AI Google A Créé Sa Propre IA, Surpassant Tous Les Analogues - Vue Alternative

AI Google A Créé Sa Propre IA, Surpassant Tous Les Analogues - Vue Alternative
AI Google A Créé Sa Propre IA, Surpassant Tous Les Analogues - Vue Alternative

Vidéo: AI Google A Créé Sa Propre IA, Surpassant Tous Les Analogues - Vue Alternative

Vidéo: AI Google A Créé Sa Propre IA, Surpassant Tous Les Analogues - Vue Alternative
Vidéo: Sparte: l'autre modèle. 2024, Juillet
Anonim

Au printemps de cette année, les ingénieurs de Google Brain ont présenté l'intelligence artificielle AutoML capable de créer sa propre IA unique sans intervention humaine. Il n'y a pas si longtemps, on a appris qu'AutoML était le premier à créer le système de vision par ordinateur NASNet, nettement supérieur à tous les analogues créés par l'homme. Ce système basé sur l'IA peut devenir une aide sérieuse dans le développement, par exemple, de voitures autonomes, ainsi qu'en robotique, vous permettant d'amener la vision des robots à un tout autre niveau.

AutoML se développe selon le soi-disant système d'apprentissage par renforcement. En fait, il s'agit d'un réseau de neurones de contrôle qui développe indépendamment des réseaux de neurones complètement nouveaux pour toutes les tâches spécialisées. Dans ce cas, l'objectif principal d'AutoML était de créer un système pour la reconnaissance la plus précise des objets sur vidéo en temps réel. L'IA a formé de manière indépendante un nouveau réseau de neurones, en suivant ses erreurs et en ajustant son travail. Le processus d'apprentissage a été répété plusieurs milliers de fois jusqu'à ce que le système devienne opérationnel. De plus, il surpassait tous les réseaux de neurones similaires existants créés et entraînés par les humains.

Image
Image

Selon le communiqué officiel de Google, la précision de reconnaissance de NASNet est de 82,7%. C'est 1,2% de mieux que le précédent record établi en septembre de cette année par les experts d'Oxford et de Momenta. Le réseau neuronal s'est également avéré être 4% plus efficace que les analogues avec une précision moyenne de 43,1%. Une version simplifiée de NASNet adaptée aux plates-formes mobiles surpasse de plus de 3% les réseaux neuronaux similaires. À l'avenir, ce système pourra être utilisé pour créer des voitures autonomes, car pour elles, la vision par ordinateur est extrêmement importante. Entre-temps, AutoML continue de créer de nouveaux réseaux de neurones, et qui sait quels sommets il pourra atteindre dans un proche avenir.

Sergey Gray

Recommandé: