Google unapređuje veštačku inteligenciju metodom „jedan model za sva učenja“

Kompanija je nedavno objavila naučni rad koji može da predstavlja osnovni plan za budućnost mašinskog učenja. Metod „jedan model za sva učenja“ postavlja šablon koji treba da pokaže kako se stvara jedinstveni model za mašinsko učenje koji će moći da obavlja sve zadatke podjednako dobro. Ovaj MultiModel, kako ga nazivaju stručnjaci u kompaniji Google, obučavan je na različitim zadacima koji obuhvataju prevođenje, jezičku analizu, prepoznavanje govora, slika i objekata. Iako rezultati metoda ne pokazuju značajan napredak u odnosu na postojeće pristupe, ipak ukazuju da obučavanje sistema mašinskog učenja za obavljanje različitih zadataka može pomoći u poboljšanju njegove uspešnosti. Na primer, MultiModel je postao precizniji u mašinskom prevođenju , govoru i jezičkoj analizi ako je obučavan na obavljanju svih operacija za koje je sposoban nego kad je obučavan samo za obavljanje jedne operacije. Naučni rad kompanije je pružio šablon za razvoj budućeg sistema mašinskog učenja koji se može mnogo šire primeniti i potencijalno biti precizniji od mnogih ograničenih rešenja koja se danas pojavljuju na tržištu. Štaviše, ti postupci mogu da smanje količinu podataka koji su potrebni da bi se stvorio mogući algoritam za mašinsko učenje. Rezultati do kojih je došao naučni tim u kompaniji pokazuju da pri obuci MultiModela za izvršavanje svih zadataka za koje je sposoban, njegova preciznost se povećava i kod zadataka sa manjom količinom podataka. Treba napomenuti da testiranje tek predstoji. Rezultati još nisu provereni i ne zna se da li je ovo istraživanje primenjivo i u drugim oblastima. Tim Brain kompanije Google objavio je kod MultiModela kao deo projekta programa otvorenog koda koji se naziva TensorFlow da bi i drugi mogli da ga proveravaju i istražuju. Istaknuto je, takođe, da se tim nije mnogo bavio optimizacijom nepromenljivih parametara sistema (ili hiperparametara, kako se nazivaju u žargonu mašinskog učenja) i da bi obimna podešavanja i poboljšanja unapredila preciznost sistema u budućnosti.