Наши 10 самых значительных моментов использования искусственного интеллекта до сих пор

10 самых значимых моментов применения искусственного интеллекта до настоящего времени

На всякий случай, ИИ в последнее время достаточно важная штука. Но для Google он всегда был важным с самого начала, и с хорошей причиной. Он обладает силой делать ваши рутинные задачи проще и помогает решать самые сложные проблемы общества. В празднование нашего 25-летия мы взглянем на некоторые из наших самых значимых моментов в области ИИ до сих пор – и смотрим в будущее на еще более значимые достижения.

2001: Машинное обучение помогает пользователям Google Search исправлять их орфографию

Один из сооснователей Google, Ларри Пейдж, когда-то сказал: “Идеальный поисковый движок должен понимать вас и давать вам именно то, что вам нужно.” Мы сделали большой шаг вперед, реализуя эту концепцию, когда мы первыми начали использовать простую версию машинного обучения, чтобы предлагать лучшую орфографию для веб-поиска. Даже если вы не вводите слово правильно, мы все равно можем дать вам то, что вам нужно.

Анимация неправильного поиска слова "gobbledygook"

2006: Запуск Google Translate

Через пять лет после этого мы запустили Google Translate, использующий машинное обучение для автоматического перевода языков. Мы начали с переводов с арабского на английский и с английского на арабский, но сейчас Google Translate поддерживает 133 языка, на которых говорят миллионы людей по всему миру. Эта технология может переводить текст, изображения и даже разговоры в реальном времени, преодолевая языковые барьеры в глобальном сообществе, помогая людям общаться и расширяя доступ к информации, как никогда прежде.

2015: TensorFlow демократизирует ИИ

Введение нового фреймворка для машинного обучения TensorFlow сделало ИИ более доступным, масштабируемым и эффективным. Он также помог ускорить темпы исследований и разработки ИИ по всему миру. TensorFlow сейчас является одним из самых популярных фреймворков для машинного обучения и используется в широком спектре приложений ИИ, от распознавания изображений до обработки естественного языка и машинного перевода.

2016: AlphaGo побеждает чемпиона мира по Го

В рамках Google DeepMind Challenge Match более 200 миллионов человек смотрели онлайн, как AlphaGo стал первой программой ИИ, которая победила человеческого чемпиона мира в Го, сложную настольную игру, ранее считавшуюся недоступной для машин. Эта впечатляющая победа продемонстрировала потенциал глубокого обучения в решении сложных проблем, которые казались невозможными для компьютеров. Победа AlphaGo над Ли Седолом, одним из лучших игроков в Го в мире, вызвала глобальную дискуссию о будущем ИИ и показала, что ИИ системы теперь могут научиться овладевать сложными играми, требующими стратегического мышления и креативности.

2016: TPUs делают развертывание ИИ быстрее и эффективнее

Тензорные процессоры, или TPUs, – это специально разработанные кремниевые чипы, которые мы изобрели специально для машинного обучения и оптимизировали для TensorFlow. Они позволяют обучать и запускать модели ИИ гораздо быстрее, чем традиционные чипы, что делает их идеальными для масштабных приложений ИИ. Версия v5e, анонсированная в августе, является наиболее экономичной, гибкой и масштабируемой облачной TPU на сегодняшний день.

Изображение платы Tensor Processing Unit

2017: Google Research представляет Трансформер

Научно-исследовательская группа Google представила статью “Внимание – это все, что вам нужно”, в которой был представлен новый архитектурный узел нейронной сети – Трансформер, который помогает в понимании языка. До появления Трансформера машины плохо понимали смысл длинных предложений – они не видели взаимосвязи между словами, находящимися на большом расстоянии друг от друга. Трансформер существенно улучшил эту проблему и стал основой для самых впечатляющих систем генерации и понимания языка. Трансформер изменил представление о том, что машины способны выполнять перевод, суммирование текста, ответы на вопросы и даже генерацию изображений и робототехнику.

