مترجم: مریم رضایی

منبع: MIT

بسیاری از شبکه‌سازی‌های کامپیوتری که به شرکت گوگل قدرت داده، تا حدی مدیون فعالیت‌های جف دین (Jeff Dean) است. او در اواسط سال ۱۹۹۹ به شرکت گوگل پیوسته و اکنون یکی از مدیران برجسته این شرکت است. دین طراحی و اجرای نسخه‌های اولیه سیستم تبلیغات گوگل و جست‌وجوی وب این شرکت را ایجاد کرده است. همچنین او سیستم MapReduce که برای کار کردن با مجموعه‌های داده‌های بزرگ است و تحولی بزرگ در صنعت کامپیوتر ایجاد کرد را اختراع کرده است. دین اکنون تلاش می‌کند امور داخلی گوگل را بازآفرینی کند. او رهبری گروه تحقیقاتی موسوم به Google Brain را بر عهده دارد که هدف آن توسعه یادگیری ماشینی یا همان هنر آگاه‌سازی نرم‌افزار از نحوه انجام کارها برای خود به جای برنامه‌ دادن صرف به آن است. برای توضیح بیشتر باید گفت «هوش مصنوعی» منظومه‌ای در حال رشد از تکنولوژی‌ها است که به کامپیوترها امکان می‌دهد عوامل تفکر انسانی - یعنی یادگیری و استدلال - را شبیه‌سازی کنند.

　

به عنوان مثال، پیشرفت‌های منظم در الگوریتم جست‌وجوی گوگل ناشی از یادگیری ماشینی است که نوعی از هوش مصنوعی تلقی می‌شود. یادگیری ماشینی به سیستم‌ها برنامه می‌دهد تا از داده‌ها آموزش بگیرند، الگوهایی درون آن بیابند و پیش‌بینی‌هایی در مورد آن انجام دهند. نرم‌افزارهای بیرون آمده از Google Brain، اکنون توسط بیش از ۶۰۰ تیم در داخل شرکت گوگل طراحی می‌شود که اغلب برای سیستم‌های داخلی غیرقابل رویت برای مصرف‌کنندگان استفاده می‌شوند، اما در سال گذشته، تکنولوژی نشات گرفته در Google Brain به‌روزرسانه‌های قابل توجهی برای جست‌وجوی وب گوگل، فیلترینگ اسپم و سرویس‌های ترجمه داشته است. یادگیری ماشینی تاریخچه طولانی‌تری در گوگل دارد؛ جایی که مهندسان آن به نرم‌افزارها آموخته‌اند صفحات وب مرتبط با جست‌وجوی افراد را به آنها نشان دهد، آگهی‌‌های مرتبط با محتوایی که به دنبال آن هستند را انتخاب کند و فیلم‌های مرتبط با جست‌وجوی آنها را در یوتیوب به آنها پیشنهاد دهد. گوگل یکی از بسیار شرکتی است که سرمایه‌گذاری در تحقیقات یادگیری ماشینی را توسعه داده است.جف دین زمانی گفته بود: «جامعه یادگیری ماشینی واقعا به سرعت در حال حرکت است. افراد مقاله‌ای منتشر می‌کنند و ظرف یک هفته بسیاری از گروه‌های تحقیقاتی در سراسر دنیا آن مقاله را دانلود می‌کنند، آن را می‌خوانند، تشریح می‌کنند، درک می‌کنند و اقدامات مکملی را برای آن اجرا می‌کنند و سپس گفته‌های تکمیلی خود را منتشر می‌کنند. این با دیگر بخش‌های علم کامپیوتر که افراد در آن مقاله‌ای را ثبت می‌کنند و ۶ ماه منتظر می‌مانند تا کنفرانسی آن را بپذیرد یا نه بسیار فرق دارد. سپس چند ماه طول می‌کشد تا آن مقاله در کنفرانس مطرح شود. کوتاه شدن این زمان از یکسال به یک هفته حیرت‌انگیز است. جف دین اکنون می‌گوید که به همین زودی‌ها، نوع تکنولوژی که تیمش ایجاد می‌کند در کنار کامپیوتر، در بسیاری از صنایع دیگر نیز کاربرد خواهد داشت. کارشناس موسسه MIT در همین زمینه گفت‌وگویی با او داشته است.

