구글 브레인

Google Brain
구글 브레인
광고?네.
프로젝트 종류인공지능과 기계학습
위치마운틴 뷰(캘리포니아)
웹 사이트ai.google/브레인팀/

구글 브레인(Google Brain)은 구글의 인공지능 전문 연구부문인 구글 AI 산하에 있는 딥러닝 인공지능 연구팀이다.2011년에 설립된 Google Brain은 개방형 머신 러닝 연구와 정보 [1]시스템 및 대규모 컴퓨팅 리소스를 결합하고 있습니다.연구팀은 여러 내부 AI 연구 프로젝트를 [2]통해 신경망을 일반인이 사용할 수 있는 텐서플로우(TensorFlow)와 같은 도구를 만들었다.이 팀은 기계학습과 자연어 [2]처리 분야에서 연구 기회를 창출하는 것을 목표로 하고 있습니다.

역사

구글 브레인 프로젝트는 2011년 구글 펠로우 제프 딘, 구글 연구원 그레그 코라도, 스탠포드 대학 교수 앤드류 [3]응의 시간제 연구 협력으로 시작됐다.Ng는 2006년부터 인공지능 문제를 해결하기 위해 딥러닝 기술을 사용하는 것에 관심을 가져 왔으며, 2011년부터 Dean 및 Corrado와 협력하여 구글의 클라우드 컴퓨팅 인프라 위에 대규모 딥러닝 소프트웨어 시스템인 Dist [4]Belief를 구축하기 시작했습니다.구글 브레인(Google Brain)은 구글 X 프로젝트로 시작해 구글로 복귀할 정도로 큰 성공을 거뒀다.아스트로 텔러는 구글 브레인사가 구글 [5]X의 모든 비용을 지불했다고 말했다.

2012년 6월, 뉴욕 타임즈는 인간의 뇌 활동의 일부 측면을 모방하는 데 전념하는 1,000대의 컴퓨터에 16,000개의 프로세서로 구성된 클러스터가 YouTube [3]비디오에서 가져온 1,000만 개의 디지털 이미지를 기반으로 고양이를 인식하는 훈련을 성공적으로 완료했다고 보도했습니다.이 이야기는 National Public [6]Radio에서도 다루어졌다.

2013년 3월 구글은 딥러닝 분야의 선도 연구원인 제프리 힌튼을 고용하여 힌튼이 이끄는 DNNResearch Inc.를 인수했습니다.힌튼은 자신의 미래 시간을 대학 연구와 [7]구글에서 일하는 것으로 나눌 것이라고 말했다.

팀 및 장소

구글 브레인(Google Brain)은 구글 펠로우 제프 딘(Jeff Dean)과 스탠퍼드대 교수 앤드루 응(Andrew Ng)에 의해 처음 설립됐다.2014년에는 제프 딘, 쿼크 레, 일리야 수츠케버, 알렉스 크리제프스키, 사미 벤조, 빈센트 반호케가 팀에 포함되었다.2017년에는 아넬리아 안젤로바, 사미 벤지오, 그렉 코라도, 조지 달, 마이클 이사드, 안줄리 칸난, 휴고 라로셸, 크리스 올라, 살리 에드니어, 베노이트 스타이너, 빈센트 반호케, 비제이가스 비에반다 등이 팀원으로 활동하고 있다.애플의 프로그래밍 언어 스위프트를 만든 뒤 테슬라 자율팀을 6개월간 운영한 크리스 래트너는 2017년 [9]8월 구글 브레인 팀에 합류했다.래트너는 2020년 1월 팀을 떠나 SiFive에 [10]입단했다.

2021년 구글 브레인(Google Brain)은 제프 딘(Jeff Dean), 제프리 힌튼(Geoffrey Hinton), 주빈 가흐라마니(Zoubin Gahramani)가 이끌고 있다.다른 멤버로는 Katherine Heller, Pi-Chuan Chang, Ian Simon, Jean-Philippe Vert, Nevena Lazic, Annelova, Luasz Kaiser, Carrie Jun Cai, Eric Breck, Ruooming Pang, Carlos Riquelme, Hugo Larl, Hagel, Ha Ha Ha Ha Ha HaVel,[8] HaVel이 있다.사미 벤조는[11] 2021년 4월 주빈 가흐라마니가 책임을 지고 팀을 떠났다.

