Kodėl „Google“ generalinis direktorius džiaugiasi dirbtinio intelekto automatizavimu

Sundaras Pichai kasmetinėje bendrovės kūrėjų konferencijoje Mountain View, Kalifornijoje.

Mašininio mokymosi ekspertų trūksta, nes daugelio pramonės šakų įmonės skuba pasinaudoti pastarojo meto pažanga dirbtinio intelekto srityje. „Google“ generalinis direktorius teigia, kad vienas iš sprendimų, kaip išspręsti įgūdžių trūkumą, yra mašininio mokymosi programinė įranga perimti dalį mašininio mokymosi programinės įrangos kūrimo darbų.

Šiandien „Google“ kasmetinėje kūrėjų konferencijoje Pichai pristatė projektą „AutoML“, kurį išleidžia bendrovės „Google Brain“ dirbtinio intelekto tyrimų grupė. Tyrėjai parodė, kad jų mokymosi algoritmai gali automatizuoti vieną iš sudėtingiausių mašininio mokymosi programinės įrangos projektavimo darbo dalių, kad būtų galima atlikti tam tikrą užduotį. Kai kuriais atvejais jų automatizuota sistema sukūrė dizainą, kuris konkuruoja arba pranoksta geriausius žmogaus mašininio mokymosi ekspertų darbus.

„Tai labai jaudinantis įvykis, sako Pichai MIT technologijų apžvalga , el. Tai galėtų paspartinti visą sritį ir padėti mums išspręsti kai kurias sudėtingiausias problemas, su kuriomis šiandien susiduriame.

Pichai tikisi, kad „AutoML“ projektas gali padidinti kūrėjų, galinčių pasinaudoti mašininiu mokymusi, skaičių sumažindamas reikalingą patirtį. Tai atitiktų „Google“ strategiją, pagal kurią debesų kompiuterijos paslaugos yra geriausia vieta kurti ir priglobti naudojant mašininį mokymąsi. Bendrovė bando privilioti naujų klientų įmonių debesų kompiuterijos rinkoje, kur atsilieka nuo lyderės „Amazon“ ir antroje vietoje esančios „Microsoft“ (žr. „Google“ atskleidžia galingą naują AI lustą ir superkompiuterį).

Susijusi istorija

Susijusi istorija

„AutoML“ tikslas – palengvinti technikos, vadinamos giluminiu mokymusi, naudojimą, kurią „Google“ ir kiti naudoja kalbos ir vaizdo atpažinimui, vertimui ir robotizavimui (žr. 10 Breakthrough Technologies 2013: Deep Learning).

Gilus mokymasis moko programinę įrangą būti protinga, perduodant duomenis per matematikos sluoksnius, laisvai įkvėptus biologijos ir vadinamus dirbtiniais neuroniniais tinklais. Tinkamos architektūros pasirinkimas neuroninio tinklo matematikos žiniatinkliui yra labai svarbus veiksnys. Tačiau tai nėra lengva išsiaiškinti. Mes tai darome vadovaudamiesi intuicija, sako Quoc Le, mašininio mokymosi tyrėjas iš Google, dirbantis su AutoML projektu.

Praėjusį mėnesį Le ir kolega tyrėjas Barret Zoph pristatė eksperimentų, kuriuose mašininio mokymosi sistemai buvo pavesta išsiaiškinti geriausią architektūrą, kad programinė įranga išmoktų spręsti kalbos ir vaizdo atpažinimo užduotis, rezultatus.

Vaizdo užduotyje jų sistema konkuravo su geriausiomis žmonių ekspertų sukurtomis architektūromis. Kalbos užduotyje ji juos įveikė.

Galbūt dar svarbiau, kad buvo sukurta tokia architektūra, kurios mokslininkai anksčiau nemanė tinkamomis šioms užduotims atlikti. Tam tikra prasme ji rado tai, apie ką mes nežinojome, sako Le. Tai įspūdinga.

Programinės įrangos, kuri išmoksta mokytis geriau, sąvoka egzistuoja jau kurį laiką. Tačiau, kaip ir daugelis idėjų dirbtinio intelekto srityje, gilaus mokymosi galia leidžia daryti naują pažangą. Kito „Google“ AI tyrimų padalinio „DeepMind“ mokslininkai akademinėje bendruomenėje ir Elono Musko remiama ne pelno organizacija „OpenAI“ tiria susijusias koncepcijas (žr. AI programinė įranga mokosi kurti AI programinę įrangą).

Paklausti, ar jie nori išeiti iš darbo, Le ir Zophas juokiasi. Šiuo metu ši technika per brangi, kad būtų plačiai naudojama. Poros eksperimentai sujungė 800 galingų grafikos procesorių kelioms savaitėms, o tai sukaupė tokias sąskaitas už elektrą, kurią tik nedaugelis įmonių galėjo sau leisti už spekuliacinius tyrimus.

Vis dėlto „Google“ dabar turi didesnę komandą, kuri dirba su „AutoML“, įskaitant tai, kaip padaryti, kad jis mažiau imtų išteklių. Le mano, kad tai gali padėti tiksliau atpažinti vaizdo ar kalbos atpažinimą arba netgi padėti išspręsti sudėtingesnę problemą, susijusią su programine įranga mokytis be aiškaus žmonių nurodymo (žr. Trūkstamą dirbtinio intelekto grandį).

paslėpti