A Google programokat fejlesztő programokat fejleszt

A Google szerint egy tanulni képes szoftver azt is elsajátíthatja, hogyan segítsen a fejlesztőknek újabb mesterséges intelligenciákat tervezni. 

A mesterséges intelligencia fejlődése miatt sokan azt jósolják, hogy a szoftverek nemcsak a fizikai, de a szellemi munkát végző emberek feladatait is átvehetik. Erre nemrég láthattunk is példát egy japán biztosító cégnél. Fejlesztők pedig arra jutottak, hogy akár még az ő feladataik egy részét is eltudnák végezni szoftverek – például azt, hogy újabb gépi tanulással tanuló szoftvereket tervezzenek.

Attól viszont nem kell félni, hogy nem lesz szükség programozókra. Az emberek által elért minőségű tervezéshez rengeteg,

sőt még több számítási erőforrás kell.

A Google Brain már dolgozik egy ilyen megoldáson, és eddig előremutató eredményeket értek el.

A szakemberek szerint ahhoz, hogy képfelismerő MI modelljét megtervezze egy másik mesterséges intelligencia, ahhoz közel 800 nagyteljesítményű grafikus processzornak kell egyszerre dolgoznia, ez pedig rendkívül költséges.

MI-k fejleszthetik a jövő MI-jeit? Forrás: Science Photo Library/CHRISTIAN LAGEREK/SCIENCE PHOTO LIBRARY/Christian Lagerek/Science Photo

A gépi tanulás lényege, hogy csak az alapvető képességekkel látják el a szoftvert, amely egy csecsemőhöz hasonlóan, az alapoktól kezdi megszerezni ismereteit. Ezek a gépek megfigyeléseikből és tapasztalataikból saját maguk vonnak le következtetéseket, így tulajdonképpen már nem programozni,

hanem tanítani kell őket egy-egy specifikus terület kiismeréséhez.

Egy ilyen szoftver lefejlesztése jelenleg költséges és hosszú munka. A legtöbb időt az veszi el, hogy a beléjük táplált rengeteg adat alapján, gépi tanulással kiképezzék a neurális hálókat bizonyos feladatokra. Nem utolsósorban, a területen jártas valóban tapasztalt fejlesztők megfizetése is költséges.

A Google célja, hogy a kutatást egyszerűbbé és olcsóbbá tegye. A gépi tanulásos szoftverek elvégeznék az újabb szoftverek modelljeinek megtervezését, ezzel orvosolható lenne a tapasztalt szakemberek hiánya.

Másrészt felszabadítaná a kutatók idejét, akik fontosabb problémákon dolgozhatnának. Csökkentené a fejlesztési időt is. Egy MI kiképzésére jelenleg hónapok is kellenek, hogy az megtanuljon alapfeladatokat elvégezni, meglássa az összefüggéseket az adathalmazokban.