Google Research는 Google Brain을 포함하며 캘리포니아 마운틴 뷰에 기반을 두고 있습니다.또한 아크라, 암스테르담, 애틀랜타, 베이징, 베를린, 케임브리지(매사추세츠), 이스라엘, 로스앤젤레스, 런던, 몬트리올, 뮌헨, 뉴욕, 파리, 피츠버그, 프린스턴, 샌프란시스코, 시애틀, 도쿄, 토론토, [12]취리히에 위성 그룹을 두고 있다.

프로젝트

인공지능에 의한 암호화 시스템

2016년 10월 Google Brain은 뉴럴 네트워크가 안전한 [13]대칭 암호화를 학습할 수 있는지 확인하는 실험을 고안했습니다.이 실험에서는 세 가지 신경망이 생성되었다.앨리스, 밥, 이브.[14]GAN(Generative Adversarial Network)이라는 개념을 고수하면서, 실험의 목적은 앨리스가 밥에게 암호화된 메시지를 보내는 것이었는데, 밥은 해독할 수 있었지만 상대인 이브는 해독할 [14]수 없었다.앨리스와 밥은 암호화와 복호화에 [13]사용되는 키를 공유한다는 점에서 이브보다 우위를 유지했다.이를 통해 구글 브레인(Google Brain)은 안전한 암호화를 [13]학습할 수 있는 신경 네트워크의 능력을 입증했다.

이미지 강화

구글 브레인사는 2017년 2월 8x8 해상도의 사진을 32x32 [15][16]해상도로 변환하는 확률론적 방법을 결정했다.픽셀 [17][18]변환을 생성하기 위해 이미 존재하는 pixelCNN이라는 확률론적 모델을 기반으로 구축된 방법입니다.

제안된 소프트웨어는 번역된 이미지의 [16][19]픽셀 구성에 대한 근사치를 만들기 위해 두 개의 신경망을 활용한다.'컨디셔닝 네트워크'로 알려진 첫 번째 네트워크는 고해상도 이미지를 8x8로 축소하고 원래 8x8 이미지에서 이러한 고해상도 [16]이미지로의 매핑을 작성하려고 합니다.다른 네트워크('사전 네트워크')는 이전 네트워크로부터의 매핑을 사용하여 원본 [16]이미지에 더 자세한 내용을 추가합니다.변환된 이미지는 고해상도 이미지가 아니라 기존 고해상도 [16]이미지를 기반으로 한 32x32 해상도 추정입니다.구글 브레인(Google Brain)의 결과는 신경 네트워크가 이미지를 [20]향상시킬 수 있는 가능성을 보여준다.

구글 번역

구글 브레인 팀은 인공 신경 네트워크와 방대한 다국어 [21]텍스트 데이터베이스를 결합한 새로운 딥 러닝 시스템을 사용하여 구글 번역 프로젝트에 기여했습니다.2016년 9월, 많은 [21]사례에서 배울 수 있는 엔드 투 엔드 학습 프레임워크인 구글 신경 기계 번역(GNMT)이 출시되었습니다.이전에는 Google Translate의 PBMT(Prase-Based Machine Translation) 접근법은 통계적으로 단어별로 분석하고 문장 내의 [22]주변 문구를 고려하지 않고 다른 언어로 대응하는 단어와 일치시키려 했습니다.그러나 GNMT는 원하는 언어의 각 단어에 대한 치환을 선택하는 것이 아니라 문장의 나머지 문맥에서 단어 세그먼트를 평가하여 [2]보다 정확한 치환을 선택합니다.이전 PBMT 모델과 비교하여 GNMT 모델은 인간 번역과의 유사성이 24% 향상되었으며 [2][21]오류가 60% 감소했습니다.GNMT는 중국어에서 [21]영어로 번역하는 등 어려운 번역도 대폭 개선되었습니다.

GNMT의 도입으로 Google Translate의 파일럿 언어 번역 품질이 향상되었지만, 103개 언어 모두에 대해 이러한 개선 사항을 만드는 것은 매우 어려웠다.이 문제를 해결하기 위해 Google Brain 팀은 다국어 GNMT 시스템을 개발할 수 있었습니다.이 시스템은 여러 언어 간의 번역을 가능하게 함으로써 이전 시스템을 확장했습니다.게다가 제로샷 번역도 가능합니다.제로샷 번역은 지금까지 시스템에서 명시적으로 [23]인식되지 않았던2개의 언어간의 번역입니다.구글은 구글 번역기가 신경망을 이용하여 번역 없이 번역할 수 있다고 발표했다.이것은 한 언어의 음성을 텍스트로 번역하지 않고 다른 언어의 텍스트로 직접 번역하는 것이 가능하다는 것을 의미합니다.구글 브레인 연구원들에 따르면, 이 중간 단계는 신경망을 사용하여 피할 수 있다.시스템이 이것을 학습하기 위해서, 그들은 그것을 대응하는 영어 텍스트와 함께 많은 시간 동안 스페인어 오디오에 노출시켰다.인간의 뇌를 복제하는 신경망의 다른 층들은 대응하는 부분들을 연결할 수 있었고, 이후 오디오 파형을 영어 [24]텍스트로 변환될 때까지 조작할 수 있었다.GNMT 모델의 또 다른 단점은 번역 시간이 [2]문장 내의 단어 수에 따라 기하급수적으로 증가한다는 것입니다.이를 통해 Google Brain Team은 새로운 번역 프로세스가 여전히 빠르고 신뢰할 수 [22]있도록 하기 위해 2000개의 프로세서를 추가했습니다.

로보틱스

로봇의 새로운 기술을 수작업으로 프로그램해야 하는 전통적인 로봇 제어 알고리즘을 개선하기 위해 구글 브레인 로봇 연구원들은 로봇이 스스로 [25]새로운 기술을 배울 수 있도록 기계 학습 기술을 개발하고 있다.그들은 또한 클라우드 [26]로봇이라고도 알려진 학습 과정에서 로봇이 서로 배울 수 있도록 로봇들 간의 정보 공유 방법을 개발하려고 시도한다.이에 따라 구글은 2019년 개발자를 위한 구글 클라우드 로보틱스 플랫폼을 출시해 클라우드 연계 협업로봇을 [26]통한 효율적인 로봇 자동화를 실현하고 있다.

Google Brain의 로보틱스 연구는 주로 딥 러닝 알고리즘을 개선 및 적용하여 로봇이 경험, 시뮬레이션, 인간 시연 및/또는 시각적 [27][28][29][30]표현으로부터 학습함으로써 작업을 완료할 수 있도록 하는 데 초점을 맞추고 있다.예를 들어, 구글 브레인 연구원들은 로봇이 [27]미리 프로그램되지 않은 환경에서 실험을 함으로써 단단한 물체를 골라 박스로 던지는 법을 배울 수 있다는 것을 보여주었다.또 다른 연구에서, 연구원들은 컵에서 액체를 따르는 것과 같은 행동을 배우도록 로봇을 훈련시켰다; 로봇은 여러 [29]관점에서 기록된 인간의 시연 비디오를 통해 배웠다.

Google Brain 연구원들은 로봇 연구에 대해 다른 회사 및 학술 기관과 협력해 왔습니다.2016년 구글 브레인 팀은 X사의 연구원들과 협력하여 로봇 [31]잡기를 위한 손과 눈의 협응을 배우는 연구를 했다.이 방법을 통해 로봇이 자기보정을 [31]통해 새로운 물체를 잡을 수 있는 실시간 제어를 할 수 있었다.2020년에는 구글브레인, 인텔 AI랩, UC버클리 연구진이 수술 [30]영상으로 훈련부터 봉합 등 수술 관련 작업을 학습하는 로봇용 AI 모델을 만들었다.

