工程師也失業?「會寫 AI 的 AI」效率超越人類,Google、MIT 相繼投入開發

工程師的工作 AI 還是很難勝任的對吧?畢竟這個東西需要邏輯思考,需要框架和流程設計,哪裡是 AI 能一下子勝任的事情。但 Google 等公司認為,AI 現在可以開始學習一些 AI 專家做的事情了,那就是寫 AI 程式。
評論
ies (CEATEC) JAPAN 2014 in Chiba, east of Tokyo, October 7, 2014. Over 500 companies and organisations are exhibiting at CEATEC JAPAN 2014, which will be held until October 11, 2014. REUTERS/Issei Kato (JAPAN - Tags: SCIENCE TECHNOLOGY BUSINESS SOCIETY) - RTR49758
評論

原文刊登於合作媒體 36Kr,INSIDE 獲授權轉載。

認圖片辨聲音下圍棋 、玩 德州撲克開卡車 ⋯⋯似乎越來越多人能玩的事情 AI 也能玩,而且玩得比人還溜。但暫時有一部分人還是自我感覺安全的——工程師的工作 AI 還是很難勝任的對吧?畢竟這個東西需要邏輯思考,需要框架和流程設計,哪裡是 AI 能一下子勝任的事情。但 Google 等公司認為,AI 現在可以開始學習一些 AI 專家做的事情了,那就是寫 AI 程式。

Google Brain 人工智慧研究小組的研究人員最近就進行了這樣的嘗試。他們在一次試驗中讓軟體設計了一套機器學習系統,然後對這套系統進行測試語言處理方面的測試。結果發現該系統的表現超過了人類設計的軟體。

Google Brain 團隊首先用遞歸神經網路生成神經網路(RNN)的描述,然後利用強化學習對該 RNN 進行訓練。其方法可以讓 AI 從零開始設計出一個新穎的神經網路架構,在利用 CIFAR-10 數據集(含 6 萬張 32×32 的彩圖,涉及 10 類對象,每一類各 6000 張。其中 5 萬張為訓練圖像,1 萬張為測試圖像)進行圖像辨識測試時,其辨識的精度甚至比人類設計的最好架構還要高,錯誤率僅為 3.84%,與目前最先進的神經網路模型相比,其錯誤率僅低 0.1 個百分點,但速度快了 1.2 倍。而在用於自然語言處理的 Penn Treebank 數據集上,其模型構造出來的一種遞歸神經單元也超越了被廣泛使用的 LSTM 神經單元等最新基準指標,在複雜度方面比後者好 3.6 倍。

類似地,Google 的另一個 AI 團隊 DeepMind 最近也發表了一篇名為《學會強化學習》的論文。其研究同樣針對的是深度學習所需的訓練數據量大且獲取成本高的缺點。他們提出了一種名為 deep meta-reinforcement learning 的強化學習方法,利用遞歸神經網路可在完全有監督的背景下支持元學習的特點,把它應用到了強化學習上面。從而將用一個強化學習算法訓練出來的神經網路部署到任意環境上,使得 AI 在訓練數據量很少的情況下具備了應用於多種場景的元學習能力。或者用 DeepMind 團隊的話來說,叫做「學會學習」的能力,或者叫做能解決類似相關問題的歸納能力。

Google Brain 團隊的負責人 Jeff Dean 最近在回顧 AI 進展情況時,就曾經表態說機器學習專家的部分工作其實應該由軟體來負責。他把這種技術叫做「自動化機器學習」,並認為這是最有前途的 AI 研究方向之一,因為這將大大降低 AI 應用的門檻。

當然,創建學會學習的軟體這個想法由來已久,蒙特婁大學的 Yoshua Bengio 早在 1990 年代就提出了這個想法。但之前的試驗結果並不理想,因為 AI 做出來的東西還是比不上人類想出來的模型。但近年來隨著運算能力的不斷增強,以及深度學習的出現,AI 學會學習的能力終於取得了突破。

儘管 AI 的自學能力取得了突破,但是在近期內還無法大量推廣。因為首先這種能力需要龐大的計算資源。比方說 Google Brain 那個設計出辨識率超過人類所開發系統的圖像辨識系統的 AI ,就需要 800 個 GPU。

