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

---

2023년 새해에는 성장하고 함께하고 싶다면?

Pre A 단계 이상의 스타트업 C 레벨들이 모여서 커뮤니티를 만들었습니다. 같이 스터디하고 친해질 일잘러를 찾습니다.