توانایی خودتکثیری نرم افزار یادگیری ماشین گوگل
گوگل ماه مه (اردیبهشت ماه) اعلام کرد که پروژه هوش مصنوعی موسوم به AutoML می تواند برای ایجاد نمونه های دیگر هوش مصنوعی مورد استفاده قرار گیرد. به تازگی، این سیستم با ساخت نرم افزار یادگیری ماشین (machine-learning) که کارآمدتر و قوی تر از سیستم های طراحی شده توسط مهندسان هوش مصنوعی است، بر انسان غلبه کرده است.
سیستم AutoML با دقت 82 درصد، موفق به دسته بندی تصاویر از طریق محتوا و شکستن رکورد قبلی شده است. یکی دیگر از برتری های این سیستم، انجام کارهای بسیار پیچیده تر مرتبط با ربات های خودمختار و واقعیت افزوده، یعنی نشانه گذاری محل چندین شیئ در یک تصویر با دقت 43 درصد بوده است؛ این درحالی است که درصد دقت سیستم های طراحی شده توسط انسان 39 درصد بود.
(توانایی خودتکثیری نرم افزار یادگیری ماشین گوگل – تصویر: Google)
این نتایج معنادار هستند، زیرا حتی در گوگل، افراد معدودی دارای تخصص لازم برای ساخت نسل آینده سیستم های هوش مصنوعی (AI) هستند. فرایادگیری (metalearning) مبحثی در زمینه تقلید از شبکه های عصبی انسان و تلاش برای ذخیره سازی هرچه بیشتر داده ها از طریق این شبکه ها است.
سوندار پیچای (Sundar Pichai) مدیرعامل گوگل تأکید کرد: ساخت سیستم های هوش مصنوعی (AI) به متخصصانی نیاز دارد که تعداد آنها در جهان بیش از چند هزار نفر نیست. قصد داریم که با کمک سیستم AutoML، این روند را تسهیل کنیم.
سیستم AutoML با دقت 82 درصد، موفق به دسته بندی تصاویر از طریق محتوا شده است
سخت ترین بخش، کپی کردن ساختار مغز در وهله نخست و در ادامه، در مقیاس های مناسب برای انجام مسائل پیچیده تر است. شاید راحت تر این باشد که یک سیستم موجود را برای پاسخگویی به نیازها تنظیم کرد تا اینکه یک شبکه عصبی جدید را از پایه طراحی کرد.
همانطور که طراحی سیستم های جدید با پیچیدگی های بیشتر، برای هوش مصنوعی ساده تر شده است، باید به این نکته مهم هم توجه داشت که انسان در این بین، نقش محافظ را ایفا می کند. اگر مهندسان برای کارهایی از جمله ایجاد سیستم ها، زمان کمتری صرف کنند، به زمان بیشتری برای نظارت و اصلاح آنها نیاز خواهند داشت.
گوگل تلاش می کند تا قابلیت های AutoML را افزایش دهد تا این سیستم بتواند برای برنامه های کاربردی، عملکرد کافی و لازم را داشته باشد.
مترجم: معصومه سوهانی
منبع: sciencealert
No tags for this post.
