Un machine learning più efficiente potrebbe capovolgere il paradigma dell'IA

Yaopai

A gennaio, Google ha lanciato un nuovo servizio chiamato Cloud AutoML , che può automatizzare alcuni aspetti complicati della progettazione di software di apprendimento automatico. Mentre lavoravano a questo progetto, i ricercatori dell'azienda a volte avevano bisogno di eseguire fino a 800 chip grafici all'unisono per addestrare i loro potenti algoritmi.

A differenza degli esseri umani, che possono riconoscere le tazze di caffè vedendo uno o due esempi, le reti di intelligenza artificiale basate su neuroni simulati devono vedere decine di migliaia di esempi per identificare un oggetto. Immagina di provare a riconoscere ogni elemento nel tuo ambiente in questo modo e inizi a capire perché il software di intelligenza artificiale richiede così tanta potenza di calcolo.

Se i ricercatori potessero progettare reti neurali che potrebbero essere addestrate a svolgere determinati compiti utilizzando solo una manciata di esempi, questo capovolgerebbe l'intero paradigma, ha detto Charles Bergan, vicepresidente dell'ingegneria di Qualcomm alla folla di Revisione della tecnologia del MIT conferenza di EmTech China all'inizio di questa settimana.

Storia correlata

Storia correlata

Se le reti neurali dovessero diventare capaci di un apprendimento one-shot, ha detto Bergan, l'ingombrante processo di alimentazione di risme di dati negli algoritmi per addestrarli sarebbe reso obsoleto. Ciò potrebbe avere gravi conseguenze per l'industria dell'hardware, poiché sia ​​i giganti della tecnologia che le startup esistenti sono attualmente concentrati sullo sviluppo di processori più potenti progettati per eseguire gli algoritmi di IA ad alta intensità di dati di oggi.

Significherebbe anche un apprendimento automatico molto più efficiente. Mentre le reti neurali che possono essere addestrate utilizzando piccoli set di dati non sono ancora una realtà, la ricerca è già in corso per rendere gli algoritmi più piccoli senza perdere la precisione, ha affermato alla conferenza Bill Dally, scienziato capo di Nvidia.

I ricercatori di Nvidia utilizzano un processo chiamato potatura di rete per rendere una rete neurale più piccola e più efficiente da eseguire rimuovendo i neuroni che non contribuiscono direttamente all'output. Ci sono modi di formazione che possono ridurre la complessità della formazione di enormi quantità, ha affermato Dally.

nascondere