Google je najavio sljedeći veliki korak u razvoju umjetne inteligencije novim pristupom strojnom učenju koji se može koristiti za korištenje neuronskih mreža za stvaranje još učinkovitijih neuronskih mreža. U osnovi, govorimo o podučavanju stroja stvaranju vlastite vrste.
Umjetne neuronske mreže dizajnirane su tako da oponašaju proces učenja mozga, a prema Googleu njegova nova tehnologija, nazvana AutoML, ima potencijal te mreže učiniti još snažnijima, učinkovitijima i lakšima za upotrebu.
Izvršni direktor Googlea Sundar Pichai dao je primjer kako AutoML radi govoreći na Google I / O 2017, godišnjem događaju za programere softvera i hardvera na kojem tvrtka obično predstavlja ili barem govori o proizvodima na kojima trenutno radi.
"To djeluje ovako: uzimamo skup kandidata za neuronske mreže - nazovimo ih dječjim neuronskim mrežama - i opetovano provodimo kroz njih gotovu neuronsku mrežu kako bismo pronašli pogreške dok ne dobijemo još učinkovitiju neuronsku mrežu", - rekao je Pichai.
Taj se proces naziva stimuliranim učenjem, gdje će se računalu dodijeliti nagrada za pronalaženje bugova. Po istom principu, na primjer, pse podučavaju novim trikovima. Naravno, u slučaju računala, to zahtijeva ogromnu računalnu snagu, ali snaga Googleove opreme već je dosegla takvu razinu da jedna neuronska mreža može lako analizirati rad druge neuronske mreže.
Za stvaranje neuronske mreže potreban je pravi tim stručnjaka za računalni inženjering i ogromno vrijeme, ali zahvaljujući AutoML-u u budućnosti će gotovo svaki korisnik moći izgraditi vlastiti AI sustav i programirati ga za izvršavanje apsolutno bilo kojeg zadatka.
"Nadamo se da će tehnologija AutoML, koja je trenutno dostupna samo nekoliko istraživačkih centara, za tri do pet godina postati dostupna stotinama, a bolje tisućama programera neuronskih mreža koji ih žele koristiti u svoje specifične svrhe", napisao je Pichai u službenom blog.
Shema tehnologije AutoML: višerazinska analiza rada neuronskih mreža za određivanje najinteligentnijih od njih
Promotivni video:
Strojno učenje - pokušaj da računalo dobije sposobnost da samostalno donosi zaključke na temelju dostupnih informacija - samo je jedan od pristupa u razvoju umjetne inteligencije, koji uključuje dva važna aspekta: proces učenja i stvarnu sposobnost samostalnog donošenja zaključaka na temelju njega. S treningom je sve relativno jasno. Pokažite računalu sto tisuća slika mačaka i pasa i na kraju će shvatiti koju kombinaciju piksela čini svaka od tih životinja. Drugi dio je malo kompliciraniji. Napokon, ovdje je stroj potreban da pokaže što je naučio i na temelju tog učenja samostalno dođe do logične pretpostavke. Donesite zaključak.
Sada mačke i pse zamijenite neuronskim mrežama i dobit ćete predodžbu o tome kako funkcionira AutoML, koji umjesto prepoznavanja životinja prepoznaje koji je od predstavljenih sustava najinteligentniji. Prema Googleu, čak je i sada razina AutoML-a već takva da može biti učinkovitiji od ljudskih stručnjaka u pronalaženju najboljih pristupa za rješavanje određenih problema. U budućnosti će to znatno pojednostaviti postupak stvaranja novih AI sustava, jer će ih zapravo stvoriti vlastite vrste.
AutoML je trenutno još uvijek u ranoj fazi, kaže Google, ali umjetna inteligencija, strojno učenje i duboko strojno učenje (napredne metode strojnog učenja temeljene na simulaciji rada neurona u ljudskom mozgu) već pronalaze svoj put na ovaj ili onaj način. u onim aplikacijama i područjima koja koristimo i u kojima se svakodnevno nalazimo.
U demonstraciji na pozornici na I / O konferenciji, Googleovi inženjeri pokazali su kako njihova tehnologija strojnog učenja može značajno osvijetliti vrlo tamne slike ili, na primjer, ukloniti razne šume s njih. A sve te radnje stroj je u stanju izvesti oslanjajući se samo na podatke dobivene analizom milijuna drugih jasnih uzoraka slika. Google primjećuje da su njihova superračunala sada postala učinkovitija od ljudi u procesu prepoznavanja onoga što je na fotografiji. Na temelju ove tehnologije, uskoro će biti objavljena prilagođena aplikacija Google Lens koja putem kamere pametnog telefona može učinkovito odrediti koji se cvijet (ili cvijeće) nalazi ispred vas (ili na slikama).
U budućnosti će takvi supermoćni algoritmi koji se temelje na dubokom učenju definitivno pronaći mjesto za svoju primjenu u medicini, gdje će sustavi koji se temelje na njima otkriti znakove malignih tumora na slikama i u većini slučajeva to će učiniti puno učinkovitije od profesionalnih kirurga.
S tehnologijom AutoML, AI platforme će učiti brže i biti puno pametnije. Istina, ovaj trenutak morat će pričekati malo duže od izlaska obećane "cvjetne aplikacije" za Android platformu. Međutim, do ovog trenutka programeri aplikacija i znanstvenici imat će dovoljno vremena da bolje upoznaju AutoML.
„Mislimo da će ova tehnologija dovesti do pojave novih neuronskih mreža i otvaranja mogućnosti u kojima će čak i nestručnjaci moći stvoriti vlastite osobne neuronske mreže za svoje specifične potrebe, što će, pak, samo povećati sposobnost tehnologija strojnog učenja da imaju veći utjecaj na sve nas. - kažu Googleovi znanstvenici Kuok Le i Barrett Zof.
NIKOLAY KHIZHNYAK
