Google’s AutoML Zero memungkinkan mesin membuat algoritma untuk menghindari bias manusia

Google's AutoML Zero memungkinkan mesin membuat algoritma untuk menghindari bias manusia

Google’s AutoML Zero memungkinkan mesin membuat algoritma untuk menghindari bias manusia

 

Google's AutoML Zero memungkinkan mesin membuat algoritma untuk menghindari bias manusia
Google’s AutoML Zero memungkinkan mesin membuat algoritma untuk menghindari bias manusia

Sepertinya Google sedang mengerjakan beberapa peningkatan besar pada bahasa pengembangan pembelajaran otonom mesinnya ‘AutoML’. Menurut sebuah makalah penelitian pra-cetak yang ditulis oleh beberapa peneliti AI G besar, ‘AutoML Zero’ akan datang, dan itu membawa algoritma evolusi dengan itu.

AutoML adalah alat dari Google yang mengotomatiskan proses pengembangan algoritma pembelajaran mesin untuk berbagai tugas. Ramah pengguna, cukup mudah digunakan, dan sepenuhnya open-source. Yang terbaik dari semuanya, Google selalu memperbaruinya.

Dalam iterasi saat ini, AutoML memiliki beberapa kelemahan. Anda masih harus secara manual membuat dan menyetel beberapa algoritma untuk bertindak sebagai blok bangunan untuk memulai mesin. Ini memungkinkannya untuk mengambil pekerjaan Anda dan bereksperimen dengan parameter baru dalam upaya untuk mengoptimalkan apa yang telah Anda lakukan. Novis dapat mengatasi masalah ini dengan menggunakan paket algoritme yang dibuat sebelumnya, tetapi Google juga berupaya mengotomatisasi bagian ini.

Per kertas pra-cetak tim Google:

Dimungkinkan hari ini untuk secara otomatis menemukan algoritma pembelajaran mesin lengkap hanya menggunakan operasi matematika dasar sebagai blok bangunan. Kami menunjukkan ini dengan memperkenalkan kerangka kerja baru yang secara signifikan mengurangi bias manusia melalui ruang pencarian umum.

Terlepas dari luasnya ruang ini, pencarian evolusi masih dapat menemukan

jaringan saraf dua lapis yang dilatih oleh backpropagation. Jaringan saraf sederhana ini kemudian dapat dilampaui dengan berevolusi langsung pada tugas yang menarik, mis. Varian CIFAR-10, di mana teknik-teknik modern muncul dalam algoritma teratas, seperti interaksi bilinear, gradien yang dinormalisasi, dan rata-rata bobot.

Selain itu, evolusi menyesuaikan algoritme dengan berbagai jenis tugas: mis., Teknik seperti putus sekolah muncul ketika sedikit data tersedia.

Dengan kata lain: Google menemukan cara menyadap algoritma evolusioner untuk AutoML menggunakan konsep matematika dasar. Pengembang menciptakan paradigma pembelajaran di mana mesin akan mengeluarkan 100 algoritma yang dihasilkan secara acak dan kemudian bekerja untuk melihat mana yang melakukan yang terbaik.

Setelah beberapa generasi, algoritma menjadi lebih baik dan lebih baik sampai

mesin menemukan yang berkinerja cukup baik untuk berkembang. Untuk menghasilkan algoritme baru yang dapat memecahkan masalah baru, yang dapat bertahan dalam proses evolusi diuji terhadap berbagai masalah AI standar, seperti visi komputer.

Baca: Mengapa jalur tercepat menuju AI tingkat manusia mungkin membiarkannya berkembang sendiri

Mungkin produk sampingan yang paling menarik dari pencarian Google untuk sepenuhnya mengotomatiskan tindakan menghasilkan algoritma dan jaringan saraf adalah penghapusan bias manusia dari sistem AI kami. Tanpa kita di sana untuk menentukan titik awal terbaik untuk pengembangan, mesin bebas untuk menemukan hal-hal yang tidak pernah kita pikirkan.

Menurut para peneliti, AutoML Zero telah mengungguli pendahulunya dan alat

generasi pembelajaran mesin canggih yang serupa. Penelitian di masa depan akan melibatkan pengaturan ruang lingkup yang lebih sempit untuk AI dan melihat seberapa baik kinerjanya dalam situasi yang lebih spesifik menggunakan pendekatan hybrid yang menciptakan algoritma dengan kombinasi teknik penemuan diri ‘Zero’ dan perpustakaan pemula yang dikuratori oleh manusia.

Sumber:

https://ngelag.com/seva-mobil-bekas/