Google создает искусственный интеллект для создания искусственных интеллектов

Москва, 21:59, 16 Окт 2017, редакция FTimes.ru, автор Сергей Кузнецов.

AutoML Google

Еще в мае Google опубликовал свой проект AutoML — искусственный интеллект (ИИ), призванный помочь создать другие ИИ. Теперь Google объявила, что AutoML победил инженеров-людей, построив программное обеспечение для машинного обучения, которое является более эффективным и мощным, чем лучшие человеческие системы.

Система AutoML недавно побила рекорд для категоризации изображений по их содержанию, набрав 82%. Хотя это относительно простая задача, AutoML также превосходит человеческую систему в более сложной интегральной задаче для автономных роботов и дополненной реальности: маркировке расположения нескольких объектов в изображении. Для этой задачи AutoML набрал 43% против 39% построенной человеком системой.

Эти результаты имеют смысл, потому что даже в Google мало кто имеет необходимый опыт для создания систем ИИ нового поколения. Для автоматизации этой области требуется огромный набор навыков, но как только она будет достигнута, отрасль изменится.

«Сегодня они изготовлены вручную учеными по компьютерному обучению, и буквально только несколько тысяч ученых во всем мире могут это сделать», — сказал генеральный директор Google Сундар Пичай. «Мы хотим, чтобы сотни тысяч разработчиков могли это сделать».

Большая часть метаобразования — это подражание человеческим нейронным сетям и попытка получать все больше и больше данных через эти сети. Трудной частью является имитация структур мозга в первую очередь и в масштабах, подходящих для решения более сложных проблем.

 

Будущее машинного искусственного интеллекта

По-прежнему проще настроить существующую систему для удовлетворения новых потребностей, чем для создания нейронной сети с нуля. Однако это исследование, похоже, предполагает, что это временное положение дел. Поскольку для ИИ легче создавать новые системы с повышенной сложностью, люди будут играть роль контролеров. Системы ИИ могут легко ошибочно подключаться к смежным соединениям — например, ассоциировать этнические и гендерные идентичности с негативными стереотипами. Однако, если инженеры-люди затратят меньше времени на работу, связанную с созданием систем, у них будет больше времени, чтобы посвятить себя контролю и доработке.

В конечном итоге Google стремится оттачивать AutoML до тех пор, пока он не сможет функционировать достаточно хорошо, чтобы программисты могли использовать его для практических приложений. Если им удастся это сделать, AutoML, вероятно, окажет влияние далеко за пределами Google.