2019: BERT помогает Поиску лучше понять запросы

Наше исследование по применению трансформеров привело к внедрению двунаправленного представления кодировщика на основе трансформеров или BERT в кратком виде, который помогает Поиску лучше понимать запросы пользователей, чем когда-либо ранее. Вместо попытки понять отдельные слова, наши алгоритмы BERT помогают Google понимать слова в контексте. Это привело к значительному повышению качества Поиска и упрощению задавания вопросов пользователям таким образом, как они это делают естественно, а не перечисляя ключевые слова.

Изображение строки поиска, содержащей запрос «Можно ли получить лекарство для кого-то в аптеке» и рядом изображений результатов до и после BERT, где после отражается, что «для кого-то» является важной частью этого запроса.

2020: AlphaFold решает проблему сворачивания белка

В 2020 году DeepMind сделала рывок в области искусственного интеллекта с помощью своей системы AlphaFold, которая была признана решением «проблемы сворачивания белка». Белки являются строительными блоками жизни, и способ, которым белок сворачивается, определяет его функцию. Неправильное сворачивание белка может вызвать заболевания. В течение 50 лет ученые пытались предсказать, как белок будет сворачиваться, чтобы понять и лечить заболевания. AlphaFold сделала именно это. Затем, в 2022 году, мы бесплатно предоставили научному сообществу 200 миллионов структур белков AlphaFold, охватывающих почти все организмы на планете, геном которых был просеквенирован, через AlphaFold Protein Structure Database. Более 1 миллиона исследователей уже использовали его для работы над ускорением создания новых вакцин от малярии, продвижением открытия противораковых препаратов и разработкой ферментов, способных разлагать пластик.

2023: Bard помогает вам сотрудничать с генеративным искусственным интеллектом

LaMDA, разговорная масштабная языковая модель, выпущенная Google Research в 2021 году, подготовила почву для множества генеративных систем искусственного интеллекта, включая Bard. Bard был запущен в марте и теперь доступен в большинстве стран мира и на более чем 40 языках, так что сейчас им могут пользоваться больше людей, чем когда-либо, чтобы повысить продуктивность, ускорить появление идей и разжечь любопытство. Мы комбинировали самую умную и способную модель Bard с сервисами Google, которые вы используете каждый день, такими как Gmail, Docs, Drive, Flights, Maps и YouTube, чтобы быть еще более полезными для вас, выполняя задачи, такие как планирование поездок, проверка ответов и резюмирование писем или документов.

Видео-гифка, показывающая, как кто-то использует Bard для планирования поездки в Гранд Каньон. Bard отвечает датами из письменного разговора, информацией о гостинице и полете и т. д.

2023: PaLM 2 продвигает будущее искусственного интеллекта

В мае мы представили PaLM 2, нашу следующее поколение большой языковой модели, которая обладает улучшенными мультиязычными, рассуждательными и программистскими возможностями. Она превосходит своих предшественников по возможностям, скорости и эффективности и уже поддерживает более 25 продуктов и функций Google, включая Bard, функции генеративного искусственного интеллекта в Gmail и Workspace, а также наш эксперимент SGE по глубокой интеграции генеративного искусственного интеллекта в Google Search. Мы также используем PaLM 2 для продвижения исследований внутри компании по широкому спектру направлений, от здравоохранения до кибербезопасности.

Это только несколько из инноваций в области искусственного интеллекта Google, которые обеспечивают работу многих продуктов, которыми пользуются миллиарды людей каждый день. С нашими принципами искусственного интеллекта, которые руководят нами при принятии смелого и ответственного подхода к искусственному интеллекту, мы уже работаем над Gemini – нашей следующей моделью, созданной для содействия будущему развитию в течение следующих 25 лет.

Больше из этой коллекции

25 лет Google ​​​​— и взгляд на будущее

Google ​​отмечает 25-летие в сентябре 2023 года, поэтому мы отмечаем это событие, оглядываясь на историю Google и смотря вперед нашей технологии.

Посмотреть все 9 статей