211service.com
Die selbstlernende KI von Google macht Programmierer zu Meistern des maschinellen Lernens
Google hat es gerade viel einfacher gemacht, Ihr eigenes benutzerdefiniertes KI-System zu erstellen.
Ein neuer Dienst namens Cloud-AutoML , verwendet mehrere maschinelle Lerntricks, um automatisch einen Deep-Learning-Algorithmus zu erstellen und zu trainieren, der Dinge in Bildern erkennen kann.
Die Technologie ist vorerst begrenzt, aber es könnte der Beginn von etwas Großem sein. Das Erstellen und Optimieren eines tiefen neuronalen Netzwerkalgorithmus erfordert normalerweise ein detailliertes Verständnis der zugrunde liegenden Mathematik und des zugrunde liegenden Codes sowie umfangreiche Übung beim Optimieren der Parameter von Algorithmen, um die Dinge genau richtig zu machen. Die Schwierigkeit, KI-Systeme zu entwickeln, hat zu einem Wettlauf um die Rekrutierung von Talenten geführt, und das bedeutet, dass es sich normalerweise nur große Unternehmen mit tiefen Taschen leisten können, ihre eigenen maßgeschneiderten KI-Algorithmen zu entwickeln.
Wir müssen KI auf mehr Menschen ausweiten, Fei-Fei Li , Chefwissenschaftler bei Google Cloud, vor dem heutigen Start. Li schätzt, dass es weltweit höchstens ein paar Tausend Menschen gibt, die über das nötige Fachwissen verfügen, um die allerbesten Deep-Learning-Modelle zu entwickeln. Aber es gibt heute weltweit schätzungsweise 21 Millionen Entwickler, sagt sie. Wir möchten sie alle erreichen und diesen Entwicklern KI zugänglich machen.
Cloud Computing ist einer der Schlüssel, um KI zugänglicher zu machen. Google, Amazon, Microsoft und andere Unternehmen beeilen sich, ihre Cloud-Plattformen um Machine-Learning-Funktionen zu erweitern. Google Cloud bietet bereits viele solcher Tools an, aber sie verwenden vortrainierte Modelle. Das schränkt ihre Möglichkeiten ein – zum Beispiel können Programmierer die Tools nur verwenden, um eine begrenzte Anzahl von Objekten oder Szenen zu erkennen, für deren Erkennung sie bereits trainiert wurden. Eine neue Generation von Cloud-basierten Machine-Learning-Tools, die sich selbst trainieren können, würde die Technologie viel vielseitiger und einfacher zu bedienen machen.
Mehrere Unternehmen haben Google Cloud AutoML in den letzten Monaten getestet. Disney nutzte den Dienst, um eine Möglichkeit zu entwickeln, seine Waren nach bestimmten Zeichentrickfiguren zu durchsuchen, selbst wenn diese Produkte nicht mit dem Namen dieser Figur gekennzeichnet sind.
Joaquin Vanschoren , Professor am Eindhoven Institute of Technology in den Niederlanden, der sich auf automatisiertes maschinelles Lernen spezialisiert hat, sagt, dass es sich um ein relativ neues Forschungsthema handelt, obwohl das Interesse an diesem Bereich in letzter Zeit zugenommen hat. Es ist beeindruckend, dass sie dies so schnell als Produktionsdienst freigeben können, sagt er.
Vanschoren sagt, dass die Automatisierung eine Menge Rechenkosten verursachen kann, also muss Google viele Ressourcen in den Dienst werfen. Das wird sich wahrscheinlich noch verschlimmern, wenn Programmierer versuchen, KI-Systeme zu entwerfen, die über die einfache Bildklassifizierung hinausgehen und versuchen, immer umfassendere Aufgaben zu bewältigen.
Google-Forscher loten seit einiger Zeit die Grenzen der Automatisierung von KI aus. 2016 hat das ein Team gezeigt Deep Learning selbst könnte verwendet werden um die besten Optimierungen an einem Deep-Learning-System zu identifizieren. Letztes Jahr eine andere Gruppe im Unternehmen verwendet simulierte natürliche Auslese um eine optimale Netzwerkarchitektur zu entwickeln. Und in jüngerer Zeit zwei Google-Wissenschaftler Verstärkungslernen verwendet – eine Technik, die von der Art und Weise inspiriert ist, wie Tiere durch positives Feedback lernen – um ein Deep-Learning-System automatisch zu verbessern.
Bemühungen in diesem Bereich könnten letztendlich in die großen Bemühungen einfließen, allgemeinere und anpassungsfähigere Formen der künstlichen Intelligenz aufzubauen. Aber bevor die Maschinen vollständig übernehmen, können Sie sich zumindest an der Entwicklung Ihrer eigenen KI versuchen.