Perché il CEO di Google è entusiasta dell'automazione dell'intelligenza artificiale

Sundar Pichai alla conferenza annuale degli sviluppatori dell'azienda a Mountain View, in California.

Gli esperti di apprendimento automatico scarseggiano poiché le aziende di molti settori si affrettano a sfruttare i recenti progressi nel potere dell'intelligenza artificiale. Il CEO di Google afferma che una soluzione alla carenza di competenze è che il software di apprendimento automatico si occupi di parte del lavoro di creazione di software di apprendimento automatico.

Alla conferenza annuale degli sviluppatori di Google di oggi, Pichai ha presentato un progetto chiamato AutoML che esce dal gruppo di ricerca sull'intelligenza artificiale di Google Brain dell'azienda. I ricercatori hanno dimostrato che i loro algoritmi di apprendimento possono automatizzare una delle parti più complicate del lavoro di progettazione di software di apprendimento automatico per svolgere un compito particolare. In alcuni casi, il loro sistema automatizzato ha prodotto progetti che rivaleggiano o battono il miglior lavoro degli esperti di apprendimento automatico umano.

'Questo è uno sviluppo molto eccitante, dice Pichai Revisione della tecnologia del MIT , in una e-mail. Potrebbe accelerare l'intero campo e aiutarci ad affrontare alcuni dei problemi più impegnativi che dobbiamo affrontare oggi.

Pichai spera che il progetto AutoML possa espandere il numero di sviluppatori in grado di utilizzare l'apprendimento automatico riducendo le competenze necessarie. Ciò si adatterebbe alla strategia di Google di posizionare i suoi servizi di cloud computing come il posto migliore per costruire e ospitare con l'apprendimento automatico. L'azienda sta cercando di attirare nuovi clienti nel mercato del cloud computing aziendale, dove è indietro rispetto al leader Amazon e al secondo posto Microsoft (vedi Google Reveals Powerful New AI Chip and Supercomputer ).

Storia correlata

Storia correlata

AutoML ha lo scopo di semplificare l'uso di una tecnica chiamata deep learning, che Google e altri utilizzano per potenziare il riconoscimento vocale e delle immagini, la traduzione e la robotica (vedi 10 Breakthrough Technologies 2013: Deep Learning).

Il deep learning insegna al software a essere intelligente passando i dati attraverso strati di matematica liberamente ispirati alla biologia e conosciuti come reti neurali artificiali. La scelta dell'architettura giusta per la rete matematica di una rete neurale è una parte cruciale della creazione di qualcosa che funzioni. Ma non è facile capirlo. Lo facciamo per intuizione, afferma Quoc Le, un ricercatore di machine learning di Google che lavora al progetto AutoML.

Il mese scorso, Le e il collega ricercatore Barret Zoph hanno presentato i risultati di esperimenti in cui hanno affidato a un sistema di apprendimento automatico il compito di capire la migliore architettura da utilizzare per far apprendere al software per risolvere compiti di riconoscimento del linguaggio e delle immagini.

Per quanto riguarda l'immagine, il loro sistema ha rivaleggiato con le migliori architetture progettate da esperti umani. Sul compito di lingua, li ha battuti.

Forse più significativamente, ha escogitato architetture di un tipo che i ricercatori non consideravano in precedenza adatti a quei compiti. In un certo senso ha trovato qualcosa di cui non sapevamo, dice Le. È sorprendente.

La nozione di software che impara a migliorare nell'apprendimento esiste da tempo. Ma come molte idee nel campo dell'intelligenza artificiale, il potere del deep learning consente nuovi progressi. I ricercatori dell'altra divisione di ricerca sull'intelligenza artificiale di Google, DeepMind, nel mondo accademico, e l'organizzazione no profit OpenAI sostenuta da Elon Musk stanno esplorando concetti correlati (vedi AI Software Learns to Make AI Software).

Quando gli viene chiesto se sono sulla buona strada per licenziarsi, Le e Zoph ridono, però. In questo momento la tecnica è troppo costosa per essere ampiamente utilizzata. Gli esperimenti della coppia hanno vincolato 800 potenti processori grafici per più settimane, accumulando il tipo di bolletta che poche aziende potevano permettersi per la ricerca speculativa.

Tuttavia, Google ora ha un team più ampio che lavora su AutoML, incluso su come renderlo meno dispendioso in termini di risorse. Secondo le stime, potrebbe aiutare a rendere più accurato il riconoscimento vocale o video, o addirittura portare a progressi sullo spinoso problema di far apprendere il software senza una guida esplicita da parte degli esseri umani (vedi L'anello mancante dell'intelligenza artificiale).

nascondere