Det kan få stor betydning, at Google har besluttet at gøre selskabets motor til intelligente systemer, TensorFlow, til open source.
Hidtil har de store systemer til machine learning - altså til udvikling af selvlærende it-systemer, der kan lære af egne erfaringer - været forbeholdt store og pengestærke firmaer som Microsoft, IBM, Google, Facebook og andre i samme kaliber.
Det ændrer sig nu med åbningen af TensorFlow, som Google hidtil har anvendt til en række af sine egne systemer.
TensorFlow er dybest set kode, som kan indbygges i diverse applikationer og programmer - fra kæmpestore til almindelige apps til smartphones - så de kan lære af deres egne erfaringer.
Det betyder, at apps eksempelvis langsomt kan forbedre deres evne til at forstå tale, læse håndskrevne tal og ord, genkende billeder og så videre.
Kan skaleres
Fidusen ved TensorFlow er, at systemet kan skaleres. Det betyder, at det kan anvendes til både de helt store systemer og til at gøre smartphone-apps mere intelligente.
Det er det sidstnævnte, som er det primære mål for Googles beslutning om at åbne systemet.
Selskabets topchef, Sundar Pichai, skriver om frigivelsen i dette blog-indlæg: TensorFlow: smarter machine learning, for everyone.
Her skriver han, at TensorFlow oprindeligt er udviklet til at løse brede problemstillinger internt i Googles egne løsninger til machine learning.
Systemet er udviklet som afløser for Googles tidligere såkaldte 'deep learning'-system, DistBelief, der imidlertid løb ind i en række problemer - blandt andet fordi det var for tæt forbundet med Googles egen infrastruktur.
Det gjorde, at det ikke var fleksibelt nok.
Det er TensorFlow, der fungerer sammen med de fleste algoritmer til machine learning.
Systemet er skrevet i C++ og kan anvendes uden at udviklerne kender det mindste til den underliggende hardware, ligesom det kan køre på tværs af diverse enheder og arkitekturer - lige fra smartphones og til store, distribuerede systemer, der kører med mange GPU'er.
Selv anvender Google blandt andet systemet til løbende, automatisk forbedring af søgemaskinen.
Det er eksempelvis machine learning-motorerne, der gør, at Googles søgemaskine - med stigende held - forsøger at gætte dit søgeord, inden du har skrevet det færdigt i søgefeltet.
Det anvendes eksempelvis også til Google Translates mobile oversættelses-system, hvor Google Translate via en augmented reality-funktion kan oversætte eksempelvis skiltetekst.
Det kan du se en video med her.
Mulighederne er med andre ord mange, og det er reelt kun fantasien, der sætter grænser for systemets anvendelse til selvlærende systemer, der automatisk bliver klogere og klogere, jo mere data det bliver udsat for.
Den store udfordring for frameworks matematik, statistik og machine learning som TensorFlow er typisk, at de er svære at anvende.
Her har Google lagt sig i selen for at gøre det hele nemt og anvendeligt.
Systemet kan eksempelvis tilgåes fra andre C++-applikationer, der er indbygget interface til Python og så videre.
Læs også:
IBM klar med ny storsatsning: 2.000 konsulenter skal arbejde med vild fremtidsteknologi
Bill Gates: Derfor bør du være bekymret for kunstig intelligens
Mød Facebooks kunstige intelligens: Sådan skal "M" hjælpe dig
