Zawdzięczamy to nowemu algorytmowi, który został opracowany przez MIT.

Czy słyszeliście kiedyś o pojęciu „demokratyzacji sztucznej inteligencji”? Oznacza ono popularyzację i coraz większą dostępność narzędzi służących do tworzenia oprogramowania opartego na samouczeniu się maszyn. Teraz, aby tę dostępność zwiększyć jeszcze bardziej, MIT opracowało sposób na efektywniejsze szkolenie systemów uczenia maszynowego.

Sposób MIT bazuje na wykorzystaniu do szkolenia wspomnianych systemów samej sztucznej inteligencji. Badacze mają nadzieję, że ich nowy algorytm pozwoli naukowcom i firmom z ograniczonymi zasobami na automatyzację projektowania sieci neuronowych, a co za tym idzie - na oszczędzanie czasu i pieniędzy. Poprzez obniżenie kosztów i oszczędność czasu systemy uczenia maszynowego mogą stać się powszechniejsze.

Sztuczna inteligencja nie od dzisiaj może projektować systemy uczenia maszynowego znane jako sieci neuronowe, ale dotychczas ta robiła to w ramach procesu znanego jako wyszukiwanie architektury neuronowej (NAS). Ta metoda wymaga jednak użycia znacznej ilości zasobów takich jak czas, moc obliczeniowa i pieniądze. Nawet Google musiało poświęcić na wyprodukowanie pojedynczej konwolucyjnej sieci neuronowej – wykorzystywanej do klasyfikowania zdjęć – 48 tysięcy godzin GPU, mimo że korzystało z wielu procesorów graficznych. Algorytm NAS od MIT automatycznie tworzy konwolucyjną sieć neuronową w 200 godzin GPU.

Przyspieszenie procesu projektowania sieci neuronowych przez sztuczną inteligencję może pozwolić większej liczbie osób na korzystanie z NAS i eksperymentowanie z nimi, co może przyspieszyć popularyzację sztucznej inteligencji. Oznacza to, że z czasem dostęp do niej oraz do uczenia maszynowego będą mieli nie tylko giganci, ale również coraz większa liczba mniejszych firm.

Źródło: MIT News