Google har tillkännagett nästa stora steg i utvecklingen av artificiell intelligens med ett nytt tillvägagångssätt för maskininlärning som kan användas för att använda neurala nätverk för att skapa ännu effektivare neurala nätverk. I grund och botten pratar vi om att lära en maskin att skapa sin egen typ.
Konstgjorda neurala nätverk utformas för att efterlikna hjärnans inlärningsprocess, och enligt Google har dess nya teknik, kallad AutoML, potential att göra dessa nätverk ännu mer kraftfulla, effektivare och lättare att använda.
Googles VD Sundar Pichai är ett exempel på hur AutoML fungerar genom att tala på Google I / O 2017, det årliga evenemanget för mjukvaru- och hårdvaruutvecklare där företaget vanligtvis presenterar eller åtminstone talar om de produkter det för närvarande arbetar med.
"Det fungerar så här: vi tar en uppsättning kandidater för neurala nätverk - låt oss kalla dem babyneurala nätverk - och kör ett färdigt neuralt nätverk genom dem för att söka efter fel tills vi får ett ännu mer effektivt neuralt nätverk", - sa Pichai.
Denna process kallas stimulerad inlärning, där en belöning kommer att ges till datorn för att hitta buggar. Enligt samma princip lär de till exempel ut hundar nya knep. Naturligtvis, när det gäller datorer, kräver detta enorm datorkraft, men kraften i Googles utrustning har redan nått en sådan nivå att ett neuralt nätverk enkelt kan analysera arbetet i ett annat neuralt nätverk.
Det tar ett riktigt team av datortekniksexperter och mycket tid att skapa ett neuralt nätverk, men tack vare AutoML kommer nästan alla användare i framtiden att kunna bygga sitt eget AI-system och programmera det för att utföra absolut alla uppgifter.
"Vi hoppas att AutoML-teknik, som för närvarande endast är tillgänglig för ett fåtal forskningscentra, om tre till fem år kommer att bli tillgänglig för hundratals och bättre tusentals neuronätutvecklare som vill använda dem för sina specifika ändamål", skrev Pichai i den officiella blogg.
Schemat för AutoML-tekniken: flernivåanalys av driften av neurala nätverk för att bestämma de mest intelligenta av dem
Kampanjvideo:
Maskininlärning - ett försök att förse datorn med förmågan att dra sina egna slutsatser baserat på tillgänglig information - är bara en av metoderna i utvecklingen av artificiell intelligens, som inkluderar två viktiga aspekter: inlärningsprocessen och den faktiska förmågan att självständigt dra slutsatser baserat på den. Med träning är allt relativt klart. Visa datorn hundratusen bilder av katter och hundar, och så småningom kommer den att räkna ut vilken kombination av pixlar som vart och ett av dessa djur gör. Den andra delen är lite mer komplicerad. När allt kommer omkring är det här som maskinen måste visa vad den har lärt sig och på grundval av detta lärande självständigt komma till en logisk gissning. Gör en slutsats.
Ersätt nu katter och hundar med neurala nätverk, så får du en uppfattning om hur AutoML fungerar, som istället för att känna igen djur, känner igen vilket av de presenterade systemen som är det mest intelligenta. Enligt Google är nivån på AutoML redan nu sådan att den kan vara effektivare än mänskliga experter när det gäller att hitta de bästa metoderna för att lösa specifika problem. I framtiden kommer detta att förenkla processen för att skapa nya AI-system avsevärt, eftersom de faktiskt kommer att skapas av sitt eget slag.
AutoML är fortfarande i ett tidigt skede just nu, säger Google, men AI, maskininlärning och djup maskininlärning (avancerade maskininlärningsmetoder baserade på att simulera neuronernas arbete i den mänskliga hjärnan) hittar alla redan på ett eller annat sätt. inom de applikationer och områden som vi använder och där vi befinner oss dagligen.
I en demonstration på scenen på I / O-konferensen visade Googles ingenjörer hur deras maskininlärningsteknik kan göra mycket mörka bilder betydligt ljusare eller till exempel ta bort olika ljud från dem. Och alla dessa åtgärder kan maskinen endast utföra med hjälp av information som erhållits genom analys av miljontals andra tydliga bilder. Google konstaterar att deras superdatorer nu har blivit effektivare än människor i processen att känna igen vad som finns på bilden. Baserat på denna teknik kommer en anpassad Google Lens-applikation snart att släppas, som effektivt kan avgöra vilken blomma (eller blommor) som ligger framför dig (eller på bilderna) via smarttelefonkameran.
I framtiden kommer sådana superkraftiga algoritmer baserade på djupinlärning definitivt att hitta en plats för deras tillämpning inom medicin, där systemen baserade på dem kommer att upptäcka tecken på maligna tumörer i bilderna och i de flesta fall kommer de att göra detta mycket mer effektivt än professionella kirurger.
Med AutoML-teknik lär sig AI-plattformar snabbare och blir mycket smartare. Det är sant att detta ögonblick måste vänta lite längre än lanseringen av den utlovade "blomapplikationen" för Android-plattformen. Men fram till denna tid kommer applikationsutvecklare och forskare att ha gott om tid att lära känna AutoML bättre.
”Vi tror att denna teknik kommer att leda till framväxten av nya neurala nätverk och öppna möjligheter där även icke-experter kommer att kunna skapa sina egna personliga neuronätverk för sina specifika behov, vilket i sin tur bara kommer att öka förmågan hos maskininlärningstekniker att utöva mer inflytande på oss alla. - säger Google-forskarna Kuok Le och Barrett Zof.
NIKOLAY KHIZHNYAK
