Future

Google Brain razvio vlastitu umjetnu inteligenciju superiornu onoj koju su napravili ljudi

Googleov AutoML sustav automatski je razvio model računalnog vida koji je bolji od ljudskog.

Poznato je da će umjetna inteligencija (UI) nadmašiti ljude u bliskoj budućnosti. U siječnju 2017. godine objavljena je vijest kako Googleov UI istraživački laboratorij, Google Brain, navodno razvija UI softver koji može izgraditi više UI-ova. Zatim su u svibnju ove godine istraživači iz Google Brain-a stvorili AutoML, algoritam strojnog učenja koji je sposoban za stvaranje vlastitih UI-ova, čime se eliminira potreba za zapošljavanje ljudskih stručnjaka.

Nedavno je tim iz Google Brain-a odlučio izazvati UI AutoML na stvaranje „djeteta“ koje je nadmašilo sve svoje suparnike koje su napravili ljudi, koristeći se pristupom koji se zove pojačano učenje (eng. reinforcement learning, RL). AutoML djeluje kao kontrolna neuralna mrežna koja može stvoriti „dijete“ mrežu za izvršavanje određenog zadatka.

Prozvano NASNet, ovo UI dijete dobilo je zadatak da prepozna objekte u video-feedu u stvarnom vremenu, poput ljudi, automobila, semafora, torbi ili ruksaka. Model „dijete“ trenira za zadatak i dobiva procjenu neuralne mreže AutoML, koja uči iz povratnih informacija i poboljšava model djeteta dok ne dobije superiornu verziju NASNeta.

Nakon beskonačnih ugađanja i poboljšanja, NASNet je testiran na skupovima podataka iz sustava ImageNet i COCO – poznatih kao „najcjenjeniji veliki akademski skupovi podataka za računalni vid“. Prema Googleu, NASNet je nadmašio sve druge sustave računalnog vida, izvještava Futurism.

Na ImageNetu, NASNet je postigao točnost predviđanja od 82,7 posto na skupu valjanosti, što je za 1,2 posto više od svih prethodno objavljenih rezultata, tvrde istraživači. Također, sustav je za 4 posto učinkovitiji od prethodno objavljenih statusa i ima prosječnu preciznost (mAP) od 43,1 posto. Osim toga, manje računalno zahtjevna inačica NASNeta nadmašila je mobilne platforme za 3,1 posto.

Googleovi istraživači priznali su da se značajke slika koje je NASNet naučio na ImageNetu i COCO-u mogu ponovno upotrijebiti za brojne aplikacije računalnog vida. Kao rezultat toga, NASNet je otvoren izvor za zaključivanje o klasifikaciji slika i za otkrivanje objekata u Slim i Object Detection TensorFlow repozitorijima.

„Nadamo se da će veća zajednica strojnog učenja moći graditi na tim modelima kako bi se odgovorilo na mnoštvo problema računalnog vida koje još nismo ni zamislili“, napisali su znanstvenici na blogu.

Iako postoje brojne moguće uporabe AutoML-a i NASNeta, postoje i etički problemi vezani uz UI. Primjerice, što ako AutoML stvara sustave UI tolikom brzinom da društvo jednostavno ne može držati korak s njima, ili što ako UI roditelj prenese djetetu neželjene sklonosti ili predrasude.

Da bi se sve te stvari zadržale u ljudskoj kontroli, vrlo je važno provoditi strože propise i pojačane etičke standarde kako bi se spriječila uporaba UI za zlonamjerne svrhe.

Komentiraj

Pošalji odgovor

Vaša adresa e-pošte neće biti objavljena. Nužna polja su označena s *

ZTE
Vrh