Google znalazłam skuteczny sposób, jak szkolić AI tworzyć jeszcze bardziej zaawansowane AI

Firma Google poinformowała o kolejnym dużym krokiem w rozwoju sztucznej inteligencji, opowiadając o nowym podejściu do silnika uczenia się, z pomocą którego sieci neuronowe będzie można wykorzystać do tworzenia bardziej efektywnych sieci neuronowych. W istocie, chodzi o nauce maszyny tworzyć sobie podobnych.

Sztuczne sieci neuronowe są opracowywane z uwzględnieniem symulacji procesu uczenia się mózgu, i, według Google, jej nowa technologia, która otrzymała nazwę AutoML, jest w stanie zrobić te sieci jeszcze mocniejszy, bardziej skuteczne i łatwiejsze w użyciu.

Dyrektor generalny Google Sundar Pichai pokazał przykład pracy AutoML, przemawiając na konferencji Google I/O 2017 — corocznym wydarzeniu dla twórców oprogramowania i sprzętu, gdzie zazwyczaj firma jest lub co najmniej opowiada o produktach, nad którymi pracuje w tej chwili.

"Działa to tak: bierzemy zestaw kandydatów w sieci neuronowe, — nazwijmy je neuronowe sieci-dzieci, — i wielokrotnie tylko przez nich, w poszukiwaniu błędów już gotową sieć neuronową, dopóki nie otrzymamy jeszcze bardziej wydajną sieć neuronową", — powiedział Pichai.

Jest To proces zwany стимулированным szkolenia, gdzie za wyszukiwanie błędów komputera będzie polegać jakaś nagroda. Na tej samej zasadzie, na przykład, uczą się nowych sztuczek psów. Oczywiście, w przypadku komputerów, tu wymaga ogromnej mocy obliczeniowej, jednak moc sprzętu Google wyszła już na taki poziom, że jedna sieć neuronowa może bez trudu analizować pracę innej sieci neuronowych.

Do tworzenia sieci neuronowych wymaga prawdziwa zespół ekspertów w inżynierii komputerowej i ogromną ilość czasu, jednak dzięki AutoML w przyszłości praktycznie każdy użytkownik będzie mógł zbudować własne AI-system i zaprogramować ją na wykonanie absolutnie każdego zadania.

"Mamy nadzieję, że technologia AutoML, która jest obecnie dostępna tylko kilka ośrodków badań, za trzy-pięć lat będzie dostępna dla setek, a najlepiej tysięcy deweloperów sieci neuronowych, które chcą je wykorzystać do swoich celów", — napisał Pichai na oficjalnym blogu.

Schemat działania technologii AutoML: wielopoziomowa analiza pracy sieci neuronowych do określenia najbardziej inteligentny z nich

Usługa uczenie Maszynowe – próba wyposażyć komputer możliwością robić swoje własne wnioski na podstawie dostępnych informacji – to tylko jeden ze sposobów w rozwoju sztucznej inteligencji, który zawiera dwa ważne aspekty: proces uczenia się, a właściwie zdolność samodzielnego wyciągania wniosków na jego podstawie. Z nauką wszyscy są stosunkowo jasne. Pokaż komputera sto tysięcy zdjęć z котиками i psów, i on w końcu zrozumie, jaka kombinacja pikseli wynosi każde z tych zwierząt. Z drugą częścią jest nieco bardziej skomplikowana. Bo to właśnie tu od urządzenia należy pokazać, czego się nauczyła, i na podstawie tego szkolenia samodzielnie dojść do logicznego domysł. Stwierdzić.

A teraz wymień kotki i pieski na sieci neuronowe i masz pojęcie o tym, jak działa AutoML, która zamiast rozpoznawania zwierząt rozpoznaje, który z przedstawionych systemów jest najbardziej inteligentny. Jeśli wierzyć Google, nawet teraz poziom AutoML już jest taki, że ona może być bardziej ekspertów-ludzi w kwestii wyszukiwania najlepszych rozwiązań w celu rozwiązania konkretnych problemów. W perspektywie pozwoli znacznie uprościć proces tworzenia nowych AI-systemów, tak jak w rzeczywistości będą tworzyć siebie podobne.

W tej chwili AutoML nadal znajduje się na wczesnym etapie swojego rozwoju, mówi Google, jednak sztuczna inteligencja, uczenie maszynowe i głęboko uczenie maszynowe (zaawansowane metody uczenia maszyn, polegające na symulacji pracy neuronów w mózgu człowieka) – wszystkie one w jakiś sposób już znajdują swoje zastosowanie w tych aplikacjach i dziedzinach, które używamy i w których jesteśmy codziennie.

W ramach pokazu na scenie konferencji I/O inżynierowie Google pokazały, jak ich technologia uczenia maszynowego jest w stanie znacząco rozjaśnić bardzo ciemne obrazy lub, na przykład, usunąć z nich różne odgłosy. I wszystkie te działania maszyna jest w stanie wykonywać tylko w oparciu o informacje uzyskane w ramach analizy milionów innych wyraźnych zdjęć próbnych. W Google podkreślają, że ich komputery stały się bardziej efektywne człowieka w procesie rozpoznawania tego, co znajduje się na zdjęciu. Na bazie tej technologii w najbliższym czasie ukaże się niestandardową aplikację Google Lens, które skutecznie określić, jaki kwiat (lub kwiaty) znajduje się teraz przed tobą (lub na zdjęciach), za pomocą aparatu smartfona.

Takie super algorytmy na bazie głębinowej uczenia się w przyszłości z pewnością znajdą miejsce dla swojego zastosowania w medycynie, gdzie systemy pracujące na ich bazie, będą ustalać na zdjęciach oznaki nowotworów i w większości przypadków robi to o wiele skuteczniej profesjonalnych chirurgów.

Przy pomocy technologii AutoML AI-platformy będą szybciej się uczyć i będą o wiele mądrzejszy. Co prawda doczekać tego momentu będzie musiał nieco dłużej, niż wyjście obiecanego "kwiat aplikacji dla platformy Android. Jak by nie było, do tego momentu programistów i naukowców będzie masa czasu, aby bliżej zapoznać się z AutoML.

"uważamy, że technologia ta doprowadzi do powstania nowych sieci neuronowych i odkrycia możliwości, kiedy nawet nie eksperci będą mogli tworzyć swojeosobiste sieci neuronowe do swoich konkretnych potrzeb, co z kolei zwiększy możliwości technologii uczenia maszynowego mieć większy wpływ na nas wszystkich", — uważają naukowe specjaliści Google Quoc Le i Barret Зоф.