Perisian Pembelajaran Mesin Google Telah Belajar Meniru Diri - Pandangan Alternatif

Perisian Pembelajaran Mesin Google Telah Belajar Meniru Diri - Pandangan Alternatif
Perisian Pembelajaran Mesin Google Telah Belajar Meniru Diri - Pandangan Alternatif

Video: Perisian Pembelajaran Mesin Google Telah Belajar Meniru Diri - Pandangan Alternatif

Video: Perisian Pembelajaran Mesin Google Telah Belajar Meniru Diri - Pandangan Alternatif
Video: BELAJAR HTTP (BAHASA INDONESIA) 2024, Mungkin
Anonim

Pada bulan Mei tahun ini, kami menulis mengenai projek AutoML, teknologi kecerdasan buatan (AI) Google yang direka khusus untuk membuat AI lain. Kini Google telah mengumumkan bahawa AutoML-nya telah mengatasi pemaju AI dan mampu membina perisian pembelajaran mesin sendiri yang lebih efisien dan hebat daripada contoh terbaik sistem serupa yang dikembangkan oleh manusia.

AutoML baru-baru ini menetapkan rekod kecekapan dan kepantasan pengkatalogan gambar dalam keadaan yang ditentukan, dengan kecekapan 82 peratus. Dan walaupun tugas ini sendiri ternyata agak mudah untuk sistem ini, AutoML juga mampu melampaui sistem automatik dan sistem augmented reality khusus dalam tugas yang lebih kompleks - menentukan lokasi beberapa objek dalam gambar. Dalam ujian ini, AutoML melakukan 43 peratus masa, sementara sistem buatan manusia menunjukkan 39 persen.

Hasilnya sangat mengagumkan, kerana walaupun di sebuah syarikat gergasi seperti Google, hanya ada beberapa orang yang berpengalaman untuk memimpin pengembangan sistem AI pada tahap ini. Mengautomasikan bidang ini memerlukan kemahiran yang sangat luas, tetapi setelah hasilnya dicapai, ia dapat mengubah industri sepenuhnya, menurut Google.

Hari ini, hanya beberapa ribu pakar pembelajaran mesin di seluruh dunia yang dapat membuat perisian tersebut. Tetapi kami ingin memastikan bahawa beratus-ratus ribu pemaju lain juga dapat mengambil bahagian dalam hal ini,”- Majalah Wired memetik kata-kata CEO Google Sundar Pichai.

Sebilangan besar meta-pembelajaran berkaitan dengan meniru jaringan saraf otak manusia, dan juga keperluan menjalankan sejumlah besar data yang berlainan melalui rangkaian ini. Sudah tentu, tugas yang paling sukar adalah bagaimana meniru struktur otak dan membuatnya menyelesaikan masalah yang lebih kompleks.

Hari ini, rangkaian saraf yang ada masih lebih mudah untuk dimodenkan atau disesuaikan untuk tugas-tugas tertentu daripada mengembangkan yang baru dari awal. Walau bagaimanapun, penyelidikan seperti yang kita bicarakan menunjukkan bahawa ini hanya sementara.

Oleh kerana akan lebih mudah bagi AI baru untuk membuat sistem yang lebih dan lebih kompleks yang dirancang untuk melaksanakan tugas yang tidak dapat dilakukan oleh manusia, sangat penting manusia tetap menjadi penghubung utama, tanpanya sistem ini tidak dapat berfungsi. AI yang benar-benar lengkap dapat dengan mudah menggunakan tafsiran berat sebelah dalam masalah tertentu, misalnya, dengan stereotaip selari antara ciri etika dan jantina. Walau bagaimanapun, jika jurutera mencurahkan lebih banyak masa untuk menyelesaikan masalah yang berpotensi ini sekarang, tidak meninggalkan semuanya untuk kemudian, maka pada masa akan datang ia akan mempunyai lebih sedikit kemungkinan kejadian sebenar.

Secara umum, Google berusaha mengasah AutoML supaya pembangun dapat menggunakannya dalam penyelesaian masalah di dunia nyata. Sekiranya mereka berjaya, maka kesan penggunaan AutoML dapat mempengaruhi jauh di luar dinding syarikat itu sendiri.

Video promosi:

"Kami ingin mendemokrasikannya," kata majalah Wired yang memetik Pichai.

Nikolay Khizhnyak

Disyorkan: