Hvis du allerede har brukt Cortana- eller Skype-oversetter på Windows-enhetene dine, har du kanskje lurt på hva som skal til for å få datamaskiner til å forstå menneskelig tale. Vel, Microsoft satser stort på dyp læring og kunstig intelligens, så forskerne valgte å utvikle sitt eget moderne verktøysett kalt Computational Network Toolkit (CNTK) , i håp om å nå flere gjennombrudd innen maskinlæringsfeltet.
I dag annonserer selskapet det det er nettopp gjort CNTK tilgjengelig for bruk for andre utviklere på Github . Ifølge forskere fra Microsoft, takket være bedre kommunikasjonsevner, er dette nye verktøysettet raskere for tale- og bildegjenkjenning enn de fire andre populære beregningsverktøysettene som andre utviklere er avhengige av. Siden dyplæringsaktiviteter kan ta uker før de er fullført, er denne prestasjonen ganske stor for Microsoft.
For å utvikle CNTK måtte Microsoft utforske dype nevrale nettverk, som er systemer som gjenskaper de biologiske prosessene i den menneskelige hjernen. Selskapet er også avhengig av kraftige datamaskiner med Graphics Processing Units (GPU) for å kjøre CNTK, siden de er de beste verktøyene for å behandle de kompliserte algoritmene som kan forbedre kunstig intelligens og tale- og bildegjenkjenning.
Xuedong Huang, Microsofts sjef for taleforsker, er stolt over å invitere alle til å 'bli med oss for å drive kunstig intelligens gjennombrudd,' med et verktøysett 'bare sinnsykt mer effektivt enn noe vi noen gang har sett.'
Fordi dette verktøyet nå har en åpen kildekode-lisens, spiller det ingen rolle om du er en forsker med et lite budsjett, en oppstart med dyp læring eller et større selskap som behandler mye data: faktisk kan CNTK brukes på en enkelt datamaskin eller kan skaleres på tvers av flere GPU-baserte maskiner, noe som gir mer fleksibilitet for eksperimenter i stor skala. Siden kunstig intelligens genererer mye interesse innen teknologifeltet, antar jeg at vi kan forvente at dette nye verktøyet snart vil tiltrekke seg interesse fra forskere og konkurrenter innen dyplæringsfeltet.
