Google annuncia TensorFlow 2.0 Alpha, TensorFlow Federated, TensorFlow Privacy e la piattaforma di sviluppo Coral

Google è completamente investito nel far progredire il potenziale dell'intelligenza artificiale. La società ha rilasciato una serie di strumenti, documentazione, esercitazioni e piattaforme per aiutare gli sviluppatori a utilizzare l'apprendimento automatico per le applicazioni. TensorFlow è uno dei loro progetti più importanti in questo campo. È una piattaforma di sviluppo open source, che aiuta team e singoli a formare modelli tramite l'apprendimento automatico. Al 3 ° Summit annuale degli sviluppatori di TensorFlow, Google ha annunciato la prima versione alpha di TensorFlow 2.0. Il summit ha anche introdotto molte altre cose, che riassumeremo qui di seguito. TensorFlow 2.0 Alpha La prima versione alfa pubblica di TensorFlow 2.0 è ora disponibile. Mentre le versioni precedenti della piattaforma erano più utili per gli sviluppatori esperti di ML, TensorFlow 2.0 compie un enorme passo avanti nella semplificazione del flusso di lavoro per tutti. TensorFlow 2.0 si affiderà a tf.keras per rendere l'ambiente più facile da usare. Gli sviluppatori dietro la piattaforma stanno anche pianificando di rimuovere una manciata di API da esso. Come spiegano, ci sono un paio di strumenti che fanno quasi esattamente la stessa cosa. Poiché il team ha deciso di restare con tf.keras, è possibile rimuovere molte delle API non necessarie. TensorFlow esegue anche operazioni non appena vengono chiamate, a causa della sua natura avida. La versione completa di TensorFlow 2.0 è impostata per Q2 0f 2019. È possibile visualizzare le istruzioni di migrazione, installazione e riferimento nel post del blog dal team di TensorFlow. TensorFlow Federated Big data, pur avendo i suoi vantaggi, ha anche alcuni svantaggi. Ci sono letteralmente miliardi di dispositivi che generano nuovi dati giorno per giorno, ma nella maggior parte dei casi attraversano un ambiente centralizzato (data center, cloud, ecc.). Funzionalmente, l'approccio significa meno per l'utente finale, ma può sollevare le sopracciglia degli utenti attenti alla privacy. Il team di TensorFlow ha riconosciuto questo difetto perché ora consente agli sviluppatori di adottare un approccio più decentralizzato. TensorFlow Federated è un nuovo framework open-source che consente agli sviluppatori di utilizzare tutti gli extra di addestramento ML di TF mantenendo i dati a livello locale. Il post sul blog di TensorFlow ha menzionato un esempio di come Google allena le previsioni di testo da tastiera sul dispositivo. Puoi vedere tutti i dettagli tecnici nel post del blog dal team di TensorFlow. Gli specialisti di TensorFlow Privacy ML non pensano solo ai dati ma anche alla privacy. Sono sicuro che di tanto in tanto ti imbatti in una pubblicità sospettosamente imparentata con un'email che hai inviato di recente o un messaggio che hai ricevuto. Per assicurarsi che tutti quei dati sensibili siano elaborati e formati in modo sicuro, gli esperti hanno creato nuovi modi di interagire con la privacy. Google sta investendo molto per garantire che gli utenti stiano bene con l'elaborazione dei propri dati. Il post sul blog che annuncia TensorFlow Privacy include una frase molto importante: "Idealmente, i parametri dei modelli di apprendimento automatico dovrebbero codificare modelli generali piuttosto che fatti su specifici esempi di formazione." Questo è l'obiettivo dei dati di elaborazione AI senza memorizzare le parti sensibili di conseguenza, rendendo gli utenti meno vulnerabili. TensorFlow Privacy utilizza la teoria della privacy differenziale per elaborare i dati. Ciò significa che apprenderà solo i componenti specifici dei dati se sono sufficientemente pertinenti. Sposterà i rari dettagli mentre elabora e apprende solo le cose più importanti. Quindi, se date questo articolo a TensorFlow Privacy, probabilmente imparerebbero una o due cose su TensorFlow e il mio amore per la privacy, mentre offuschiamo le metafore usate male. In questo modo, puoi assicurarti che la piattaforma ML di TensorFlow basata sulla privacy non prenda solo quello che gli dai e lo trasformi in un annuncio o qualcosa del genere. Qui ci sono esempi e riferimenti più approfonditi. Atlanti di attivazione La rete neurale è attualmente il modo più efficiente e accurato per gestire il contenuto grafico. A causa della natura di molte di queste nuove tecnologie, sono spesso fraintese nel loro modo di funzionare. Ecco perché Google ha deciso di pubblicare "Esplorazione delle reti neurali con Atlanti di attivazione". Atlanti di attivazione visualizza e spiega esattamente come le reti neurali elaborano le immagini. Come puoi vedere nel video qui sopra, ogni neurone è connesso l'un l'altro. La rete neurale elabora tutti i dati per riconoscere schemi di qualsiasi cosa, che si tratti delle caratteristiche del volto o della calligrafia. Questo aiuta i neuroni a fare le previsioni più accurate collettivamente. Per dirla in breve, Activation Atlases visualizza il processo di come l'IA prende le decisioni. Puoi saperne di più qui. Coral Development Platform Come ho già detto, Google è fortemente investito nell'offrire strumenti e servizi per facilitare lo sviluppo di AI. Ma alcune persone amano andare oltre i servizi online. Ecco perché Google ha introdotto Coral. È una piattaforma di sviluppo per hardware localizzato e in-house. Contiene tutti i tipi di componenti software e hardware, così come le capacità della rete neurale e tutti i tipi di strumenti di intelligenza artificiale. Il primo componente hardware basato su Coral, Coral Dev Board, è dotato di un TPU Edge (Tensor Processing Unit). Offre funzionalità ML ad alte prestazioni. Il Coral Dev Board ha anche moduli WiFi, Bluetooth, RAM ed eMMC per tutte le esigenze. Puoi anche aggiungere un po 'di hardware da solo. Puoi vedere le informazioni su Coral e i suoi dispositivi su questo link.