기계가 인간성을 이길 것인가? 현재 구글의 AI 시스템은 인간이 만든 것보다 훨씬 더 자신의 AI를 만들 수 있었다 .Fudzilla와 Futurism의 보고서에 따르면 구글 브레인 연구원은 5 월에 인공 지능 프로그램 AI 시스템 AutoML. 그들은 최근에 더 (자동 신경 네트워크 컨트롤러로 AutoML의 행동으로 기계 학습 모델을 설계하기 위해보다 좋은 인간 AI. 구글의 연구자들은 강화를 사용하는 학습 방법을 만들기 위해 설계에 컨트롤러 신경 네트워크를 AutoML을 도전하기로 결정 ), 특정 작업 하위 네트워크 AI 연구자 작업 비디오 이미지, 사람, 차량, 신호등, 핸드백, 배낭 및 기타 항목을 실시간으로 확인하는 것입니다 AI NASNet이라는 서브 네트워크, 개발. AutoML는 평가한다 NASNet 성능은 자식 AI를 개선하기 위해이 정보를 사용 및 시간의 과정 수천을 반복합니다. 컴퓨터 비전 분야에서 가장 존경받는 두 개의 큰 학술 데이터가 ImageNet 이미지 분류 및 물체 감지 코코 데이터 세트, 수행한다는 설정 테스트 한 결과, NASNet은 다른 모든 컴퓨터 비전 시스템보다 우수한 성능을 보여 주었으며, ImageNet 검증 세트에서 이미지를 예측할 때 NASNet은 82의 정확도를 나타 냈습니다. 7 %, 이전에 발표 된 시스템보다 1.2 %, 시스템 효율은 4 %, 평균 엄마는 43.1 %이며, 비슷한 크기의 비슷한 모바일 컴퓨터보다 컴퓨팅 성능이 더 적은 NASNet이 더 효율적입니다. 3.1 % 고등 교육 모델. 기계 학습은 특정 작업에 많은 AI 시스템을 수행 할 수있는 능력의 핵심입니다. 그 뒤에 개념은 매우 간단하지만, 배울 수있는 많은 양의 데이터를 제공함으로써, 그 알고리즘하지만 프로세스는 많은 시간과 노력을합니다. 그것이 정확하게 생성 할 수 있다면, 같은 AutoML 같은 AI 효율적인 프로세스 자동화 시스템, 당신은 인간을 위해 그것을 할 수 있습니다, AI 인공 지능 시스템을 만들 수 있습니다. 궁극적으로,이 비 전문가들이 기계 학습을 이용하여 AutoML 수 있다는 것을 의미 및 AI 기술은 현재 매우 정확하고 효율적인 컴퓨터 비전입니다 구글의 연구원은 인공 지능에 의해 구동되는 첨단 로봇을 만들거나 시력을 회복시키고 설계자가자가 운전 기술을 향상시킬 수 있도록 시각 장애인들을 돕기 위해 컴퓨터 비전 알고리즘을 사용할 수 있다고 말했다. 차량이 경로에서 더 빨리 물체를 식별 할 수 있으므로 조속히 반응하여자가 운전의 안전성을 높일 수 있습니다. 널리 다양한 용도로 사용하고, 이미지 분류 및 물체 검출이 인공 지능 추론을 열었습니다. 연구자가 블로그에 쓴, 나는 우리가 아직 해결을 생각하지 않은, 더 큰 기계 학습 커뮤니티는이 모델의 기초가 될 수 있기를 바랍니다 컴퓨터 비전 문제가 많습니다.
