Google je napovedal naslednji velik korak v razvoju umetne inteligence z novim pristopom k strojnemu učenju, ki se lahko uporablja za uporabo nevronskih mrež za ustvarjanje še bolj učinkovitih nevronskih mrež. V bistvu govorimo o učenju stroja, da ustvarja svojo lastno vrsto.
Umetna nevronska omrežja so zasnovana tako, da posnemajo učni proces možganov, po Googlovih besedah pa ima nova tehnologija, imenovana AutoML, ta omrežja še močnejša, učinkovitejša in enostavnejša za uporabo.
Generalni direktor Googla Sundar Pichai je z govorom na Google I / O 2017, letnem dogodku za razvijalce programske in strojne opreme, na katerem podjetje običajno predstavi ali vsaj govori o izdelkih, s katerimi trenutno dela, postavil primer, kako deluje AutoML.
"Deluje tako: vzamemo nabor kandidatov za nevronske mreže - recimo jim otroške nevronske mreže - in skozi njih večkrat zaženemo že pripravljeno nevronsko mrežo, da bi našli napake, dokler ne dobimo še učinkovitejše nevronske mreže", je rekel Pichai.
Ta proces se imenuje spodbujeno učenje, kjer bo računalnik nagrajen za iskanje napak. Po istem principu denimo pse učijo novih trikov. Seveda pri računalnikih to zahteva izjemno računalniško moč, vendar je moč Googlove opreme že dosegla takšno raven, da lahko eno nevronsko omrežje zlahka analizira delo drugega nevronskega omrežja.
Za ustvarjanje nevronske mreže je potrebna resnična skupina strokovnjakov za računalniški inženiring in ogromno časa, toda zahvaljujoč AutoML-u bo lahko v prihodnosti skoraj vsak uporabnik zgradil svoj sistem umetne inteligence in ga programiral za izvajanje popolnoma vseh nalog.
"Upamo, da bo tehnologija AutoML, ki je trenutno na voljo le nekaterim raziskovalnim centrom, čez tri do pet let na voljo na stotine ali bolje na tisoče razvijalcev nevronskih mrež, ki jih želijo uporabiti za svoje posebne namene," je zapisal Pichai v uradni blog.
Shema tehnologije AutoML: večstopenjska analiza delovanja nevronskih mrež za določitev najbolj inteligentnih med njimi
Promocijski video:
Strojno učenje - poskus računalnika obdariti s sposobnostjo, da na podlagi razpoložljivih informacij sklepa sam - je le eden izmed pristopov pri razvoju umetne inteligence, ki vključuje dva pomembna vidika: učni proces in dejansko sposobnost samostojnega sklepanja na podlagi njega. S treningi je vse razmeroma jasno. Pokažite računalniku sto tisoč slik mačk in psov in sčasoma bo ugotovil, kakšno kombinacijo slikovnih pik naredi vsaka od teh živali. Drugi del je nekoliko bolj zapleten. Navsezadnje mora stroj tukaj pokazati, kaj se je naučil, in na podlagi tega učenja neodvisno prišel do logičnega ugibanja. Naredite zaključek.
Zdaj nadomestite mačke in pse z nevronskimi mrežami in dobili boste predstavo o tem, kako deluje AutoML, ki namesto prepoznavanja živali prepozna, kateri od predstavljenih sistemov je najbolj inteligenten. Po Googlovih besedah je že zdaj raven AutoML že takšna, da je lahko učinkovitejša od človeških strokovnjakov pri iskanju najboljših pristopov k reševanju določenih težav. V prihodnosti bo to bistveno poenostavilo postopek ustvarjanja novih sistemov umetne inteligence, saj jih bodo dejansko ustvarili sami.
Google pravi, da je AutoML trenutno še v zgodnji fazi, toda umetna inteligenca, strojno učenje in globoko strojno učenje (napredne metode strojnega učenja, ki temeljijo na simulaciji dela nevronov v človeških možganih) že tako ali drugače najdejo pot. na tistih aplikacijah in področjih, ki jih uporabljamo in na katerih se vsakodnevno znajdemo.
V demonstraciji na odru na I / O konferenci so Googlovi inženirji pokazali, kako lahko njihova tehnologija strojnega učenja bistveno popestri zelo temne slike ali na primer z njih odstrani različne šume. In vsa ta dejanja lahko stroj izvede samo na podlagi informacij, pridobljenih z analizo milijonov drugih jasnih vzorcev slik. Google ugotavlja, da so njihovi superračunalniki zdaj postali učinkovitejši od ljudi, ko prepoznajo, kaj je na fotografiji. Na podlagi te tehnologije bo kmalu izšla aplikacija Google Lens po meri, ki lahko prek kamere pametnega telefona učinkovito ugotovi, kateri cvet (ali cvetovi) je pred vami (ali na slikah).
V prihodnosti bodo takšni izjemno zmogljivi algoritmi, ki temeljijo na globokem učenju, zagotovo našli prostor za njihovo uporabo v medicini, kjer bodo sistemi, ki temeljijo na njih, na slikah zaznali znake malignih tumorjev in v večini primerov to počeli veliko bolj učinkovito kot poklicni kirurgi.
S tehnologijo AutoML se bodo platforme AI hitreje učile in bile veliko pametnejše. Res je, na ta trenutek bo treba počakati malo dlje od izida obljubljene "cvetne aplikacije" za platformo Android. Do tega trenutka pa bodo imeli razvijalci aplikacij in znanstveniki dovolj časa, da bodo AutoML bolje spoznali.
„Menimo, da bo ta tehnologija privedla do pojava novih nevronskih mrež in odpiranja priložnosti, kjer bodo tudi nestrokovnjaki lahko ustvarili lastne osebne nevronske mreže za svoje posebne potrebe, kar pa bo samo povečalo sposobnost tehnologij strojnega učenja, da bodo imele večji vpliv na vse nas. - pravita Googlova znanstvenika Kuok Le in Barrett Zof.
NIKOLAY KHIZHNYAK