Google har annonceret den næste store skridt i udviklingen af kunstig intelligens, der beskriver en ny tilgang til machine learning, som neurale netværk, der kan bruges til at skabe mere effektive neurale netværk. I virkeligheden, vi taler om undervisning af maskiner til at skabe deres egen slags.
Et kunstigt neuralt netværk, der er skræddersyet til at simulere den læring proces i hjernen, og, ifølge Google, sin nye teknologi, kaldet AutoML, der kan gøre disse netværk endnu mere kraftfuld, mere effektive og nemmere at anvende.
Den administrerende DIREKTØR for Google, Sundar Pichai viste et eksempel på det arbejde, AutoML, taler på konferencen Google i/O 2017 — en årlig begivenhed for udviklere af hardware og software, hvor et selskab er normalt eller i det mindste taler om de produkter, der er på i øjeblikket.
“Det fungerer sådan her: vi tager det sæt af kandidater i neurale netværk — lad os kalde dem neurale netværk-småbørn — og gentagne gange køre igennem dem, der søger efter fejl, der allerede er uddannet netværk indtil da, indtil du får en endnu mere effektiv neurale netværk”, sagde Pichai.
Denne proces er kaldet stimuleret læring, hvor søgningen til fejl computeren vil basere sig på en eller anden form for belønning. På samme princip, for eksempel, er undervisning af nye tricks til hunde. Naturligvis, i tilfælde af computere, er det forudsætter tilstedeværelsen af en enorm computerkraft, men den magt Google har allerede nået et sådant niveau, at man neurale netværk kan nemt analysere arbejdet i en anden neurale netværk.
For at oprette en neurale netværk, der kræver et team af eksperter inden for computer-teknik og en enorm mængde af tid, men tak AutoML i fremtiden, stort set alle vil være i stand til at bygge din egen AI-system og programmere den til at udføre nogle opgaver.
“Vi håber, at teknologien AutoML, der er i øjeblikket kun tilgængelig til få forskningscentre i tre til fem år vil være til rådighed for hundreder, eller bedre tusindvis af udviklere af neurale netværk, der ønsker at bruge dem til deres specifikke formål,” skrev Pichai på den officielle blog.
Den ordning af arbejde af teknologi AutoML: et multilevel analyse af neurale netværk til at bestemme den mest intelligente af dem
Machine learning er et forsøg på at udstyre en computer med mulighed for at lave deres egne konklusioner på grundlag af den tilgængelige information er kun én metode i udviklingen af kunstig intelligens, herunder to vigtige aspekter: den læring proces og evne til at træffe deres egne konklusioner baseret på det. Med uddannelsen, at alt er relativt klart. Vis computer hundredvis af tusindvis af billeder med katte og hunde, og han vil i sidste ende forstå, hvilken kombination af pixels er hvert enkelt af disse dyr. Den anden del er mere kompliceret. Det er her fra den bil, du ønsker at vise os, hvad hun har lært, og på grundlag af denne uddannelse for at komme til en logisk gætte. For at drage en konklusion.
Nu erstatte katte og hunde på et neuralt netværk, og du vil få en idé om hvordan det virker AutoML, som er identifikation af dyr anerkender, hvilke af de præsenterede systemer er de mest intelligente. Ifølge Google selv nu, den plan AutoML allerede er, at det kan være mere effektiv end den menneskelige eksperter i søgning af de bedste metoder til at løse specifikke problemer. I fremtiden vil det i høj grad forenkle processen for oprettelse af nye AI-system, som en kendsgerning, de vil skabe sig selv som sådan.
I øjeblikket AutoML er stadig på et tidligt stadium af sin udvikling, Google siger dog, AI, machine learning og dybt machine learning (avancerede metoder til at lære maskiner, der er baseret på simulering af neuroner i den menneskelige hjerne) – alle af dem er på en måde allerede finde sin anvendelse i applikationer og områder, som vi bruger og som vi befinder os i det daglige.
Som en del af demonstration på scenen dens i/O-konference, Google ingeniører viste, hvordan deres teknologi for machine learning i væsentlig grad kan lette meget mørke billeder, eller, for eksempel, til at fjerne fra dem de forskellige lyde. Og alle disse handlinger, som en maskine kan udføre kun bygger på oplysninger indhentet gennem analyse af millioner af andre klare eksempler på billeder. Google siger, at deres supercomputere er nu mere effektiv i processen med anerkendelse af, hvad der er på billedet. Baseret på denne teknologi snart vil blive udgivet en tilpasset Google-Objektiv, der effektivt kan for at afgøre, hvilken blomst (eller blomster) er nu foran dig (eller billeder), ved hjælp af din smartphone kamera.
Sådanne tunge algoritmer på grundlag af dyb læring i fremtiden vil helt sikkert finde et sted for dens anvendelse inden for medicin, hvor systemet kører på deres grundlag, vil afgøre, om de billeder, tegn af maligne tumorer, og de fleste tilfælde gøre det meget mere effektivt professionelle kirurger.
Med hjælp af teknologi AutoML AI platform ville være hurtigere til at lære, og du vil blive meget klogere. Dog ventet på dette øjeblik, vil have en smule længere end de lovede “floral-app” til Android-platformen. Uanset hvad det var, op til dette øjeblik, udviklere og forskere vil have masser af tid til at få at vide, AutoML.
“Vi tror, at denne teknologi vil føre til nye neurale netværk og åbne muligheder, når ikke engang eksperter kan skabe deres egen personlige neurale netværk til deres specifikke behov, hvilket igen vil kun øge evnen af machine-learning teknikker til at få mere indflydelse på os alle,” ifølge forskning Google Quoc Le og Barrett Zof.
Google har fundet en effektiv måde at lære AI til at bygge endnu mere magtfulde AI
Nikolai Khizhnyak