solve problems without knowing how to explicity create the solution.
The example of ML use case is AlphaGo can create a strategy to play Go game and beat a Go world champion. Go has 10 exponent 172 possible moves, more than the number of atoms in the known universe!

Google has applied AI/ML in many use-cases e.g. Smart Speaker (Google home), Google Photos, Search via voice in Google app, Smart Reply and Samrt Compose in Gmail, Improve natural language translation in Google Translate, Data center energy management with Google Datacenter and Natural language chatbot.
The challenges of ML developments are its large dadasets, good models and lots of computation. Google has invested high performance data centers, created TensorFlow an open source software which became the standard tool for ML and AI development.

Moreover, Google Cloud an end-to-end platform consists of Infrastructure (CPU, GPU and TPU), ML Framework (TensorFlow and other AI/ML tools), Cloud AI products and Industry Use-cases for trained models.

– Shared his experience presented by Mr.Naoya Moritani, Solutions Engineer – Google Cloud on July 3 , 2018 at K-Stadium KBTG Building.