Google har kunngjort det neste store trinnet i utvikling av kunstig intelligens med en ny tilnærming til maskinlæring som kan bruke nevrale nettverk til å skape enda mer effektive nevrale nettverk. I utgangspunktet snakker vi om å lære en maskin å lage sin egen type.
Kunstige nevrale nettverk blir utviklet for å etterligne hjernens læringsprosess, og ifølge Google har den nye teknologien, kalt AutoML, potensialet til å gjøre disse nettverkene enda kraftigere, mer effektive og enklere å bruke.
Googles administrerende direktør Sundar Pichai satte et eksempel på hvordan AutoML fungerer ved å snakke på Google I / O 2017, den årlige begivenheten for programvare- og maskinvareutviklere der selskapet vanligvis presenterer eller i det minste snakker om produktene det for tiden jobber med.
"Det fungerer slik: vi tar et sett med kandidater til nevrale nettverk - la oss kalle dem babyneurale nettverk - og kjører flere ganger et ferdig nevralt nettverk gjennom dem for å finne feil til vi får et enda mer effektivt nevralt nettverk", - sa Pichai.
Denne prosessen kalles stimulert læring, der det gis en belønning til datamaskinen for å finne feil. Med det samme prinsippet lærer de for eksempel nye triks til hunder. Selvfølgelig, når det gjelder datamaskiner, krever dette enorm datakraft, men kraften til Googles utstyr har allerede nådd et slikt nivå at ett nevralt nettverk enkelt kan analysere arbeidet til et annet nevralt nettverk.
Det tar et ekte team av datatekniske eksperter og enorm tid å opprette et nevralt nettverk, men takket være AutoML vil nesten enhver bruker i fremtiden kunne bygge sitt eget AI-system og programmere det for å utføre absolutt enhver oppgave.
"Vi håper at AutoML-teknologi, som for tiden bare er tilgjengelig for noen få forskningssentre, om tre til fem år vil bli tilgjengelig for hundrevis, og bedre tusenvis av nevrale nettverksutviklere som ønsker å bruke dem til deres spesifikke formål," skrev Pichai i den offisielle blogg.
Ordningen med AutoML-teknologien: analyse på flere nivåer av driften av nevrale nettverk for å bestemme den mest intelligente av dem
Kampanjevideo:
Maskinlæring - et forsøk på å gi en datamaskin muligheten til å trekke sine egne konklusjoner basert på tilgjengelig informasjon - er bare en av tilnærmingene i utviklingen av kunstig intelligens, som inkluderer to viktige aspekter: læringsprosessen og den faktiske evnen til å uavhengig trekke konklusjoner basert på den. Med trening er alt relativt klart. Vis datamaskinen hundre tusen bilder av katter og hunder, og den vil til slutt finne ut hvilken kombinasjon av piksler hvert av disse dyrene lager. Den andre delen er litt mer komplisert. Tross alt er det her at maskinen kreves for å vise hva den har lært, og på grunnlag av denne læringen, uavhengig komme til en logisk gjetning. Ta en konklusjon.
Bytt nå ut katter og hunder med nevrale nettverk, så får du en ide om hvordan AutoML fungerer, som i stedet for å gjenkjenne dyr gjenkjenner hvilket av de presenterte systemene som er mest intelligent. Ifølge Google er nivået på AutoML allerede nå slik at det kan være mer effektivt enn menneskelige eksperter i å finne de beste tilnærmingene for å løse spesifikke problemer. I fremtiden vil dette forenkle prosessen med å lage nye AI-systemer betydelig, siden de faktisk vil bli skapt av sitt eget slag.
AutoML er fortsatt i sine tidlige stadier på dette punktet, sier Google, men AI, maskinlæring og dyp maskinlæring (avanserte maskinlæringsmetoder basert på simulering av nevronene i den menneskelige hjerne) er allerede på vei til på en eller annen måte. i de applikasjonene og områdene vi bruker og der vi befinner oss daglig.
I en demonstrasjon på scenen på I / O-konferansen viste Google-ingeniører hvordan maskinlæringsteknologien deres kan gjøre lys mørke bilder betydelig lysere, eller for eksempel fjerne ulike støy fra dem. Og alle disse handlingene kan maskinen utføre bare avhengig av informasjon innhentet gjennom analyse av millioner av andre klare eksempler på bilder. Google bemerker at deres superdatamaskiner nå har blitt mer effektive enn mennesker i ferd med å gjenkjenne hva som er på bildet. Basert på denne teknologien vil snart en tilpasset Google Lens-applikasjon bli utgitt, som effektivt kan bestemme hvilken blomst (eller blomster) som er foran deg (eller på bildene) gjennom smarttelefonens kamera.
I fremtiden vil slike superkraftige algoritmer basert på dyp læring definitivt finne et sted for deres anvendelse i medisin, der systemer basert på dem vil oppdage tegn på ondartede svulster i bilder og i de fleste tilfeller gjør dette mye mer effektivt enn profesjonelle kirurger.
Med AutoML-teknologi vil AI-plattformer lære raskere og være mye smartere. Det er sant at dette øyeblikket må vente litt lenger enn utgivelsen av den lovede "blomsterapplikasjonen" for Android-plattformen. Men frem til dette vil applikasjonsutviklere og forskere ha god tid til å bli bedre kjent med AutoML.
“Vi tror at denne teknologien vil føre til fremveksten av nye nevrale nettverk og åpne for muligheter der ikke engang eksperter vil være i stand til å lage sine egne personlige nevrale nettverk for deres spesifikke behov, som i sin tur bare vil øke maskinlæringsteknologienes mulighet til å utøve mer innflytelse på oss alle. - sier Google-forskere Kuok Le og Barrett Zof.
NIKOLAY KHIZHNYAK
