IA do Google agora cria códigos melhor do que seus criadores

O misterioso programa AutoML do Google desenvolve redes neurais próprias. A empresa anunciou recentemente que a Inteligência Artificial se duplicou com um código mais eficiente.

O sistema automatizado de aprendizado de máquinas do Google criou códigos de aprendizado automático mais eficientes do que os códigos que criaram seu próprio sistema.

O estudante (robô) agora se tornou o professor. Para o programa AutoML, parece que os humanos não são mais uma necessidade.

O projeto originalmente começou em Maio como inteligência artificial que ajudaria o Google a criar outros sistemas de AI. Era uma questão de tempo antes que o sistema criasse os mestres artesãos; O AutoML foi feito para isso.

 

“Hoje, estes (códigos) são feitos manualmente por cientistas de aprendizagem de máquinas e, literalmente, apenas alguns milhares de cientistas de todo o mundo podem fazer isso”, disse o CEO do Google, Sundar Pichai, na semana passada. Pichai tocou brevemente no programa AutoML em um evento de lançamento para os novos smartphones Pixel 2 e outros aparelhos. “Queremos habilitar centenas de milhares de desenvolvedores para poder fazê-lo”.

Para obter um escopo de quão “inteligente” o  AutoML é, note que o Google admite abertamente ele é mais eficiente do que sua equipe de 1.300 pessoas encarregadas de criar o AutoML. Seguramente, nem todos listados na página de pesquisa do Google são especializados em AI, mas inclui alguns dos engenheiros de software mais inteligentes da empresa. Alphabet, a empresa-mãe do Google, emprega mais de 27 mil pessoas em Pesquisa e Desenvolvimento.

Alguns dos sucessos do programa fizeram manchetes. Além de dominar seu próprio código, o AutoML quebrou um recorde de categorizar imagens por conteúdo. Ele marcou uma precisão de 82%. O AutoML também superou um sistema construído por humanos para marcar a localização de múltiplos objetos em um campo de imagem. Esses processos podem ser integrais para o futuro da realidade virtual e da realidade aumentada.

No entanto, nada mais é realmente conhecido sobre o AutoML. Ao contrário do DeepMind AI do Alphabet, o AutoML não possui muita informação disponível sobre ele mesmo além das breves declarações de Pichai e outros pesquisadores. A equipe de pesquisa do Google dedicou uma postagem no blog em seu site no início deste ano. Ele descreveu os meandros do sistema AutoML:

“Em nossa abordagem (que chamamos de” AutoML “), uma rede neural de controle pode propor uma arquitetura de modelo” infantil “, que pode então ser treinada e avaliada para qualidade em uma tarefa específica. Esse feedback é então usado para informar o controlador como melhorar suas propostas para a próxima rodada “, os pesquisadores escreveram. “Repetimos este processo milhares de vezes – gerando novas arquiteturas, testando-as e dando esse feedback ao controlador para aprender. Eventualmente, o controlador aprende a atribuir alta probabilidade a áreas de espaço de arquitetura que consigam uma melhor precisão em um suporte conjunto de dados de validação e baixa probabilidade para áreas de espaço de arquitetura que obtêm pontuação fraca “.

O futuro para as IAs é mais inteligentes do que a humanidade

O sistema de redes neurais do AutoML e sua eficiência aprimorada podem encurtar os problemas tradicionais que outros desenvolvedores tiveram na criação de redes neurais. Será cada vez mais fácil para as IAs desenvolverem novos sistemas. Mas aonde é que isso deixa os humanos? Idealmente, os seres humanos serviriam como “mediadores” ou como cheques e balanços. Os pesquisadores estão preocupados que as IA’s removeram os preconceitos inconscientes em seus criadores. Uma IA tendenciosa desenvolvendo outras ainda mais tencenciosas IA’s seria um desastre.

Assim, os engenheiros de software humanos gastarão o tempo que normalmente gastariam em desenvolver na refinação desses novos AIs.

Em última análise, Pichai e a equipe de pesquisa esperam que o AutoML possa ser usado além do Google.

“Avançando, vamos trabalhar na análise cuidadosa e testando essas arquiteturas geradas por máquinas para ajudar na refino da compreensão nossa sobre elas”, disseram os pesquisadores. “Se tivermos sucesso, pensamos que isso pode inspirar novos tipos de redes neurais e possibilitar que os não-especialistas criem redes neurais adaptadas às suas necessidades específicas, permitindo que o aprendizado de máquinas tenha maior impacto para todos”.

Gostou da matéria ? Comenta aí !

Fonte: Interesting Engineering

logo_pet2