de Gitter

Construirea de comunitati online Kerasio

Construirea de comunități online: Keras.io

François Chollet este cercetător în domeniul AI și al învățării profunde la Google. El este autorul Keras – o bibliotecă de rețele neuronale minimaliste, extrem de modulare, scrisă în Python și capabilă să ruleze fie pe TensorFlow, fie pe Theano. Cu scopul de a deveni interfața accesibilă tuturor pentru învățarea profundă, Keras a crescut rapid la peste 50.000 de utilizatori. Francois ne-a vorbit despre comunitatea open source din jurul proiectului și și-a împărtășit gândurile despre viitorul învățării profunde și AI. Dacă sunteți interesat de învățarea profundă, asigurați-vă că vă opriți Canalul comunității Keras pe Gitter.

Salut François! Povestește-ne despre Keras.io proiect. Ce este Keras și care este povestea din spatele ei?

Keras este un cadru de învățare profundă pentru Python. A început în martie 2015 ca un mic proiect secundar al meu, dar a explodat rapid în popularitate. Astăzi Keras are peste 50.000 de utilizatori, inclusiv multe start-up-uri, sute de cercetători și chiar companii mari și organizații de cercetare precum CERN, Netflix, Yelp, Square și OpenAI.

Cred că Keras a făcut multe pentru ca învățarea profundă să fie mai ușor de început și mai accesibilă, ceea ce este un subiect la care îmi pasă foarte mult.

Ce obiective comune aveți ca comunitate?

La nivel de bază, comunitatea Keras este despre menținerea bazei de cod Keras și aplicarea tehnicilor de învățare profundă problemelor interesante și utile, schimbul de cunoștințe și cod în acest proces.

Dar la un nivel superior, cauza noastră ca comunitate face ca inteligența artificială și învățarea profundă să fie mai accesibile. De aceea Keras există în primul rând și de aceea mulți oameni din comunitatea Keras lucrează la popularizarea învățării profunde prin postări de blog, tutoriale etc.

Încercăm să punem învățarea profundă în mâinile unui număr cât mai mare de oameni posibil, deoarece credem că va avea un impact uriaș asupra viitorului nostru colectiv.

Care sunt așteptările pentru învățarea profundă / rețelele neuronale și care este, în opinia dumneavoastră, viitorul acestor domenii?

Dacă te uiți la istoria inteligenței artificiale, am încercat să rezolvăm probleme precum recunoașterea imaginii sau recunoașterea vorbirii de zeci de ani și, până de curând, nu am avut soluții reale. Au fost considerați a fi probleme extrem de grele. Dar în doar câțiva ani, învățarea profundă a schimbat toate acestea. A fost o adevărată revoluție.

Acum avem sisteme excelente de vizualizare pe computer, sisteme de recunoaștere a vorbirii și multe altele. Toate problemele de percepție supravegheate sunt acum considerate a fi rezolvate în mod esențial. Este greu de exagerat cât de mult a fost o învățare profundă care schimbă jocul în AI.

Datorită acestor succese inițiale, așteptările pentru ceea ce urmează sunt extraordinare. Însă învățarea profundă nu este o soluție universală, are limite.

Mulți oameni, adesea oameni care nu sunt implicați direct în cercetările de învățare profundă, nu sunt conștienți de aceste limite și cred că tehnicile noastre actuale vor continua să crească și vor continua să „rezolve AI”. La urma urmei, dacă puteți antrena o rețea neuronală profundă pentru a conduce o mașină, cu cât poate fi mai greu să o antrenați pentru a face tot ce pot face oamenii? Ei bine, destul de greu după cum se dovedește. Există mult mai mult în inteligența umană decât ceea ce pot realiza tehnicile noastre actuale de învățare supravegheată intensivă în date.

Așa că văd învățarea profundă ca fiind simultan revoluționară și oarecum supraestimată. Dar, în general, sunt optimist cu privire la viitorul terenului. După o descoperire, progresul științific tinde să urmeze o curbă sigmoidă, cu un progres rapid la început, pe măsură ce câmpul atrage mai multă atenție și investiții, care încetinește progresiv, pe măsură ce fructele cu agățare redusă sunt recoltate și devin din ce în ce mai multe eforturi pentru a face o dentare.

Odată cu învățarea profundă în 2016, se pare că suntem încă în prima jumătate a acelui sigmoid. Progresăm din ce în ce mai repede an de an. Acest lucru nu va dura la nesfârșit, dar până când lucrurile încetinesc, speranța mea este că vom înțelege mult mai multe despre natura inteligenței.

Ce probleme legate de proiect sunteți cel mai încântat personal în aceste zile?

Următorul capitol pentru Keras va fi o integrare mai strânsă cu cadrul TensorFlow, mai mult sprijin din partea Google și supravegherea adoptării de către majoritatea companiilor și cercetătorilor de acolo. Keras va deveni interfața de intrare a tuturor pentru învățarea profundă. Sunt încântat să fac acest lucru să se întâmple.

Care sunt cei mai importanți factori pe care i-ați luat în considerare la crearea și întreținerea comunității? Ce factori contribuie la succesul comunității tale?

Câteva lucruri pe care le-am învățat:

  • Asigurați-vă că utilizatorii și membrii comunității au destinații adecvate pentru asistență, întrebări etc. O listă de e-mail nu o reduce, chatul live este întotdeauna mai bun. Gitter este minunat în acest scop.
  • În ceea ce privește produsul / software-ul, concentrați-vă pe experiența utilizatorului. Dacă produsul dvs. are o experiență excelentă de utilizare, oamenii vor veni. Comunitatea va crește. Orice altceva va urma.
  • Cunoaște-ți utilizatorii. Întâlnește-i personal. Organizați întâlniri. Observați persoanele care vă testează produsul / cadrul pentru prima dată. Aflați de la ei.

Care sunt principalele probleme discutate în canalul Keras.io de pe Gitter?

Folosim Gitter mai ales pentru a rezolva întrebări de asistență, dar și pentru discuții de dezvoltare, discuții generale despre știri de învățare profundă sau orice altceva care ne trece prin cap.

Ce sfaturi ai da cuiva care dorește să intre în domeniul învățării profunde și al rețelelor neuronale?

Cel mai bun mod de a intra în învățarea profundă în acest moment este să experimentați singur, folosind exemple de coduri existente și tutoriale ca punct de plecare. Keras are cea mai simplă interfață, așa că este perfect pentru a începe. De asemenea are zeci de exemple de cod ușor bine curatate de la care poți învăța.

Iată câteva tutoriale care învață simultan învățarea profundă și Keras, aproape de la zero, și care sunt ușor de urmat (atâta timp cât aveți un background Python, care este o condiție prealabilă în orice caz):

Mulțumesc!