[Google Extends I/O] Material Design & Sprint, Machine Learning


야맹증 분에게 스마트 워치 사용할 수 있게하기

먼저 사운드로 제공하면 어떨까?

5-10분 이면 익숙해지니까 그 사이엔 사운드로.

접근성

  • 라이브 캡션 : 자막
  • 프로젝트 유포니아: 언어장애를 위한. 표정 등으로
  • 라이브 트랜스크립: 실시간으로 반역
  • 사운드 앰플리파이어: 나이 등등을 설정하면 말을 하지 못하는 사람도.

디자인 스프린트

보이스 액션 스프린트 프레임워크

이해 정의 …

플래닝

쓰케쥴링, 팀, 대화설계자, 다이얼로그 플로를 경험할 개발자, …


다크 띰

  • 회색을 잘 사용해라
  • 컬러를 악센트로
  • 배터리 절약

높은 채도를 쓰세여


ML kit


머신 러닝 인 구글 아이오 19

신정규 - lablup

플랫폼 홀더의 딜레마

소셜네트워크 분야 및 모바일 상거래 분야의 도전으로 광고 수익 감소를 어떻게 해결하려 하는가?

  • 웹을 통해 정보를 제공하는 회사
  • 정보의 유통 문제: AI 우선전략 -> 본질은 여전
  • 어떤 정보를 어떤 경로로 전할 것인가?
    • 어떻게 고급화하는가? - 머신러닝(3월)
    • 어떤 기반? - 클라우드(4월)
    • 무엇을 어떻게? - 웹, 안드, 크롬, 스태디아, 후쿠시아(5월)

구글은 클라우드 전략을 머신러닝과 많이 연관시키려고 함.

응용폭 정보보호: federated Learning 클라우드

응용폭의 확대

환경 및 기기

  • Coral, Edge TPU
    • Edge TPU 기반의 하드웨어군
    • 라즈베리파이 같은
    • Edge TPU의 브랜드
    • 소프으웨어 스택 Mendel OS(Devian Fork)
    • TF Lite 모델 변환을 위한 엣지 티피유 컴파일러
    • 파이썬 SDK
    • 새 SDK 공개: 텐서플로의 옵스를 다 소화못함(옵스 제약이 심함: 자유도 떨어짐.)
    • 코랄안의 플래시드라이브가 엄청 작음.
    • Edge AI ASIC: 인텔의 뉴럴 컴퓨트스틱/ 엔비디아의 젯슨 나노
    • 라즈베리파이4 + Add-on
  • TensorFlow Lite
    • 에지 디바이스를 목표로 한 TF
    • XLA 기반
    • 곧 TensorFlow 2.0 / TensorFlow.js와 모델 호환성 유지
    • GPU/ NPU(이번엔 진짜로) 지원
  • TensorFlow.js + PWA
    • node.js 기반의 서버사이드 트레이닝 지원(노드가 지원 안해서 GPU 가속은 안되지만)
    • 온라인 prebuilt 모델 / TF Hub (AI Hub) 지원
  • Swift for TensorFlow
    • 컴파일러 단계에서 새로운 접근
    • Swift: LLVM 기반의 플랫폼 다양성 지원, 낮은 허들(굉장히 파이썬 스러움 + 인터프리터 모드)

활용 범위

  • 텐서 플로 2.0
    • Keras 문법 / Eager Execution 기본값
    • 세션 기반 실행구조 퇴출
    • 기존코드는 tf.compat.v1
  • TF-Agents
    • 강화학습 지원을 위한 TF 라이브러리
    • 쥬피터 노트북 예제 제공
    • 축구 게임 강화학습 환경 GFootball 오픈소스 공개
  • 공정한 머신러닝
    • 다양한 문화권 및 국가로의 확대가 문제가 됨. ( 전통 예식 사진을 결혼으로 알아낼 수 없음 )
    • 데이터 편중으로 인한 문제 - 자율주행, 이미지 인식, 대화형 모델( 존댓말)
    • 투명성 프레임워크: 편향성 데이터도 제공, 편향성이 제거된 것도 공개
    • What-if 도구: 역추척, 특정 레이어/ 뉴런 또는 훈련 데이터 특징이 없었을 경우 결과가 어떻게 달라질 수 있었을지 파악
    • 공정성 지표: 바이어스 되었을 경우 알려줌. 올해말 제공 예정
  • 기후
  • 헬스케어

정보 보호의 강화

  • 페더레이티드 러닝
    • 사생활 침해를 최소화한 분산 데이터 기반 훈련
    • 데이터 아일랜드 + 에지 컴퓨팅 기반
    • 분산 데이터 기반의 훈련 + 정보 보호 + 트래픽 감소
    • 2016년 구글이 제안 그러나 애플이 개발 먼저함
    • 텐서플로 페더레이티드
    • GBoard에 적용한 데모
    • 액션 예측 / 이모티콘 예측 등
    • 기업 내부 데이터를 노출하지 않은채로 모델 훈련 협업
    • 통합학습용 API
  • 온 칩 어시스턴트
    • 어시스턴트의 다양한 기능을 칩으로 구현
    • 차세대 픽셀에 내장
    • 처리 지연 시간을 1/10으로 줄임
    • 모델 업데이트 가능: 모델 저장 공간 있음(500kb)
    • 미국 남성 음성용으로 최적화 되어 있음(용량 문제)
  • Private Join and Compute

클라우드 + 머신러닝

  • TPU Pods V3
    • 이렇게 큰 리소스가 왜 필요한가?
    • XLNet 공개: BERT를 능가하는 성능의 언어 모델
    • 2.5일만에 트레이닝
    • 하지만 2.5일만에 2.9억이 들었음
  • Cloud TPU Pods Beta
  • ML Kit + Firebase





© 2017. by isme2n

Powered by aiden