कृत्रिम बुद्धिमत्ता र मेशिन लर्निंग हालका वर्षहरूमा धेरै उद्योगहरूमा दुई तातो सर्तहरू हुन्। यस डोमेनमा सब भन्दा भर्खरको प्राविधिक प्रगति एआई को विकास हो जुन बदलेमा कुनै पनि मानव निर्मित एआई भन्दा राम्रो बनाउँछ।
जनवरी २०१ 2017 मा गुगल ब्रेन सुरु भयो विकासशील एआई सफ्टवेयर जुन थप एआई निर्माण गर्न सक्दछ। पछि यस बर्ष मेमा, अन्वेषकहरूले अटोएमएल विकसित गरे, एउटा मेशिन लर्निंग एल्गोरिथ्म जसले आफ्नो एआई सिर्जना गर्न सक्षम गर्दछ अन्ततः मानवमा निर्भरता कम गर्दछ। हालसालै, उनीहरूले AutoML लाई फाँसी दिने निर्णय गरे जुन यसको सबैभन्दा ठूलो चुनौती मितिमा छ, अर्थात् "बच्चा" सिर्जना गर्ने जुन यसमा मानव-निर्मित सबै समकक्षहरूको प्रभाव छ।
गुगल ब्रेनको टोलीले मेसिन लर्निंग मोडेलहरूको डिजाईन स्वचालित गर्नको लागि रिइनफोर्समेन्ट लर्नि called भन्ने दृष्टिकोण प्रयोग गर्यो। AutoML ले एक कन्ट्रोलर न्यूरल नेटवर्कको रूपमा कार्य गर्दछ जसले एक विशेष कार्य कार्यान्वयन गर्न "बच्चा" नेटवर्क सिर्जना गर्न सक्दछ।
यस विशेष बच्चा AI को लागि, जसलाई अन्वेषकहरूले NASNet भनिन्छ, यो कार्य भनेको वास्तविक समयको भिडियो फिडमा वस्तुहरू पहिचान गर्नु थियो, जस्तै मान्छेहरू, कारहरू, ट्राफिक लाइटहरू, ह्यान्डब्यागहरू, वा ब्याकप्याक्सहरू। त्यसो भए यसको प्रदर्शनलाई AutoML को कन्ट्रोलर न्यूरल नेट द्वारा मूल्या be्कन गरिनेछ र त्यसपछि बच्चालाई पुनः प्रशिक्षण दिईन्छ जबसम्म यसको प्रदर्शन बढाउँदैन र NASNet को एक उच्च संस्करणमा जान्छ।
इम्प्वीभिंग प्रक्रिया अनन्तसम्म गुज्रिसके पछि NASNet लाई इमेजनेट छवि वर्गीकरण र COCO वस्तु पत्ता लगाउने डाटासेटमा परीक्षण गर्न थालियो - ती दुवैलाई "कम्प्युटर दृष्टिमा सबैभन्दा सम्मानित ठूलो-शैक्षिक डेटा सेटहरू" भनेर चिनिन्छ। र नतीजाहरुको अनुसार, NASNet ले अन्य सबै कम्प्युटर दर्शन प्रणालीहरुलाई मात दियो।
एनएएसनेटले Image२..82.7% छविहरूको पूर्वानुमान गर्न सक्षम भयो जुन यो इमेजनेटको प्रमाणीकरण सेटमा देखाइएको छ जुन अन्वेषकहरूले भनेका छन। साथै, प्रणाली percent प्रतिशत बढी कुशल थियो, एक .1.2 4.१ प्रतिशत औसत औसत प्रेसिजन (mAP) को साथ। थप रूपमा, कम कम्प्युटेसनली मागको संस्करण NASNet मोबाइल प्लेटफार्मको प्रदर्शनबाट 43.1.१% ले मात गर्यो।
गुगलका अन्वेषकहरूले यो पनि स्वीकार गरे कि NASNet को सुधारित संस्करण धेरै कम्प्युटर दर्शन अनुप्रयोगहरूको लागि प्रयोग गर्न सकिन्छ। साथै, तिनीहरूसँग छवि वर्गीकरणमा अनुमान गर्न र स्लिम र वस्तु पत्ता लगाउने टेन्सरफ्लो रिपोजिटरीहरूमा वस्तु पत्ता लगाउन खुला स्रोतमा NASNet छ।
“हामी आशा गर्छौं कि ठूलो मेशिनले सिकाईरहेछ समुदाय हामीले यी कल्पना गरेका छैनौं कि कम्प्युटर दर्शन समस्याहरूको समूहलाई सम्बोधन गर्न यी मोडेलहरू निर्माण गर्न सक्षम हुनेछौं, ”अन्वेषकहरूले उनीहरूको ब्लग पोस्टमा लेखे।
NASNet र AutoML लाई कती उपयोगी लाग्न सक्छ, हामीलाई थाहा छैन यदि समाज AutoML ले बनाउने प्रणालीहरूको साथ राख्न सक्छ कि सक्दैन। चीजलाई नियन्त्रणमा राख्न, दुर्व्यवहारपूर्ण उद्देश्यहरूको लागि ऐको प्रयोग रोक्न कडा नियमहरू र वर्धित नैतिक मापदण्डहरू लागू गर्न धेरै महत्त्वपूर्ण छ। र विभिन्न सरकार र कम्पनीहरू एआई को नैतिक र नैतिक प्रभाव पैदा गर्न मा केन्द्रित छन्।
