„Google“paskelbė apie kitą didelį dirbtinio intelekto kūrimo žingsnį, taikydama naują požiūrį į mašininį mokymąsi, kurį galima naudoti naudojant neuroninius tinklus, kad būtų sukurti dar efektyvesni neuroniniai tinklai. Iš esmės mes kalbame apie mašinos mokymą sukurti savo rūšį.
Dirbtiniai neuroniniai tinklai yra kuriami imituojant smegenų mokymosi procesą, ir, pasak „Google“, naujoji jos technologija, vadinama „AutoML“, gali paversti šiuos tinklus dar galingesniais, efektyvesniais ir lengviau naudojamais.
„Google“generalinis direktorius Sundaras Pichai pateikė pavyzdį, kaip veikia „AutoML“, kalbėdamas „Google I / O 2017“, kasmetiniame programinės ir aparatinės įrangos kūrėjų renginyje, kuriame įmonė paprastai pristato arba bent jau kalba apie šiuo metu dirbamus produktus.
„Tai veikia taip: paimame kandidatų rinkinį į neuroninius tinklus - pavadinkime juos kūdikių neuroniniais tinklais - ir paleidžiame per juos paruoštą neuroninį tinklą klaidų paieškai, kol gausime dar efektyvesnį neuroninį tinklą“, - - pasakė Pichai.
Šis procesas vadinamas stimuliuojamu mokymusi, kai už klaidų radimą kompiuteriui skiriamas atlygis. Pavyzdžiui, tuo pačiu principu jie moko naujų triukų šunims. Žinoma, kompiuterių atveju tam reikia milžiniškos skaičiavimo galios, tačiau „Google“įrangos galia jau pasiekė tokį lygį, kad vienas neuroninis tinklas gali lengvai analizuoti kito neuroninio tinklo darbą.
Norint sukurti neuroninį tinklą, reikia tikros kompiuterių inžinerijos ekspertų komandos ir daug laiko, tačiau „AutoML“dėka ateityje beveik kiekvienas vartotojas galės susikurti savo dirbtinio intelekto sistemą ir ją užprogramuoti atlikti absoliučiai bet kokias užduotis.
„Tikimės, kad„ AutoML “technologija, kuri šiuo metu prieinama tik keliems mokslinių tyrimų centrams, po trejų ar penkerių metų taps prieinama šimtams ir geresniems tūkstančiams neuroninių tinklų kūrėjų, kurie nori juos naudoti savo konkretiems tikslams“, - oficialiai rašė Pichai. dienoraštis.
„AutoML“technologijos schema: daugiapakopė neuroninių tinklų veikimo analizė siekiant nustatyti protingiausius iš jų
Reklaminis vaizdo įrašas:
Mašininis mokymasis - bandymas suteikti kompiuteriui galimybę daryti savo išvadas remiantis turima informacija - yra tik vienas iš dirbtinio intelekto kūrimo būdų, apimantis du svarbius aspektus: mokymosi procesą ir faktinį sugebėjimą savarankiškai daryti išvadas remiantis juo. Su mokymais viskas yra gana aišku. Parodykite kompiuteriui šimtą tūkstančių kačių ir šunų nuotraukų, ir galų gale jis išsiaiškins, kokį pikselių derinį sudaro kiekvienas iš šių gyvūnų. Antroji dalis yra šiek tiek sudėtingesnė. Galų gale, būtent čia mašina privalo parodyti tai, ko išmoko, ir, remdamasi šiuo mokymusi, savarankiškai priimti logišką spėjimą. Padarykite išvadą.
Dabar pakeiskite kates ir šunis neuroniniais tinklais ir gausite idėją, kaip veikia „AutoML“, kuris, užuot atpažinęs gyvūnus, atpažįsta, kuri iš pateiktų sistemų yra protingiausia. Pasak „Google“, net ir dabar „AutoML“lygis jau yra toks, kad jis gali būti efektyvesnis už žmonių ekspertus ieškant geriausių būdų konkrečioms problemoms spręsti. Ateityje tai žymiai supaprastins naujų AI sistemų kūrimo procesą, nes iš tikrųjų jas kurs savo rūšys.
„AutoML“šiuo metu vis dar yra ankstyvoje stadijoje, sako „Google“, tačiau dirbtinis intelektas, mašininis mokymasis ir gilus mašininis mokymasis (pažangūs mašininio mokymosi metodai, pagrįsti žmogaus smegenų neuronų modeliavimu) vienaip ar kitaip randa kelią. tose programose ir srityse, kurias naudojame ir kuriose atsiduriame kasdien.
„I / O“konferencijos scenoje vykusioje demonstracijoje „Google“inžinieriai parodė, kaip jų mašininio mokymosi technologija gali žymiai paryškinti labai tamsius vaizdus, pavyzdžiui, pašalinti iš jų įvairų triukšmą. Visus šiuos veiksmus mašina gali atlikti tik pasikliaudama informacija, gauta analizuojant milijonus kitų aiškių vaizdų pavyzdžių. „Google“pažymi, kad jų superkompiuteriai dabar tapo efektyvesni už žmones atpažįstant tai, kas yra nuotraukoje. Remiantis šia technologija, netrukus bus išleista pritaikyta „Google Lens“programa, kuri per išmaniojo telefono kamerą gali efektyviai nustatyti, kuri gėlė (ar gėlės) yra priešais jus (ar nuotraukose).
Ateityje tokie itin galingi, giliu mokymusi paremti algoritmai neabejotinai ras vietą jų pritaikymui medicinoje, kur jais pagrįstos sistemos atvaizduose aptiks piktybinių navikų požymius ir daugeliu atvejų tai padarys daug efektyviau nei profesionalūs chirurgai.
Naudojant „AutoML“technologiją, AI platformos mokysis greičiau ir bus daug protingesnės. Tiesa, šios akimirkos teks palaukti šiek tiek ilgiau, nei bus išleista pažadėta „gėlių programa“„Android“platformai. Tačiau iki šiol programų kūrėjai ir mokslininkai turės daug laiko, kad geriau pažintų „AutoML“.
„Manome, kad ši technologija sukels naujų neuroninių tinklų atsiradimą ir atvers galimybes, kur net ne ekspertai galės sukurti savo asmeninius neuroninius tinklus savo specifiniams poreikiams, o tai, savo ruožtu, tik padidins mašininio mokymosi technologijų galimybes daryti didesnę įtaką mums visiems. "- sako" Google "mokslininkai Kuokas Le ir Barrettas Zofas.
NIKOLAY KHIZHNYAK