Google ir paziņojis par nākamo lielo soli mākslīgā intelekta izstrādē ar jaunu pieeju mašīnmācībai, kuru var izmantot neironu tīklu izmantošanai, lai izveidotu vēl efektīvākus neironu tīklus. Būtībā mēs runājam par mašīnas iemācīšanu izveidot savu.
Mākslīgie neironu tīkli tiek veidoti, lai atdarinātu smadzeņu mācību procesu, un, pēc Google domām, tā jaunā tehnoloģija, ko sauc par AutoML, ir potenciāls padarīt šos tīklus vēl jaudīgākus, efektīvākus un vieglāk lietojamus.
Google izpilddirektors Sundars Pičajs parādīja piemēru tam, kā darbojas AutoML, uzstājoties Google I / O 2017 - ikgadējā aparatūras un programmatūras izstrādātāju pasākumā, kurā uzņēmums parasti prezentē vai vismaz runā par produktiem, ar kuriem pašlaik strādā.
"Tas darbojas šādi: mēs uzņemam virkni kandidātu neironu tīkliem - sauksim tos par mazuļu neironu tīkliem - un caur tiem atkārtoti vadām gatavu neironu tīklu, lai atrastu kļūdas, līdz mēs iegūstam vēl efektīvāku neironu tīklu", - teica Pičai.
Šo procesu sauc par stimulētu mācīšanos, kur datoram tiks piešķirta atlīdzība par kļūdu atrašanu. Pēc tā paša principa, piemēram, viņi suņiem māca jaunus trikus. Protams, datoru gadījumā tas prasa milzīgu skaitļošanas jaudu, taču Google aprīkojuma jauda jau ir sasniegusi tādu līmeni, ka viens neironu tīkls var viegli analizēt cita neironu tīkla darbu.
Lai izveidotu neironu tīklu, ir vajadzīga reāla datortehnikas ekspertu komanda un milzīgs laiks, taču, pateicoties AutoML, nākotnē gandrīz jebkurš lietotājs varēs izveidot savu AI sistēmu un ieprogrammēt to pilnīgi jebkura uzdevuma veikšanai.
"Mēs ceram, ka AutoML tehnoloģija, kas pašlaik ir pieejama tikai dažiem pētniecības centriem, pēc trim līdz pieciem gadiem kļūs pieejama simtiem un labākiem tūkstošiem neironu tīklu izstrādātāju, kuri vēlas tos izmantot īpašiem mērķiem," oficiālajā rakstā Pichai emuārs.
AutoML tehnoloģijas shēma: neironu tīklu darbības daudzlīmeņu analīze, lai noteiktu inteliģentākos no tiem
Reklāmas video:
Mašīnmācība - mēģinājums dot datoram iespēju izdarīt pašam savus secinājumus, pamatojoties uz pieejamo informāciju - ir tikai viena no pieejām mākslīgā intelekta attīstībā, kas ietver divus svarīgus aspektus: mācību procesu un faktisko spēju patstāvīgi izdarīt secinājumus, pamatojoties uz to. Ar apmācību viss ir samērā skaidrs. Parādiet datoram simts tūkstošus kaķu un suņu attēlu, un tas galu galā sapratīs, kādu pikseļu kombināciju veido katrs no šiem dzīvniekiem. Otrā daļa ir nedaudz sarežģītāka. Galu galā tieši šeit mašīnai tiek prasīts parādīt, ko viņš ir iemācījies, un, pamatojoties uz šo mācīšanos, patstāvīgi nonākt pie loģiskas minēšanas. Izdariet secinājumu.
Tagad nomainiet kaķus un suņus ar neironu tīkliem, un jūs iegūsit priekšstatu par to, kā darbojas AutoML, kas dzīvnieku atpazīšanas vietā atpazīst, kura no uzrādītajām sistēmām ir visgudrākā. Pēc Google domām, pat tagad AutoML līmenis jau ir tāds, ka tas var būt efektīvāks nekā cilvēku eksperti, atrodot labākās pieejas konkrētu problēmu risināšanai. Nākotnē tas ievērojami vienkāršos jaunu AI sistēmu izveidošanas procesu, jo faktiski tās veidos sava veida.
AutoML šajā brīdī joprojām ir agrīnā stadijā, saka Google, taču gan AI, gan mašīnmācīšanās, gan dziļa mašīnmācīšanās (uzlabotas mašīnmācīšanās metodes, kuru pamatā ir cilvēka smadzeņu neironu simulācija) vienā vai otrā veidā atrod ceļu. tajās lietojumprogrammās un jomās, kuras mēs izmantojam un kurās mēs ikdienā atrodamies.
Demonstrācijā uz skatuves I / O konferencē Google inženieri parādīja, kā viņu mašīnmācīšanās tehnoloģija var ievērojami izgaismot ļoti tumšus attēlus vai, piemēram, noņemt no tiem dažādus trokšņus. Un visas šīs darbības mašīna spēj veikt, tikai paļaujoties uz informāciju, kas iegūta, analizējot miljoniem citu skaidru attēlu paraugu. Google atzīmē, ka viņu superdatori tagad ir kļuvuši efektīvāki nekā cilvēki, atpazīstot fotoattēlā redzamo. Pamatojoties uz šo tehnoloģiju, drīz tiks izlaista pielāgota Google Lens lietojumprogramma, kas var efektīvi noteikt, kurš zieds (vai ziedi) atrodas jūsu priekšā (vai attēlos), izmantojot viedtālruņa kameru.
Nākotnē šādi īpaši spēcīgi, uz dziļu mācīšanos balstīti algoritmi noteikti atradīs vietu to pielietošanai medicīnā, kur uz tiem balstītās sistēmas attēlos atklās ļaundabīgu audzēju pazīmes un vairumā gadījumu to darīs daudz efektīvāk nekā profesionāli ķirurgi.
Izmantojot AutoML tehnoloģiju, AI platformas mācīsies ātrāk un būs daudz gudrākas. Tiesa, šis brīdis būs jāgaida nedaudz ilgāk nekā solītās "ziedu aplikācijas" izlaišana Android platformai. Tomēr līdz šim brīdim lietojumprogrammu izstrādātājiem un zinātniekiem būs daudz laika, lai labāk iepazītu AutoML.
“Mēs domājam, ka šī tehnoloģija novedīs pie jaunu neironu tīklu parādīšanās un iespēju atvēršanas, kur pat eksperti nevarēs izveidot paši savus personīgos neironu tīklus savām īpašajām vajadzībām, kas savukārt tikai palielinās mašīnmācīšanās tehnoloģiju iespējas vairāk ietekmēt mūs visus. - saka Google zinātnieki Kuoks Le un Barets Zofs.
NIKOLAY KHIZHNYAK