211service.com
AI-programvara lär sig att göra AI-programvara
Framsteg inom artificiell intelligens får en del människor att oroa sig för att programvara kommer att ta jobb som att köra lastbilar från människor. Nu upptäcker ledande forskare att de kan göra programvara som kan lära sig att göra en av de svåraste delarna av sitt eget jobb – uppgiften att designa programvara för maskininlärning.
I ett experiment lät forskare vid Google Brain-forskningsgruppen för artificiell intelligens programvara designa ett maskininlärningssystem för att göra ett test som används för att benchmarka programvara som bearbetar språk. Vad det kom fram till överträffade tidigare publicerade resultat från programvara designad av människor.
Under de senaste månaderna har flera andra grupper också rapporterat framsteg när det gäller att få inlärningsprogramvara för att göra inlärningsprogramvara. De inkluderar forskare vid ideella forskningsinstitutet OpenAI (som grundades av Elon Musk), MED , University of California, Berkeley , och Googles andra forskningsgrupp för artificiell intelligens, DeepMind .
Om självstartande AI-tekniker blir praktiska kan de öka takten i vilken maskininlärningsprogramvara implementeras i hela ekonomin. Företag måste för närvarande betala en premie för maskininlärningsexperter, som är en bristvara.
Jeff Dean, som leder forskargruppen Google Brain, funderade förra veckan på att en del av sådana arbetares arbete kunde ersättas av programvara. Han beskrev vad han kallade automatiserad maskininlärning som en av de mest lovande forskningsvägarna som hans team undersökte.
För närvarande sättet du löser problem är att du har expertis och data och beräkningar, sa dekanus vid AI Frontiers konferens i Santa Clara, Kalifornien. Kan vi eliminera behovet av mycket maskininlärningsexpertis?
Ett uppsättning experiment från Googles DeepMind-grupp föreslår att det som forskare kallar att lära sig att lära kan också bidra till att minska problemet med maskininlärningsprogramvara som behöver konsumera enorma mängder data för en specifik uppgift för att utföra den bra.
Forskarna utmanade sin programvara för att skapa inlärningssystem för samlingar av flera olika men relaterade problem, som att navigera i labyrinter. Den kom med design som visade en förmåga att generalisera och ta upp nya uppgifter med mindre extra träning än vad som är vanligt.
Idén att skapa programvara som lär sig att lära sig har funnits ett tag, men tidigare experiment gav inte resultat som konkurrerade med vad människor kunde komma på. Det är spännande, säger Yoshua Bengio , en professor vid University of Montreal, som tidigare utforskade idén på 1990-talet.
Bengio säger att den mer potenta datorkraften som nu finns tillgänglig, och tillkomsten av en teknik som kallas djupinlärning, som har väckt den senaste tidens spänning om AI, är det som gör att tillvägagångssättet fungerar. Men han noterar att det hittills kräver så extrem datorkraft att det ännu inte är praktiskt att tänka på att lätta på belastningen eller delvis ersätta maskininlärningsexperter.
Google Brains forskare beskriver hur de använder 800 kraftfulla grafikprocessorer för att driva programvara som kom fram till design för bildigenkänningssystem som konkurrerade med de bästa designade av människor.
Otkrist Gupta, forskare vid MIT Media Lab, tror att det kommer att förändras. Han och MIT-kollegor planerar att öppna programvaran bakom deras egna experiment , där inlärningsmjukvara designade djupinlärningssystem som matchade mänskligt skapade på standardtester för objektigenkänning.
Gupta inspirerades att arbeta med projektet genom frustrerande timmar som ägnades åt att designa och testa maskininlärningsmodeller. Han tror att företag och forskare är väl motiverade att hitta sätt att göra automatiserad maskininlärning praktiskt.
Att lätta på bördan för dataforskaren är en stor vinst, säger han. Det kan göra dig mer produktiv, göra dig till bättre modeller och göra dig fri att utforska idéer på högre nivå.