Technologie

Umělá inteligence MIT se naučila, jak trénovat neuronové sítě rychleji než kdy jindy

Ve snaze "demokratizovat AI" vědceMassachusetts Institute of Technology našel způsob, jak využít umělou inteligenci pro mnohem efektivnější učení systémů strojového učení - tedy neuronových sítí. Doufají, že nový algoritmus, který ušetří čas a peníze, umožní výzkumným pracovníkům a společnostem omezeným zdrojům automatizovat návrh neuronových sítí. Jinými slovy, zkrácením času a nákladů by mohly být tato technika AI přístupnější.

Neuronové sítě se učí rychleji

Nové pole umělé inteligence zahrnujepoužití algoritmů pro automatický návrh neuronových sítí, které jsou přesnější a účinnější než ty, které vyvinuly lidské inženýry. Tato technologie hledání neurální architektury (hledání neuronové architektury, NAS) je však z hlediska výpočetního výkonu nákladná.

Nedávný algoritmus NASvyvinutý společností Google pro práci na hromadě grafických procesorů, strávil 48 000 hodin GPU a vytvořil jednu konvoluční neuronovou síť, která se používá pro klasifikaci a detekci obrazu. Google má schopnost současně provozovat stovky grafických procesorů a dalších specializovaných zařízení paralelně, ale to není k dispozici pro mnoho dalších.

NAS algoritmus předložený Massachusettsjako technologický institut může přímo trénovat specializované konvoluční neuronové sítě (CNN) pro cílené hardwarové platformy - při práci s masivní sadou obrazových dat - za pouhých 200 GPU hodin, což značně rozšiřuje potenciální využití těchto typů algoritmů.

Podle vědců jsou zdroje omezenéVýzkumníci a firmy by mohli využít algoritmu ve formě úspor času a nákladů. Celkovým cílem je „demokratizace AI“, říká spoluautor studie Song Khan, docent na Katedře elektrotechniky a informatiky Microsystems Technology Laboratories na MIT. "Chceme, aby umělci umělé inteligence i non-specialisté efektivně navrhnout architektury neuronových sítí s jednoduchým řešením, které rychle pracuje na konkrétní zařízení."

Dodává však, že takové algoritmy NASnikdy nenahrazujte lidské inženýry. "Cílem je zbavit se opakované a únavné práce spojené s návrhem a zlepšením architektury neuronových sítí."

To vše jen urychluje nástup celkověumělá inteligence. Mimochodem, přečtěte si náš materiál o Demis Hassabis, zakladateli DeepMindu - jedné z nejslibnějších společností v oblasti AI.