I maj i år skrev vi om AutoML-projektet, Googles kunstige intelligens (AI) teknologi designet specifikt til at skabe andre AI'er. Nu har Google annonceret, at dens AutoML har overgået AI-udviklere og er i stand til at bygge maskinindlæringssoftware på egen hånd, der er mere effektiv og kraftfuld end de bedste eksempler på lignende systemer udviklet af mennesker.
AutoML satte for nylig en rekord for effektiviteten og hastigheden af billedkatalogisering under de specificerede betingelser med 82 procent effektivitet. Og selv om denne opgave i sig selv viste sig at være relativt enkel for systemet, var AutoML også i stand til at overgå automatiserede systemer og specielle augmented reality-systemer i en mere kompleks opgave - bestemmelse af placeringen af flere objekter i et billede. I denne test udførte AutoML 43 procent af tiden, mens menneskeskabte systemer udførte 39 procent.
Resultaterne er imponerende, for selv i en gigantisk virksomhed som Google er der kun et par mennesker med erfaring til at lede udviklingen af AI-systemer på dette niveau. Automatisering af dette område kræver en meget bred vifte af færdigheder, men når resultatet er nået, kan det helt ændre branchen ifølge Google.
”I dag er det kun et par tusinde, der er specialister i maskinlæring rundt om i verden, som kan skabe sådan software. Men vi vil sikre os, at hundreder af tusinder af andre udviklere også kan deltage i dette,”- Wired magazine citerer ordene fra administrerende direktør for Google Sundar Pichai.
Meget af metalæring drejer sig om at efterligne de neurale netværk i den menneskelige hjerne, samt behovet for at køre enorme mængder forskellige data gennem disse netværk. Selvfølgelig er den vanskeligste opgave netop, hvordan man efterligner strukturen i hjernen og får den til at løse mere komplekse problemer.
I dag er eksisterende neurale netværk stadig lettere at modernisere eller tilpasse til specifikke opgaver end at udvikle nye fra bunden. Imidlertid antyder forskning som den, vi taler om, at dette kun er midlertidigt.
Da det vil være lettere for den nye AI at skabe flere og mere komplekse systemer designet til at udføre opgaver, som mennesker simpelthen ikke er i stand til at udføre, er det meget vigtigt, at mennesker forbliver som nøglelink, uden hvilke disse systemer simpelthen ikke kan fungere. En virkelig fuldgyldig AI kan let bruge partisk fortolkning i visse spørgsmål, for eksempel ved at stereotype parallellen mellem etiske og kønsmæssige egenskaber. Men hvis ingeniører bruger mere tid på at løse dette potentielle problem nu og ikke forlade alt til senere, vil det i fremtiden have mindre chance for reel forekomst.
Generelt forsøger Google at finpudse AutoML, så udviklere kan bruge det til den rigtige problemløsning. Hvis de lykkes, kan effekten af at bruge AutoML påvirke langt ud over murene i selve virksomheden.
Salgsfremmende video:
”Vi vil demokratisere det,” citerede Wired-magasinet Pichai.
Nikolay Khizhnyak