AI Google Har Skapat Sin Egen AI Som överträffar Alla Analoger - Alternativ Vy

AI Google Har Skapat Sin Egen AI Som överträffar Alla Analoger - Alternativ Vy
AI Google Har Skapat Sin Egen AI Som överträffar Alla Analoger - Alternativ Vy

Video: AI Google Har Skapat Sin Egen AI Som överträffar Alla Analoger - Alternativ Vy

Video: AI Google Har Skapat Sin Egen AI Som överträffar Alla Analoger - Alternativ Vy
Video: Jeff Dean, Head of AI at Google discusses the impact of ML (TensorFlow Meets) 2024, Juli
Anonim

Våren i år presenterade Google Brain ingenjörer AutoML artificiell intelligens som kan skapa sin egen unika AI utan mänsklig ingripande. För inte så länge sedan blev det känt att AutoML var den första som skapade NASNet datorsynssystem, betydligt överlägsen alla analoger skapade av människan. Detta AI-baserade system kan bli en allvarlig hjälp i utvecklingen av till exempel autonoma bilar såväl som inom robotik, så att du kan föra roboternas vision till en helt ny nivå.

AutoML utvecklas enligt det så kallade förstärkningssystemet. I själva verket är det ett neuralt kontrollnätverk som självständigt utvecklar helt nya neurala nätverk för specialiserade uppgifter. I det här fallet var huvudmålet med AutoML att skapa ett system för ett mest exakt igenkänning av objekt på video i realtid. AI utbildade självständigt ett nytt neuralt nätverk, spårade sina fel och gjorde anpassningar av sitt arbete. Inlärningsprocessen upprepades tusentals gånger tills systemet blev i drift. Dessutom överträffade det alla befintliga liknande neurala nätverk, skapade och tränade av människor.

Image
Image

Enligt Googles officiella uttalande är NASNets igenkänningsnoggrannhet 82,7%. Detta är 1,2% bättre än det tidigare rekordet som sattes i september i år av experter från Oxford och Momenta. Neuralnätverket visade sig också vara 4% mer effektivt än analoga med 43,1% genomsnittlig noggrannhet. En förenklad version av NASNet anpassad för mobilplattformar överträffar liknande neurala nätverk med mer än 3%. I framtiden kan detta system användas för att skapa autonoma bilar, för dem är datorsyn otroligt viktigt. Under tiden fortsätter AutoML att skapa nya neurala nätverk, och vem vet vilka höjder det kommer att kunna uppnå inom en snar framtid.

Sergey Gray

Rekommenderas: