Программируем Google Assistant

Сегодня день всех влюбленных, а я очень сильно влюблен в прогресс и технологии, поэтому буду рад поделиться с вами своими маленькими открытиями в этой области, которые поразили меня до мозга костей. Конечно, большинство из них далеко не самые новые и передовые, и для кого-то это уже давно кажется обыденностью, но уверен есть и те, кого они заинтересуют после этого поста. Итак:

1. Dialogflow – система ведения диалогов основанная на машинном обучении и доступная каждому через открытый API. Создано для всяких там чат-ботов, гугл-ассистентов и прочих болталок. Ключевая его особенность заключается в обучении, которым управляешь ты. На вход кидаешь несколько фраз, указываешь где именно какие переменные, и, постепенно, с увеличением количества приведенных примеров, он учится понимать какие параметры указаны в тексте. Например, – Какая погода в Москве?, – он распознает что Москва это переменная-город, и всё это относится к команде по запросу погоды. Можно создавать целые цепочки для диалогов, где бот допытывает пользователя о нужных ему данных, пока все переменные не будут указаны. Я уже опробовал его вкупе с вк-ботом, и это оооочень завораживающе то, в каких сферах его можно использовать. Пока конечно всё довольно скучно: его втыкают во всякие там пиццерии для заказа пользователями еды, где он настойчиво узнает какой соус положить клиенту. Но, есть умельцы, кто впихивает его в свой умный дом. Примером того является Кластер, – сумасшедший и добродушный гик, на канал которого я рекомендую забрести, если вам интересно то, что я тут пишу: https://www.youtube.com/watch?v=r9EKAbrOUS8

2. Rasberry PI – недорогой одноплаточный компьютер(3-5к рублей), с установленной Unix подобной системой, к которому можно подключать всякие устройства, датчики. Можно использовать для того же самого умного дома, подключив к роутеру и организовав дома сервак, чтобы подключаться к нему из любой точки на планете или внутри дома. Внутри него удобно программировать на pyton'е, и я пока не особо в нём разбираюсь, но наверное скоро придётся. Дальше о нём чуть подробней.

3. Face Recognition – библиотека, созданная, опять же на базе машинного обучения на python для распознавания лиц. Работает крайне просто, кидаешь в одну папку известные лица, другую анализируешь на предмет схожести, в итоге получаешь процентное соотношения насколько каждая из фотографий похожа на лицо человека из вышеприведенного списка в первой папке. Плюс, конечно же может распознать сколько человек в кадре и указать координаты каждого лица с границами. Очень круто. Можно подключить камеру к той же Rasberry Pi и обрабатывать секвенция снимков на предмет наличия тех или иных людей из списка, всё это сохранять в логи и обрабатывать эту информацию уже дальше. Ссылка с гитхаба на скачивание: https://github.com/ageitgey/face_recognition

4. Реалистичная симуляция человеческой речи от Google – меня просто поразила! Просто я не очень люблю разговаривать с людьми, а тут она сама может звонить во всякие там рестораны и прочие сервисы для заказа чего бы то ни было, чтобы общаться с людьми на другом конце провода так, что никто и не поймет, что с тобой общается бот. Пример подобной работы можно прослушать в середине этой статьи: https://nplus1.ru/news/2018/05/08/google-io, а подробно про эту систему почитать тут: https://nplus1.ru/news/2016/09/14/google-ai-voice

5. Как видно, тут у меня много про нейронные сети, и вообще заинтересовавшись ими, наверное стоит начать свой путь с Tensorflow. Я вот только сегодня про него узнал и это открытая библиотека машинного обучения опять же от Google (они молодцы не правда ли?). Вообще столкнувшись с Google API, мне она невероятно понравилась своей логичностью и универсальностью внутри программного кода. Поэтому немного взглянув на документацию Tensorflow и посмотрев пару видео о нём, я уже весь взволновался как перед первым свиданием, ибо там в качестве примера была реализация задачи определения отзывов как положительные или отрицательные по содержанию текста. Вау! И это только начало! Вот этот самый пример: https://www.tensorflow.org/hub/tutorials/text_classification_with_tf_hub В комментах шутят что кинут свой первый донат как только система научится определять сарказм в тексте :)

А вот еще очень хороший и вдохновляющий плейлист по машинному обучению – коротко и ясно о том, как это вообще работает: https://www.youtube.com/watch?v=cKxRvEZd3Mw&list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal

Первый который я вижу, внятно объясняющий что и как, как ни странно тоже от Google. Рассказывает про всё это Джош Гордон. Не знаю кто это такой(сейчас загуглил несколько лекций у него про нейросети...), но он уже мне нравится :)

Источник: github.com

Комментарии: