Google hat den nächsten großen Schritt in der Entwicklung künstlicher Intelligenz mit einem neuen Ansatz für maschinelles Lernen angekündigt, mit dem mithilfe neuronaler Netze noch effizientere neuronale Netze erstellt werden können. Grundsätzlich geht es darum, einer Maschine beizubringen, ihre eigene Art zu erschaffen.
Künstliche neuronale Netze sollen den Lernprozess des Gehirns nachahmen. Laut Google hat die neue Technologie AutoML das Potenzial, diese Netze noch leistungsfähiger, effizienter und benutzerfreundlicher zu machen.
Sundar Pichai, CEO von Google, gab ein Beispiel für die Funktionsweise von AutoML bei Google I / O 2017, einer jährlichen Veranstaltung für Hardware- und Softwareentwickler, bei der das Unternehmen in der Regel die Produkte vorstellt oder zumindest darüber spricht, an denen es gerade arbeitet.
"Es funktioniert so: Wir nehmen eine Reihe von Kandidaten für neuronale Netze - nennen wir sie Baby-neuronale Netze - und führen wiederholt ein vorgefertigtes neuronales Netz durch, um Fehler zu finden, bis wir ein noch effizienteres neuronales Netz erhalten." sagte Pichai.
Dieser Prozess wird als stimuliertes Lernen bezeichnet, bei dem der Computer für das Auffinden von Fehlern belohnt wird. Nach dem gleichen Prinzip bringen sie beispielsweise Hunden neue Tricks bei. Bei Computern erfordert dies natürlich eine enorme Rechenleistung, aber die Leistung der Google-Geräte hat bereits ein derartiges Niveau erreicht, dass ein neuronales Netzwerk die Arbeit eines anderen neuronalen Netzwerks problemlos analysieren kann.
Die Erstellung eines neuronalen Netzwerks erfordert ein echtes Team von Experten für Computertechnik und viel Zeit. Dank AutoML kann jedoch in Zukunft fast jeder Benutzer sein eigenes KI-System erstellen und programmieren, um absolut jede Aufgabe auszuführen.
"Wir hoffen, dass die AutoML-Technologie, die derzeit nur wenigen Forschungszentren zur Verfügung steht, in drei bis fünf Jahren Hunderten oder besser Tausenden von Entwicklern neuronaler Netze zur Verfügung steht, die sie für ihre spezifischen Zwecke nutzen möchten", schrieb Pichai im Beamten Blog.
Das Schema der AutoML-Technologie: Mehrebenenanalyse des Betriebs neuronaler Netze, um die intelligentesten von ihnen zu ermitteln
Werbevideo:
Maschinelles Lernen - ein Versuch, einem Computer die Möglichkeit zu geben, auf der Grundlage der verfügbaren Informationen eigene Schlussfolgerungen zu ziehen - ist nur einer der Ansätze bei der Entwicklung der künstlichen Intelligenz, der zwei wichtige Aspekte umfasst: den Lernprozess und die tatsächliche Fähigkeit, auf dieser Grundlage unabhängig Schlussfolgerungen zu ziehen. Mit dem Training ist alles relativ klar. Zeigen Sie dem Computer hunderttausend Bilder von Katzen und Hunden, und er wird schließlich herausfinden, welche Pixelkombination jedes dieser Tiere ergibt. Der zweite Teil ist etwas komplizierter. Schließlich muss die Maschine hier zeigen, was sie gelernt hat, und auf der Grundlage dieses Lernens unabhängig zu einer logischen Vermutung gelangen. Machen Sie eine Schlussfolgerung.
Ersetzen Sie jetzt Katzen und Hunde durch neuronale Netze, und Sie erhalten eine Vorstellung davon, wie AutoML funktioniert, das anstelle der Erkennung von Tieren erkennt, welches der vorgestellten Systeme das intelligenteste ist. Laut Google ist das Niveau von AutoML bereits jetzt so hoch, dass es effektiver als menschliche Experten sein kann, um die besten Ansätze zur Lösung spezifischer Probleme zu finden. Dies wird in Zukunft den Prozess der Erstellung neuer KI-Systeme erheblich vereinfachen, da diese tatsächlich von ihrer eigenen Art erstellt werden.
Laut Google befindet sich AutoML zu diesem Zeitpunkt noch in einem frühen Stadium, aber KI, maschinelles Lernen und tiefes maschinelles Lernen (fortgeschrittene Methoden des maschinellen Lernens, die auf der Simulation der Neuronen im menschlichen Gehirn basieren) finden auf die eine oder andere Weise ihren Weg. in den Anwendungen und Bereichen, die wir verwenden und in denen wir uns täglich befinden.
In einer Demonstration auf der Bühne auf der E / A-Konferenz zeigten Google-Ingenieure, wie ihre Technologie für maschinelles Lernen sehr dunkle Bilder deutlich aufhellen und beispielsweise verschiedene Geräusche von ihnen entfernen kann. Und all diese Aktionen kann die Maschine nur auf der Grundlage von Informationen ausführen, die durch die Analyse von Millionen anderer klarer Bildproben erhalten wurden. Google stellt fest, dass ihre Supercomputer jetzt effizienter als Menschen sind, um zu erkennen, was auf dem Foto zu sehen ist. Basierend auf dieser Technologie wird in Kürze eine benutzerdefinierte Google Lens-Anwendung veröffentlicht, mit der mithilfe der Smartphone-Kamera effektiv ermittelt werden kann, welche Blume (n) sich vor Ihnen (oder auf den Bildern) befindet.
In Zukunft werden solche superstarken Algorithmen, die auf tiefem Lernen basieren, definitiv einen Platz für ihre Anwendung in der Medizin finden, wo die darauf basierenden Systeme Anzeichen von bösartigen Tumoren in den Bildern erkennen und dies in den meisten Fällen viel effizienter als professionelle Chirurgen tun werden.
Mit der AutoML-Technologie lernen KI-Plattformen schneller und sind viel intelligenter. Dieser Moment muss allerdings etwas länger warten als die Veröffentlichung der versprochenen "Blumenanwendung" für die Android-Plattform. Bis zu diesem Zeitpunkt haben Anwendungsentwickler und Wissenschaftler jedoch genügend Zeit, um AutoML besser kennenzulernen.
„Wir glauben, dass diese Technologie zur Entstehung neuer neuronaler Netze und zur Erschließung von Möglichkeiten führen wird, bei denen auch Nicht-Experten ihre eigenen persönlichen neuronalen Netze für ihre spezifischen Bedürfnisse erstellen können, was wiederum die Fähigkeit maschineller Lerntechnologien erhöht, mehr Einfluss auf uns alle auszuüben. - sagen die Google-Wissenschaftler Kuok Le und Barrett Zof.
NIKOLAY KHIZHNYAK
