Google знайшла ефективний спосіб навчання штучного інтелекту

0
91

Компанія Google оголосила про черговий великий крок зроблений в розробці штучного інтелекту, розповівши про новий підхід до машинного навчання, за допомогою якого нейронні мережі можна буде використовувати для створення ще більш ефективних. По суті, мова йде про навчання машини створювати собі подібних, пише INVADERS.

Штучні нейронні мережі розробляються з урахуванням імітації процесу навчання мозку, і, згідно з даними Google, її нова технологія, що отримала назву AutoML, здатна зробити ці мережі ще потужнішим, ефективними і простими у використанні.

Генеральний директор Google Сундар Пічаї показав приклад роботи AutoML, виступаючи на конференції Google I / O 2017 — щорічному заході для розробників програмного і апаратного забезпечення, де зазвичай компанія представляє або принаймні розповідає про продукти, над якими працює зараз.

«Працює це так: ми беремо набір кандидатів в нейронні мережі, — назвемо їх нейронними мережами-малюками, — і багато разів проганяємо через них на предмет пошуку помилок вже готову нейронну мережу до тих пір, поки не отримаємо ще більш ефективну», — сказав Пічаї.

Цей процес називається стимульованим навчанням, де за пошук помилок комп’ютера буде передбачатися якась нагорода. За тим же принципом, наприклад, навчають новим трюкам собак. Зрозуміло, що у випадку з комп’ютерами, потрібна наявність величезної обчислювальної потужності, проте потужність обладнання наявного у Google вийшла вже на такий рівень, що одна нейронна мережа може без додаткових зусиль проаналізувати роботу іншої нейронної мережі.

Для створення нейронної мережі потрібна справжня команда з експертів в комп’ютерної інженерії і величезна кількість часу, проте завдяки AutoML в майбутньому практично будь-який користувач зможе побудувати свою власну систему штучного інтелекту і запрограмувати її на виконання абсолютно будь-яких завдань.

«Ми сподіваємося, що технологія AutoML, яка на даний момент доступна лише кільком дослідним центрам, через три-п’ять років стане доступною для сотень, а краще тисяч розробників нейронних мереж, які захочуть використовувати їх для своїх певних цілей», — написав Пічаї в офіційному блозі.

Схема роботи технології AutoML: багаторівневий аналіз роботи нейронних мереж для визначення найбільш розумної з них

Машинне навчання — спроба наділити комп’ютер можливістю робити свої власні висновки на базі наявної інформації — це лише один з підходів в розробці штучного інтелекту, що включає два важливі аспекти: процес навчання і власне здатність самостійно робити висновки на його базі. З навчанням все відносно зрозуміло. Покажи комп’ютеру сотню тисяч картинок з котиками і собачками, і він в результаті зрозуміє, яка комбінація пікселів формує кожну з цих тварин. З другою частиною дещо складніше. Адже саме тут від машини вимагається продемонструвати, чому вона навчилася, і на основі цього навчання самостійно прийти до логічного висновку.

А тепер замініть кішечок і собачок на нейронні мережі, і ви отримаєте уявлення про те, як працює AutoML, яка замість розпізнавання тварин розпізнає, яка з представлених систем є найбільш розумною. Якщо вірити Google, навіть зараз рівень AutoML вже такий, що вона може бути ефективніше експертів-людей в питанні пошуку кращих підходів для вирішення конкретних проблем. У перспективі це дозволить істотно спростити процес створення нових систем штучного інтелекту, так як по суті їх створюватимуть собі ж подібні.

На даний момент AutoML як і раніше знаходиться на ранньому етапі свого розвитку, говорить Google, проте штучний інтелект, машинне навчання і глибинне машинне навчання (просунуті методи навчання машин, що грунтуються на імітації роботи нейронів мозку людини) — всі вони так чи інакше вже знаходять своє застосування в тих додатках і сферах, які ми використовуємо і в яких ми знаходимося щодня.

В рамках демонстрації на сцені конференції інженери Google показали, як їх технологія машинного навчання здатна істотно освітлити дуже темні зображення або, наприклад, прибрати з них різні шуми. І всі ці дії машина здатна виконувати, тільки покладаючись на інформацію, отриману в рамках аналізу мільйонів інших чітких зразків знімків. У Google відзначають, що їх суперкомп’ютери тепер стали ефективніше людини в процесі розпізнавання того, що знаходиться на фото. На базі цієї технології незабаром вийде користувальницький додаток Google Lens, здатний ефективно визначати, яка квітка (або квіти) знаходиться зараз перед вами (або на знімках), через камеру смартфона.

Подібні надпотужні алгоритми на базі глибинного навчання в майбутньому безумовно знайдуть місце для свого застосування в медицині, де системи, що працюють на їх базі, будуть визначати на знімках ознаки злоякісних утворень і в більшості випадків робитимуть це набагато ефективніше професійних хірургів.

З допомогою технології AutoML платформи стануть швидше навчатися і будуть набагато розумнішими. Правда, чекати цього моменту доведеться трохи довше, ніж на вихід обіцяного «квіткового додатку» для платформи Android. Як би там не було, до цього моменту у розробників додатків і вчених буде маса часу для того, щоб ближче познайомитися з AutoML.

«Ми думаємо, що ця технологія приведе до появи нових нейронних мереж і відкриття можливостей, коли навіть не експерти зможуть створювати свої особисті нейронні мережі для певних потреб, що, в свою чергу, лише збільшить можливість технологій машинного навчання мати більше впливу на нас всіх », — вважають науковці фахівці Google Куок Ле і Баррет Зоф.

Джерело

Поділись

НАПИСАТИ ВІДПОВІДЬ

Please enter your comment!
Please enter your name here





Магазин: