செயற்கை நுண்ணறிவு மற்றும் இயந்திர கற்றல் சமீபத்திய ஆண்டுகளில் பல தொழில்களில் இரண்டு வெப்பமான சொற்கள். இந்த களத்தில் மிக சமீபத்திய தொழில்நுட்ப முன்னேற்றம் AI இன் வளர்ச்சியாகும், இது மனிதனால் உருவாக்கப்பட்ட AI ஐ விட சிறந்த AI ஐ உருவாக்குகிறது.
ஜனவரி 2017 இல் கூகிள் மூளை தொடங்கியது AI ஐ உருவாக்குதல் மேலும் AI களை உருவாக்கக்கூடிய மென்பொருள். இந்த ஆண்டு மே மாதத்தின் பிற்பகுதியில், ஆராய்ச்சியாளர்கள் ஆட்டோஎம்எல் என்ற இயந்திரக் கற்றல் வழிமுறையை உருவாக்கினர், இது அதன் சொந்த AI களை உருவாக்கும் திறன் கொண்டது, இறுதியில் மனிதர்கள் சார்ந்திருப்பதைக் குறைக்கிறது. மிக அண்மையில், ஆட்டோஎம்எல்லை இன்றுவரை அதன் மிகப்பெரிய சவாலாக வீச முடிவு செய்தனர், அதாவது மனிதனால் உருவாக்கப்பட்ட அனைத்து சகாக்களையும் விட ஒரு "குழந்தையை" உருவாக்க வேண்டும்.
இயந்திர கற்றல் மாதிரிகளின் வடிவமைப்பை தானியக்கமாக்குவதற்கு கூகிள் மூளையின் குழு வலுவூட்டல் கற்றல் எனப்படும் அணுகுமுறையைப் பயன்படுத்தியது. ஆட்டோஎம்எல் ஒரு கட்டுப்பாட்டு நரம்பியல் பிணையமாக செயல்படுகிறது, இது ஒரு குறிப்பிட்ட பணியைச் செய்ய “குழந்தை” நெட்வொர்க்கை உருவாக்க முடியும்.
ஆராய்ச்சியாளர்கள் நாஸ்நெட் என்று அழைக்கப்படும் இந்த குறிப்பிட்ட குழந்தை AI க்கு, மக்கள், கார்கள், போக்குவரத்து விளக்குகள், கைப்பைகள் அல்லது முதுகெலும்புகள் போன்ற நிகழ்நேர வீடியோ ஊட்டத்தில் உள்ள பொருட்களை அங்கீகரிப்பதே இதன் பணி. அதன் செயல்திறன் ஆட்டோஎம்எல்லின் கட்டுப்பாட்டு நரம்பியல் வலையால் மதிப்பீடு செய்யப்பட்டு, அதன் செயல்திறனை மேம்படுத்தி, நாஸ்நெட்டின் சிறந்த பதிப்பைப் பெறும் வரை பின்னூட்டங்களை அளிப்பதன் மூலம் குழந்தைக்கு மீண்டும் பயிற்சி அளிக்கும்.
முடிவில்லாமல் மேம்படுத்தும் செயல்முறையைச் சென்றபின், நாஸ்நெட் பின்னர் இமேஜ்நெட் பட வகைப்பாடு மற்றும் கோகோ பொருள் கண்டறிதல் தரவுத்தொகுப்புகளில் சோதனைக்கு உட்படுத்தப்பட்டது - இவை இரண்டும் "கணினி பார்வையில் மிகவும் மதிப்பிற்குரிய பெரிய அளவிலான கல்வித் தரவுத் தொகுப்புகள்" என்று அழைக்கப்படுகின்றன. முடிவுகளின்படி, NASNet மற்ற அனைத்து கணினி பார்வை அமைப்புகளையும் விட சிறப்பாக செயல்பட்டது.
இமேஜ்நெட்டின் சரிபார்ப்பு தொகுப்பில் காட்டப்பட்ட 82.7% படங்களை நாஸ்நெட் கணிக்க முடிந்தது, இது முன்னர் வெளியிடப்பட்ட முடிவுகளை விட 1.2% அதிகமாகும் என்று ஆராய்ச்சியாளர்கள் தெரிவிக்கின்றனர். மேலும், இந்த அமைப்பு 4 சதவிகிதம் அதிக செயல்திறன் கொண்டது, 43.1 சதவிகிதம் சராசரி துல்லியமான (எம்ஏபி). கூடுதலாக, NASNet இன் குறைந்த கணக்கீட்டு கோரிக்கையான பதிப்பு மொபைல் தளங்களை 3.1% விஞ்சியது.
கூகிள் ஆய்வாளர்கள் நாஸ்நெட்டின் மேம்படுத்தப்பட்ட பதிப்பை பல கணினி பார்வை பயன்பாடுகளுக்குப் பயன்படுத்தலாம் என்பதையும் ஒப்புக் கொண்டனர். மேலும், பட வகைப்பாடு குறித்த அனுமானத்துக்காகவும், மெலிதான மற்றும் பொருள் கண்டறிதல் டென்சர்ஃப்ளோ களஞ்சியங்களில் பொருள் கண்டறிதலுக்காகவும் அவை திறந்த மூல நாஸ்நெட்டைக் கொண்டுள்ளன.
"பெரிய இயந்திர கற்றல் என்று நாங்கள் நம்புகிறோம் சமூகம் நாம் இதுவரை கற்பனை செய்யாத கணினி பார்வை சிக்கல்களை எதிர்கொள்ள இந்த மாதிரிகளை உருவாக்க முடியும் ”என்று ஆராய்ச்சியாளர்கள் தங்கள் வலைப்பதிவு இடுகையில் எழுதினர்.
NASNet மற்றும் AutoML எவ்வளவு பயனுள்ளதாக இருந்தாலும், ஆட்டோஎம்எல் உருவாக்கும் அமைப்புகளை சமூகம் வைத்திருக்க முடியுமா என்பது எங்களுக்குத் தெரியாது. விஷயத்தை கட்டுக்குள் வைத்திருக்க, தீங்கிழைக்கும் நோக்கங்களுக்காக AI ஐப் பயன்படுத்துவதைத் தடுக்க கடுமையான விதிமுறைகளையும் மேம்பட்ட நெறிமுறை தரங்களையும் செயல்படுத்துவது மிகவும் முக்கியம். பல்வேறு அரசாங்கங்களும் நிறுவனங்களும் AI இன் தார்மீக மற்றும் நெறிமுறை தாக்கங்களை உருவாக்குவதில் கவனம் செலுத்துகின்றன.
