Čini se da je stigao početak ere u kojoj sustavi umjetne inteligencije (AI) mogu graditi druge sustave umjetne inteligencije. Nedavno je tehnološki div Googleova umjetna inteligencija (AI) izradio vlastito dijete AI (umjetna inteligencija).
Došao je dan kada strojevi proizvode druge strojeve. Da budemo konkretniji, početak je ere u kojoj sustavi umjetne inteligencije mogu graditi druge sustave umjetne inteligencije. Napredak koji je tehnološki div Googleov projekt AutoML ostvario stvarnošću dizajnirajući sustav računalnog vida koji daleko premašuje najsuvremenije modele.
Bilo je to u svibnju iste godine kada su tehnološki div Googleovi istraživači mozga najavili stvaranje ove inicijative, algoritam automatskog učenja koji uči graditi drugo strojno učenje algoritmi. Namjera je bila vidjeti za što je umjetna inteligencija sposobna, stvarajući još jednu umjetnu inteligencija bez ljudske intervencije, s krajnjim ciljem postizanja većeg raspoređivanja istih tehnologije.
Malo je ljudi sposobnih za njihov razvoj, oni su visoko priželjkivani i slični bi projekti pomogli donijeti umjetnu inteligenciju u mnoga druga područja i tvrtke, puno brže. Inače, veća sporost značila bi velik rizik za sam AI, prema stručnjacima poput Davea Heinera, savjetnika tehnološkog diva Microsofta. Dio uspjeha podrazumijeva široku primjenu.
Izvršni direktor tehnološkog diva Googlea, Sundar Pichai, pohvalio se AutoML-om tijekom predstavljanja Pixela 2 i Pixela 2 XL, a danas bi se opet mogao pohvaliti da pokaže što je postiglo ovu obećavajuću inicijativu.
Automatiziranjem dizajna modela strojnog učenja korištenjem pristupa koji se naziva pojačanim učenjem, kako objašnjavaju u Futurizam, istraživači su natjerali ovu umjetnu inteligenciju da djeluje kao neuronska mreža kontrolera koja, pak, stvara drugu mrežu umjetne manje inteligencije. Međutim, kreacija nazvana NASNet koja je nadmašila sve svoje kolege koje su sagradili ljudi.
Njegova je funkcija prepoznavanje predmeta u video zapisima emitiranim u stvarnom vremenu. Mora identificirati ljude, automobile, torbe, naprtnjače i druge elemente prisutne na slikama. AutoML procjenjuje performanse i s tim podacima samostalno usavršava ovu umjetnu inteligenciju ponavljajući postupak tisućama puta. Skupa zadaća, koju obično rade ljudi, ali neophodna.
Istraživači tehnološkog giganta Google usporedili su rezultate NASNet ID-ova s "dva najcjenjenija skupa akademskih podataka u računalnom vidu", Klasifikacija slika ImageNet i skup podataka o otkrivanju COCO objekata otkrili su i otkrili da su nadmašili sve ostale sustave računalnog vida koje su napravili narod.
Točnije, bila je točna 82,7% u predviđanju skupa validacije ImageNet, što znači da je iznad 1,2% bilo kojeg prethodno objavljenog rezultata. Na isti način, sustav je također 4% učinkovitiji uz prosječnu preciznost od 43,1%. Uz to, manje zahtjevna verzija s gledišta računalnih resursa premašila je za 3,1% najbolje modele slične veličine namijenjene mobilnim platformama.
Kao što smo rekli na početku, dio uspjeha umjetne inteligencije naći će se u širokoj i brzoj implementaciji. Svakodnevna područja pronašla su rješenja putem ovih tehnologija i sve ih više tvrtki može iskoristiti njih ili ih stvoriti bez previše poteškoća, što je veći napredak i to veći prednosti. Situacija koja će dodatno potaknuti istraživanje, povećavajući taj napredak i te prednosti.
Stoga će umjetna inteligencija poput AutoML-a moći otvoriti vrata da sav taj napredak stigne na brži način. Omogućio bi tvrtkama bez odgovarajućeg osoblja i znanja da imaju tehnologiju koja će unaprijediti njihovo poslovanje. Iako ako se ništa ne poduzme, automatizacija može značiti da će do 2030. godine između 400 i 800 milijuna radnika ostati bez posla.
Pa, što mislite o ovome? Jednostavno podijelite svoje stavove i razmišljanja u odjeljku za komentare u nastavku.