Програмне забезпечення машинного навчання Гугла навчилося копіювати само себе
Гугловий AutoML
У травні Google опублікував свій проект AutoML; штучний інтелект (ШІ), покликаний допомогти їм створити інші ІІ. Тепер Google оголосила, що AutoML побив інженерів-чоловіків в своїй грі, побудувавши програмне забезпечення машинного навчання, яке є більш ефективним і потужним, ніж кращі людські системи.
Система AutoML недавно порушила запис для категоризації зображень по їх утриманню, набравши 82 відсотки. Хоча це відносно просте завдання, AutoML також перевершує людську систему в більш складному інтеграл завдання для автономних роботів і доповненої реальності: маркування розташування декількох об'єктів в зображенні. Для цього завдання AutoML набрав 43 відсотки проти 39% побудованої системою людських систем.
Ці результати мають сенс, оскільки навіть в Google мало хто володіє необхідними знаннями для створення систем ШІ нового покоління. Для автоматизації цієї області потрібно дозволений набір навичок, але як тільки він буде досягнутий, він змінить галузь. «Сьогодні вони виготовлені вручну вченими з комп'ютерного навчання, і буквально тільки кілька тисяч вчених у всьому світі можуть це зробити», - сказав генеральний директор Google Сундар Пічай. «Ми хочемо, щоб сотні тисяч розробників могли це зробити».
Зображення: Google
Більшість металлообразованія - це наслідування людським нейронних мереж і спроба отримувати все більше і більше даних через ці мережі. Це не так - використовувати стару пилку - ракетобудування. Швидше за все, дуже багато роботи з plug and chug, що машини дійсно добре підходять, як тільки вони пройшли навчання. Важка частина імітує структуру мозку в першу чергу і в масштабах, відповідних більш складних проблем.
Майбутнє машинного ШІ
Як і раніше простіше налаштувати існуючу систему для задоволення нових потреб, а не створювати нейронну мережу з нуля. Однак це дослідження, схоже, передбачає, що це тимчасове положення справ. Оскільки ШІ легше створювати нові системи з підвищеною складністю, для людей буде важливо грати роль контролю. Системи ШІ можуть легко помилково підключатися до суміжних з'єднанням - наприклад, асоціювати етнічні та гендерні ідентичності з негативними стереотипами. Однак, якщо інженери-люди витрачають менше часу на роботу, що вимагає створення систем, у них буде більше часу, щоб присвятити контроль і уточнення.
В кінцевому підсумку Google прагне відточити AutoML до тих пір, поки він не зможе функціонувати досить добре, щоб програмісти могли використовувати його для практичних застосувань. Якщо їм вдасться це зробити, AutoML, ймовірно, вплине далеко за межі Google. Сундар Пічай заявив на тому ж заході з минулого тижня, що «ми хочемо демократизувати це», - значить, компанія сподівається зробити AutoML доступним поза Google.
Література: Провідний, Google
