211service.com
El software de IA aprende a hacer software de IA
El progreso en la inteligencia artificial hace que algunas personas se preocupen de que el software quite trabajos como conducir camiones lejos de los humanos. Ahora, los investigadores líderes están descubriendo que pueden crear software que puede aprender a hacer una de las partes más difíciles de su propio trabajo: la tarea de diseñar software de aprendizaje automático.
En un experimento, los investigadores del grupo de investigación de inteligencia artificial Google Brain hicieron que el software diseñara un sistema de aprendizaje automático para realizar una prueba utilizada para comparar el software que procesa el lenguaje. lo que se le ocurrió superó los resultados publicados anteriormente de software diseñado por humanos.
En los últimos meses, varios otros grupos también han informado de avances en la obtención de software de aprendizaje para crear software de aprendizaje. Incluyen investigadores del instituto de investigación sin fines de lucro OpenAI (que fue cofundada por Elon Musk), CON , la Universidad de California, berkeley , y el otro grupo de investigación de inteligencia artificial de Google, Mente profunda .
Si las técnicas de IA de inicio automático se vuelven prácticas, podrían aumentar el ritmo al que se implementa el software de aprendizaje automático en toda la economía. Actualmente, las empresas deben pagar una prima por los expertos en aprendizaje automático, que escasean.
Jeff Dean, que dirige el grupo de investigación Google Brain, reflexionó la semana pasada que parte del trabajo de estos trabajadores podría ser suplantado por software. Describió lo que denominó aprendizaje automático automático como una de las vías de investigación más prometedoras que estaba explorando su equipo.
Actualmente, la forma de resolver problemas es tener experiencia, datos y computación, dijo Dean, en el Conferencia AI Frontiers en Santa Clara, California. ¿Podemos eliminar la necesidad de mucha experiencia en aprendizaje automático?
Una conjunto de experimentos del grupo DeepMind de Google sugiere que lo que los investigadores denominan aprender a aprender también podría ayudar a disminuir el problema del software de aprendizaje automático que necesita consumir grandes cantidades de datos en una tarea específica para poder realizarla bien.
Los investigadores desafiaron su software para crear sistemas de aprendizaje para colecciones de múltiples problemas diferentes, pero relacionados, como navegar por laberintos. Se le ocurrieron diseños que mostraban la capacidad de generalizar y aceptar nuevas tareas con menos capacitación adicional de lo habitual.
La idea de crear software que aprenda a aprender ha existido por un tiempo, pero los experimentos anteriores no produjeron resultados que rivalizaran con lo que los humanos podrían lograr. Es emocionante, dice Yoshua Bengio , profesor de la Universidad de Montreal, que previamente exploró la idea en la década de 1990.
Bengio dice que el poder de cómputo más potente ahora disponible y el advenimiento de una técnica llamada aprendizaje profundo, que ha despertado entusiasmo reciente sobre la IA, es lo que está haciendo que el enfoque funcione. Pero señala que hasta ahora requiere una potencia informática tan extrema que aún no es práctico pensar en aligerar la carga o reemplazar parcialmente a los expertos en aprendizaje automático.
Los investigadores de Google Brain describen el uso de 800 procesadores de gráficos de alta potencia para potenciar el software que generó diseños para sistemas de reconocimiento de imágenes que rivalizaban con los mejores diseñados por humanos.
Otkrist Gupta, investigador del MIT Media Lab, cree que eso cambiará. Él y sus colegas del MIT planean abrir el software detrás de su experimentos propios , en el que el software de aprendizaje diseñó sistemas de aprendizaje profundo que coincidieron con los creados por humanos en pruebas estándar para el reconocimiento de objetos.
Gupta se inspiró para trabajar en el proyecto por las horas frustrantes que pasó diseñando y probando modelos de aprendizaje automático. Él piensa que las empresas y los investigadores están bien motivados para encontrar formas de hacer que el aprendizaje automático automatizado sea práctico.
Aliviar la carga del científico de datos es una gran recompensa, dice. Podría hacerlo más productivo, convertirlo en mejores modelos y liberarlo para explorar ideas de mayor nivel.