I mai i år skrev vi om AutoML-prosjektet, Googles kunstige intelligens (AI) -teknologi designet spesielt for å lage andre AI-er. Nå har Google kunngjort at AutoML har overgått AI-utviklere og er i stand til selvbyggende maskinlæringsprogramvare som er mer effektiv og kraftig enn de beste eksemplene på lignende menneskdesignede systemer.
AutoML satte nylig rekord for effektiviteten og hastigheten til bildekatalogisering under de spesifiserte forholdene, med 82 prosent effektivitet. Og selv om denne oppgaven i seg selv viste seg å være relativt enkel for systemet, var AutoML også i stand til å overgå automatiserte systemer og spesielle augmented reality-systemer i en mer kompleks oppgave - bestemme plasseringen av flere objekter i et bilde. I denne testen utførte AutoML 43 prosent av tiden, mens menneskeskapte systemer utførte 39 prosent.
Resultatene er imponerende, for selv i et gigantisk selskap som Google er det bare noen få mennesker med erfaring til å lede utviklingen av AI-systemer på dette nivået. Automatisering av dette området krever et veldig bredt spekter av ferdigheter, men når resultatet er oppnådd, kan det endre bransjen fullstendig, ifølge Google.
“I dag er det bare noen få tusen maskinlæringsspesialister over hele verden som kan lage slik programvare. Men vi vil sørge for at hundretusener av andre utviklere også kan ta del i dette,”- magasinet Wired siterer ordene til administrerende direktør i Google Sundar Pichai.
Mye av metalæring er opptatt av å etterligne nevrale nettverk av den menneskelige hjernen, samt behovet for å kjøre enorme mengder forskjellige data gjennom disse nettverkene. Selvfølgelig er den vanskeligste oppgaven nettopp hvordan man etterligner strukturen i hjernen og får den til å løse mer komplekse problemer.
I dag er eksisterende nevrale nettverk fremdeles lettere å modernisere eller tilpasse for spesifikke oppgaver enn å utvikle nye fra bunnen av. Forskning som den vi snakker om antyder imidlertid at dette bare er midlertidig.
Siden det vil være enklere for den nye AI å lage flere og mer komplekse systemer designet for å utføre oppgaver som mennesker rett og slett ikke er i stand til å utføre, er det veldig viktig at mennesker blir stående som nøkkellenke, uten hvilke disse systemene rett og slett ikke kan fungere. En virkelig fullverdig AI kan lett bruke partisk tolkning i visse spørsmål, for eksempel ved å stereotypere parallellen mellom etiske og kjønnsegenskaper. Imidlertid, hvis ingeniører bruker mer tid på å løse dette potensielle problemet nå, og ikke forlater alt for senere, vil det i fremtiden ha mindre sjanse for reell forekomst.
Generelt sett prøver Google å finpusse AutoML slik at utviklere kan bruke den i den virkelige problemløsningen. Hvis de lykkes, kan effekten av å bruke AutoML påvirke langt utenfor veggene i selskapet selv.
Salgsfremmende video:
"Vi vil demokratisere det," siterte Wired magazine Pichai.
Nikolay Khizhnyak
