Google har annonceret det næste store trin i kunstig intelligensudvikling med en ny tilgang til maskinindlæring, der kan bruge neurale netværk til at skabe endnu mere effektive neurale netværk. Dybest set taler vi om at lære en maskine at skabe sin egen slags.
Kunstige neurale netværk er designet til at efterligne hjernens indlæringsproces, og ifølge Google har dens nye teknologi, kaldet AutoML, potentialet til at gøre disse netværk endnu mere kraftfulde, mere effektive og lettere at bruge.
Googles administrerende direktør Sundar Pichai er et eksempel på, hvordan AutoML fungerer ved at tale på Google I / O 2017, en årlig begivenhed for hardware- og softwareudviklere, hvor virksomheden typisk præsenterer eller i det mindste taler om de produkter, den i øjeblikket arbejder på.
"Det fungerer sådan: vi tager et sæt kandidater til neurale netværk - lad os kalde dem babyneurale netværk - og kører et færdigt neuralt netværk gennem dem for at søge efter fejl, indtil vi får et endnu mere effektivt neuralt netværk", - sagde Pichai.
Denne proces kaldes stimuleret læring, hvor computeren får en belønning for at finde fejl. På samme princip lærer de for eksempel hunde nye tricks. I tilfælde af computere kræver det selvfølgelig enorm computerkraft, men styrken ved Googles udstyr har allerede nået et sådant niveau, at et neuralt netværk let kan analysere arbejdet i et andet neuralt netværk.
Det tager et rigtigt team af computertekniske eksperter og en enorm tid at oprette et neuralt netværk, men takket være AutoML vil næsten enhver bruger i fremtiden kunne bygge deres eget AI-system og programmere det til at udføre absolut enhver opgave.
”Vi håber, at AutoML-teknologi, som i øjeblikket kun er tilgængelig for nogle få forskningscentre, om tre til fem år vil blive tilgængelig for hundreder, og bedre tusinder af neurale netværksudviklere, der ønsker at bruge dem til deres specifikke formål,” skrev Pichai i den officielle blog.
Ordningen med AutoML-teknologien: analyse på flere niveauer af driften af neurale netværk for at bestemme den mest intelligente af dem
Salgsfremmende video:
Maskinindlæring - et forsøg på at give computeren evnen til at drage sine egne konklusioner baseret på den tilgængelige information - er blot en af tilgangene til udviklingen af kunstig intelligens, som inkluderer to vigtige aspekter: indlæringsprocessen og evnen til uafhængigt at drage konklusioner baseret på den. Med træning er alt relativt klart. Vis computeren hundrede tusind billeder af katte og hunde, og den vil til sidst finde ud af, hvilken kombination af pixels hvert af disse dyr laver. Den anden del er lidt mere kompliceret. Når alt kommer til alt, er det her, at maskinen skal vise, hvad den har lært, og på baggrund af denne læring uafhængigt komme til et logisk gæt. Lav en konklusion.
Udskift nu katte og hunde med neurale netværk, og du får en idé om, hvordan AutoML fungerer, som i stedet for at genkende dyr genkender, hvilket af de præsenterede systemer der er mest intelligent. Ifølge Google er niveauet af AutoML allerede nu allerede sådan, at det kan være mere effektivt end menneskelige eksperter til at finde de bedste tilgange til at løse specifikke problemer. I fremtiden vil dette betydeligt forenkle processen med at skabe nye AI-systemer, da de faktisk vil blive skabt af deres egen art.
AutoML er stadig i sine tidlige faser i øjeblikket, siger Google, men AI, maskinindlæring og dyb maskinindlæring (avancerede maskinindlæringsmetoder baseret på simulering af neuroners arbejde i den menneskelige hjerne) finder allerede allerede deres måde på en eller anden måde. i de applikationer og områder, som vi bruger, og hvor vi befinder os dagligt.
I en demonstration på scenen på I / O-konferencen viste Google-ingeniører, hvordan deres maskinindlæringsteknologi kan gøre lys mørke billeder markant lysere, for eksempel fjerne forskellige støj fra dem. Og alle disse handlinger er maskinen i stand til kun at udføre og stole på information opnået gennem analyse af millioner af andre klare eksempler på billeder. Google bemærker, at deres supercomputere nu er blevet mere effektive end mennesker i processen med at genkende, hvad der er på billedet. Baseret på denne teknologi frigives snart en brugerdefineret Google Lens-applikation, som effektivt kan bestemme, hvilken blomst (eller blomster) der er foran dig (eller på billederne) gennem smartphone-kameraet.
I fremtiden vil sådanne superkraftige algoritmer baseret på dyb læring helt sikkert finde et sted for deres anvendelse i medicin, hvor de systemer, der er baseret på dem, opdager tegn på ondartede tumorer på billederne, og i de fleste tilfælde vil de gøre dette meget mere effektivt end professionelle kirurger.
Med AutoML-teknologi lærer AI-platforme hurtigere og bliver meget smartere. Det er sandt, at dette øjeblik bliver nødt til at vente lidt længere end frigivelsen af den lovede "blomsterapplikation" til Android-platformen. Indtil dette tidspunkt vil applikationsudviklere og forskere dog have masser af tid til at lære AutoML bedre at kende.
”Vi tror, at denne teknologi vil føre til fremkomsten af nye neurale netværk og åbning af muligheder, hvor selv ikke-eksperter vil være i stand til at skabe deres egne personlige neurale netværk til deres specifikke behov, hvilket igen kun øger maskinindlæringsteknologiernes mulighed for at udøve mere indflydelse på os alle. - siger Google-forskere Kuok Le og Barrett Zof.
NIKOLAY KHIZHNYAK