211service.com
Software AI se učí vyrábět software AI
Pokrok v oblasti umělé inteligence vyvolává u některých lidí obavy, že software vezme lidem práci, jako je řízení kamionů. Nyní přední výzkumníci zjišťují, že dokážou vytvořit software, který se dokáže naučit vykonávat jednu z nejobtížnějších částí jejich vlastní práce – úkol navrhnout software pro strojové učení.
V jednom experimentu výzkumníci z výzkumné skupiny umělé inteligence Google Brain navrhli software systému strojového učení, aby provedli test používaný k porovnání softwaru, který zpracovává jazyk. Na co to přišlo překonala dříve publikované výsledky ze softwaru navrženého lidmi.
V posledních měsících několik dalších skupin také hlásilo pokrok v získávání výukového softwaru k výrobě výukového softwaru. Patří mezi ně výzkumníci na neziskový výzkumný ústav OpenAI (kterou spoluzaložil Elon Musk), S , Kalifornská univerzita, Berkeley a další výzkumná skupina společnosti Google pro umělou inteligenci, DeepMind .
Pokud se samospouštěcí techniky umělé inteligence stanou praktickými, mohly by zvýšit tempo implementace softwaru pro strojové učení v celé ekonomice. Společnosti musí v současnosti platit prémii za odborníky na strojové učení, kterých je nedostatek.
Jeff Dean, který vede výzkumnou skupinu Google Brain, minulý týden uvažoval, že část práce takových pracovníků by mohla být nahrazena softwarem. Popsal to, co nazval automatizované strojové učení, jako jednu z nejslibnějších výzkumných cest, kterou jeho tým zkoumal.
V současné době řešíte problémy tak, že máte odborné znalosti, data a výpočty, řekl Dean Konference AI Frontiers v Santa Clara v Kalifornii. Můžeme eliminovat potřebu mnoha odborných znalostí strojového učení?
Jeden soubor experimentů ze skupiny DeepMind společnosti Google naznačuje, že to, co výzkumníci nazývají učením se učit, by také mohlo pomoci zmírnit problém softwaru pro strojové učení, který potřebuje spotřebovávat obrovské množství dat na konkrétní úkol, aby jej dobře provedl.
Výzkumníci vyzvali svůj software, aby vytvořil výukové systémy pro sbírky mnoha různých, ale souvisejících problémů, jako je navigace v bludištích. Přišel s návrhy, které ukázaly schopnost zobecňovat a přijímat nové úkoly s menším množstvím dodatečného školení, než by bylo obvyklé.
Myšlenka vytvořit software, který se naučí učit, existuje již nějakou dobu, ale předchozí experimenty nepřinesly výsledky, které by konkurovaly tomu, s čím mohli přijít lidé. Je to vzrušující, říká Yoshua Bengio , profesor na univerzitě v Montrealu, který již dříve tuto myšlenku zkoumal v 90. letech.
Bengio říká, že tento přístup funguje díky výkonnějšímu výpočetnímu výkonu, který je nyní k dispozici, a příchodu techniky zvané hluboké učení, která v poslední době vyvolala nadšení z AI. Poznamenává však, že zatím vyžaduje tak extrémní výpočetní výkon, že zatím není praktické uvažovat o odlehčení zátěže nebo částečné výměně odborníků na strojové učení.
Výzkumníci Google Brain popisují použití 800 vysoce výkonných grafických procesorů k napájení softwaru, který přišel s návrhy systémů rozpoznávání obrazu, které konkurují těm nejlepším navrženým lidmi.
Otkrist Gupta, výzkumník z MIT Media Lab, věří, že se to změní. On a kolegové z MIT plánují open-source software, který za nimi stojí vlastní experimenty , ve kterém výukový software navrhl systémy hlubokého učení, které odpovídaly systémům vytvořeným lidmi ve standardních testech pro rozpoznávání objektů.
Guptu k práci na projektu inspirovaly frustrující hodiny strávené navrhováním a testováním modelů strojového učení. Myslí si, že společnosti a výzkumní pracovníci jsou dobře motivováni k tomu, aby našli způsoby, jak využít automatizované strojové učení v praxi.
Zmírnění zátěže pro datové vědce je podle něj velkou odměnou. Mohlo by vás to zvýšit produktivitu, udělat z vás lepší modely a umožnit vám objevovat nápady na vyšší úrovni.