ИИ от Google создает свой собственный ИИ, который превосходит те, которые делают люди »

Система AutoML от Google автоматически разработала модель компьютерного зрения лучше, чем человек

Известно, что искусственный интеллект (ИИ) в ближайшем будущем превзойдет человека. В январе 2017 года мы сообщали, что исследовательская лаборатория Google Brain разрабатывает программное обеспечение для искусственного интеллекта, которое может создавать больше ИИ. Затем, в мае этого года, исследователи Google Brain создали AutoML, алгоритм машинного обучения, который способен генерировать собственные ИИ, тем самым устраняя необходимость нанимать экспертов-людей.

Недавно команда Google Brain решила бросить вызов AI AutoML и создать «ребенка», который превзошел бы всех своих аналогов, созданных человеком, используя подход, называемый обучением с подкреплением. AutoML выступает в роли нейронной сети контроллера, которая может создать «дочернюю» сеть для выполнения определенной задачи.

Названный NASNet, дочерний ИИ получил задание распознавать объекты в видеопотоке в режиме реального времени, такие как люди, автомобили, светофоры, сумки или рюкзаки. «Дочерняя» модель обучается для выполнения задачи и оценивается нейронной сетью-контроллером AutoML, которая обучается на основе обратной связи и совершенствует дочернюю модель до тех пор, пока не получит более совершенную версию NASNet.

После бесконечной настройки и улучшения NASNet, он был протестирован на наборах данных классификации изображений ImageNet и обнаружении объектов COCO, которые известны как «два самых уважаемых крупномасштабных набора академических данных в области компьютерного зрения». По данным Google, NASNet превзошла все остальные системы компьютерного зрения, сообщает Futurism.

По словам исследователей, при классификации изображений ImageNet NASNet достигла точности прогнозирования 82,7% по валидационному набору, что на 1,2% выше, чем все ранее опубликованные результаты. Кроме того, система на 4% эффективнее ранее опубликованных современных систем и имеет среднюю точность (mAP) 43,1%. Кроме того, менее требовательная к вычислительным ресурсам версия NASNet превзошла мобильные платформы на 3,1%.

Исследователи Google признали, что функции изображений, изученные NASNet на ImageNet и COCO, могут быть повторно использованы во многих приложениях компьютерного зрения. В результате у них появился открытый исходный код NASNet для вывода о классификации изображений и обнаружения объектов в репозиториях Slim и Object Detection TensorFlow.

«Мы надеемся, что более широкое сообщество машинного обучения сможет использовать эти модели для решения множества проблем компьютерного зрения, которые мы еще не могли представить», — пишут исследователи в своем блоге.

Несмотря на то, что существует множество возможных вариантов использования AutoML и NASNet, существуют также этические проблемы, связанные с искусственным интеллектом. Например, что, если AutoML создает системы искусственного интеллекта с такой скоростью, что общество просто не успевает за ними, или что, если родитель ИИ передает нежелательные предубеждения своему ребенку.

Чтобы держать все это под контролем человека, очень важно внедрить более строгие правила и повышенные этические стандарты для предотвращения использования ИИ в злонамеренных целях.

Источник: Футуризм