但這種情況將來可能會發生變化。最近 MIT Media Lab 也開發出了設計深度學習系統的學習軟體,其所開發出來的深度學習系統的對象辨識率也超過了人類設計的系統。MIT Media Lab 計劃將來把它的這套 AI 開源出來,讓大家繼續這方面的探索。

除了 Google 和 MIT 以外,據報導最近幾個月有好幾個小組也在讓 AI 軟體學習編寫 AI 軟體方面取得了進展。其中包括了非盈利的 AI 研究組織 OpenAI、MIT、加州大學柏克萊分校等。

一旦這類自動式的 AI 技術具備實用性,機器學習軟體在各行業應用的節奏無疑將大大加快。因為目前機器學習專家極為短缺,各家企業組織都需要高薪供養這批人才。


AWS For Data Web Day:5 / 25 免費線上研討會,帶領企業制定現代化數據戰略

AWS 將於 2022 年 5 月 25 日 下午 2:00~5:00 舉行線上研討會 AWS For Data Web Day,以「數據與分析」為本次活動主旨,幫助企業制定現代化數據戰略,除了精彩內容外,同時也邀請了 3 位知名產業經驗的客戶進行分享,讓您了解在產業實務上 AWS 如何協助企業進行轉型。
評論
評論

數位轉型是一段不斷學習與創新的過程。身為雲端服務龍頭,AWS 從過去到現在從未停止創新,且為了幫助企業客戶在數據為王的時代,能有效利用數據資料獲得深入洞察、搶得市場先機,AWS 將於 2022 年 5 月 25 日 下午 2:00~5:00 舉行線上研討會 AWS For Data Web Day,以「數據與分析」為本次活動主旨,幫助企業制定現代化數據戰略。

2022 年的關鍵任務:制定現代化數據戰略

在討論元宇宙拓荒、搶佔新興科技商機以前,企業是否已經紮穩腳步,建置完善的數據資料庫,建構業務創新的重要基礎?在邁向新時代的關鍵 2022 年,此刻最重要的任務之一,是制定現代化的數據戰略,幫助企業持續數位轉型。對此,AWS For Data Web Day 線上研討會內容,將包含 Amazon DynamoDB 的十年創新之旅,帶領參與者進行新功能重點探討,並且同步深入了解 AWS 現代化企業數據遷移實戰、現代化數據平台大戰略、數據創新與加速分析應用等。

除了詳細解說數據對您企業帶來的影響之外,也邀請到 AWS 實際企業客戶分享成功案例,加速了解如何運用數據與分析進行產業數位轉型。

如何透過 AWS 獲得成功?重量級客戶親自揭密

AWS For Data Web Day 線上研討會本次邀請了重量級來賓,成功企業包含全方位寵物管家 萬達寵物、大數據智能資料稽核與保護的專家 – Datiphy 以及企業數據資產整合專家 – eForce,以上三間知名企業,將親自講授他們是如何透過 AWS 獲得成功,並且在數位轉型上取得領先的地位。

本場研討會,在深入了解該如何提升數據分析的效能的同時,又能兼具成本效益高與安全性;適合對於如何靈活應用大數據、對數據分析有興趣、想要建構數據與分析基本功的所有受眾,例如:公司技術部門決策人、業務決策人、IT 主管及希望深入認識數據分析的任何人士。與會期間參與問答,還有機會抽中百元美食外送平台優惠券。

在 AWS For Data Web Day 中探討雲端數據資料庫的優勢與做法,包括:

  1. 20 萬多個資料湖在 AWS 上執行
  2. 使用 Amazon EMR 比標準 Apache Spark 快 3 倍
  3. 比其他雲端資料倉儲更實惠的價格效能達 3 倍
  4. 使用 Amazon OpenSearch Service 在單個叢集中儲存的資料量可達 3PB
  5. 節省 70% 資料湖中資料的儲存成本

AWS For Data Web Day 報名須知

  • 日期:2022 年 5 月 25 日(星期三)
  • 時間:2:00 PM~5:00 PM
  • 形式:線上研討會

建議在活動前免費註冊 AWS 帳號  ,新註冊戶可兌換精美好禮三合一數據線。若為首次參加線上研討會者,GoToWebinar 會自動偵測電腦配置,可在加入時自動安裝;若是使用手機登入此活動,則需安裝 GoToWebinar 手機應用程式。