Google und Machine Learning
16.06.2016, 23:50 Uhr
Aufbau einer neuen Forschungsgruppe in Zürich
Google hat die neue Forschungsgruppe ‘Google Research Europe’ vorgestellt, welche im Bereich Machine-Learning tätig sein wird. Das Team unter der technischen Leitung von Engineering Director Emmanuel Mogenet wird von den Google Schweiz Büros in Zürich aus arbeiten.
Google Research Europe fördert Software-Entwickler und Forscher, die auf maschinelles Lernen spezialisiert sind. Diese haben so die Möglichkeit im Herzen Europas die globale Produktentwicklung Googles voran zu treiben und ihre Forschungsarbeit als Teil eines umfassenderen, globalen Konzepts zu leisten.
Das neue Team wird intensiv mit den Google-Forschern auf der ganzen Welt zusammenarbeiten, die alle ihr spezifisches Wissen zum neusten Stand der ML-Technologie beisteuern. Sie geben ihre Ideen von ML-Technologien und -Techniken weiter, damit nützliche Produkte und Tools für die weltweite Anwendung entwickelt werden können.
Zusätzlich zu dieser Zusammenarbeit wird sich das Team auf drei Kernbereiche des Machine Learning konzentrieren:
Innerhalb dieser Kernbereiche wird das Team nach Möglichkeiten suchen, die ML-Infrastruktur zu optimieren. Zudem werden die Forschungsergebnisse der Community zur Verfügung gestellt und somit ermöglicht, dass diese in der Praxis angewendet werden.
Emmanuel Mogenet zur heutigen Ankündigung: „Einige der weltbesten technischen Universitäten sind in Europa zu Hause. Deshalb liegt es nahe, hier ein Team aufzubauen. Wir freuen uns darauf, mit den ansässigen, ausgezeichneten computer-wissenschaftlichen Institutionen zusammenzuarbeiten und hoffen, weitere wertvolle Beiträge für die akademische Gemeinschaft leisten zu können, sei es durch unsere Publikationen oder durch akademischen Support .”
Hinter vielen Produkten, die Hunderte von Millionen Menschen täglich nutzen, von Translate über die Bildsuche bis zu SmartReply for Inbox , steckt die ständige Forschung von Google zu Maschinellem Lernen. Die Büroräumlichkeiten in Zürich beherbergen inzwischen den grössten Entwicklungsstandort von Google ausserhalb der Vereinigten Staaten mit über 1800 Mitarbeitern aus 75 Nationen. In Zürich wurde die Technologie entwickelt, auf welcher der Knowledge Graph basiert und Ingenieure haben hier die Konversationstechnik für den Google Assistant in Allo entwickelt.
Das neue Team wird intensiv mit den Google-Forschern auf der ganzen Welt zusammenarbeiten, die alle ihr spezifisches Wissen zum neusten Stand der ML-Technologie beisteuern. Sie geben ihre Ideen von ML-Technologien und -Techniken weiter, damit nützliche Produkte und Tools für die weltweite Anwendung entwickelt werden können.
Zusätzlich zu dieser Zusammenarbeit wird sich das Team auf drei Kernbereiche des Machine Learning konzentrieren:
- Maschinelles Lernen ist die Wissenschaft Dinge klug zu machen. Ein wichtiger Bestandteil davon ist Machine Learning (ML) – man bringt zum Beispiel einem Computer bei, Muster zu erkennen, anstatt ihn auf bestimmte Regeln zu programmieren. Die lernfähige Software heisst neuronales Netzwerk und gleicht entfernt einem echten Hirn. Es besteht aus Millionen oder Milliarden „Neuronen“, kleiner Rechnungseinheiten, von denen jede eine einfache Berechnung ausführt und die Information dann an diejenigen Neuronen weitergibt, mit denen sie verbunden ist. Als Gesamtheit kann das neuronale Netzwerk lernen, relative komplexe Muster zu erkennen. Bei diesem „Deep Learning“ sind die Neuronen auf verschiedenen Ebenen angeordnet, sodass jede Ebene von der darunterliegenden Ebene lernt. Es lernt also das Muster des Musters des Musters. Smart Reply in der Inbox verwendet zum Beispiel die neuesten neuronalen Netzwerke, um Vorschläge für Kurzantworten auf eingehende Nachrichten zu generieren.
- Sprachverarbeitung und -verständnis ist ein Gebiet der Informatik, der künstlichen Intelligenz und der Computerlinguistik, das sich mit der Interaktion zwischen Computern und der menschlichen Sprache befasst. z.B. : Wenn Sie auf dem Smartphone mit der Google-App sprechen, verwandelt die Spracherkennung Klänge in Worte (Google hat Deep Learning verwendet, um die Spracherkennung um rund 25% zu verbessern), Natural Language Processing hilft zu verstehen, was Sie meinen. Zudem hilft eine Version von Deep Learning, die Suchresultate einzureihen.
- Machine Perception stellt sich der grossen Herausforderung, Bilder, Klänge, Musik und Videos zu verstehen, z.B. kann man mit Google Fotos von “Umarmung” bis “Hunde” nach allem suchen, weil das System Googles neustes Bilderkennungssystem verwendet.
Innerhalb dieser Kernbereiche wird das Team nach Möglichkeiten suchen, die ML-Infrastruktur zu optimieren. Zudem werden die Forschungsergebnisse der Community zur Verfügung gestellt und somit ermöglicht, dass diese in der Praxis angewendet werden.
Emmanuel Mogenet zur heutigen Ankündigung: „Einige der weltbesten technischen Universitäten sind in Europa zu Hause. Deshalb liegt es nahe, hier ein Team aufzubauen. Wir freuen uns darauf, mit den ansässigen, ausgezeichneten computer-wissenschaftlichen Institutionen zusammenzuarbeiten und hoffen, weitere wertvolle Beiträge für die akademische Gemeinschaft leisten zu können, sei es durch unsere Publikationen oder durch akademischen Support .”
Hinter vielen Produkten, die Hunderte von Millionen Menschen täglich nutzen, von Translate über die Bildsuche bis zu SmartReply for Inbox , steckt die ständige Forschung von Google zu Maschinellem Lernen. Die Büroräumlichkeiten in Zürich beherbergen inzwischen den grössten Entwicklungsstandort von Google ausserhalb der Vereinigten Staaten mit über 1800 Mitarbeitern aus 75 Nationen. In Zürich wurde die Technologie entwickelt, auf welcher der Knowledge Graph basiert und Ingenieure haben hier die Konversationstechnik für den Google Assistant in Allo entwickelt.
Mehr Informationen hier: https://germany.googleblog.com/2016/06/das-google-research-europe-team.html
