Nie wszystkie systemy głębokiego uczenia pracują z taką samą wydajnością. Jedne lepiej od innych nadają się do pewnych zadań, dlatego trzeba wybierać te, które wydają się najlepszym wyborem. Aby zautomatyzować ten proces firma IBM przygotowała oprogramowanie oparte na sztucznej inteligencji.
Jeden z przedstawicieli IBM niedawno opisał metodę, która miałaby zastąpić te dotychczasowe. Podczas testów okazało się, że jest ona nawet 50 000 razy szybsza niż pozostałe, podczas gdy ilość błędnych wyborów zanotowała zaledwie niewielki wzrost.
Do tej pory ludzie zajmowali się manualnym wyborem algorytmów uznanych przez nich za najodpowiedniejsze. Gdyby zautomatyzować ich pracę, obsługą systemu wybierającego najefektywniejsze sieci neuronowe mogłyby się zająć nawet nieprzeszkolone osoby. Aby przetestować skuteczność tej metody, Martin Wistuba wykorzystał ją do wybrania algorytmów klasyfikacji obrazów dla zbiorów danych CIFAR -10 oraz CIFAR-100.
Podczas ewaluacji efektywności sztuczna inteligencja przez 10 pierwszych godzin zanotowała błyskawiczny wzrost skuteczności. Potem tempo nieco spadło, jednak dokładność cały czas się utrzymywała. Ostatecznie błąd klasyfikacji był nieco wyższy niż w przypadku obecnie stosowanych metod, lecz ta najnowsza wymaga zdecydowanie mniejszego zaangażowania zasobów ludzkich. Działa też widocznie szybciej i gdyby zwiększyć jej skuteczność, to pozostawiłaby daleko w tyle konkurencyjne rozwiązania.
Teraz Wistuba zamierza poszerzyć swój projekt na inne zbiory danych i zaimplementować rozumienie języka naturalnego. Sam pomysł nie jest nowy, bowiem wykorzystało go już Google przy tworzeniu oprogramowania odpowiedzialnego m.in. za rozpoznawanie twarzy.
[Źródło: venturebeat.com; grafika: corporate-adviser.com]
