In mei van dit jaar schreven we over het AutoML-project, de kunstmatige intelligentie (AI) -technologie van Google die specifiek is ontworpen om andere AI's te creëren. Nu heeft Google aangekondigd dat zijn AutoML AI-ontwikkelaars heeft overtroffen en zelf machine learning-software kan bouwen die efficiënter en krachtiger is dan de beste voorbeelden van vergelijkbare door mensen ontworpen systemen.
AutoML heeft onlangs een record gevestigd voor de efficiëntie en snelheid van het catalogiseren van afbeeldingen onder de gespecificeerde omstandigheden, met een efficiëntie van 82 procent. En hoewel deze taak zelf relatief eenvoudig bleek te zijn voor het systeem, was AutoML ook in staat om geautomatiseerde systemen en speciale augmented reality-systemen te overtreffen in een complexere taak - het bepalen van de locatie van meerdere objecten in een afbeelding. In deze test presteerde AutoML 43 procent van de tijd, terwijl door de mens gemaakte systemen 39 procent presteerden.
De resultaten zijn indrukwekkend, want zelfs in een gigantisch bedrijf als Google zijn er maar een paar mensen met de ervaring om de ontwikkeling van AI-systemen van dit niveau te leiden. Het automatiseren van dit gebied vereist een zeer breed scala aan vaardigheden, maar als het resultaat eenmaal is bereikt, kan het de branche volledig veranderen, aldus Google.
“Tegenwoordig kunnen slechts enkele duizenden machine learning-specialisten over de hele wereld dergelijke software maken. Maar we willen ervoor zorgen dat honderdduizenden andere ontwikkelaars hier ook aan kunnen deelnemen”, citeert Wired magazine de woorden van de CEO van Google Sundar Pichai.
Veel meta-learning betreft het nabootsen van de neurale netwerken van het menselijk brein, evenals de noodzaak om enorme hoeveelheden verschillende gegevens door deze netwerken te laten lopen. De moeilijkste taak is natuurlijk precies hoe je de structuur van de hersenen kunt imiteren en deze complexere problemen kunt laten oplossen.
Tegenwoordig zijn bestaande neurale netwerken nog steeds gemakkelijker te moderniseren of aan te passen voor specifieke taken dan om helemaal opnieuw nieuwe te ontwikkelen. Onderzoek zoals dat waar we het over hebben, suggereert echter dat dit slechts tijdelijk is.
Omdat het voor de nieuwe AI gemakkelijker zal zijn om steeds complexere systemen te creëren die zijn ontworpen om taken uit te voeren die mensen simpelweg niet kunnen uitvoeren, is het erg belangrijk dat mensen de belangrijkste schakel blijven, zonder welke deze systemen simpelweg niet kunnen functioneren. Een echt volwaardige AI kan gemakkelijk een vooringenomen interpretatie gebruiken in bepaalde kwesties, bijvoorbeeld door de parallel tussen ethische en genderkenmerken te stereotypen. Als ingenieurs echter nu meer tijd besteden aan het oplossen van dit potentiële probleem, en niet alles voor later laten, dan zal de kans op een reëel probleem in de toekomst kleiner zijn.
Over het algemeen probeert Google AutoML aan te scherpen, zodat ontwikkelaars het kunnen gebruiken bij het oplossen van problemen in de echte wereld. Als dat lukt, kan het effect van het gebruik van AutoML tot ver buiten de muren van het bedrijf zelf doorwerken.
Promotie video:
"We willen het democratiseren", citeerde het tijdschrift Wired Pichai.
Nikolay Khizhnyak
