Λογισμικό AI Μαθαίνει να Κατασκευάζει Λογισμικό AI

Η πρόοδος στην τεχνητή νοημοσύνη προκαλεί ορισμένους ανθρώπους να ανησυχούν ότι το λογισμικό θα αφαιρέσει εργασίες όπως η οδήγηση φορτηγών μακριά από τους ανθρώπους. Τώρα κορυφαίοι ερευνητές ανακαλύπτουν ότι μπορούν να φτιάξουν λογισμικό που μπορεί να μάθει να κάνει ένα από τα πιο δύσκολα κομμάτια της δουλειάς τους—το έργο του σχεδιασμού λογισμικού μηχανικής μάθησης.



Σε ένα πείραμα, οι ερευνητές της ερευνητικής ομάδας τεχνητής νοημοσύνης Google Brain έβαλαν λογισμικό να σχεδιάσει ένα σύστημα μηχανικής μάθησης για να κάνουν ένα τεστ που χρησιμοποιείται για τη συγκριτική αξιολόγηση λογισμικού που επεξεργάζεται τη γλώσσα. Τι προέκυψε ξεπέρασε προηγουμένως δημοσιευμένα αποτελέσματα από λογισμικό σχεδιασμένο από ανθρώπους.

Τους τελευταίους μήνες, αρκετές άλλες ομάδες ανέφεραν επίσης πρόοδο όσον αφορά τη δημιουργία λογισμικού εκμάθησης για την κατασκευή λογισμικού εκμάθησης. Περιλαμβάνουν ερευνητές στο μη κερδοσκοπικό ερευνητικό ινστιτούτο OpenAI (το οποίο συνιδρυτής ήταν ο Έλον Μασκ), ΜΕ , το Πανεπιστήμιο της Καλιφόρνια, Μπέρκλεϋ και της άλλης ερευνητικής ομάδας τεχνητής νοημοσύνης της Google, DeepMind .





Πρόβλεψη αποτελεσμάτων εκλογών 2016

Εάν οι τεχνικές τεχνητής νοημοσύνης με αυτοεκκίνηση γίνουν πρακτικές, θα μπορούσαν να αυξήσουν τον ρυθμό με τον οποίο εφαρμόζεται το λογισμικό μηχανικής μάθησης σε ολόκληρη την οικονομία. Οι εταιρείες πρέπει επί του παρόντος να πληρώσουν ένα ασφάλιστρο για τους ειδικούς μηχανικής μάθησης, οι οποίοι είναι σε έλλειψη.

Ο Τζεφ Ντιν, ο οποίος ηγείται της ερευνητικής ομάδας Google Brain, σκέφτηκε την περασμένη εβδομάδα ότι μέρος της εργασίας τέτοιων εργαζομένων θα μπορούσε να αντικατασταθεί από λογισμικό. Περιέγραψε αυτό που ονόμασε την αυτοματοποιημένη μηχανική μάθηση ως μια από τις πιο πολλά υποσχόμενες ερευνητικές οδούς που εξερευνούσε η ομάδα του.

Επί του παρόντος, ο τρόπος με τον οποίο επιλύετε προβλήματα είναι ότι έχετε τεχνογνωσία και δεδομένα και υπολογισμούς, είπε ο Dean, στο Συνέδριο AI Frontiers στη Σάντα Κλάρα της Καλιφόρνια. Μπορούμε να εξαλείψουμε την ανάγκη για μεγάλη τεχνογνωσία στη μηχανική μάθηση;



Ενας σύνολο πειραμάτων από την ομάδα DeepMind της Google υποδηλώνει ότι αυτό που οι ερευνητές ονομάζουν μάθηση για μάθηση θα μπορούσε επίσης να βοηθήσει στη μείωση του προβλήματος του λογισμικού μηχανικής μάθησης που χρειάζεται να καταναλώνει τεράστιες ποσότητες δεδομένων σε μια συγκεκριμένη εργασία για να την εκτελεί καλά.

πόσο γρήγορο θα είναι το starlink

Οι ερευνητές προκάλεσαν το λογισμικό τους να δημιουργήσει συστήματα μάθησης για συλλογές πολλαπλών διαφορετικών, αλλά συναφών προβλημάτων, όπως η πλοήγηση σε λαβύρινθους. Προέκυψε σχέδια που έδειχναν την ικανότητα να γενικεύει και να επιλέγει νέες εργασίες με λιγότερη πρόσθετη εκπαίδευση από ό,τι συνήθως.

