Googles automatisiertes maschinelles Lernsystem hat kürzlich Codes für maschinelles Lernen erstellt, die effizienter sind als die Codes, mit denen sein eigenes System erstellt wurde. Der Roboter- Schüler ist jetzt der Lehrer. Für das AutoML-Programm scheint es, als ob Menschen keine Notwendigkeit mehr sind.
Das Projekt startete ursprünglich im Mai als künstliche Intelligenz, die Google bei der Erstellung anderer KI-Systeme helfen sollte. Es war eine Frage der Zeit, bis das System die Meister überholte. AutoML wurde dafür entwickelt.
"Heute werden diese von Wissenschaftlern des maschinellen Lernens handgefertigt, und buchstäblich nur wenige Tausend Wissenschaftler auf der ganzen Welt können dies tun", sagte Sundar Pichai, CEO von Google, letzte Woche. Pichai ging bei einer Auftaktveranstaltung für das AutoML-Programm kurz auf die neue Pixel 2-Smartphones und andere Geräte . "Wir möchten Hunderttausenden von Entwicklern die Möglichkeit geben, dies zu tun."
Um einen Überblick darüber zu erhalten, wie „intelligent“ AutoML ist, gibt Google offen zu, dass es effizienter ist als sein Team von 1.300 Mitarbeitern, die mit der Erstellung von AutoML beauftragt sind. Zugegeben, nicht jeder, der auf der Google-Forschungsseite aufgeführt ist, ist auf KI spezialisiert, aber esumfasst einige der intelligentesten Software-Ingenieure des Unternehmens. Alphabet, Googles Muttergesellschaft, beschäftigt über 27.000 Mitarbeiter in Forschung und Entwicklung.
Einige der Erfolge des Programms haben Schlagzeilen gemacht. AutoML beherrschte nicht nur seinen eigenen Code, sondern brach auch einen Rekord, indem es Bilder nach Inhalten kategorisierte. Es erzielte eine Genauigkeit von 82 Prozent . AutoML hat auch ein von Menschen gebautes System bei der Markierung der Position mehrerer Objekte in einem Bildfeld geschlagen. Diese Prozesse könnten ein wesentlicher Bestandteil der Zukunft der virtuellen Realität und der erweiterten Realität sein.
Über AutoML ist jedoch nichts anderes wirklich bekannt. Im Gegensatz zu DeepMind AI von Alphabet stehen in AutoML nur kurze Aussagen von Pichai und anderen Forschern zur Verfügung. Das Google-Forschungsteam hat a Blogbeitrag auf seiner Website Anfang dieses Jahres. Es beschrieb die Feinheiten des AutoML-Systems :
"In unserem Ansatz den wir" AutoML "nennen kann ein neuronales Controller-Netz eine" untergeordnete "Modellarchitektur vorschlagen, die dann trainiert und auf Qualität für eine bestimmte Aufgabe bewertet werden kann. Dieses Feedback wird dann verwendet, um die zu informierenKontrolleur, wie seine Vorschläge für die nächste Runde verbessert werden können ", so die Forscher. schrieb . "Wir wiederholen diesen Vorgang tausende Male - generieren neue Architekturen, testen sie und geben diese Rückmeldung an die Steuerung, um daraus zu lernen. Schließlich lernt die Steuerung, Bereichen des Architekturraums, die eine bessere Genauigkeit auf a erzielen, eine hohe Wahrscheinlichkeit zuzuweisenAusgehaltener Validierungsdatensatz und geringe Wahrscheinlichkeit für Bereiche des Architekturraums, die schlecht abschneiden. "
Die Zukunft für KIs, die klüger als die Menschheit sind
Das AutoML-System für neuronale Netze und seine verbesserte Effizienz könnten die traditionellen Probleme anderer Entwickler bei der Erstellung neuronaler Netze verkürzen. Es wird für AIs immer einfacher, neue Systeme zu entwickeln. Aber wo bleibt der Mensch? Im Idealfall würde der Mensch als solche dienenDie Forscher sind besorgt, dass AIs die unbewussten Vorurteile ihrer Schöpfer aufgreifen. Eine voreingenommene KI, die noch voreingenommenere AIs entwickelt, wäre eine Katastrophe. Daher werden menschliche Software-Ingenieure die Zeit verbringen, die sie normalerweise verbringen würdenüber die Weiterentwicklung dieser neuen AIs.
Letztendlich hoffen Pichai und das Forschungsteam, dass AutoML über Google hinaus verwendet werden kann.
"In Zukunft werden wir an einer sorgfältigen Analyse und Prüfung dieser maschinengenerierten Architekturen arbeiten, um unser Verständnis dieser Architekturen zu verfeinern", so die Forscher. sagte . "Wenn wir erfolgreich sind, können wir davon ausgehen, dass dies neue Arten von neuronalen Netzen inspirieren und es Nicht-Experten ermöglichen kann, neuronale Netze zu erstellen, die auf ihre speziellen Bedürfnisse zugeschnitten sind, sodass maschinelles Lernen einen größeren Einfluss auf alle hat."
Via : Futurismus , Das nächste Web