Τεχνολογία

Η τεχνητή νοημοσύνη του MIT έμαθε πώς να εκπαιδεύει νευρωνικά δίκτυα πιο γρήγορα από ποτέ

Σε μια προσπάθεια να «εκδημοκρατιστούν» οι επιστήμονεςΤο Ινστιτούτο Τεχνολογίας της Μασαχουσέτης βρήκε έναν τρόπο να χρησιμοποιήσει την τεχνητή νοημοσύνη για πολύ πιο αποτελεσματική εκμάθηση των συστημάτων μηχανικής μάθησης - δηλαδή, των νευρωνικών δικτύων. Ελπίζουν ότι ο νέος αλγόριθμος, ο οποίος θα εξοικονομήσει χρόνο και χρήμα, θα επιτρέψει σε ερευνητές και εταιρείες περιορισμένης πρόσβασης να αυτοματοποιήσουν το σχεδιασμό νευρωνικών δικτύων. Με άλλα λόγια, μειώνοντας το χρόνο και το κόστος, θα μπορούσαν να καταστήσουν πιο εύκολη αυτή την τεχνική του AI.

Τα νευρικά δίκτυα μαθαίνουν ταχύτερα

Ένα νέο πεδίο της τεχνητής νοημοσύνης περιλαμβάνειτη χρήση αλγορίθμων για τον αυτόματο σχεδιασμό νευρωνικών δικτύων που είναι πιο ακριβείς και αποδοτικότερες από εκείνες που αναπτύσσονται από τους ανθρώπινους μηχανικούς. Αλλά αυτή η τεχνολογία αναζήτησης νευρωνικών αρχιτεκτονικών (αναζήτηση νευρωνικών αρχιτεκτονικών, NAS) είναι δαπανηρή όσον αφορά την υπολογιστική ισχύ.

Ο πιο πρόσφατος αλγόριθμος NAS, πρόσφαταπου αναπτύχθηκε από την Google για να δουλέψει σε ένα σωρό επεξεργαστές γραφικών, πέρασε 48.000 ώρες GPU για να δημιουργήσει ένα συνελικτικό νευρωνικό δίκτυο, το οποίο χρησιμοποιείται για την ταξινόμηση εικόνων και τις εργασίες ανίχνευσης. Η Google έχει τη δυνατότητα να εκτελεί ταυτόχρονα εκατοντάδες επεξεργαστές γραφικών και άλλο εξειδικευμένο εξοπλισμό παράλληλα, αλλά αυτό δεν είναι διαθέσιμο για πολλούς άλλους.

NAS αλγόριθμος που παρουσιάστηκε από τη Μασαχουσέτηως τεχνολογικό ινστιτούτο, μπορεί να εκπαιδεύσει εξειδικευμένα συνεργατικά νευρωνικά δίκτυα (CNN) για στοχευμένες πλατφόρμες υλικού, όταν εργάζονται με ένα τεράστιο σύνολο δεδομένων εικόνας, σε μόλις 200 GPU ώρες, πράγμα που επεκτείνει σημαντικά την πιθανή χρήση αυτών των τύπων αλγορίθμων.

Σύμφωνα με τους επιστήμονες, οι πόροι είναι περιορισμένοιΟι ερευνητές και οι εταιρείες θα μπορούσαν να επωφεληθούν από τον αλγόριθμο με τη μορφή εξοικονόμησης χρόνου και κόστους. Ο γενικός στόχος είναι να «εκδημοκρατιστεί η ΑΙ», λέει ο συνάδελφος της μελέτης Song Khan, βοηθός καθηγητής Ηλεκτρολόγου Μηχανικού και Επιστήμης Υπολογιστών στα Τεχνολογικά Εργαστήρια Microsystems στο MIT. "Θέλουμε τόσο εμπειρογνώμονες τεχνητής νοημοσύνης όσο και μη ειδικοί να σχεδιάσουν αποτελεσματικά τις αρχιτεκτονικές νευρωνικών δικτύων με μια απλή λύση που λειτουργεί γρήγορα σε συγκεκριμένο εξοπλισμό".

Ωστόσο, προσθέτει ότι τέτοιοι αλγόριθμοι NASποτέ να αντικαταστήσει τους ανθρώπινους μηχανικούς. "Ο στόχος είναι να απαλλαγούμε από την επαναλαμβανόμενη και κουραστική εργασία που σχετίζεται με το σχεδιασμό και τη βελτίωση της αρχιτεκτονικής των νευρωνικών δικτύων".

Λοιπόν, όλα αυτά επιταχύνουν μόνο την έναρξη της συνολικήςτεχνητή νοημοσύνη. Παρεμπιπτόντως, διαβάστε το υλικό μας για τον Demis Hassabis, τον ιδρυτή του DeepMind - μια από τις πιο ελπιδοφόρες εταιρείες στον τομέα της AI.