2016-2022 All Rights Reserved.平安財經(jīng)網(wǎng).復(fù)制必究 聯(lián)系QQ280 715 8082 備案號:閩ICP備19027007號-6
本站除標(biāo)明“本站原創(chuàng)”外所有信息均轉(zhuǎn)載自互聯(lián)網(wǎng) 版權(quán)歸原作者所有。
研究人工智能系統(tǒng)的研究人員正在制作新聞并使公眾熟悉強(qiáng)化學(xué)習(xí)和機(jī)器學(xué)習(xí)等術(shù)語。最近的頭條新聞仍令人驚訝。AI軟件正在“學(xué)習(xí)”如何復(fù)制自己并建立自己的AI孩子。
因此,Google的AI使用強(qiáng)化學(xué)習(xí)創(chuàng)建了其子AI ,完全自動化。
認(rèn)識'NASNet'。谷歌研究人員將其稱為一種新穎的架構(gòu)。
Alphr的 Vaughn Highfield 指出,這個孩子AI能夠執(zhí)行特定的任務(wù) - 圖像識別。兒童AI的任務(wù)是實時識別視頻中的對象。
未來主義隨著發(fā)生的事情而擴(kuò)大。“AutoML充當(dāng)控制器神經(jīng)網(wǎng)絡(luò),為特定任務(wù)開發(fā)兒童AI網(wǎng)絡(luò)。對于這個特殊的兒童AI,研究人員稱之為NASNet,任務(wù)是識別物體 - 人,汽車,交通信號燈,手提包,背包等。 - 在實時視頻中。“
Google Brain今年早些時候推出了AutoML項目。Dom Galeon和Kristin Hopuser寫道,“AutoML將評估NASNet的性能并利用這些信息來改善其兒童AI,重復(fù)這一過程數(shù)千次。”
這是怎么回事:Highfield稱這個過程是“無休止的調(diào)整”。未來主義的 Karla Lant 評論說:“大部分的元學(xué)習(xí)都是模仿人類神經(jīng)網(wǎng)絡(luò),并試圖通過這些網(wǎng)絡(luò)提供越來越多的數(shù)據(jù)。這不是使用舊的鋸齒科學(xué)。相反,它是很多插件和一旦他們受過訓(xùn)練,機(jī)器實際上非常適合做突擊工作。“
我們的NASNet架構(gòu)由兩種類型的層組成:普通層(左)和縮減層(右)。這兩個層由AutoML設(shè)計。信用:谷歌
(好的一面是“如果人類工程師花費更少的時間來完成創(chuàng)建系統(tǒng)所涉及的繁重工作,他們將有更多的時間投入到監(jiān)督和改進(jìn)中。”)
結(jié)果:在博客作者稱之為“計算機(jī)視覺中最受尊敬的兩個大型學(xué)術(shù)數(shù)據(jù)集”的測試中,NASNet的表現(xiàn)優(yōu)于所有其他系統(tǒng)。
在預(yù)測ImageNet驗證集上的圖像時,NASNet的準(zhǔn)確率為82.7%。
Barret Zoph,Vijay Vasudevan,Jonathon Shlens和Quoc Le撰寫了關(guān)于該團(tuán)隊成就的文章,標(biāo)題為“用于大規(guī)模圖像分類和物體檢測的 AutoML ”。他們報告說,“在ImageNet圖像分類方面,NASNet在驗證集上實現(xiàn)了82.7%的預(yù)測準(zhǔn)確度,超過了我們之前構(gòu)建的所有先前模型。”
阿爾弗的十字頭問道,這是人類結(jié)束的開始嗎?人們可以原諒高劇情,因為作者Highfield對Google的工作進(jìn)行了深入研究。“顯然,以目前的形式,NASNet不會成為人類的垮臺。但是,這是我們未來如何建立更好的人工智能系統(tǒng)的關(guān)鍵。”
Alphr的 Highfield 說:“通過自學(xué)AI和人工智能可以調(diào)節(jié)和改變其他AI,我們可以創(chuàng)建更好的自動駕駛汽車或自動化工廠的人工智能。”
博客作者表示,他們擁有開源的NASNet,用于推斷圖像分類和Slim和Object Detection TensorFlow存儲庫中的對象檢測。“我們希望更大的機(jī)器學(xué)習(xí)社區(qū)能夠以這些模型為基礎(chǔ),解決我們尚未想象的大量計算機(jī)視覺問題。”
2016-2022 All Rights Reserved.平安財經(jīng)網(wǎng).復(fù)制必究 聯(lián)系QQ280 715 8082 備案號:閩ICP備19027007號-6
本站除標(biāo)明“本站原創(chuàng)”外所有信息均轉(zhuǎn)載自互聯(lián)網(wǎng) 版權(quán)歸原作者所有。