Software Google Pro Strojové Učení Se Naučil Samoreplikovat - Alternativní Pohled

Software Google Pro Strojové Učení Se Naučil Samoreplikovat - Alternativní Pohled
Software Google Pro Strojové Učení Se Naučil Samoreplikovat - Alternativní Pohled

Video: Software Google Pro Strojové Učení Se Naučil Samoreplikovat - Alternativní Pohled

Video: Software Google Pro Strojové Učení Se Naučil Samoreplikovat - Alternativní Pohled
Video: COFIT Talk #8: Strojové učení a AI v praxi 2024, Smět
Anonim

V květnu tohoto roku jsme psali o projektu AutoML, technologii umělé inteligence (AI) společnosti Google, která byla navržena speciálně pro vytvoření dalších AI. Společnost Google nyní oznámila, že její soubor AutoML překonal vývojáře umělých inteligence a je schopen samostatně vytvářet software pro strojové učení, který je účinnější a výkonnější než nejlepší příklady podobných systémů vyvinutých lidmi.

AutoML nedávno nastavil rekord pro efektivitu a rychlost katalogizace obrázků za stanovených podmínek s 82% účinností. A i když se tato úloha sama o sobě ukázala jako relativně jednoduchá pro systém, AutoML dokázala překonat automatizované systémy a speciální systémy rozšířené reality ve složitější úloze - určení umístění více objektů v obraze. V tomto testu AutoML provedlo 43 procent času, zatímco systémy vytvořené člověkem provedly 39 procent.

Výsledky jsou působivé, protože i v obří společnosti, jako je Google, existuje jen málo lidí, kteří mají zkušenosti s vývojem systémů AI na této úrovni. Automatizace této oblasti vyžaduje velmi širokou škálu dovedností, ale jakmile bude dosaženo výsledku, mohlo by to podle společnosti Google úplně změnit odvětví.

„Dnes může takový software vytvořit jen několik tisíc odborníků na strojové učení po celém světě. Chceme se však ujistit, že se toho mohou zúčastnit také stovky tisíc dalších vývojářů, “- časopis Wired cituje slova generálního ředitele společnosti Google Sundar Pichai.

Hodně meta-učení se týká napodobování neuronových sítí lidského mozku, jakož i potřeby provozovat obrovské množství různých dat prostřednictvím těchto sítí. Nejobtížnějším úkolem je samozřejmě to, jak napodobit strukturu mozku a přimět jej vyřešit složitější problémy.

Existující neuronové sítě se dnes stále snadněji modernizují nebo přizpůsobují konkrétním úkolům, než vyvíjet nové od nuly. Výzkum, jako je ten, o kterém hovoříme, však naznačuje, že je to pouze dočasné.

Vzhledem k tomu, že pro novou umělou inteligenci bude snazší vytvořit stále složitější systémy určené k plnění úkolů, které lidé jednoduše nedokážou plnit, je velmi důležité, aby lidé zůstali jako klíčové spojení, bez kterého tyto systémy jednoduše nemohou fungovat. Skutečně plnohodnotná umělá inteligence může snadno použít zkreslenou interpretaci v určitých otázkách, například stereotypizováním paralel mezi etickými a genderovými charakteristikami. Pokud však inženýři nyní věnují více času řešení tohoto potenciálního problému a nenechají vše na pozdější dobu, bude mít v budoucnu menší šanci na skutečný výskyt.

Obecně se Google snaží vyladit AutoML, aby jej vývojáři mohli použít při řešení problémů v reálném světě. Pokud uspějí, efekt použití AutoML může ovlivnit daleko za zdmi samotné společnosti.

Propagační video:

„Chceme to demokratizovat,“citoval časopis Wired Pichai.

Nikolay Khizhnyak

Doporučená: