r   e   k   l   a   m   a
r   e   k   l   a   m   a

Sztuczna inteligencja Google'a stworzy jeszcze lepsze sztuczne inteligencje

Strona główna AktualnościOPROGRAMOWANIE

Ray Kurzweil, dyrektor techniczny Google, jest jednym z największych zwolenników koncepcji technologicznej osobliwości – hipotezy, zgodnie z którą pojawienie zdolnego do samoulepszania się inteligentnego systemu spowoduje gwałtowną ewolucję coraz doskonalszych inteligencji – i ostatecznie wyłonienie się AI daleko wykraczających poza ludzkie możliwości umysłowe, a co za tym idzie, zakończenie ery człowieka na Ziemi. Według jego prognoz, technologiczna osobliwość przypaść powinna na 2045 rok. Marzenia ściętej głowy? Niekoniecznie. Najważniejszą co do swoich długofalowych skutków nowością, zaprezentowaną podczas ostatniego Google I/O, jest technologia AutoML – sieć neuronowa, która uczy się budować lepsze sieci neuronowe.

Podczas swojego wystąpienia na prezentacji dla deweloperów, Sundar Pichai tak opisał działanie AutoML: bierzemy startowy zbiór sieci neuronowych (myślcie o nich jak o sieciach-dzieciach), a następnie używamy sieci neuronowej do iterowania po nich aż uzyskamy najlepszą sieć neuronową. Mamy więc do czynienia z uczeniem przez wzmacnianie – sieci kierują się sygnałami wzmocnienia, wysokimi gdy ich decyzje są poprawne, niskimi, gdy decyzje są błędne.

Niby nic nowego w teorii maszynowego uczenia, pierwsze prace z tej dziedziny pochodzą z lat osiemdziesiątych, ale jak do tej pory realizacja takiej metody uczenia pozostawała poza zasięgiem nawet bazujących na klastrach GPU sieci neuronowych. Wewnętrzny przełom Google uzyskało tworząc specjalizowaną architekturę sprzętową – czipy TPU, zoptymalizowane pod kątem sieci neuronowych. Z taką mocą obliczeniową możliwe stało się osiągnięcie etapu, w którym jedna sieć neuronowa może analizować inne sieci neuronowe.

r   e   k   l   a   m   a

Stojący za tym projektem badacze Quoc Le i Barret Zoph z zespołu Google Brain zauważają, że „ręczne” zaprojektowanie optymalnej sieci neuronowej jest ogromnie czasochłonne – typowa 10-warstwowa sieć może mieć 1010 sieci kandydackich. Co więcej, projektowanie sieci neuronowych wymaga rzadkiej wiedzy i doświadczenia w tej dziedzinie, czyniąc cały proces dostępnym jedynie dla najbogatszych firm i najmocniejszych ośrodków naukowych. Automatyzacja tego procesu ma uczynić go dostępnym dla wszystkich.

Mamy nadzieję, że AutoML przejmie umiejętności, jakie dziś posiada kilku informatyków z doktoratami i w ciągu trzech do pięciu lat pozwoli setkom tysięcy programistów projektować nowe sieci neuronowe pod kątem ich konkretnych potrzeb – stwierdził Pichai.

Ale czy tylko przejąć umiejętności? Wydaje się, że to możne zajść znacznie dalej. Już dziś zautomatyzowane podejście pozwoliło stworzyć architektury sieci, które są bardziej pomysłowe i efektywne od tego, co zaprojektowali ludzcy eksperci. Zamknięty w pętli sprzężenia zwrotnego układ kontrolera sieci i sieci-dzieci po tysiącach iteracji jest w stanie nauczyć się przypisywać wysokie prawdopodobieństwa obszarom osiągającym lepszą dokładność na testowych zbiorach danych i niskie obszarom, które uzyskują słabe wyniki.

Nie kierując się żadnymi innymi nawykami poza optymalizacją sprawności, kontroler wyłania w końcu sieci, które choć dzielą wspólne elementy z tymi zaprojektowanymi przez człowieka, to jednak przynoszą też nowe, niestosowane przez ludzi rozwiązania – tak jak widać to na przykładzie sieci wyszkolonej do przewidywania następnego słowa na banku drzew Penna (dla języka angielskiego). Po lewej mamy do czynienia z siecią „ludzką”, po prawej stworzoną przez AI. Takie podejście pozwala nie tylko więc projektować optymalne sieci neuronowe, ale też odkrywać zupełnie nowe architektury i ustalać, dlaczego mogą one działać lepiej w zadanych scenariuszach.

Póki co zastosowania AutoML ograniczają się do tych dziedzin, w których Google już od dawna wykorzystuje maszynowe uczenie, np. polepszanie jakości zdjęć i ich klasyfikacja wg zawartości. Jednak z czasem wyjdzie to poza kamerkę czy galerię Androida. Selekcjonowane przez AI sieci neuronowe miałyby znaleźć zastosowanie choćby w onkologii, znajdując na zdjęciach oznaki nowotworów sprawniej, niż doświadczeni lekarze.

Najistotniejsze jest jednak to, o czym samo Google niespecjalnie wspomina: otóż nic nie stoi na przeszkodzie, by kontroler optymalizował sam siebie w takim procesie.

© dobreprogramy
r   e   k   l   a   m   a
r   e   k   l   a   m   a

Komentarze

r   e   k   l   a   m   a
r   e   k   l   a   m   a
Czy wiesz, że używamy cookies (ciasteczek)? Dowiedz się więcej o celu ich używania i zmianach ustawień.
Korzystając ze strony i asystenta pobierania wyrażasz zgodę na używanie cookies, zgodnie z aktualnymi ustawieniami przeglądarki.   

Trwa konkurs "Ogól naczelnego", w którym codziennie możecie wygrać najnowsze maszynki systemowe Hydro Connect 5 marki Wilkinson Sword.

Więcej informacji

Gratulacje!

znalezione maszynki:

Twój czas:

Ogól Naczelnego!
Znalazłeś(aś) 10 maszynek Wilkinson Sword
oraz ogoliłeś(aś) naszego naczelnego!
Przejdź do rankingu
Podpowiedź: Przyciśnij lewy przycisk myszki i poruszaj nią, aby ogolić brodę.