Maszyna ucząca się stworzona w Google nauczyła się tworzyć sztuczne inteligencje
Google stworzyło projekt AutoML, w którym sztuczna inteligencja ma pomagać ludziom tworzyć kolejne systemy sztucznej inteligencji. Po kilku miesiącach pracy AutoML potrafi już stworzyć mocniejsze i bardziej wydajne systemy niż doświadczeni inżynierowie.
W maju tego roku (2017) Google ogłosiło start projektu AutoML – sztucznej inteligencji, która ma pomóc tworzyć kolejne sztuczne inteligencje. A że w Google nie próżnują, to minęło kilka miesięcy i już poinformowano o niezwykłych postępach – AutoML jest już lepszy – wydajniejszy i sprawniejszy – niż inżynierowie, którzy go zaprogramowali.
„Spektakularny sukces”, o którym tu mowa, na pozór wygląda niewinne – system AutoML pobił właśnie rekord w celnej kegoryzacji grafik na podstawie ich zawartości, osiągając skuteczność na poziomie 82 procent. Obok tego dość prostego zadania AutoML pokonał stworzone przez ludzi systemy w bardziej złożonym zadaniu, typowym dla autonomicznych robotów i rzeczywistości rozszerzonej, polegającym na oznaczaniu zwielokrotnionych obiektów na obrazku. W tym zadaniu AuotML osiągnął wynik na poziomie 43 procent, a jego stworzony przez ludzi rywal – 39 procent.
Te wyniki robią wrażenie na tych, którzy mają świadomość komplikacji zagadnienia. Nawet w Google, które zaczyna specjalizować się w tym zakresie, jest zaledwie kilku ludzi, którzy mają wystarczające doświadczenie by tworzyć sztuczne inteligencje następnej generacji. Żeby działo się to automatycznie, potrzebne jest urządzenie o niezwykłych możliwościach. Kiedy wreszcie zostanie to osiągnięte, efekt będzie widoczny nie tylko w laboratoriach, ale także w przemyśle i gospodarce.
Istotnym obszarem badań nad uczeniem się jest próba naśladowanie ludzkich sieci neuronowych i osiągnięcie jak największej wydajności w przesyłaniu danych przez takie sztuczne sieci. Nie jest to praca, w której można liczyć na szybkie efekty. To raczej żmudna metoda prób i błędów, która prowadzi do coraz lepszego dopasowania urządzeń do przydzielonych im zadań. Odtworzenie struktury mózgu w skali wystarczającej do podjęcia złożonych problemów okazuje się niezwykle trudnym przedsięwzięciem.
Przyszłość produktywnej sztucznej inteligencji
Wciąż łatwiej jest dostosować działający system, by sprostał nowym potrzebom, niż zaprojektować od podstaw sztuczną sieć neuronową. Wygląda na to jednak, że jest to tylko stan przejściowy. Kiedy systemy sztucznej inteligencji będą sprawniej tworzyły coraz bardziej złożone systemy, ważną rolą człowieka w tym procesie będzie funkcja kontrolna.
Systemy sztucznej inteligencji pozostają znacznie mniej wrażliwe na trudne elementy relacji międzyludzkich, takie jak uprzedzenia i mogą łatwo popełniać wykroczenia w tym zakresie, posługując się przyswojonymi stereotypami. Być może więc, kiedy inżynierowie nie będą już musieli tak intensywnie zajmować się kwestiami bazowymi, przyjdzie dla nich czas na poświęcenie się nadzrowi i ulepszeniomw szerszym zakresie.
Google zapowiada, że będzie pracował nad AutoML tak długo, aż będzie on gotowy by programiści zaczęli używać go to praktycznych wdrożeń. Jeśli to się uda, wpływ i konsekwencje działania AutoML wykroczą znacznie poza mury tej korporacji. Pichai zapowiada: „Chcemy to zdemokratyzować”, co oznacza, że być może system AutoML będzie dostępny powszechnie.
Opracowano na podstawie artykułu Google’s Machine Learning Software Has Learned to Replicate Itself opublikowanego w serwisie Futurist.com
