2017 년 5 월, Google Brain의 연구원은 자체 "인공 지능 AI"를 생성 할 수있는 시스템 인 Automated Artificial Intelligence (AutoML)의 개발을 발표했습니다. 최근에 그들은 AutoML을 현재까지 가장 큰 도전 과제로 시작하기로 결정했습니다. - AutoML로 작성된 인공 지능을 사용하여 인간의 인공 지능 AI를 무력화 시키십시오.
팀원은 보강 학습이라는 기술을 사용하여 기계 학습 모델의 설계를 자동화합니다 이번에는 AutoML의 신원이 특정 작업에 대한 '하위 AI'를 개발하는 컨트롤러 신경망입니다. 새로 생성 된 '자식 NASNet이라고 불리는이 시스템은 인간, 자동차, 교통 신호등, 핸드백, 배낭 등을 포함 해 비디오에서 목표물을 식별합니다. '부모'인 AutoML은 '아이들'NASNet의 성능을 평가하고 그 정보를 사용하여 '어린이 AI' 그런 다음이 과정을 수천 번 반복하십시오.
팀 구성원의 ImageNet 이미지 분류 (프로젝트를 식별하기 위해 컴퓨터 비전 시스템은 세계 최대의 이미지 인식 데이터베이스 현재) 및 시험 '하위 AI'NASNet를 들어, 두 개의 데이터 세트 인식 코코 객체. 그들은이 컴퓨터 비전 분야이라고 말했다 가장 인정 학술 대규모 데이터 세트의 두 시험은 매우 심각한 크기의 거대한 순서가되도록.
그 결과, ImageNet 테스트, 검증 세트에 NASNet 예측 정확도는 인공 지능 유사 이전에 발표 된 제품, 인쇄 된 웹 사이트에서 보고서 및 논문의 결과에 비해 1.2 % 향상된 82.7 %에 도달하지만, 비교의 결과를 발표하지 않았다 시스템의 효율이 가장 큰 모델 43.1 %의 평균 정확도와 4 %로 증가한다. 팀원 상기 NASNet는 모든 용도에 사용되며, 사용자가 AI 시스템 이미지 분류 및 물체 감지를 수행 할 수있다.
편집장 대기 시간
로봇은 로봇을 만들 수 있습니다. 인공 지능은 인공 지능을 디자인 할 수 있습니다. 물론 목표의 명확한 정의가 인간의 뇌보다 빠른 강력한 컴퓨터라면 사람을 대신 할 것입니다.하지만 인공 지능이 스스로 향상 될 수있는 것은 아닙니다. NA AI가 여전히 때때로 트랙 경주를 실행하는 아무것도로, 새장에 묶여있다. AI의 변덕은 자신을위한 목표를 설정할 때, 다음은 사람과 비교 될 수있을 때. 지금은 근처에도 .
