211service.com
„Google“ savarankiško mokymosi AI paverčia programuotojus mašininio mokymosi meistrais
„Google“ ką tik padarė daug lengviau sukurti savo pasirinktinę AI sistemą.
Nauja paslauga, vadinama Cloud AutoML , naudoja keletą mašininio mokymosi gudrybių, kad automatiškai sukurtų ir išmokytų giluminio mokymosi algoritmą, galintį atpažinti daiktus vaizduose.
Technologijos kol kas ribotos, tačiau tai gali būti kažko didelio pradžia. Norint sukurti ir optimizuoti giluminio neuroninio tinklo algoritmą, paprastai reikia išsamiai suprasti pagrindinę matematiką ir kodą, taip pat daug praktikos keisti algoritmų parametrus, kad viskas būtų teisinga. Sunkumai kuriant dirbtinio intelekto sistemas sukėlė lenktynes dėl talentų įdarbinimo, o tai reiškia, kad tik didelės įmonės, turinčios daug pinigų, paprastai gali sau leisti kurti savo pagal užsakymą sukurtus AI algoritmus.
Turime pritaikyti dirbtinį intelektą daugiau žmonių, Fei-Fei Li „Google Cloud“ vyriausiasis mokslininkas sakė prieš paleidimą šiandien. Li apskaičiavo, kad visame pasaulyje yra daugiausiai keli tūkstančiai žmonių, turinčių patirties, reikalingos geriausiems giluminio mokymosi modeliams sukurti. Tačiau šiandien visame pasaulyje yra apie 21 milijonas kūrėjų, sako ji. Norime pasiekti juos visus ir padaryti AI prieinamą šiems kūrėjams.
Debesų kompiuterija yra vienas iš raktų, kad dirbtinis intelektas būtų prieinamesnis. „Google“, „Amazon“, „Microsoft“ ir kitos įmonės skuba į savo debesų platformas įtraukti mašininio mokymosi galimybes. „Google Cloud“ jau siūlo daug tokių įrankių, tačiau jie naudoja iš anksto paruoštus modelius. Tai riboja tai, ką jie gali padaryti, pavyzdžiui, programuotojai galės naudoti įrankius tik tam, kad atpažintų ribotą objektų ar scenų spektrą, kuriuos jie jau buvo išmokyti atpažinti. Dėl naujos kartos debesies pagrindu veikiančių mašininio mokymosi įrankių, galinčių išmokyti save, technologija taptų daug universalesnė ir lengviau naudojama.
Keletas įmonių pastaruosius kelis mėnesius išbandė „Google Cloud AutoML“. „Disney“ pasinaudojo šia paslauga, kad sukurtų būdą, kaip savo prekėje ieškoti tam tikrų animacinių filmų personažų, net jei tie produktai nėra pažymėti to veikėjo vardu.
Joaquinas Vanschorenas , Eindhoveno technologijos instituto Nyderlanduose profesorius, besispecializuojantis automatizuoto mašininio mokymosi srityje, sako, kad tai vis dar gana nauja tyrimų tema, nors susidomėjimas šia sritimi pastaruoju metu auga. Įspūdinga, kad jie taip greitai gali išleisti tai kaip gamybos paslaugą, sako jis.
Vanschoren teigia, kad automatizavimas gali pridėti daug skaičiavimo išlaidų, todėl „Google“ paslaugai turi skirti daug išteklių. Tikėtina, kad tai tik pablogės, nes programuotojai bando sukurti AI sistemas, kurios peržengia paprastą vaizdų klasifikavimą ir bando spręsti vis platesnes užduotis.
„Google“ mokslininkai jau kurį laiką išbando AI automatizavimo ribas. Tą 2016 metais parodė viena komanda gilus mokymasis galėtų būti naudojamas pats nustatyti geriausius giluminio mokymosi sistemos patobulinimus. Pernai įmonėje dar viena grupė naudojo imituotą natūralią atranką sukurti optimalią tinklo architektūrą. Ir visai neseniai du „Google“ mokslininkai naudojo pastiprinimo mokymąsi – metodas, įkvėptas gyvūnų mokymosi per teigiamą grįžtamąjį ryšį – automatiškai tobulinti giluminio mokymosi sistemą.
Pastangos šioje srityje galiausiai gali prisidėti prie didelių pastangų sukurti bendresnes ir pritaikomas dirbtinio intelekto formas. Tačiau kol mašinos visiškai perims valdžią, bent jau galite išbandyti savo jėgas kurdami savo AI.