대화식 스피커 인식 및 강화 학습

2020년에 구글 브레인 팀과 릴 대학교는 대화형 스피커 인식이라고 불리는 자동 스피커 인식 모델을 발표했습니다.ISR 모듈은 몇 개의 사용자 고유 [32]단어를 요구하는 것만으로 특정 스피커 목록에서 스피커를 인식합니다.텍스트 [32]음성 훈련의 맥락에서 음성 세그먼트를 선택하도록 모델을 변경할 수 있습니다.또한 악의적인 음성 생성기가 [32]데이터에 액세스하는 것도 방지할 수 있습니다.

텐서플로우

주요 기사:텐서플로우

TensorFlow는 구글 브레인 기반의 오픈소스 소프트웨어 라이브러리로, 누구나 자신의 신경망을 [2]훈련할 수 있는 도구를 제공함으로써 머신러닝을 활용할 수 있다.이 도구는 인간이 정렬한 [2]이미지의 데이터 세트를 사용하여 수확량을 정렬하는 데 필요한 수작업량을 줄이기 위해 농부들이 사용해 왔습니다.

마젠타

마젠타는 구글 브레인(Google Brain)을 활용해 기존 데이터를 [2]분류하고 분류하는 대신 예술과 음악 형태로 새로운 정보를 만드는 프로젝트다.TensorFlow는 사용자가 신경망을 안내하여 이미지와 [2]음악을 만들 수 있도록 도구 모음으로 업데이트되었습니다.하지만, 발도스타 주립 대학의 연구팀은 AI가 [2]번역에서 직면하는 문제와 유사하게 예술성에 있어 인간의 의도를 완벽하게 복제하기 위해 노력하고 있다는 것을 발견했다.

의료 응용 프로그램

구글 브레인(Google Brain)의 이미지 정렬 기능은 의사가 알아차리지 못할 수 있는 패턴을 찾아 초기 [2]진단을 제공함으로써 특정 의학적 상태를 감지하는 데 사용되어 왔다.유방암 검진 중, 이 방법은 인간 병리학자들의 4분의 1이 거짓 양성으로 판명되었는데, 그들은 각각의 사진을 보는 데 더 많은 시간이 필요하고 이 한 [2]가지 작업에 그들의 전체 초점을 쏟을 수 없다.뉴럴 네트워크는 단일 작업에 대한 매우 구체적인 훈련으로 인해, 사람이 쉽게 [2]발견할 수 있는 사진 속의 다른 고통을 식별할 수 없다.

텍스트-이미지 모델

구글 브레인사는 2022년 오픈과 경쟁하는 이매진(Imagen)과 파르티(Parti)라는 두 종류의 텍스트 투 이미지 모델을 만들었다고 발표했다.AI의 Dall-E.[33][34]

기타 구글 제품

구글 브레인 프로젝트의 기술은 현재 안드로이드 운영 체제의 음성 인식 시스템, 구글 포토에 대한 사진 검색, 지메일에서의 스마트 댓글, 유튜브에서의 [35][36][37]비디오 추천과 같은 다양한 다른 구글 제품들에 사용되고 있다.

접수처

Google Brain은 Wired Magazine,[38][39][40] National Public Radio,[6] Big [41]Think에서 보도되었습니다.이 기사에는 주요 팀원인 Ray Kurzweil과 Andrew Ng와의 인터뷰가 포함되어 있으며, 프로젝트의 목표와 [38][6][41]적용에 대한 설명에 초점을 맞추고 있습니다.

논쟁

2020년 12월 AI 윤리학자 팀닛 게브루는 [42]구글을 떠났다.그녀가 그만두거나 해고된 정확한 성격은 논란이 되고 있지만, "추적 앵무새의 위험에 대하여: 언어 모델이 너무 클 수 있는가?"라는 제목의 논문을 철회하는 것을 거부했기 때문이다.[42]본 논문은 환경에 미치는 영향, 훈련 데이터에 대한 편견, 대중을 [42][43]속일 수 있는 능력 등 구글 브레인 등 AI 성장의 잠재적 위험을 조사했다.논문 철회 요청은 구글 [44]브레인 부사장인 메간 카콜리아가 했다.2021년 4월 현재 약 7000명의 현 또는 전 구글 직원과 업계 지지자들이 구글의 "연구 검열"을 비난하고 게브루의 회사 [45]내 처우를 비난하는 공개 서한에 서명했다.

2021년 2월, 구글은 회사의 AI 윤리 팀장 중 한 명인 [44]마가렛 미첼을 해고했다.회사의 성명은 Mitchell이 [44]자동화된 도구를 사용하여 Gebru에 대한 지원을 찾음으로써 회사 정책을 위반했다고 주장했다.같은 달 윤리팀 외부의 엔지니어들은 [46]게브루의 잘못된 해지를 이유로 그만두기 시작했다.2021년 4월, 구글 브레인 공동 설립자 사미 벤조가 [11]회사로부터의 사임을 발표했다.게브루의 매니저임에도 불구하고, 벤조는 그녀가 해고되기 전에 통지를 받지 못했고, 그는 그녀와 [11]미첼을 지지하는 글을 온라인에 올렸다.벤지오의 퇴임 선언은 개인 성장에 초점을 맞췄지만 익명의 소식통들은 로이터통신에 AI 윤리팀 내부의 혼란이 그의 [11]고민에 한몫했다고 지적했다.

2022년 3월 구글은 컴퓨터 칩 [47]부품을 설계할 수 있는 컴퓨터의 능력에 대한 연구 결과에 대해 구글의 AI 팀원 안나 골디와 아잘리아 미르호세니가 네이처에 발표한 논문 결과에 의문을 제기하자 AI 연구원 사트라짓 채터지를 해고했다.[48]

「 」를 참조해 주세요.

