В попытке «демократизировать ИИ» ученые Массачусетского технологического института нашли способ использовать искусственный интеллект для гораздо более эффективного обучения систем машинного обучения — то есть, нейросетей. Они надеются, что новый алгоритм, позволяющий сэкономить время и средства, позволит ограниченным в ресурсах исследователям и компаниям автоматизировать проектирование нейронных сетей. Другими словами, сокращая время и затраты, они могли бы сделать эту технику ИИ более доступной.
Нейросети учатся быстрее
Новая область искусственного интеллекта включает использование алгоритмов для автоматического проектирования нейросетей, которые являются более точными и эффективными, чем разработанные человеческими инженерами. Но эта технология нейронно-архитектурного поиска (neural architecture search, NAS) является затратной с точки зрения вычислительной мощности.
Самый современный алгоритм NAS, недавно разработанный Google для работы на куче графических процессоров, потратил 48 000 GPU-часов для создания одной сверточной нейронной сети, которая используется для классификации изображений и задач обнаружения. У Google есть возможность параллельно запускать сотни графических процессоров и другого специализированного оборудования параллельно, но такое недоступно для многих других.
Алгоритм NAS, представленный Массачусетским технологическим институтом, может напрямую обучать специализированные сверточные нейросети (CNN) для целевых аппаратных платформ — при работе с массивным набором данных изображений — всего за 200 GPU-часов, что значительно расширяет потенциальное использование этих типов алгоритмов.
По мнению ученых, ограниченные в ресурсах исследователи и компании могли бы извлечь выгоду из алгоритма в виде экономии времени и затрат. Общей целью является «демократизация ИИ», говорит соавтор исследования Сонг Хан, доцент кафедры электротехники и компьютерных наук Microsystems Technology Laboratories в MIT. «Мы хотим, чтобы как эксперты по искусственному интеллекту, так и неспециалисты эффективно проектировали архитектуры нейросетей с помощью простого решения, которое быстро работает на конкретном оборудовании».
Однако он добавляет, что такие NAS-алгоритмы никогда не заменят инженеров-людей. «Цель состоит в том, чтобы избавиться от повторяющейся и утомительной работы, связанной с проектированием и усовершенствованием архитектуры нейронных сетей».
Что ж, все это только ускоряет наступление общего искусственного интеллекта. Кстати, почитайте наш материал про Демиса Хассабиса, основателя DeepMind — одной из самых многообещающих компаний в области ИИ.
{ «@context»: «http://schema.org», «@type»: «Article», «name»: «Искусственный интеллект MIT научился тренировать нейросети быстрее, чем когда-либо», «headline»: «Искусственный интеллект MIT научился тренировать нейросети быстрее, чем когда-либо», «author»: { «@type»: «Person», «name»: «Илья Хель» }, «datePublished»: «2019-03-23 10:00:10», «dateModified»: «2019-03-22 22:45:53», «image»: [«https://hi-news.ru/wp-content/uploads/2019/03/neural-650×366.jpg»], «mainEntityOfPage»: «https://hi-news.ru/technology/iskusstvennyj-intellekt-mit-nauchilsya-trenirovat-nejroseti-bystree-chem-kogda-libo.html», «publisher»: { «@type»: «Organization», «name»: «Hi-News.ru», «logo»: { «@type»: «ImageObject», «url»: «https://hi-news.ru/wp-content/themes/101media/img/hi-apps_mini.jpg» } } }