Η ιδέα της δημιουργίας λογισμικού που μαθαίνει να μαθαίνει υπήρχε εδώ και καιρό, αλλά προηγούμενα πειράματα δεν παρήγαγαν αποτελέσματα που να συναγωνίζονται αυτά που θα μπορούσαν να βρουν οι άνθρωποι. Είναι συναρπαστικό, λέει Yoshua Bengio , καθηγητής στο Πανεπιστήμιο του Μόντρεαλ, ο οποίος είχε προηγουμένως εξερευνήσει την ιδέα τη δεκαετία του 1990.

Ο Bengio λέει ότι η πιο ισχυρή υπολογιστική ισχύς που είναι τώρα διαθέσιμη και η έλευση μιας τεχνικής που ονομάζεται βαθιά μάθηση, η οποία έχει πυροδοτήσει τον πρόσφατο ενθουσιασμό για την τεχνητή νοημοσύνη, είναι αυτά που κάνουν την προσέγγιση να λειτουργήσει. Ωστόσο, σημειώνει ότι μέχρι στιγμής απαιτείται τόσο ακραία υπολογιστική ισχύς που δεν είναι ακόμη πρακτικό να σκεφτούμε να μειώσουμε το φορτίο ή να αντικαταστήσουμε εν μέρει τους ειδικούς μηχανικής μάθησης.

Οι ερευνητές του Google Brain περιγράφουν τη χρήση 800 επεξεργαστών γραφικών υψηλής ισχύος για την τροφοδοσία λογισμικού που κατέληξε σε σχέδια για συστήματα αναγνώρισης εικόνας που συναγωνίζονταν τα καλύτερα σχεδιασμένα από ανθρώπους.

πόσοι κατοικήσιμοι πλανήτες είναι στον γαλαξία

Ο Otkrist Gupta, ερευνητής στο MIT Media Lab, πιστεύει ότι αυτό θα αλλάξει. Αυτός και οι συνάδελφοί του στο MIT σχεδιάζουν να δημιουργήσουν ανοιχτό κώδικα το λογισμικό πίσω από το δικό τους δικά τους πειράματα , στο οποίο το λογισμικό εκμάθησης σχεδίασε συστήματα βαθιάς μάθησης που ταίριαζαν με αυτά που κατασκευάστηκαν από τον άνθρωπο σε τυπικά τεστ για την αναγνώριση αντικειμένων.

Η Gupta εμπνεύστηκε να δουλέψει στο έργο απογοητεύοντας ώρες που αφιερώθηκαν στο σχεδιασμό και τη δοκιμή μοντέλων μηχανικής εκμάθησης. Πιστεύει ότι οι εταιρείες και οι ερευνητές έχουν καλά κίνητρα να βρουν τρόπους να κάνουν πρακτική την αυτοματοποιημένη μηχανική μάθηση.

Η ελάφρυνση του βάρους για τον επιστήμονα δεδομένων είναι μια μεγάλη ανταμοιβή, λέει. Θα μπορούσε να σας κάνει πιο παραγωγικούς, να σας κάνει καλύτερα μοντέλα και να σας κάνει ελεύθερους να εξερευνήσετε ιδέες υψηλότερου επιπέδου.

κρύβω

Πραγματικές Τεχνολογίες

Κατηγορία

Χωρίς Κατηγοριοποίηση

Τεχνολογία

Βιοτεχνολογία

Τεχνική Πολιτική

Την Αλλαγή Του Κλίματος

Άνθρωποι Και Τεχνολογία

Silicon Valley

Χρήση Υπολογιστή

Περιοδικό Mit News

Τεχνητή Νοημοσύνη

Χώρος

Έξυπνες Πόλεις

Blockchain

Feature Story

Προφίλ Αποφοίτων

Σύνδεση Αποφοίτων

Δυνατότητα Ειδήσεων Mit

1865

Η Θέα Μου

77 Mass Ave

Γνωρίστε Τον Συγγραφέα

Προφίλ Στη Γενναιοδωρία

Βλέπεται Στην Πανεπιστημιούπολη

Επιστολές Αποφοίτων

Νέα

Εκλογές 2020

Με Ευρετήριο

Κάτω Από Τον Θόλο

Πυροσβεστική Μάνικα

Άπειρες Ιστορίες

Πανδημικό Τεχνολογικό Έργο

Από Τον Πρόεδρο

Θέμα Εξώφυλλου

Φωτογραφίες

Συνιστάται