deux étoiles femme scientifique de Google AI - Li Jia et Li Feifei ont conjointement annoncé le lancement officiel de Google Cloud AutoML, en sélectionnant votre demande sur la page (par exemple: « Je veux être en mesure d'identifier un modèle salon IA »), puis télécharger une petite quantité matériel (par exemple « 100 photos de la salle de séjour »), le système peut générer automatiquement le modèle AI!
Ceci est Li Jia et Li Feifei depuis que Google a rejoint une étape grand déménagement, selon deux personnes, à l'équipe CloudAI présente a lancé plus de 10 produits AI, plus de 10.000 entreprises utilisent.
Cela signifie que nécessitaient auparavant beaucoup d'ingénieurs AI, les scientifiques d'Amnesty International pour construire une bonne profondeur de modèle de réseau de neurones, et maintenant tout le monde peut en cliquant sur la souris sur votre ordinateur, les images de glisser-déposer et d'autres actes automatiquement générés, ne pas besoin d'une ligne de code l'écriture, le plus rapide à quelques minutes pour créer leur propre modèle AI out - n'est pas une technologie très noire?
Et si une entreprise veut utiliser pour faire un modèle commercial complet, seulement il faut un jour.
Interface AutoML
Bien qu'il soit maintenant ouvert que propose Nuage AutoML Vision à générer sur mesure pour une reconnaissance d'image spécifique modèles AI. Mais Li Jia et Li Feifei ont exprimé une couverture future nuage AutoML sera plus large et inclure des images, de la voix, la PNL et ainsi de suite.
Google a été en mesure de le faire la technologie noire, qui est étroitement liée avec les deux technologies clés, est un apprentissage de renforcement (apprentissage par renforcement), une étude de migration (transfert d'apprentissage), sera décrit en détail plus loin.
Dans le passé, Google a formé avec succès beaucoup avec la reconnaissance d'image d'apprentissage en profondeur, la traduction automatique et d'autres modèles. Ensuite, l'apprentissage de transfert (transfert d'apprentissage) modèle de formation qui a été fait, le transfert à un nouveau processus de formation de modèle, vous pouvez utiliser une plus petite quantité d'utilisateurs à télécharger des informations par l'apprentissage amélioré (apprentissage par renforcement) la formation d'un modèle d'apprentissage de la machine.
Trois avantages majeurs: mieux, plus rapide, plus facile
Dans le processus de construction du modèle, la possibilité d'une combinaison de tous les algorithmes est très grand, modèle de conception manuelle est très difficile, et les experts d'Amnesty International, les ingénieurs ont investi AI beaucoup de temps et d'énergie à la recherche et le développement.
Google est la voie dans ces dernières années, Google a créé avec succès un certain nombre de modèles d'apprentissage de la machine, chacun prend beaucoup de ressources, la nécessité de refaire constamment l'expérience et régler les paramètres.
équipe Google pour commencer à penser à ce processus, il n'y a aucun moyen de modélisation AI de façon simpliste, et même concevoir leur propre modèle AI AI il?
Après avoir passé du temps plusieurs années, Google a commencé à chercher des façons d'automatiser les modèles d'apprentissage machine de conception, et en fin de compte Google par algorithme évolutif (Evolutionary) et Enhanced (Renforcement) pour créer un AutoML.
Lorsqu'en mai 2017, Google a officiellement annoncé le projet AutoML, en Octobre 2017, il a été possible de créer encore mieux que les chercheurs eux-mêmes du modèle d'apprentissage automatique AI. Aujourd'hui, Google va officiellement ouvrir comme un service cloud, et décrit les trois avantages suivants:
Taux d'exactitude: Basic Nuage AutoML Vision mène la méthode de reconnaissance d'image Google, y compris la migration des structures nerveuses et l'apprentissage des techniques de recherche (technologie de recherche de l'architecture neuronale). Cela signifie que même si votre entreprise est une expertise d'apprentissage machine limitée, vous pouvez obtenir un modèle plus précis.
Les modèles de production prêts à temps d'exécution plus rapide: Utilisez-Cloud AutoML, en quelques minutes, vous pouvez créer un modèle simple pour essayer vos applications AI, ou de construire un modèle complet, prêts à la production en une seule journée.
Facile à utiliser: AutoML Vision fournit une interface utilisateur graphique simple qui vous permet de spécifier les données, puis convertir ces données en mesure pour les besoins spécifiques de modèles de haute qualité.
Amélioration de l'apprentissage: même AlphaGo zéro utilisent le Black &
Juste a déclaré que Google a été en mesure de le faire la technologie noire, qui est étroitement liée à plusieurs technologies clés, est un apprentissage de renforcement, une étude de la migration - nous allons essayer d'améliorer l'apprentissage (apprentissage par renforcement)
Si vous vous souvenez AlphaGo Zero, il secret réside dans l'amélioration de l'apprentissage Annihilation.
Améliorer l'apprentissage et nous entendons souvent parler de « l'apprentissage en profondeur » est différent dans l'apprentissage en profondeur, vous devez utiliser un grand nombre de données pour former le réseau de neurones.
Par exemple, une voiture, vous verrez l'image à la machine, et lui dire c'est la voiture, le lendemain, elle dira « voiture ». Si vous lui donnez un autre spectacle, a également dit la voiture, vous dire que ce « vous avez tort. » Au fil du temps, la voiture pour le reconnaître, le principe est très simple, mais nécessite une très grande quantité de données.
