기계의 부상에 대비하기: Google AI가 어린이 AI를 훈련하고 우수한 결과를 얻었습니다.

미래학자와 SF 작가들은 인공지능이 인간의 개입 없이 자신만의 종류를 창조할 수 있을 때 인공지능에 대한 두려움이 정당화될 것이라는 점을 우리에게 분명히 밝혔습니다. 그리고 오늘이 온 것 같습니다. 최근 Google Brain 엔지니어들은 그 자체가 인공 지능으로서 인간이 만든 것과 유사한 작은 신경망을 생성하여 어린이 AI를 설계할 수 있는 프로젝트인 AutoML을 선보였습니다 . 실험 결과 AutoML이 이 문제에 매우 잘 대처하는 것으로 나타났습니다. 따라서 "로봇"은 기존의 모든 아날로그보다 우수한 NASNet 컴퓨터 비전 시스템을 설계했습니다. AI는 ImageNET의 대규모 컴퓨터 비전 데이터 세트를 사용하여 객체 분류 작업을 완료했습니다 . NASNet은 영상 속 객체를 실시간으로 최대한 정확하게 인식해야 하는 과제에 직면했습니다. 결과적으로 AutoML은 훈련 과정을 수천 번 반복하면서 독립적으로 아동 신경망을 훈련시켰습니다. AutoML 인공지능은 NASNet 운영상의 오류를 식별하고 처리하며 향후 오류가 발생하지 않도록 변경했습니다. 엔지니어가 ImageNet 및 COCO 이미지 세트에서 NASNet을 테스트했을 때 기존의 모든 컴퓨터 비전 시스템보다 성능이 뛰어났습니다. 컨트롤 세트의 이미지 예측 정확도는 82.7%로 Inception 제품군의 이전 지표보다 1.2% 높았습니다. 또한 신경망은 평균 정확도 43.1%로 아날로그보다 4% 더 효과적인 것으로 나타났으며 모바일 플랫폼에 적합한 버전은 74%로 나타났습니다. 도터 시스템의 효율성은 자율주행 자동차나 시각 장애인을 위한 로봇 제작에 사용될 수 있습니다. NASNet은 오픈 소스이며 TensorFlow용 Slim 및 객체 감지 저장소 에서 찾을 수 있습니다 .