В Google Brain создали искусственный интеллект, способный воспроизводить себе подобных

Новое детище Google справляется со своими задачами не хуже топовых специалистов компании.
NASNet

В мае этого года исследователи Google Brain, представив проект AutoML, приблизились к созданию моделей машинного обучения без участия человека. Ученые отметили, что созданные новым ИИ небольшие нейронные сети выполняют свои задачи не хуже тех, что спроектированы людьми. Тогда эксперименты ограничивались использованием небольших академических наборов данных, таких как CIFAR-10 и Penn Treebank.

На этот раз исследователи использовали гораздо более крупные базы данных: ImageNet и COCO — одни из известнейших в сфере машинного зрения. Их интегрирование в AutoML проходило в рамках проекта Learning Transferable Architectures for Scalable Image Recognition.

Специалистам пришлось перепроектировать AutoML таким образом, чтобы сделать его более пригодным для работы с обширными массивами информации. В частности, они изменили методы поиска оптимальной сети и использовали самую удачную архитектуру для CIFAR-10. Новая система получила название NASNet.

Результаты исследований

Используя ImageNet, NASNet достигла более чем 80-процентной точности в задачах на классификацию изображений. Этот результат — наилучший среди опубликованных ранее. Более того, новую разработку можно адаптировать под маломощное оборудование практически без потери качества распознавания. Как надеются исследователи, этому можно будет найти применение в сфере мобильных платформ.

Также разработчики применили полученные знания в распознавании объектов. Объединенная с фреймворком Faster-RCNN система COCO показала результат в 43,1% mAP, что на 4% лучше, чем у предыдущей опубликованной работы.

А нам-то что с этого?

Подобные разработки нацелены на упрощение работы человека и делегирование трудоемкой работы компьютерам. Авторы проекта надеются, что этим увеличат количество специалистов в мире, способных создавать программное обеспечение, оснащенное ИИ.

Исходный код NASNet открыт в репозиториях slim и object_detection проекта TensorFlow. В команде Google Brain полагают, что их наработки могут быть использованы для разнообразных приложений, основанных на компьютерном зрении.

Источник: Google Research Blog