Достаточно скоро разработкой усовершенствованного машинного обучения и технологии искусственного интеллекта, будет заниматься ИИ.
Специалисты MIT, проанализировав работу организаций (в том числе Google Brain) занимающихся развитием специального ИИ для улучшения процесса машинного обучения - выявили, что во многих случаях результаты ИИ кодирующего другие машины, соответствуют или даже превышают эквивалентную работу, сделанную людьми.
Означает ли это, что даже программисты в области развития ИИ столкнутся с сокращением рабочих мест? Не думаю. Но, во всяком случае, перспективы использования такой технологии очевидны. Специалисты, занятые скармливанием big data системам нейронной сети для дальнейшего её обучения, освободятся для изучения более весомых вопросов в этой области.
ИИ настраивающий ИИ обладает другим потенциальным преимуществом – улучшение кривой обучения систем ИИ. В результате, для достижения значимых результатов в обучении сеточки понадобится минимум тестов и данных. Например, это бы значительно ускорило выпуск всё более автоматизированных автомобильных систем, для которых сейчас даже миллионы накатанных миль это всего лишь капля в море по сравнению с реальными применимыми результатами.
MIT Media Lab – выкладывает в открытый доступ собственные усилия по созданию обучаемого программного обеспечения из других программ машинного обучения, что позволит сильно ускорить всеобщий процесс развития ИИ.
Достаточно скоро разработкой усовершенствованного машинного обучения и технологии искусственного интеллекта, будет заниматься ИИ.
Специалисты MIT, проанализировав работу организаций (в том числе Google Brain) занимающихся развитием специального ИИ для улучшения процесса машинного обучения - выявили, что во многих случаях результаты ИИ кодирующего другие машины, соответствуют или даже превышают эквивалентную работу, сделанную людьми.
Означает ли это, что даже программисты в области развития ИИ столкнутся с сокращением рабочих мест? Не думаю. Но, во всяком случае, перспективы использования такой технологии очевидны. Специалисты, занятые скармливанием big data системам нейронной сети для дальнейшего её обучения, освободятся для изучения более весомых вопросов в этой области.
ИИ настраивающий ИИ обладает другим потенциальным преимуществом – улучшение кривой обучения систем ИИ. В результате, для достижения значимых результатов в обучении сеточки понадобится минимум тестов и данных. Например, это бы значительно ускорило выпуск всё более автоматизированных автомобильных систем, для которых сейчас даже миллионы накатанных миль это всего лишь капля в море по сравнению с реальными применимыми результатами.
MIT Media Lab – выкладывает в открытый доступ собственные усилия по созданию обучаемого программного обеспечения из других программ машинного обучения, что позволит сильно ускорить всеобщий процесс развития ИИ.