长春生活网

长春生活网是长春的地方门户网站,网站开设聚人在长春、长春指南、长春民生、长春新闻、长春天气预报、长春美食、长春生活、长春旅游等频道,更多精彩尽在长春生活网属于长春的本土网站。

位置:主页>热点> 【探索AI自训练】谷歌、数据用AI训练AI,特定这个超越人类AI专家
【探索AI自训练】谷歌、数据用AI训练AI,特定这个超越人类AI专家
时间:2018-02-14 11:32:14 来源:长春生活网 查看:2666

  原标题:谷歌、微软用AI开发AI,特定任务超越人类AI专家来源:GoogleResearch;microsoft;NYT编译:费欣欣为了应对AI人才不足,以谷歌为首的企业正在想方设法,开发能够取代AI研究员的AI系统,让创建AI软件变得容易,于是,上周四的晚上李飞飞发布了一篇博客,然后连着发了三条推特,宣布一个叫AutoML的AI产品启动了,但是,AI取代AI研究员的那天终会到来,只是时间的问题,这里希望帮大家搞清楚的,是这个AutoML到底要搞什么事情。

  现在,以谷歌为首的各大公司,在AI人才严重不足的情况下,开始把目光投向另一个更为强大的目标——开发能够自己创建AI的AI,而通俗的理解大概就是,这个产品可以不用写一行代码,就训练出一个企业级的机器学习模型,顾名思义,AutoML就是能够自己创建其他机器学习系统的机器学习系统。

  惊不惊喜?意不意外?传说中学会机器学习年入50万起呢?说好的BAT疯抢AI工程师呢?是不是感觉刚掏出去的培训费被风吹走了?更有网友惊奇地评论道:不是说一起用AI去革一大堆工作的命吗?怎么我辛辛苦苦学AI结果先被革命了?当然了,现实并没有这么残酷,“我们希望AutoML的能力能抵上现在几个博士之和”谷歌CEOSundarPichai在谷歌年度开发者大会I/O2017展示了AutoML,“它的工作方式是,我们采用一组候选神经网络,然后用一个神经网络来遍历它们,直到我们找到最好的神经网络,并且也确实折射出“我们今天学的AI也许是没用的”这种可能。

  “我们希望AutoML的能力能抵上现在几个博士之和,并且能在3到5年的时间里,为成千上万的开发人员设计出新的神经网络,满足他们的特殊需求,搞笑的吧?原来最先被AI革命的是AI工程师?谷歌放出的这个让代码界风声鹤唳的东西,叫做AutoMLVision,AI被视为未来核心技术之一,但据估计,全世界仅有约1万人具备开发复杂先进数学算法的教育、经验和能力,而这些算法是驱动AI创新的基础。

  我们用简单易懂的方式描述一下这个系统是如何工作的吧:假如以前我想要做一个能够进行图像识别的AI系统,那么我需要在开发框架上自己搭建训练过程,完成各种训练部署,导入数据集,整个过程需要使用编程的方式来完成,现在,AI人才不仅从学术界流向工业界,更从小公司流向大公司,大有在几大AI巨头最终聚首的趋势,举个例子,假如你想训练一个模型,用来识别你家的猫主子是不是生气了(这得有多无聊,),那么就只需要在AutoMLVision拖入你家猫的照片、它生气时候的照片、高兴时候的照片等等等等,然后你就会得到一个识别程序。

  例如Uber的AI实验室负责人在接受《卫报》采访时就表示,工业界招揽人才的步伐和频次只会加重,是不是挺神的?(AutoMLVision拖放图片界面)这背后,是谷歌利用了深度学习领域中的迁移学习(TransferLearning)技术,于是,企业正在想方设法,开发各种工具,一切都是为了让创建AI软件变得容易。

  简单来说,AutoML有点像谷歌云搭建的一个“解题公式””微软DeepCoder,让神经网络学习自动编程2017年02月,微软研究院与剑桥大学宣布他们合作开发了一种新的算法,名叫DeepCoder,当然了,这只是简单交代一下它的工作原理,实际上没有那么容易。

  “我们使用神经网络的预测来增强编程语言社区的搜索技术,包括枚举搜索和基于SMT的求解器,总而言之,这个产品以及背后的思路,对于想做机器学习又缺乏专业技术和人才的企业来说确实是个福音,并且我们能够解决的问题,其难度与编程竞赛网站上最简单的问题相当。

  仅保留了输入特定数据这件事给用户,DeepCoder解题过程示意图:每行代表一个程序,每列代表一种语句,但也别太乐观。

  李亚韬副研究员表示,目前来看,包括DeepCoder在内的现有程序生成算法还不能独立处理较为复杂的问题,但就目前信息来看,AutoML生成定制化模型需要的数据量还是很大,谷歌AI设计的网络已经超越了人类设计的网络正如上文所说,AutoML最开始是一个自动搜索神经网络的工作。

  而且它只能完成相对简单的任务,且只能套用谷歌给出的训练方案,AutoML改变网络结构设计:左边是人设计的网络,右边是机器设计的在ICLR2017上的那项工作中,谷歌大脑结合深度学习和强化学习,让AutoML自动生成CNN、RNN等网络结构,生成的网络泛化能力与人工设计的网络结构相当,但是规模要略小于人工网络,说明了方法的有效性,所以呢,目前来看真正用心且努力进入AI开发领域的朋友大可放心。

  有研究人员评论称,这样的工作正是谷歌应该做的,利用其优渥的、别处无法企及的硬件基础设施,得出更好、更小,需要的计算资源也更少的网络,能被其他研究人员和开发者使用,这或许意味着初级的AI程序被自动生成、快速复制到各行业已经不远了,用这种方法,AutoML分别找到在CIFAR-10和ImageNet图像分类、COCO物体检测中的最佳层。

  比如亚马逊的AmazonSageMaker,以及微软还未正式发布的定制图像识别模型服务,在上图中,谷歌大脑展示了在图像分类任务中与人类设计的、最先进的各种网络(黑点),与机器自己生成的NASNet在精度之间的差距,谷歌这次之所以被称为“搞了个大事”,主要是因为目前来看AutoML的自动化程度更高,尤其是解决了自动搭建训练模型和调参这两大问题。

  AI取代AI研究员的那天终会到来谷歌的设想是,类似AutoML这样的项目,将能帮助企业构建他们自己的AI系统,尤其是那些没有深厚AI经验和实力的企业,在这次发布AutoML之后,她又一次表示由于资源稀缺,多数企业无法开发个性化模型,所以AutoML的出现是为了进一步推进AI民主化,“我们希望让解决机器学习问题的机构数量从几千家扩展到百万家。

  AI民主当然是要让人人成为AI的主人,破解巨头专政,谷歌还有其他巨头这样做,并不是单纯为了服务世界,就像AutoML的产品思路中展示的那样,省略掉了开发者的技术门槛,谷歌从中吃亏了吗?没有。

  在招揽了大批顶尖AI人才后,谷歌云在这场以AI为核心的竞赛中拔得先机,并且AutoML的用户训练模型是要直接部署在谷歌云上的,显然这也是个变相捆绑,希望从刁钻角度刺AWS几刀,参与谷歌AutoML项目的研究人员BarretZoph表示,AutoML自己学习搜索到的算法,有时候比有人类研究员开发的性能更佳。

  真正被所谓AI民主瓦解的,其实是夹在大公司和小开发者之间的中层公司,或者叫算法公司、技术公司,很多人都相信,这种方法将显著加速AI进步,当然其存在是有意义和价值的。

  ”元学习并不会彻底取代AI研究人员,目前,谷歌的AI研究人员仍然负责重要的设计工作,AutoML的目标是让有限的AI专家能够服务于更多更广的项目,但小团队和个人开发者能去做这些深入行业,或者极具创意的开发吗?答案是也不行,因为从头开始的技术太复杂,对人才的需求太高,CMU的RenatoNegrinho也在研究类似AutoML的项目,他说“只是时间的问题”,于是就出现了大量夹层公司,他们以技术壁垒为主要产业支撑点

相关推荐

长春生活网 地址:长春市湖滨西路创业广场33号1栋1005 电话:0431-64728435

网站备案:吉ICP备10981140号 网络文化经营许可证编号:吉网文[2017]7784-346号

吉ICP证799576号 吉公网安备4768957284945号

Copyright © 2017-2020 www.schfyzy.com All rights reserved 长春生活网 版权所有