레퍼런스

  1. ^ "What is Google Brain?". GeeksforGeeks. 2020-02-06. Retrieved 2021-04-09.
  2. ^ a b c d e f g h i j k l m Helms, Mallory; Ault, Shaun V.; Mao, Guifen; Wang, Jin (2018-03-09). "An Overview of Google Brain and Its Applications". Proceedings of the 2018 International Conference on Big Data and Education. ICBDE '18. Honolulu, HI, USA: Association for Computing Machinery: 72–75. doi:10.1145/3206157.3206175. ISBN 978-1-4503-6358-7. S2CID 44107806.
  3. ^ a b Markoff, John (June 25, 2012). "How Many Computers to Identify a Cat? 16,000". The New York Times. Retrieved February 11, 2014.
  4. ^ Jeffrey Dean; et al. (December 2012). "Large Scale Distributed Deep Networks" (PDF). Retrieved 25 October 2015.
  5. ^ Conor Dougherty (16 February 2015). "Astro Teller, Google's 'Captain of Moonshots,' on Making Profits at Google X". Retrieved 25 October 2015.
  6. ^ a b c "A Massive Google Network Learns To Identify — Cats". National Public Radio. June 26, 2012. Retrieved February 11, 2014.
  7. ^ "U of T neural networks start-up acquired by Google" (Press release). Toronto, ON. 12 March 2013. Retrieved 13 March 2013.
  8. ^ a b "Brain Team – Google Research". Google Research. Retrieved 2021-04-08.
  9. ^ Etherington, Darrell (Aug 14, 2017). "Swift creator Chris Lattner joins Google Brain after Tesla Autopilot stint". TechCrunch. Retrieved 11 October 2017.
  10. ^ "Former Google and Tesla Engineer Chris Lattner to Lead SiFive Platform Engineering Team". www.businesswire.com. 2020-01-27. Retrieved 2021-04-09.
  11. ^ a b c d Dave, Jeffrey Dastin, Paresh (2021-04-07). "Google AI scientist Bengio resigns after colleagues' firings: email". Reuters. Retrieved 2021-04-08.
  12. ^ "Build for Everyone - Google Careers". careers.google.com. Retrieved 2021-04-08.
  13. ^ a b c Zhu, Y.; Vargas, D. V.; Sakurai, K. (November 2018). "Neural Cryptography Based on the Topology Evolving Neural Networks". 2018 Sixth International Symposium on Computing and Networking Workshops (CANDARW): 472–478. doi:10.1109/CANDARW.2018.00091. ISBN 978-1-5386-9184-7. S2CID 57192497.
  14. ^ a b Abadi, Martín; Andersen, David G. (2016). "Learning to Protect Communications with Adversarial Neural Cryptography". arXiv:1610.06918. Bibcode:2016arXiv161006918A. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  15. ^ Dahl, Ryan; Norouzi, Mohammad; Shlens, Jonathon (2017). "Pixel Recursive Super Resolution". arXiv:1702.00783. Bibcode:2017arXiv170200783D. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  16. ^ a b c d e "Google Brain super-resolution image tech makes "zoom, enhance!" real". arstechnica.co.uk. 2017-02-07. Retrieved 2017-05-15.
  17. ^ Bulat, Adrian; Yang, Jing; Tzimiropoulos, Georgios (2018), "To Learn Image Super-Resolution, Use a GAN to Learn How to Do Image Degradation First", Computer Vision – ECCV 2018, Cham: Springer International Publishing, pp. 187–202, arXiv:1807.11458, doi:10.1007/978-3-030-01231-1_12, ISBN 978-3-030-01230-4, S2CID 51882734, retrieved 2021-04-09
  18. ^ Oord, Aaron Van; Kalchbrenner, Nal; Kavukcuoglu, Koray (2016-06-11). "Pixel Recurrent Neural Networks". International Conference on Machine Learning. PMLR: 1747–1756. arXiv:1601.06759.
  19. ^ "Google uses AI to sharpen low-res images". engadget.com. Retrieved 2017-05-15.
  20. ^ "Google just made 'zoom and enhance' a reality -- kinda". cnet.com. Retrieved 2017-05-15.
  21. ^ a b c d Castelvecchi, Davide (2016). "Deep learning boosts Google Translate tool". Nature News. doi:10.1038/nature.2016.20696. S2CID 64308242.
  22. ^ a b Lewis-Kraus, Gideon (2016-12-14). "The Great A.I. Awakening". The New York Times. ISSN 0362-4331. Retrieved 2021-04-08.
  23. ^ Johnson, Melvin; Schuster, Mike; Le, Quoc V.; Krikun, Maxim; Wu, Yonghui; Chen, Zhifeng; Thorat, Nikhil; Viégas, Fernanda; Wattenberg, Martin; Corrado, Greg; Hughes, Macduff (2017-10-01). "Google's Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation". Transactions of the Association for Computational Linguistics. 5: 339–351. doi:10.1162/tacl_a_00065. ISSN 2307-387X.
  24. ^ Reynolds, Matt. "Google uses neural networks to translate without transcribing". New Scientist. Retrieved 15 May 2017.
  25. ^ Metz, Cade; Dawson, Brian; Felling, Meg (2019-03-26). "Inside Google's Rebooted Robotics Program". The New York Times. ISSN 0362-4331. Retrieved 2021-04-08.
  26. ^ a b "Google Cloud Robotics Platform coming to developers in 2019". The Robot Report. 2018-10-24. Retrieved 2021-04-08.
