211service.com
Googles självtränande AI förvandlar kodare till maskininlärningsmästare
Google har precis gjort det mycket enklare att bygga ditt alldeles egna anpassade AI-system.
En ny tjänst, kallad Moln AutoML , använder flera maskinlärande knep för att automatiskt bygga och träna en djupinlärningsalgoritm som kan känna igen saker i bilder.
Tekniken är begränsad för närvarande, men det kan vara början på något stort. Att bygga och optimera en algoritm för djupa neurala nätverk kräver normalt en detaljerad förståelse av den underliggande matematiken och koden, såväl som omfattande övning i att justera parametrarna för algoritmer för att få saker och ting precis rätt. Svårigheten att utveckla AI-system har skapat en kapplöpning för att rekrytera talanger, och det betyder att bara stora företag med djupa fickor vanligtvis har råd att bygga sina egna skräddarsydda AI-algoritmer.
Vi måste skala ut AI till fler människor, Fei-Fei Li , chefsforskare på Google Cloud, sa inför lanseringen idag. Li uppskattar att det finns högst några tusen människor världen över med den expertis som behövs för att bygga de allra bästa modellerna för djupinlärning. Men det finns uppskattningsvis 21 miljoner utvecklare världen över idag, säger hon. Vi vill nå ut till dem alla och göra AI tillgänglig för dessa utvecklare.
Cloud computing är en av nycklarna för att göra AI mer tillgänglig. Google, Amazon, Microsoft och andra företag skyndar sig att lägga till maskininlärningsmöjligheter till sina molnplattformar. Google Cloud erbjuder redan många sådana verktyg, men de använder förutbildade modeller. Det begränsar vad de kan göra – till exempel kommer programmerare bara att kunna använda verktygen för att känna igen ett begränsat antal objekt eller scener som de redan har tränats att känna igen. En ny generation av molnbaserade maskininlärningsverktyg som kan träna sig själva skulle göra tekniken mycket mer mångsidig och enklare att använda.
Flera företag har testat Google Cloud AutoML under de senaste månaderna. Disney använde tjänsten för att utveckla ett sätt att söka i sina varor efter särskilda seriefigurer, även om dessa produkter inte är taggade med karaktärens namn.
Joaquin Vanschoren , en professor vid Eindhoven Institute of Technology i Nederländerna som specialiserat sig på automatiserad maskininlärning, säger att det fortfarande är ett relativt nytt forskningsämne, även om intresset för området har värmts upp på sistone. Det är imponerande att de kan släppa det här som produktionstjänst så snabbt, säger han.
Vanschoren säger att automatisering kan lägga till en hel del beräkningskostnader, så Google måste lägga massor av resurser på tjänsten. Det kommer sannolikt bara att bli värre när programmerare försöker designa AI-system som går bortom enkel bildklassificering och försöker ta sig an allt bredare uppgifter.
Googles forskare har testat gränserna för att automatisera AI under en tid nu. 2016 visade ett lag det djupinlärning kan i sig användas för att identifiera de bästa justeringarna av ett system för djupinlärning. Förra året ytterligare en grupp på företaget använde simulerat naturligt urval att utveckla en optimal nätverksarkitektur. Och på senare tid, två Google-forskare använt förstärkningsinlärning —en teknik inspirerad av hur djur lär sig genom positiv feedback — för att automatiskt förbättra ett djupinlärningssystem.
Ansträngningar på detta område kan i slutändan bidra till den stora ansträngningen att bygga mer allmänna och anpassningsbara former av artificiell intelligens. Men innan maskinerna tar över helt kan du åtminstone prova dig fram med att utveckla din alldeles egna AI.