ML Auto Google Boleh Replikasi Perisian ML Next-Gen Lebih Mampu Daripada Sistem Buatan Manusia

5 HERO INI MUDAH DAPAT SAVAGE DI MOBILE LEGENDS! (Mungkin 2019).

$config[ads_text] not found
Anonim

ML Auto Google Boleh Replikasi Perisian ML Next-Gen Lebih Mampu Daripada Sistem Buatan Manusia


Sistem AutoML Google, yang pertama kali diumumkan pada Mei 2017, telah menunjukkan keupayaan untuk meniru dan menghasilkan sistem pembelajaran mesin lain yang lebih berkuasa dan efisien daripada sistem pembelajaran mesin yang direka bentuk manusia terbaik yang kini wujud.

Google telah mengembangkan dan membina keupayaan pembelajaran mesinnya, dengan AutoML sebagai sebahagian daripada sistem eko ​​pembelajaran komputer keseluruhannya. Syarikat itu menyedari bahawa usaha membangunkan sistem pembelajaran mesin dari bawah menjadi sumber yang intensif; Para saintis dan pemaju Google menghabiskan sejumlah besar masa dan usaha untuk mewujudkan sistem ini, di mana bilangan eksponen model pembelajaran yang mungkin dapat diterokai. Selanjutnya, terdapat beberapa individu yang mempunyai kepakaran dan pengalaman untuk melakukan ini secara besar-besaran.

Dengan AutoML, matlamatnya adalah untuk mengautomasikan proses membangunkan sistem pembelajaran mesin khas, yang bukan hanya membebaskan masa pakar pembelajaran mesin, tetapi membolehkan mereka memberi tumpuan kepada sistem penapisan dan peningkatan.

Google memberi tumpuan kepada dua algoritma untuk membangunkan model pembelajaran mesin: algoritma evolusi dan algoritma pembelajaran tetulang. Bagi AutoML, algoritma pembelajaran tetulang adalah kaedah utama yang digunakan.

Dalam pembelajaran peneguhan, satu tugas dikenal pasti kepada pengawal yang kemudian menghasilkan sistem "anak", yang kemudian diuji. Sistem ini menilai prestasi ujian dan memberikan maklum balas kepada pengawal yang kemudiannya menggunakan maklumat tersebut untuk mencadangkan sistem anak yang lain. Gelung ini terus beribu-ribu lelaran sehingga sistem dapat meramalkan dan mempelajari sistem mana yang terbaik.

Gambarajah pembelajaran penguat. Gambar ihsan Google Blog.

Google menggunakan dua kumpulan penanda aras untuk menguji AutoML, yang melibatkan pengenalan imej dan pemodelan bahasa. Sistem yang dihasilkan oleh AutoML adalah sama seperti yang mampu, jika tidak lebih baik, daripada pakar-pakar sistem komputer yang dihasilkan.

Proses ini juga memberi beberapa pandangan tentang bagaimana beberapa sistem berfungsi, dan mengapa mereka boleh bekerja lebih baik daripada yang lain. Sebagai contoh, kombinasi multiplikatif dalam rangkaian berulang dikenal pasti dalam rangkaian yang dihasilkan bahawa pakar pembelajaran mesin manusia tidak akan dianggap bermanfaat. Tetapi rangkaian yang dihasilkan oleh AutoML mengenal pasti bahawa ini sebenarnya berguna untuk mengendalikan kecerunan lenyap, dan menemui sebuah seni bina baru.

Arkitek baru ditemui melalui pembelajaran tetulang. Gambar ihsan Google Blog.

AutoML, setelah selesai, akan menjadikan pembelajaran mesin lebih mudah diakses. Tujuan Google adalah untuk akhirnya memalsukan AutoML supaya lebih ramai pengguna bukan pakar boleh mengakses pembelajaran mesin. Para pakar kemudian dapat menumpukan masa mereka untuk meningkatkan generasi teknologi seterusnya. Akhirnya, bagi syarikat-syarikat seperti Google, ia akan membolehkan lebih banyak pelaksanaan pembelajaran mesin yang remeh dan membolehkan jumlah penggunaan yang lebih besar.

Ciri imej imej Google.