Chris Perry,目前Google相簿搜尋和分析團隊的領導人。(圖/黃慧雯攝) |
機器學習是本回Google亞太區媒體活動的主講重點,在此領域深耕已久的Google透過這個機會向台灣的讀者揭開了一點關於機器學習領域的神秘面紗,這當中的技術也運用在Google Photos App當中。
讀者可以透過Apple App Store或是Google Play下載iOS或是Android版本的Google Photos App(Google相簿App),以自己的Google帳號登入後,基本上你就可以無後顧之憂的將所有手機中的照片備份到Google Photos。而假如你有時間,你還可以看見Google從你上傳的照片影片中,為你製作而成的動態GIF圖片、拼貼照片以及故事集錦等內容。
Google Photos App運用了許多機器學習的技術,讓你僅需要很少的時間就可以輕鬆管理你的相簿,且找到你想重溫的經典回憶。(圖/黃慧雯攝) |
當然,除了這些已分類好的內容之外,也可透過Google Photos App的搜尋功能,為你找到特定照片,例如你可以在當中以「我+自拍」的關鍵字,快速找尋到所有你自己的自拍照;且所使用的搜尋關鍵字可以很自然,舉個例子來說,例如「NY Night」。而以編輯目前嘗試的經驗來看,透過英文關鍵字來搜尋的結果比較多也更為準確,身在台灣的使用者目前則只能多練練英文,或是期待Google Photos App的中文搜尋功能再更為提升!順帶一提,這些照片搜尋的功能,主要是透過雲端運算而達成,因此如果你在沒有連網的狀態下,就無法執行這些功能。
對於人們來說,對於辨識物體的學習很快速,例如學習到「…是貓」、「…是狗」的內容。然而,這樣的工作對於機器學習領域來說,背後的技術並不簡單。簡而言之,你若要透過機器學習來判斷某一個知名建築物,在建築物通常外型不會有太大變化的情況下,判斷準確其實相對簡單;對於判斷人臉、動物這類會隨著時間改變的內容,則需要下很大功夫。
Google Photos App背後運用了一個名為Inception的深度學習技術,來協助辨識圖片的內容。(圖/Google提供) |
當然,可想而知這樣的機器學習技術,仍有不準確之處。例如Google Photos曾經鬧出將一位非裔女性標記為大猩猩的糗事,差點引發種族歧視相關的議論,但Google Photos團隊在得知此事之後,一個小時之內便解決了問題,也讓當事人感到很滿意,算是有個圓滿的結局,且能避免其他的使用者在未來免於遭遇類似事件的困擾。
由此可知,機器學習主要是一個讓程式透過大量範例來學習,而後慢慢演進的更為準確、有效工具的技術。雖然難以得到百分百準確的結果,例如:在Gmail垃圾郵件判斷的例子上,然而透過使用者的回饋、以及長時間的學習時間,還有越來越為準確的機器學習Model,能讓整個系統更為智慧化,有時甚至能讓你感受到「哇!它好聰明」的感覺。
在經過多年的努力之下,至目前為止,Google算是在機器學習的領域小有成就,且已在Gmail、Google Photos App、Inbox by Gmail App等工具中,成功運用機器學習的技術,為使用者帶來更好的使用體驗。Google認為,過去工程師習慣撰寫演算法來教機器如何思考,這樣制式化的方式未來將會被機器學習所取代,而對於消費者而言,或許很難理解機器學習背後的運作原理,但你卻可以期待更為智慧、甚至讓你覺得聰明的(行動)裝置即將被發明,而將對你我生活的許多層面帶來想像不到的便利性,光是這樣的願景,不就很值得期待了嗎?
沒有留言:
張貼留言