یادگیری ماشینی که این روزها قدرتمندتر و کاربرد آن ساده‌تر شده، چگونه روش کار تیم‌های گوگل را روی مشکلات و محصولات جدید متحول کرده است؟

تحولی بسیار گسترده رخ داده است. در پنج سال گذشته، یادگیری ماشینی دامنه هر آنچه در استفاده از کامپیوترها امکان‌پذیر است را توسعه داده است؛ به‌ویژه در حوزه‌هایی مثل یادگیری زبان. این موضوع طبیعتا به تولید محصولات و ویژگی‌های جدید مانند تسهیلات جست‌وجوی عکس گوگل یا قابلیت «پاسخگویی هوشمندانه» Gmail منجر می‌شود. همچنین مهندسان گوگل را در مورد اینکه با چه نوع مشکلاتی باید مقابله کنند، مشتاق‌تر می‌کند. اگر بخواهیم مقایسه کنیم، پنج سال پیش کامپیوترها در یادگیری ماشینی عملکرد چندان خوبی نداشتند، اما امروز در برخی شرایط خیلی خوب عمل می‌کنند، بنابراین مجموعه کارهایی که معتقدیم می‌توانند انجام شوند افزایش یافته است.

شما هدایت تولید و توسعه نرم‌افزار موسوم به TensorFlow را نیز بر عهده داشتید؛ نرم‌افزاری که به تحقیقات و نیز محصولات یادگیری ماشینی گوگل قدرت می‌دهد و یک کتابخانه نرم‌افزاری متن‌باز برای یادگیری ماشینی در وظایف مختلف یادگیری زبان است. حالا شرکت گوگل تصمیم گرفته این نرم‌افزار را رایگان عرضه کند، چرا؟

داشتن یک روش رایج برای بیان ایده‌های یادگیری ماشینی واقعا مفید است. پتانسیل‌های زیادی برای یادگیری ماشینی در کل دنیا وجود دارد. شاهد این موضوع در محیط‌های آکادمیک، شرکت‌های دیگر و دولت هستیم.

آیا همه صنایع در نهایت کاملا به یادگیری ماشینی وابسته خواهند شد؟

من فکر می‌کنم صنایع زیادی وجود دارند که داده‌های زیادی را جمع‌آوری می‌کنند و به اثرات یادگیری ماشینی توجه چندانی نشان نداده‌اند، اما همه آنها در نهایت از آن استفاده خواهند کرد. صنعت حمل‌ونقل به کمک خودروهای بدون راننده، استفاده گسترده‌ای از یادگیری ماشینی خواهد داشت. صنعت سلامت و بهداشت مشکلات بیشمار جالبی در زمینه یادگیری ماشینی دارد؛ مانند درمان‌های سرپایی یا وقتی تصاویر عکسبرداری با اشعه ایکس دارید و می‌خواهید پیش‌بینی‌هایی بر اساس آن انجام دهید. من فکر نمی‌کنم یک صنعت وجود داشته باشد که تحت‌تاثیر یادگیری ماشینی باشد، بلکه این گونه صنایع فراوان هستند.

آیا یادگیری ماشینی به عنصری اساسی در به‌کارگیری کامپیوتر تبدیل خواهد شد؟

بله، مسلما. ثبت‌نام در کلاس‌های یادگیری ماشینی برنامه‌ریزی علوم کامپیوتر از حداکثر نیز فراتر رفته است. این انتظار در آینده ایجاد خواهد شد که همه افراد درک اولیه‌ای از یادگیری ماشینی داشته باشند و حداقل چند پروژه با استفاده از آن انجام دهند.