Чтобы прочитать эту статью, потребуется около 6 минут.
Недавно босс Google выпустил очень интересную технологию,Cloud AutoML.Технология была запущена двумя китайскими женщинами-учеными, Ли Фейфей и Ли Цзя. Некоторое время назад профессор Ли Фейфэй только что произнес серию замечательных речей на GDD.
Что такое Cloud AutoML?Проще говоря, это платформа, которая может автоматически генерировать модели машинного обучения с помощью простых операций без ввода строки кода. Дети, которые немного знакомы с машинным обучением, должны знать, что большая часть работы инженеров ИИ состоит в том, чтобы обучить модель на основе существующих данных, а затем использовать эту модель для прогнозирования неизвестных данных, чтобы достичь цели машинного обучения.
С Cloud AutoML это означает, что некоторые модели, для создания которых изначально требовалось много инженеров ИИ, теперь нужно только щелкнуть мышью на компьютере, перетащить изображения, чтобы легко создать модели, а затем применить модели в производстве, даже если вы не профессиональный инженер ИИ, эти работы могут быть выполнены легко. Я не мог сдержать смех в своем сердце.Мы изучали ИИ, и еще до того, как мы начали, казалось, что нас вот-вот революционизируют.
Теперь в некоторых конкретных случаях, если компания хочет создать относительно полную производственную модель с помощью этой платформы, ей нужно всего лишь загрузить небольшое количество материалов, например, 100 фотографий гостиной, и примерно через день она может получить продукт, похожий на «Мне нужен продукт, который может идентифицировать гостиную. Модель AI для фотографий».
Интерфейс AutoML
Когда мы используем платформу, материалы, которые нам нужно предоставить, очень малы по сравнению с этими моделями глубокого обучения. Ключевые слова этой черной технологии два, одинпередача обучения,одинобучение с подкреплением.
передача обученияЧто это такое? Например, у нас сейчас есть модель ИИ, которая распознает апельсины. Хотя она может распознавать апельсины, но не может распознавать яблоки. Если нам нужна модель, которая может распознавать яблоки, то перестроить модель, распознающую яблоки, — это еще одна волна с нуля хлопотное дело, уж слишком большой расход ресурсов. Google проделал большую работу, и они сделали много моделей по такой цене.
Затем с помощью трансферного обучения мы можем использовать эти известные модели.В этой аналогичной области нам нужен лишь небольшой объем данных, чтобы объединить предыдущую модель в соответствии с применимой моделью в новой области.Удобно.
обучение с подкреплениемЧастота возникновения может быть намного выше, чем у трансферного обучения, например, известная Alpha Go поддерживается обучением с подкреплением.
Обучение с подкреплением очень отличается от традиционного глубокого обучения, например, мы используем глубокое обучение, чтобы научить машину распознавать кошек, мы даем ей изображение, говорим, что это кошка, а затем даем ей изображение собаки и отпускаем. Распознавание , и если он все еще думает, что это кошка, мы говорим ему, что это неправильно. Использование этого метода требует определенных параметров, а также требует большого количества данных для поддержки.
А если мы используем обучение с подкреплением, мы не задаем машине параметры, а позволяем ей судить о себе через поощрения и наказания. Например, играя в го, машина будет нащупывать и играть сама. Если она в итоге выиграет, то получит положительное вознаграждение. В это время она знает, что в нее правильно играть. получить отрицательное вознаграждение.Он сам почувствует, что с ним проблема.Однако мы не будем говорить машине, на каком шаге она пошла не так, и пусть она исследует сама.После длительного времени она найдет оптимальную решение. Таким образом, на более позднем этапе Alpha Go — это игра в шахматы сама с собой, и для этого не требуется слишком много дополнительных данных (конечно, на раннем этапе некоторые шахматные рекорды и исторические партии все же необходимо вводить).
Итак, теперь в отрасли есть голос:Глубокое обучение мертво!
В настоящее время AutoML может использовать только Cloud AutoML Vision, который может автоматически генерировать некоторые модели искусственного интеллекта, связанные с изображениями, но Ли Фейфей сказал, что в будущем будет предоставлено больше функций, таких как голос и НЛП.
Увидев такое, некоторые детские туфли могут немного растеряться.Мы только начали изучать искусственный интеллект, неужели искусственный интеллект нас заменит? В некоторых отношениях AutoML действительно очень полезен для демократизации ИИ. Сейчас ценность инженеров ИИ, можно сказать, очень высока, и различные крупные фабрики также конкурируют за эти таланты. Если небольшие компании хотят использовать модели ИИ, можно сказать, что стоимость очень высока, не только приходится нести высокую зарплату ИИ, но также приходится нести много времени и ресурсов, необходимых для ручного моделирования. Можно сказать, что появление AutoML хорошо решает некоторые проблемы в некоторых сценариях.
На Zhihu есть хороший ответ, резюмирующий его в одном предложении.Платформизация этого типа машинного обучения замедлит развитие отраслибарьеры для входа,Но повышение планки для индивидуальной карьеры. Почему вы так говорите?Хотя возможности платформы сейчас могут быть ограничены, с углублением исследований возможности платформы станут сильнее и умнее. Платформа в основном равна среднему уровню в будущемAI-тюнер, если вы простоИИ-тюнер,то надо взбодриться.Низкая стоимость этих платформ или полная бесплатность,сжимает необходимость настройки базовых параметров.Вполне вероятно,что тюнеры и некоторые посредственные тюнеры будут постепенно отсеиваться. Итак, если вы все еще хотите говорить о трансформации отраслей, связанных с искусственным интеллектом, будьте осторожны!
Но на самом деле особо переживать не стоит, в моем понимании, такая платформа неизбежно будет жертвовать определенной степенью гибкости, обеспечивая удобство, так же как и наш фронт-энд и клиент-энд, платформа становится умнее и С помощью перетаскивания можно создавать классные спецэффекты без написания кода, но потребность в фронтенд-инженерах из-за этих вещей не уменьшилась. Можно только сказать, что структура знаний, которую необходимо освоить техническим специалистам, была разделена, и в будущем может появиться специальная должность инженера по глубокой сети на стороне клиента.
Я уже видел две очень интересные картинки и поделюсь ими с вами, чтобы вы могли их естественно понять.
Итак, ах, вы должны быть жесткими на железе. Мы не можем быть посланниками сами по себе.
Не по теме, на самом деле Microsoft выпустила аналогичную платформу Custom Vision год назад, да и некоторые отечественные компании этим занимаются. Функции похожие, и то же самое бесплатное, но звука нет.Гугл тут так опаздывает, что вызвало бурю негодования двумя твитами. Мне жаль пиара Microsoft, и я действительно восхищаюсь Google, это высокое суждение.
Канал оценки iOS
Интерпретируйте жизнь со страстью и выражайте индивидуальность с помощью кода