  27. ^ a b Zeng, A.; Song, S.; Lee, J.; Rodriguez, A.; Funkhouser, T. (August 2020). "TossingBot: Learning to Throw Arbitrary Objects With Residual Physics". IEEE Transactions on Robotics. 36 (4): 1307–1319. doi:10.1109/TRO.2020.2988642. ISSN 1941-0468.
  28. ^ Gu, S.; Holly, E.; Lillicrap, T.; Levine, S. (May 2017). "Deep reinforcement learning for robotic manipulation with asynchronous off-policy updates". 2017 IEEE International Conference on Robotics and Automation (ICRA): 3389–3396. arXiv:1610.00633. doi:10.1109/ICRA.2017.7989385. ISBN 978-1-5090-4633-1. S2CID 18389147.
  29. ^ a b Sermanet, P.; Lynch, C.; Chebotar, Y.; Hsu, J.; Jang, E.; Schaal, S.; Levine, S.; Brain, G. (May 2018). "Time-Contrastive Networks: Self-Supervised Learning from Video". 2018 IEEE International Conference on Robotics and Automation (ICRA): 1134–1141. arXiv:1704.06888. doi:10.1109/ICRA.2018.8462891. ISBN 978-1-5386-3081-5. S2CID 3997350.
  30. ^ a b Tanwani, A. K.; Sermanet, P.; Yan, A.; Anand, R.; Phielipp, M.; Goldberg, K. (May 2020). "Motion2Vec: Semi-Supervised Representation Learning from Surgical Videos". 2020 IEEE International Conference on Robotics and Automation (ICRA): 2174–2181. arXiv:2006.00545. doi:10.1109/ICRA40945.2020.9197324. ISBN 978-1-7281-7395-5. S2CID 219176734.
  31. ^ a b Levine, Sergey; Pastor, Peter; Krizhevsky, Alex; Ibarz, Julian; Quillen, Deirdre (2018-04-01). "Learning hand-eye coordination for robotic grasping with deep learning and large-scale data collection". The International Journal of Robotics Research. 37 (4–5): 421–436. doi:10.1177/0278364917710318. ISSN 0278-3649.
  32. ^ a b c Seurin, Mathieu; Strub, Florian; Preux, Philippe; Pietquin, Olivier (2020-10-25). "A Machine of Few Words: Interactive Speaker Recognition with Reinforcement Learning". Interspeech 2020. ISCA: ISCA: 4323–4327. arXiv:2008.03127. doi:10.21437/interspeech.2020-2892. S2CID 221083446.
  33. ^ Vincent, James (May 24, 2022). "All these images were generated by Google's latest text-to-image AI". The Verge. Vox Media. Retrieved May 28, 2022.
  34. ^ Khan, Imad. "Google's Parti Generator Relies on 20 Billion Inputs to Create Photorealistic Images". CNET. Retrieved 23 June 2022.
  35. ^ "How Google Retooled Android With Help From Your Brain". Wired. ISSN 1059-1028. Retrieved 2021-04-08.
  36. ^ "Google Open-Sources The Machine Learning Tech Behind Google Photos Search, Smart Reply And More". TechCrunch. Retrieved 2021-04-08.
  37. ^ "This Is Google's Plan to Save YouTube". Time. May 18, 2015.
  38. ^ a b Levy, Steven (April 25, 2013). "How Ray Kurzweil Will Help Google Make the Ultimate AI Brain". Wired. Retrieved February 11, 2014.
  39. ^ Wohlsen, Marcus (January 27, 2014). "Google's Grand Plan to Make Your Brain Irrelevant". Wired. Retrieved February 11, 2014.
  40. ^ Hernandez, Daniela (May 7, 2013). "The Man Behind the Google Brain: Andrew Ng and the Quest for the New AI". Wired. Retrieved February 11, 2014.
  41. ^ a b "Ray Kurzweil and the Brains Behind the Google Brain". Big Think. December 8, 2013. Retrieved February 11, 2014.
  42. ^ a b c "We read the paper that forced Timnit Gebru out of Google. Here's what it says". MIT Technology Review. Retrieved 2021-04-08.
  43. ^ Bender, Emily M.; Gebru, Timnit; McMillan-Major, Angelina; Shmitchell, Shmargaret (2021-03-03). "On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? 🦜". Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency. Virtual Event Canada: ACM: 610–623. doi:10.1145/3442188.3445922. ISBN 978-1-4503-8309-7.
  44. ^ a b c Schiffer, Zoe (2021-02-19). "Google fires second AI ethics researcher following internal investigation". The Verge. Retrieved 2021-04-08.
  45. ^ Change, Google Walkout For Real (2020-12-15). "Standing with Dr. Timnit Gebru — #ISupportTimnit #BelieveBlackWomen". Medium. Retrieved 2021-04-08. {{cite web}}: first=범용명(도움말)이 있습니다.
  46. ^ Dave, Jeffrey Dastin, Paresh (2021-02-04). "Two Google engineers resign over firing of AI ethics researcher Timnit Gebru". Reuters. Retrieved 2021-04-08.
  47. ^ Wakabayashi, Daisuke; Metz, Cade (2022-05-02). "Another Firing Among Google's A.I. Brain Trust, and More Discord". The New York Times. ISSN 0362-4331. Retrieved 2022-06-12.
  48. ^ Simonite, Tom. "Tension Inside Google Over a Fired AI Researcher's Conduct". Wired. ISSN 1059-1028. Retrieved 2022-06-12.