Dans l'apprentissage de renforcement, l'équivalent d'entre vous ne dites pas la machine comment ce paramètre doit être réglé, et il ajuste au hasard un paramètre, si le résultat est bon, puis donnez-lui une récompense, si le résultat est mauvais, puis donnez-lui de punir mais ne dites pas ce faux pas, le passage du temps, la machine trouver leur propre chemin à un ensemble de meilleures pratiques.
Améliorer l'apprentissage qui réduit considérablement les données dépendant, en particulier dans les règles du jeu claires qui est plus approprié pour l'amélioration de l'apprentissage à jouer sa grande puissance.
AutoML est une sorte de technologie pour améliorer les logiciels d'apprentissage de l'apprentissage automatique, le système se déroulera des milliers de simulations pour déterminer les améliorations de code peuvent être faites, et poursuivre le processus après le changement, jusqu'à atteindre leurs objectifs.
En plus de Google, OpenAI, Nvidia, Intel et ainsi de suite mener des recherches pour améliorer l'apprentissage, qui est un élément populaire communauté de la recherche en IA. Tesla avait spécialement embauché ancien chercheur ouvert AI Li Feifei étudiants exceptionnels de OpenAI, le Dr Andrej Karpathy Stanford Intelligence artificielle et a servi comme directeur du pilote automatique visuel.
Le robot est OpenAI vidéo dans lequel un programme de formation, il aurait été de ne pas garder la posture qualifiée en direction de la course du ballon et chaque fois qu'il se rapproche de la position de la balle va changer au hasard. De temps en temps, il tombera, alors appris à se monter. De plus, il sera constamment attaqué cubes blancs, pour promouvoir des changements de trajectoire.
Etude de la migration: l'Evangile de petits ensembles de données
Ensuite, l'apprentissage par renforcement, nous apprenons la migration a dit (Transfert d'apprentissage).
Actuellement, différents types d'algorithmes AI spécifiés après beaucoup de données de formation, il est devenu très « concentré », limité à des domaines spécifiques, sans changements drastiques de l'homme de circonstances, ne peuvent être généralisés à d'autres tâches.
C'est un modèle AI peut reconnaître des visages humains, et ne parviennent pas à reconnaître le visage de chat, nous ne pouvons pas connaître la plaque d'immatriculation. Par conséquent, chaque modèle doit construire presque à partir de zéro, il est une perte de temps.
L'objectif est de transférer l'apprentissage d'un environnement à la forte concentration de connaissances de l'école pour aider le nouvel environnement des tâches d'apprentissage, l'accent est mis transfert de connaissances entre les différents domaines, mais similaires, la répartition des tâches.
Bien que vous ayez seulement une petite quantité de données, mais Google a beaucoup modèle AI similaire, donc en étudiant la migration, Google peut combiner les deux, vous générez un modèle pour répondre aux besoins de l'IA.
Avec le « apprentissage en profondeur est mort! » Est devenu de plus en plus forte, l'amélioration de l'apprentissage, la mobilité d'apprentissage comme les deux sujets les plus brûlants IA, jouera un rôle plus important dans les études futures.
D'autres applications de la science et de la technologie AutoML noir
Mentionné ci-dessus, bien qu'elle ne soit ouverte sur AutoML Vision-Cloud propose de générer sur mesure pour un modèle particulier de reconnaissance d'image AI.
Li Feifei a également souligné spécifiquement que, en raison de la migration des services d'apprentissage AutoML permet aux utilisateurs avec très peu de modèle de données seront en mesure de construire la recherche médicale AI, AI et, par conséquent, il est très utile. Dans le domaine médical, face à des maladies rares et des cas particuliers, les médecins ne peuvent souvent pas obtenir suffisamment de données de formation pour modéliser une bonne chute --AutoML résoudre ce problème.
Avenir, Couverture nuageuse AutoML sera plus large et inclure des images, de la voix, la PNL et ainsi de suite.
Cependant, bien que Google dit AutoML est le seul système de ce genre. Mais le marché a progressivement apparu des services similaires, tels que Clarif.ai (une start-up intelligence artificielle, a maintenant choisi CB Insights 2017 AI top 100 mondial des entreprises), et les systèmes internes de Microsoft sont liés sur mesure.
Conclusion: le talent AI de plus en plus cher, AutoML à l'aide
Li Jia, Li Feifei
Li Feifei, Gilbert, et Google lui-même a été dans la publicité « démocratisation AI », « afin que chacun puisse avoir AI ».
modèle de construction nécessite beaucoup de temps pour faire des expériences, mais exige aussi beaucoup d'experts de l'apprentissage machine complète. Dans la compétition pour bribe les grandes entreprises, le salaire d'une valeur d'ingénieurs AI AI et les scientifiques partis le moment, les petites entreprises ne peuvent pas se permettre le développement du modèle AI a apporté le temps et le coût du travail.
Par conséquent, les services cloud AutoML afin de résoudre ce problème né, il abaisse le seuil d'apprentissage en profondeur, de sorte que les grandes entreprises ont les ressources ne sont plus le monopole, même les petites entreprises ou des particuliers ne sont pas particulièrement bon personnel AI et techniques, ils peuvent contrôler leurs propres forces en IA.
