General

La IA de Google ahora crea código mejor que sus creadores


El sistema de aprendizaje automático automatizado de Google creó recientemente códigos de aprendizaje automático más eficientes que los códigos que construyeron su propio sistema. El estudiante (robot) ahora se ha convertido en el maestro. Para el programa AutoML, parece que los humanos ya no son una necesidad.

El proyecto comenzó originalmente en mayo como inteligencia artificial que ayudaría a Google a crear otros sistemas de inteligencia artificial. Era cuestión de tiempo antes de que el sistema superara a los maestros artesanos; AutoML fue creado para eso.

"Hoy en día, estos están hechos a mano por científicos de aprendizaje automático y, literalmente, solo unos pocos miles de científicos de todo el mundo pueden hacer esto", dijo la semana pasada el director ejecutivo de Google, Sundar Pichai. Pichai se refirió brevemente al programa AutoML en un evento de lanzamiento de los nuevos teléfonos inteligentes Pixel 2 y otros dispositivos. "Queremos permitir que cientos de miles de desarrolladores puedan hacerlo".

Para tener una idea de cuán 'inteligente' es AutoML, tenga en cuenta que Google admite abiertamente que es más eficiente que su equipo de 1.300 personas encargadas de crear AutoML. Por supuesto, no todos los que figuran en la página de investigación de Google se especializan en inteligencia artificial, pero sí incluyen a algunos de los ingenieros de software más inteligentes de la empresa. Alphabet, la empresa matriz de Google, emplea a más de 27.000 personas en Investigación y Desarrollo.

Algunos de los éxitos del programa han sido noticia. Además de dominar su propio código, AutoML rompió un récord al categorizar imágenes por contenido. Obtuvo una precisión de 82 por ciento. AutoML también superó a un sistema construido por humanos para marcar la ubicación de múltiples objetos en un campo de imagen. Esos procesos podrían ser parte integral del futuro de la realidad virtual y la realidad aumentada.

Sin embargo, no se sabe nada más sobre AutoML. A diferencia de DeepMind AI de Alphabet, AutoML no tiene mucha información disponible al respecto, aparte de breves declaraciones de Pichai y otros investigadores. El equipo de investigación de Google dedicó una publicación de blog en su sitio web a principios de este año. Describió las complejidades del sistema AutoML:

"En nuestro enfoque (que llamamos" AutoML "), una red neuronal de controlador puede proponer una arquitectura de modelo" secundario ", que luego se puede entrenar y evaluar para determinar la calidad de una tarea en particular. Esa retroalimentación se utiliza para informar al controlador cómo para mejorar sus propuestas para la próxima ronda ", escribieron los investigadores. "Repetimos este proceso miles de veces, generando nuevas arquitecturas, probándolas y dando esa retroalimentación al controlador para aprender de ella. Finalmente, el controlador aprende a asignar alta probabilidad a áreas del espacio de arquitectura que logran una mejor precisión en un conjunto de datos de validación y baja probabilidad para áreas del espacio de arquitectura que obtienen una puntuación baja ".

El futuro de las IA más inteligentes que la humanidad

El sistema de redes neuronales de AutoML y su eficiencia mejorada podrían acortar los problemas tradicionales que otros desarrolladores han tenido al crear redes neuronales. Será cada vez más fácil para las IA desarrollar nuevos sistemas. Pero, ¿dónde deja eso a los humanos? Idealmente, los humanos servirían como 'mediadores' o como controles y contrapesos. A los investigadores les preocupa que las IA capten los sesgos inconscientes de sus creadores. Una IA sesgada que desarrolle IA aún más sesgada sería un desastre. Por lo tanto, los ingenieros de software humanos dedicarán el tiempo que normalmente dedicarían al desarrollo para refinar estas nuevas IA.

En última instancia, Pichai y el equipo de investigación esperan que AutoML pueda usarse más allá de Google.

"En el futuro, trabajaremos en un análisis y prueba cuidadosos de estas arquitecturas generadas por máquinas para ayudar a refinar nuestra comprensión de ellas", dijeron los investigadores. "Si tenemos éxito, creemos que esto puede inspirar nuevos tipos de redes neuronales y hacer posible que los no expertos creen redes neuronales adaptadas a sus necesidades particulares, permitiendo que el aprendizaje automático tenga un mayor impacto para todos".


Ver el vídeo: Cómo Crear Una Página Web para Mi Negocio Desde Cero, Paso a Paso, Profesional y Seguro (Noviembre 2021).