Het lijkt erop dat het begin van een tijdperk waarin kunstmatige intelligentie (AI)-systemen andere systemen van kunstmatige intelligentie kunnen bouwen, is aangebroken. Net als onlangs heeft de techgigant Google’s Artificial Intelligence (AI) zijn eigen AI (Artificial Intelligence) kind gebouwd.
laten zien
Google’s kunstmatige intelligentie bouwt zijn eigen AI ‘kind’
De dag is aangebroken dat machines andere machines maken. Om concreter te zijn, het is het begin van een tijdperk waarin kunstmatige-intelligentiesystemen andere systemen van kunstmatige intelligentie kunnen bouwen. Een vooruitgang die het AutoML-project van de techgigant Google heeft gerealiseerd door een computervisiesysteem te ontwerpen dat de meest geavanceerde modellen ver overtreft.
Het was in mei van hetzelfde jaar toen de techgigant Google’s Brain-onderzoekers de oprichting aankondigden van dit initiatief, een automatisch leeralgoritme dat leert om andere machine learning-algoritmen te bouwen. De bedoeling was om te kijken waartoe een artificiële intelligentie in staat is, een andere artificiële intelligentie te creëren zonder menselijke tussenkomst, met als uiteindelijk doel een grotere inzet van deze technologieën te bewerkstelligen.
Er zijn maar weinig mensen die ze kunnen ontwikkelen, ze zijn zeer gewild en soortgelijke projecten zouden kunstmatige intelligentie veel sneller naar veel andere gebieden en bedrijven kunnen brengen. Anders zou meer traagheid een groot risico inhouden voor de AI zelf, volgens experts als Dave Heiner, de adviseur van de techgigant Microsoft. Een deel van het succes houdt in dat de implementatie breed is.
De grootste uitdaging voor AutoML: maak een AI
De techgigant Google CEO, Sundar Pichai, pochte over AutoML tijdens de presentatie van Pixel 2 en Pixel 2 XL en kon vandaag opnieuw opscheppen om te laten zien wat dit veelbelovende initiatief heeft bereikt.
Door het ontwerp van machine learning-modellen te automatiseren met behulp van een benadering die wapeningsleren wordt genoemd, zoals ze uitleggen in futurisme, lieten de onderzoekers deze kunstmatige intelligentie fungeren als een neuraal netwerk van controllers die op hun beurt een ander netwerk van kunstmatige kleine intelligentie creëren. Echter, een creatie, NASNet genaamd, die al zijn tegenhangers heeft overtroffen die door mensen zijn gebouwd.
Zijn functie is om objecten te herkennen in video’s die in realtime worden uitgezonden. Het moet mensen, auto’s, tassen, rugzakken en andere elementen in de afbeeldingen identificeren. AutoML evalueert de prestaties en perfectioneert met deze gegevens zelfstandig deze kunstmatige intelligentie door het proces duizenden keren te herhalen. Een dure taak, meestal gedaan door mensen, maar essentieel.
De onderzoekers van de technologiegigant Google vergeleken de resultaten van de NASNet-ID’s met “twee van de meest gerespecteerde grootschalige academische datasets in computervisie”, de ImageNet-beeldclassificatie en de COCO-objectdetectiegegevensset, en ontdekten, zo onthulden ze, dat overtrof alle andere computervisiesystemen die door mensen zijn gemaakt.
Het was met name 82,7% nauwkeurig in de voorspelling van de ImageNet-validatieset, wat betekent dat het 1,2% hoger ligt dan alle eerder gepubliceerde resultaten. Op dezelfde manier is het systeem ook 4% efficiënter met een gemiddelde nauwkeurigheid van 43,1%. Bovendien overtrof een minder veeleisende versie vanuit het oogpunt van computerbronnen met 3,1% de beste modellen van vergelijkbare grootte bedoeld voor mobiele platforms.
De vooruitgang die AutoML kan brengen
Zoals we in het begin al zeiden, zal een deel van het succes van kunstmatige intelligentie te vinden zijn in de brede en snelle implementatie ervan. Hoe meer alledaagse gebieden door deze technologieën oplossingen hebben gevonden en hoe meer bedrijven ze kunnen gebruiken of creëren zonder al te veel moeite, hoe groter de vooruitgang en hoe groter de voordelen. Een situatie die het onderzoek verder zal stimuleren, die vooruitgang en die voordelen zal vergroten.
Daarom zal een kunstmatige intelligentie zoals AutoML de deur kunnen openen om al die vooruitgang op een snellere manier te bereiken. Het zou bedrijven zonder het juiste personeel en de juiste kennis in staat stellen over een technologie te beschikken die hun bedrijf vooruit zal helpen. Hoewel als er geen actie wordt ondernomen, automatisering kan betekenen dat tegen 2030 tussen de 400 en 800 miljoen werknemers zonder baan zullen zitten.
Dus, wat vind je hiervan? Deel eenvoudig uw mening en gedachten in het commentaargedeelte hieronder.