Sztuczna inteligencja Google opracowała własną sztuczną inteligencję, która przewyższa wszystko, co do tej pory zrobił człowiek
W maju 2017 r. badacze Google Brain ogłosili utworzenie AutoML, sztucznej inteligencji (AI) zdolnej do generowania własnej, jeszcze wydajniejszej sztucznej inteligencji. Niedawno badacze postanowili zmierzyć się z największym jak dotąd wyzwaniem AutoML. Ta sztuczna inteligencja, która może generować inne sztuczną inteligencję, skutecznie stworzyła prawdziwe „dziecko”, które przewyższyło wszystkie swoje zaprojektowane przez człowieka odpowiedniki.
Teraz badacze Google zautomatyzowali projektowanie modeli uczenia maszynowego, stosując podejście zwane uczeniem przez wzmacnianie: AutoML działa jako kontroler sieci neuronowej, który rozwija tak zwaną podrzędną sieć AI w celu wykonania określonego zadania.
W przypadku nowej sztucznej inteligencji, którą naukowcy nazwali NASNet, zadanie polega na rozpoznawaniu obiektów: ludzi, samochodów, sygnalizacji świetlnej, torebek, plecaków itp., a wszystko to na obrazie wideo i w czasie rzeczywistym. Następnie AutoML ocenia wydajność NASNet i wykorzystuje te informacje do ulepszenia nowej sztucznej inteligencji, powtarzając ten proces tysiące razy, aby zmaksymalizować jej ulepszenia.
Kiedy przetestowano to w ImageNet (baza danych wybranych obrazów) i COCO (Common Objects in Context – wykrywanie, segmentacja i podpisy obrazu), zbiory danych, obiekty o dużej skali), które badacze Google nazywają „dwoma najbardziej szanowanymi obiektami wielkoskalowymi akademickich zbiorów danych w zakresie wizji komputerowej”, NASNet AI przewyższa wszystkie inne istniejące do tej pory systemy wizyjne.
Według naukowców NASNet osiągnął 82,7% dokładności w przewidywaniu obrazów w ImageNet. To wynik o 1,2% lepszy od wszystkich wcześniej publikowanych wyników. System jest także o 4% wydajniejszy, a jego średnia precyzja wynosi 43,1% (średnia średnia precyzja – mAP). Dodatkowo, mniej wymagająca obliczeniowo wersja NASNet uzyskała lepsze wyniki od wszystkich najlepszych modeli o podobnej wielkości o 3,1% w przypadku platform mobilnych.
Uczenie maszynowe umożliwia wielu systemom AI wykonywanie określonych zadań. Choć koncepcja jest dość prosta – algorytm uczy się poprzez zasilanie dużą ilością danych – proces ten jest nadal niezwykle czasochłonny i intensywny obliczeniowo. Automatyzując proces tworzenia dokładnych i wydajnych systemów sztucznej inteligencji, tę znaczącą pracę przejmuje sztuczna inteligencja zdolna do zaprojektowania innego.
Jeśli chodzi konkretnie o NASNet, dokładne i wydajne algorytmy widzenia komputerowego są bardzo poszukiwane ze względu na liczbę potencjalnych zastosowań. Rzeczywiście, algorytmy te można wykorzystać do tworzenia wyrafinowanych robotów napędzanych sztuczną inteligencją. Mogłyby także pomóc projektantom w udoskonalaniu technologii pojazdów autonomicznych: im szybciej pojazd autonomiczny będzie rozpoznawał obiekty na swojej drodze i w swoim otoczeniu, tym szybciej będzie mógł na nie zareagować, zwiększając w ten sposób bezpieczeństwo tych pojazdów.
Badacze Google uznają, że NASNet może być bardzo przydatny w szerokim zakresie zastosowań, dlatego udostępnili sztuczną inteligencję na zasadzie open source w celu wnioskowania na temat klasyfikacji obrazów i wykrywania obiektów. „Mamy nadzieję, że większa społeczność uczących się maszyn będzie mogła wykorzystać te modele do rozwiązania wielu problemów związanych z widzeniem komputerowym, których jeszcze sobie nie wyobrażaliśmy” – mówią naukowcy.
Chociaż zastosowań dla NASNet i AutoML jest wiele, fakt, że jedna sztuczna inteligencja jest w stanie stworzyć drugą, również budzi pewne obawy. Na przykład, co uniemożliwiłoby „macierzystej” sztucznej inteligencji przekazywanie niechcianych materiałów swojemu „dziecku”? Co by było, gdyby AutoML stworzyło systemy tak szybko, że społeczeństwo nie byłoby w stanie nadążyć? Rzeczywiście, nietrudno sobie wyobrazić, w jaki sposób NASNet mógłby zostać wykorzystany w zautomatyzowanych systemach nadzoru w najbliższej przyszłości. Być może nawet na długo przed tym, jak regulacje regulujące ten system i jego ograniczenia ujrzały światło dzienne.
Miejmy więc nadzieję, że światowi przywódcy będą działać wystarczająco szybko i skutecznie, aby zapewnić, że takie systemy nie doprowadzą do żadnej dystopijnej przyszłości. Powinieneś wiedzieć, że Amazon, Facebook, Apple i inne duże firmy są członkami Partnerstwa na rzecz sztucznej inteligencji na rzecz ludzi i społeczeństwa, organizacji skupiającej się na odpowiedzialnym i kontrolowanym rozwoju sztucznej inteligencji.
Instytut Inżynierów Elektryków i Elektroników (IEE) zaproponował standardy etyczne dla sztucznej inteligencji, a DeepMind, firma badawcza należąca do Google, ogłosiła niedawno utworzenie grupy zajmującej się moralnymi i etycznymi konsekwencjami sztucznej inteligencji.
Kilka rządów pracuje także nad przepisami, które mają zapobiec wykorzystywaniu sztucznej inteligencji do niebezpiecznych celów, takich jak broń autonomiczna. Dopóki zachowana zostanie kontrola nad ogólnym kierunkiem rozwoju sztucznej inteligencji, korzyści wynikające z posiadania sztucznej inteligencji zdolnej do projektowania innych sztucznej inteligencji, jak ma to miejsce w tym przypadku, powinny przewyższać potencjalne zagrożenia.
Źródła: Google, arXiv.org
