Werden die Maschinen über den Menschen herrschen? Derzeit ist das AI-System von Google in der Lage, ihre eigenen AI zu schaffen, sogar besser als die menschliche bauen. Nach Fudzilla und Futurismus, Google Brain Forscher kündigte im Mai die Schaffung von AI-System automl, die AI-Programme auf eigene Faust erstellen könnte. Sie haben vor kurzem beschlossen, weitere Herausforderung Automl zu AI, die besser als Menschen konzipiert ist zu schaffen. Google-Forscher benutzten intensive Lernmethoden, um maschinelle Lernmodelle automatisch zu entwerfen, und AUTOML fungierte als neuronaler Netz Steuerpult (Steuerung neuronaler Behälter), um 1 Kind AI Netze für spezifische Aufgaben zu entwickeln. Die Forscher nannten dieses Subnetz die AI nasnet, deren Aufgabe es ist, sofort zu identifizieren Menschen, Autos, Traffic-Logs, Handtaschen, Rucksäcke, und andere Objekte in Video-Bilder. AUTOML wird die Leistung von nasnet, verwenden Sie diese Informationen, um seine Child AI zu verbessern, und wiederholen Sie den Prozess Tausende Male. In den beiden großen Computer-Vision Bereichen der beliebtesten großen akademischen Datensätze, das heißt, imagenet Bildklassifizierung und Coco Target Detection-Datensatz, in den Test, nasnet Leistung als alle anderen Computer-Vision-Systeme. Die Genauigkeit von nasnet beträgt 82,7%, wenn das Bild auf dem imagenet-Verifizierungs Satz vorhergesagt wird. 1,2% besser als das bisher veröffentlichte System, die Effizienz des Systems wird um 4% erhöht, und die durchschnittliche Genauigkeit Mittelwert (Karte) ist 43,1%. Darüber hinaus ist die nasnet Effizienz der niedrigeren Version von Rechenleistung Anforderungen auch 3,1% höher als die optimale Mobile Machine Learning-Modell der gleichen Größe. Maschinelles Lernen ist eine Schlüsselfunktion für viele AI-Systeme, um bestimmte Aufgaben auszuführen. Das Konzept dahinter ist sehr einfach, das heißt, der Algorithmus durch die Bereitstellung einer großen Menge von Daten zu lernen, aber der Prozess braucht viel Zeit und Mühe. Wenn Sie ein präzises, effizientes AI-System erstellen können, wie z. b. Prozessautomatisierung, wie z. b. AUTOML kann AI-System zu schaffen, kann für Menschen tun. Letztlich bedeutet dies, dass nicht-Experten auch maschinelles lernen und AI-Technologie über AUTOML nutzen können. Derzeit sind hochpräzise und effiziente Computer-Vision-Algorithmen von einer großen Anzahl von potenziellen Anwendungen gesucht worden. Google-Forscher sagen, Computer-Vision-Algorithmen können verwendet werden, um fortschrittliche Roboter von AI angetrieben zu schaffen, oder sehbehinderten Menschen helfen, wieder Vision, und helfen, Designerverb Essern ihre selbst-Fahrkünste. Je schneller Sie ein Objekt auf einem Pfad identifizieren können, desto schneller können Sie darauf reagieren, wodurch die Sicherheit Ihres eigenen Autos erhöht wird. Google-Forscher glauben, dass nasnet in einer Vielzahl von Anwendungen verwendet werden kann und hat die Schlussfolgerung, dass AI für die Bildklassifizierung und Ziel Erkennung verwendet geöffnet. Die Forscher schrieben auf Blogs, dass man hofft, dass die größere Maschine lernen Gemeinschaft auf diesen Modellen aufbauen können, um eine große Anzahl von Computer-Vision Probleme, die noch nicht durchdacht sind Adresse.
