Google знайшла ефективний спосіб, як навчати ІІ створювати ще більш потужні ІІ

Компанія Google оголосила про черговий великий крок у розробці штучного інтелекту, розповівши про новий підхід до машинного навчання, за допомогою якого нейронні мережі можна буде використовувати для створення ще більш ефективних нейронних мереж. По суті, мова йде про навчання машини створювати собі подібних.

Штучні нейронні мережі розробляються з урахуванням імітації процесу навчання мозку, і, згідно з Google, її нова технологія, що отримала назву AutoML, здатна зробити ці мережі ще потужніше, ефективніше і простіше у використанні.

Генеральний директор Google Сундар Пичаи показав приклад роботи AutoML, виступаючи на конференції Google I/O 2017 — щорічному заході для розробників програмного і апаратного забезпечення, де зазвичай компанія представляє або принаймні розповідає про продукти, над якими працює в даний момент.

«Працює це так: ми беремо набір кандидатів у нейронні мережі, — назвемо їх нейронними мережами-малюками, — і багаторазово проганяємо через них на предмет пошуку помилок вже готову нейронну мережу до тих пір, поки не отримаємо ще більш ефективну нейронну мережу», — сказав Пичаи.

Це процес називається стимулированным навчанням, де за пошук помилок комп'ютера буде покладатися якась нагорода. За тим же принципом, наприклад, навчають новим трюкам собак. Зрозуміло, у разі комп'ютерів, тут потрібна наявність величезної обчислювальної потужності, проте потужність обладнання Google вийшла вже на такий рівень, що одна нейронна мережа може без праці аналізувати роботу іншого нейронної мережі.

Для створення нейронної мережі потрібна справжня команда експертів з комп'ютерної інженерії та величезну кількість часу, однак завдяки AutoML в майбутньому практично будь-який користувач зможе побудувати свою власну ІІ-систему і запрограмувати її на виконання будь-яких завдань.

«Ми сподіваємося, що технологія AutoML, яка на даний момент доступна лише кільком дослідницьким центрам, через три-п'ять років стане доступною для сотень, а краще тисяч розробників нейронних мереж, які захочуть використати їх для своїх цілей», — написав Пичаи в офіційному блозі.

Схема роботи технології AutoML: багаторівневий аналіз роботи нейронних мереж для визначення найбільш розумною з них

Машинне навчання – спроба наділити комп'ютер можливістю робити свої власні висновки на базі наявної інформації – це лише один з підходів в розробці штучного інтелекту, що включає два важливих аспекти: процес навчання і власне здатність самостійно робити висновки на його базі. З навчанням все зрозуміло. Покажи комп'ютера сотню тисяч картинок з котиками і собачками, і він зрозуміє, яка комбінація пікселів становить кожне з цих тварин. З другою частиною дещо складніше. Адже саме тут від машини потрібно показати, чого вона навчилася, і на основі цього навчання самостійно прийти до логічної здогаду. Зробити висновок.

А тепер замініть кішечок і собачок на нейронні мережі, і ви отримаєте уявлення про те, як працює AutoML, яка замість розпізнавання тварин розпізнає, яка з представлених систем є найбільш розумною. Якщо вірити Google, навіть зараз рівень AutoML вже такий, що вона може бути ефективніше експертів-людей у питанні пошуку кращих підходів для вирішення конкретних проблем. У перспективі це дозволить істотно спростити процес створення нових ІІ-систем, так як по суті їх будуть створювати собі подібні.

На даний момент AutoML раніше знаходиться на ранньому етапі свого розвитку, говорить Google, однак ІІ, машинне навчання і глибинне машинне навчання (просунуті методи навчання машин, що базуються на імітації роботи нейронів мозку людини) – всі вони так чи інакше вже знаходять своє застосування в тих додатках і сферах, які ми використовуємо і в яких ми перебуваємо щодня.

В рамках демонстрації на сцені конференції I/O інженери Google показали, як їх технологія машинного навчання здатна істотно освітлити дуже темні зображення або, наприклад, прибрати з них різні шуми. І всі ці дії машина здатна виконувати, тільки покладаючись на інформацію, отриману в рамках аналізу мільйонів інших чітких зразків знімків. У Google відзначають, що їх суперкомп'ютери тепер стали ефективніше людини в процесі розпізнавання того, що на фото. На базі цієї технології незабаром вийде користувальницьке додаток Google Lens, здатне ефективно визначати, який квітка (чи квіти) знаходиться зараз перед вами (або на знімках), через камеру смартфона.

Такі надпотужні алгоритми на базі глибинного навчання у майбутньому, безумовно, знайдуть місце для свого застосування в медицині, де системи, що працюють на їх базі, будуть визначати на знімках ознаки злоякісних утворень та більшості випадків робити це набагато ефективніше професійних хірургів.

За допомога технології AutoML ІІ-платформи стануть швидше навчатися і будуть набагато розумнішими. Правда, чекати цього моменту доведеться трохи довше, ніж вихід обіцяного «квіткового додатки для платформи Android. Як би там не було, до цього моменту у розробників додатків і вчених буде маса часу для того, щоб ближче познайомитися з AutoML.

«Ми думаємо, що ця технологія призведе до появи нових нейронних мереж та відкриття можливостей, коли навіть експерти не зможуть створювати своїособисті нейронні мережі для своїх певних потреб, що, в свою чергу, лише збільшить можливість технологій машинного навчання надавати більше впливу на нас усіх», — вважають наукові фахівці Google Куок Ле і Баррет Зоф.