Het is nog lang niet voorbij:
http://trustmyscience.com/une-ia-genere ... es-autres/De kunstmatige intelligentie van Google heeft een eigen AI ontwikkeld, die alles wat mensen tot nu toe hebben gedaan overtreft.
In mei 2017 hebben Google Brain-onderzoekers de oprichting aangekondigd van AutoML, een kunstmatige intelligentie (AI) die in staat is zijn eigen AI te genereren, nog krachtiger. Meer recent hebben onderzoekers besloten AutoML te confronteren met zijn grootste uitdaging tot nu toe. Deze AI die andere AI's kan genereren, heeft inderdaad een echt "kind" gecreëerd, dat alle door de mens ontworpen tegenhangers heeft overtroffen.
Nu hebben Google-onderzoekers het ontwerpen van machine-leermodellen geautomatiseerd met behulp van een benadering die reinforcement learning heet: AutoML fungeert als een neurale netwerkcontroller, die een zogenaamd kindachtig netwerk ontwikkelt om een taak uit te voeren. specifiek.
Met betrekking tot deze nieuwe AI die onderzoekers NASNet hebben genoemd, is het de taak om voorwerpen te herkennen: mensen, auto's, verkeerslichten, handtassen, rugzakken, enz., En dit allemaal in video en in real time. AutoML evalueert vervolgens de prestaties van NASNet en gebruikt deze informatie om de nieuwe AI te verbeteren, terwijl dit proces duizenden keren wordt herhaald om de verbetering te maximaliseren.
Wanneer getest op ImageNet (een georganiseerde afbeeldingsdatabase) en COCO (Common Objects in Context) afbeeldingsclassificatiedatasets, een set detectie-, segmentatie- en ondertitelingsgegevens grootschalige objecten), die Google-onderzoekers beschrijven als "twee van de meest gerespecteerde grootschalige academische gegevenssets in computervisie," NASNet NAS overtrof alle andere bestaande vision-systemen tot nu toe.
Volgens de onderzoekers heeft NASNet een nauwkeurigheid van 82,7% bereikt om afbeeldingen op het gehele ImageNet te voorspellen. Dit is 1,2% beter dan de eerder gepubliceerde resultaten. Het systeem is ook 4% efficiënter met een gemiddelde nauwkeurigheid van 43,1% (gemiddelde gemiddelde precisie - mAP). Bovendien is een minder veeleisende versie (in termen van berekeningen) van NASNet overtroffen door 3,1% al de beste modellen van vergelijkbare grootte, voor mobiele platforms.
Machinaal leren geeft veel KI-systemen de mogelijkheid om specifieke taken uit te voeren. Hoewel dit concept vrij eenvoudig is - een algoritme leert door te worden gevoed door grote hoeveelheden gegevens - vereist het proces nog steeds veel tijd en berekeningen. Door het proces van het maken van nauwkeurige en efficiënte AI-systemen te automatiseren, ondersteunt een AI die in staat is om een andere te ontwerpen, dit belangrijke werk.
Specifiek voor NASNet zijn er veel vraag naar nauwkeurige en efficiënte algoritmen voor computervisie vanwege het aantal mogelijke toepassingen. Inderdaad, deze algoritmen kunnen worden gebruikt om geavanceerde robots te maken die worden aangedreven door AI's. Ze kunnen ontwerpers ook helpen bij het verbeteren van autonome voertuigtechnologieën: hoe sneller een autonoom voertuig objecten op zijn pad en omgeving kan herkennen, des te sneller hij daarop kan reageren, waardoor de veiligheid van deze voertuigen wordt verhoogd.
Google-onderzoekers erkennen dat NASNet zeer nuttig kan zijn voor een breed scala aan applicaties en dat ze open-source-AI hebben voor de inferentie over beeldclassificatie en objectdetectie. "We hopen dat de grootste machine-leergemeenschap op deze modellen kan vertrouwen om de talloze problemen met computervisie op te lossen die we ons nog niet hebben voorgesteld", zeggen de onderzoekers.
Hoewel de applicaties voor NASNet en AutoML talrijk zijn, roept het feit dat de ene AI een andere kan maken ook enkele vragen op. Wat zou bijvoorbeeld voorkomen dat de "ouder" AI ongewenste elementen naar zijn "kind" stuurt? Wat als AutoML systemen zo snel heeft gemaakt dat het bedrijf het niet kon bijhouden? Inderdaad, het is niet moeilijk om u voor te stellen hoe NASNet in de nabije toekomst in geautomatiseerde bewakingssystemen zou kunnen worden gebruikt. Misschien zelfs voordat de regels om dit systeem en zijn grenzen te beheersen, tot stand komen.
Laten we dus hopen dat wereldleiders redelijk snel en effectief werken om ervoor te zorgen dat dergelijke systemen niet tot een dystopische toekomst leiden. U moet weten dat Amazon, Facebook, Apple en andere grote bedrijven allemaal lid zijn van het partnerschap voor AI ten behoeve van mensen en de samenleving (partnering voor AI ten behoeve van mensen en samenleving), een organisatie die zich richt op verantwoordelijke en gecontroleerde ontwikkeling van AI.
Het Institute of Electrical and Electronics Engineers (IEE) heeft ethische normen voor AI voorgesteld en DeepMind, een onderzoeksbedrijf dat eigendom is van Google, heeft onlangs de oprichting aangekondigd van een groep die zich toespitst op de ethische en ethische implicaties van AI.
Verscheidene regeringen werken ook aan regelgeving om het gebruik van AI voor onveilige doeleinden, zoals op zichzelf staande wapens, te voorkomen. Zolang de controle behouden blijft over de algemene richting van AI-ontwikkeling, moeten de voordelen van het hebben van een AI die in staat is om anderen te ontwerpen, zoals hier het geval is, opwegen tegen de potentiële gevaren.
Bronnen: Google, arXiv.org