IA Google Ha Creado Su Propia IA, Superando A Todos Los Análogos - Vista Alternativa

IA Google Ha Creado Su Propia IA, Superando A Todos Los Análogos - Vista Alternativa
IA Google Ha Creado Su Propia IA, Superando A Todos Los Análogos - Vista Alternativa

Vídeo: IA Google Ha Creado Su Propia IA, Superando A Todos Los Análogos - Vista Alternativa

Vídeo: IA Google Ha Creado Su Propia IA, Superando A Todos Los Análogos - Vista Alternativa
Vídeo: «Китайский Google» выпустит автомобиль, похожий на робота 2024, Julio
Anonim

En la primavera de este año, los ingenieros de Google Brain presentaron la inteligencia artificial de AutoML capaz de crear su propia IA única sin intervención humana. No hace mucho tiempo se supo que AutoML fue el primero en crear el sistema de visión por computadora NASNet, significativamente superior a todos los análogos creados por el hombre. Este sistema basado en inteligencia artificial puede convertirse en una gran ayuda en el desarrollo, por ejemplo, de automóviles autónomos, así como en robótica, lo que le permite llevar la visión de los robots a un nivel completamente nuevo.

AutoML se desarrolla según el llamado sistema de aprendizaje por refuerzo. De hecho, es una red neuronal de control que desarrolla de forma independiente redes neuronales completamente nuevas para cualquier tarea especializada. En este caso, el objetivo principal de AutoML era crear un sistema para el reconocimiento más preciso de objetos en video en tiempo real. AI entrenó de forma independiente una nueva red neuronal, rastreando sus errores y haciendo ajustes en su trabajo. El proceso de aprendizaje se repitió miles de veces hasta que el sistema entró en funcionamiento. Además, superó todas las redes neuronales similares existentes creadas y entrenadas por humanos.

Image
Image

Según el comunicado oficial de Google, la precisión de reconocimiento de NASNet es del 82,7%. Esto es 1,2% mejor que el récord anterior establecido en septiembre de este año por expertos de Oxford y Momenta. La red neuronal también resultó ser un 4% más eficiente que las análogas con un 43,1% de precisión promedio. Una versión simplificada de NASNet adaptada para plataformas móviles supera a las redes neuronales similares en más de un 3%. En el futuro, este sistema se puede utilizar para crear automóviles autónomos, porque para ellos la visión por computadora es increíblemente importante. Mientras tanto, AutoML continúa creando nuevas redes neuronales y quién sabe qué alturas podrá alcanzar en un futuro próximo.

Sergey Gray

Recomendado: