newsWiadomość głównawynalazki

AI Google stworzyła ulepszoną wersję siebie

Wygląda na to, że jesteśmy świadkami epokowego wydarzenia. Co prawda do buntu Skynetu jeszcze daleko, ale jednak sztuczna inteligencja Google stworzyła lepszą wersję siebie samej.

Prace nad sztuczną inteligencją już teraz prowadzone są w zastraszającym (przynajmniej jeśli spytać niektórych osób) tempie, ale niebawem mogą one przyspieszyć o cały rząd wielkości. Google pochwaliło się bowiem AI, które stworzyło ulepszoną wersję samej siebie. Mało tego, stworzone przez AI algorytmy były skuteczniejsze niż cokolwiek, co do tej pory udało się napisać badaczom. Ale od początku.

W maju tego roku Google zaprezentowało projekt AutoML, który miał za zadanie ułatwić projektowanie modeli uczenia maszynowego dzięki automatyzacji tego procesu.

„W naszym modelu zarządzająca sieć neuralna może zaproponować architekturę „dziecka”, która może być później oceniona lub nauczona wykonywać konkretne zadanie,” wyjaśniało w maju Google Brain.

I dokładnie to udało się teraz osiągnąć. W listopadzie algorytmy AutoML wykorzystane zostały do tego, by zaproponować nowy zaawansowany system rozpoznający obiekty na nagraniach. Jak się okazało, NASNet, bo tak nazwano nowy algorytm, jest w tym nie tylko lepszy od AutoML, ale też od wszystkiego, co do tej pory udało się opracować ludzkim inżynierom.

Podczas testów okazało się, że NASNet rozpoznawał obiekty z dokładnością wynoszącą 82,7 procent. Był to, jak twierdzi Google, wynik o 1,2 punktu procentowego lepszy, niż w przypadku podobnych programów stworzonych przez ludzi. Architektura NASNet jest ponadto skalowalna, więc może zostać zastosowana w przypadku urządzeń z mniejszą mocą obliczeniową, nadal zachowując dokładność rozpoznawania obrazów lepszą, niż w przypadku rozwiązań napisanych przez ludzi. Przykładowo, w przypadku najmniejszej, komórkowej, wersji NASNet, dokładność ta wynosiła 74 procent, czyli o 3,1 punktu procentowego więcej, niż w przypadku najlepszych rozwiązań mobilnych.

Największa wersja NASNet osiągneła też 43.1 procent efektywności w mAP (mean Average Precision), które jest popularnym wskaźnikiem wydajności w pozyskiwaniu informacji. Jest to wynik o 4 procent lepszy, niż w przypadku innych algorytmów.

„Mamy nadzieję, że większa społeczność skupiona wokół uczenia maszynowego będzie mogła dzięki tym modelom zidentyfikować wiele problemów z rozpoznawaniem obrazów, których jeszcze sobie nawet nie wyobraziliśmy,” stwierdził zespół Google Brain.

Z pewnością tak będzie. I to nie tylko w obszarze rozpoznawania obrazu. Nie zmienia to jednak faktu, że osiągnięcie to zostanie zapamiętane jako pierwszy przypadek, w którym sztuczna inteligencja stworzyła ulepszoną wersję samego siebie.


podobne treści