ИИ может создавать ИИ? |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2022-02-03 17:11 Современный искусственный интеллект анализирует терабайты информации, управляет машиной, разговаривает с человеком и даже помогает спасать ему жизнь. Однако за этим стоит долгий и сложный процесс обучения, тщательная настройка миллионов параметров, чтобы между искусственными нейронами появились нужные связи. Ученые давно пришли к выводу: чтобы ускорить и упростить обучение, нужно позволить ИИ самому создавать для себя схемы, тестировать их и выбирать лучшие. Этот метод получил название NAS — поиск нейронной архитектуры. Два года назад на основе этого метода инженеры Google разработали систему AutoML-Zero. Практически без вмешательства человека она с нуля настраивает, прогнозирует и обучает ИИ, который превосходит написанные человеком программы. Но AutoML-Zero пока способна генерировать только простые алгоритмы ИИ из несложных математических функций. Совсем недавно команда ученых из Америки сделала потрясающее открытие: она разработала гиперсеть, которая сможет сама создавать глубокие нейронные сети — сложнейшие программы, которые используются в машинном переводе, компьютерном зрении синтезе речи и других ИИ-технологиях. Графовая гиперсеть (GHN) сама за доли секунды предсказывает идеальные параметры для архитектуры нейросети и выбирает наиболее эффективного архитектур-кандидата. Ученые проверили способность GHN предсказывать параметры для любой случайной архитектуры-кандидата и сравнили сравнили с “ручным” человеческим прогнозированием. Гиперсеть превзошла человеческие показатели, хотя некоторые ее выводы были неоднозначными. Если гиперсети докажут свою эффективность, то разработка новых глубоких нейросетей больше не будет принадлежать только корпорациям с доступом к большим данным. Исследователи видят в этом потенциал для «демократизации глубокого обучения». Источник: vk.com Комментарии: |
|