Google a annoncé la prochaine grande étape du développement de l'intelligence artificielle avec une nouvelle approche de l'apprentissage automatique qui peut utiliser les réseaux de neurones pour créer des réseaux de neurones encore plus efficaces. Fondamentalement, nous parlons d'apprendre à une machine à créer son propre type.
Les réseaux de neurones artificiels sont conçus pour imiter le processus d'apprentissage du cerveau et, selon Google, sa nouvelle technologie, appelée AutoML, a le potentiel de rendre ces réseaux encore plus puissants, plus efficaces et plus faciles à utiliser.
Le PDG de Google, Sundar Pichai, a donné l'exemple du fonctionnement d'AutoML en s'exprimant lors de Google I / O 2017, un événement annuel pour les développeurs de matériel et de logiciels où l'entreprise présente généralement ou du moins parle des produits sur lesquels elle travaille actuellement.
«Cela fonctionne comme ceci: nous prenons un ensemble de candidats pour les réseaux de neurones - appelons-les réseaux de neurones pour bébés - et exécutons un réseau de neurones prêt à l'emploi à travers eux pour rechercher des erreurs jusqu'à ce que nous obtenions un réseau de neurones encore plus efficace», - dit Pichai.
Ce processus est appelé apprentissage stimulé, où une récompense sera donnée à l'ordinateur pour avoir trouvé des bogues. Selon le même principe, par exemple, ils enseignent de nouvelles astuces aux chiens. Bien sûr, dans le cas des ordinateurs, cela nécessite une puissance de calcul énorme, mais la puissance des équipements de Google a déjà atteint un niveau tel qu'un réseau de neurones peut facilement analyser le travail d'un autre réseau de neurones.
Il faut une véritable équipe d'experts en génie informatique et beaucoup de temps pour créer un réseau de neurones, mais grâce à AutoML, à l'avenir, presque tous les utilisateurs pourront créer leur propre système d'IA et le programmer pour effectuer absolument n'importe quelle tâche.
«Nous espérons que la technologie AutoML, qui n'est actuellement disponible que pour quelques centres de recherche, dans trois à cinq ans, sera disponible pour des centaines, voire des milliers de développeurs de réseaux de neurones qui souhaitent les utiliser à leurs fins spécifiques», a écrit Pichai dans le communiqué officiel. Blog.
Le schéma de la technologie AutoML: analyse multi-niveaux du fonctionnement des réseaux de neurones pour déterminer les plus intelligents d'entre eux
Vidéo promotionelle:
L'apprentissage automatique - une tentative de doter l'ordinateur de la capacité de tirer ses propres conclusions sur la base des informations disponibles - n'est qu'une des approches du développement de l'intelligence artificielle, qui comprend deux aspects importants: le processus d'apprentissage et la capacité réelle à tirer de manière indépendante des conclusions basées sur celui-ci. Avec la formation, tout est relativement clair. Montrez à l'ordinateur cent mille images de chats et de chiens, et il finira par déterminer quelle combinaison de pixels chacun de ces animaux fait. La deuxième partie est un peu plus compliquée. Après tout, c'est ici que la machine doit montrer ce qu'elle a appris et, sur la base de cet apprentissage, parvient indépendamment à une supposition logique. Faites une conclusion.
Remplacez maintenant les chats et les chiens par des réseaux de neurones et vous aurez une idée du fonctionnement d'AutoML, qui, au lieu de reconnaître les animaux, reconnaît lequel des systèmes présentés est le plus intelligent. Selon Google, même maintenant, le niveau d'AutoML est déjà tel qu'il peut être plus efficace que les experts humains pour trouver les meilleures approches pour résoudre des problèmes spécifiques. À l'avenir, cela simplifiera considérablement le processus de création de nouveaux systèmes d'IA, car ils seront en fait créés par leur propre type.
Selon Google, AutoML en est encore à ses débuts, mais l'intelligence artificielle, l'apprentissage automatique et l'apprentissage automatique profond (méthodes avancées d'apprentissage automatique basées sur la simulation du travail des neurones dans le cerveau humain) trouvent déjà leur chemin d'une manière ou d'une autre. dans ces applications et domaines que nous utilisons et dans lesquels nous nous trouvons au quotidien.
Lors d'une démonstration sur scène lors de la conférence I / O, les ingénieurs de Google ont montré comment leur technologie d'apprentissage automatique pouvait éclaircir considérablement des images très sombres ou, par exemple, en supprimer divers bruits. Et toutes ces actions que la machine est capable d'effectuer en se basant uniquement sur les informations obtenues grâce à l'analyse de millions d'autres échantillons clairs d'images. Google note que leurs supercalculateurs sont désormais devenus plus efficaces que les humains dans le processus de reconnaissance de ce qui se trouve sur la photo. Sur la base de cette technologie, une application Google Lens personnalisée sera bientôt publiée, qui peut déterminer efficacement quelle fleur (ou fleurs) se trouve devant vous (ou sur les photos) grâce à l'appareil photo du smartphone.
À l'avenir, de tels algorithmes super puissants basés sur l'apprentissage profond trouveront certainement une place pour leur application en médecine, où les systèmes basés sur eux détecteront des signes de tumeurs malignes dans les images et dans la plupart des cas, ils le feront beaucoup plus efficacement que les chirurgiens professionnels.
Avec la technologie AutoML, les plates-formes d'IA apprendront plus rapidement et seront beaucoup plus intelligentes. Certes, ce moment devra attendre un peu plus longtemps que la sortie de "l'application fleur" promise pour la plateforme Android. Cependant, jusqu'à présent, les développeurs d'applications et les scientifiques auront amplement le temps de mieux connaître AutoML.
«Nous pensons que cette technologie conduira à l'émergence de nouveaux réseaux de neurones et à l'ouverture d'opportunités où même les experts ne pourront pas créer leurs propres réseaux de neurones personnels pour leurs besoins spécifiques, ce qui, à son tour, ne fera qu'augmenter la capacité des technologies d'apprentissage automatique à exercer plus d'influence sur nous tous. - disent les scientifiques de Google Kuok Le et Barrett Zof.
NIKOLAY KHIZHNYAK
