Tampaknya awal era di mana sistem kecerdasan buatan (AI) dapat membangun sistem kecerdasan buatan lainnya telah tiba. Seperti baru-baru ini, raksasa teknologi Google Artificial Intelligence (AI) telah membangun anak AI (Artificial Intelligence) sendiri.
menunjukkan
Kecerdasan Buatan Google Membangun ‘Anak’ AI Sendiri
Harinya telah tiba ketika mesin membuat mesin lain. Untuk lebih konkretnya, ini adalah awal dari sebuah era di mana sistem kecerdasan buatan dapat membangun sistem kecerdasan buatan lainnya. Sebuah kemajuan yang telah membuat proyek raksasa teknologi Google AutoML menjadi kenyataan dengan merancang sistem visi komputer yang jauh melebihi model paling mutakhir.
Pada bulan Mei tahun yang sama, raksasa teknologi Google’s Brain, peneliti mengumumkan pembuatan inisiatif ini, sebuah algoritma pembelajaran otomatis yang belajar untuk membangun algoritma pembelajaran mesin lainnya. Tujuannya adalah untuk melihat kemampuan kecerdasan buatan, menciptakan kecerdasan buatan lain tanpa campur tangan manusia, dengan tujuan akhir untuk mencapai penyebaran yang lebih besar dari teknologi ini.
Hanya sedikit manusia yang mampu mengembangkannya, mereka sangat didambakan dan proyek serupa akan membantu membawa kecerdasan buatan ke banyak bidang dan perusahaan lain, jauh lebih cepat. Jika tidak, lebih banyak kelambatan akan menyiratkan risiko besar bagi AI itu sendiri, menurut para ahli seperti Dave Heiner, penasihat raksasa teknologi Microsoft. Bagian dari keberhasilannya menyiratkan bahwa implementasinya luas.
Tantangan terbesar untuk AutoML: Buat AI
Raksasa teknologi Google CEO, Sundar Pichai, membual tentang AutoML selama presentasi Pixel 2 dan Pixel 2 XL dan hari ini dapat kembali membanggakan untuk menunjukkan apa yang telah mencapai inisiatif yang menjanjikan ini.
Dengan mengotomatiskan desain model pembelajaran mesin menggunakan pendekatan yang disebut pembelajaran penguatan, seperti yang dijelaskan dalam Futurisme, para peneliti membuat kecerdasan buatan ini bertindak sebagai jaringan saraf pengontrol yang, pada gilirannya, menciptakan jaringan kecerdasan minor buatan lainnya. Namun, sebuah ciptaan, yang disebut NASNet, yang telah melampaui semua rekannya yang dibuat oleh manusia.
Fungsinya untuk mengenali objek dalam video yang disiarkan secara real time. Itu harus mengidentifikasi orang, mobil, tas, ransel, dan elemen lain yang ada dalam gambar. AutoML mengevaluasi kinerja dan, dengan data ini, menyempurnakan kecerdasan buatan ini secara mandiri dengan mengulangi proses tersebut ribuan kali. Tugas yang mahal, biasanya dilakukan oleh manusia, tetapi penting.
Raksasa teknologi peneliti Google membandingkan hasil ID NASNet dengan “dua set data akademik skala besar yang paling dihormati dalam visi komputer,” klasifikasi gambar ImageNet dan set data deteksi objek COCO, dan menemukan, mereka mengungkapkan, yang melampaui semua sistem visi komputer lainnya yang dibuat oleh orang-orang.
Secara khusus, itu 82,7% akurat dalam prediksi set validasi ImageNet, yang berarti berada di atas 1,2% dari hasil yang dipublikasikan sebelumnya. Dengan cara yang sama, sistem ini juga 4% lebih efisien dengan presisi rata-rata 43,1%. Selain itu, versi yang kurang menuntut dari sudut pandang sumber daya komputasi melebihi 3,1% model terbaik dengan ukuran serupa yang ditujukan untuk platform seluler.
Kemajuan yang dapat dibawa oleh AutoML
Seperti yang kami katakan di awal, bagian dari keberhasilan kecerdasan buatan akan ditemukan dalam implementasinya yang luas dan cepat. Semakin banyak area sehari-hari yang menemukan solusi melalui teknologi ini dan semakin banyak perusahaan yang dapat memanfaatkan atau menciptakannya tanpa terlalu banyak kesulitan, semakin besar kemajuan dan semakin besar keuntungannya. Situasi yang akan lebih meningkatkan penelitian, meningkatkan kemajuan itu dan keuntungan-keuntungan itu.
Oleh karena itu, kecerdasan buatan seperti AutoML akan dapat membuka pintu bagi semua kemajuan itu untuk tiba dengan cara yang lebih cepat. Ini akan memungkinkan perusahaan tanpa staf dan pengetahuan yang tepat untuk memiliki teknologi yang akan memajukan bisnis mereka. Meskipun jika tidak ada tindakan yang diambil, otomatisasi dapat berarti bahwa antara 400 dan 800 juta pekerja akan kehilangan pekerjaan mereka pada tahun 2030.
Jadi, apa pendapat Anda tentang ini? Cukup bagikan pandangan dan pemikiran Anda di bagian komentar di bawah.