Наполненный автоматизацией пост:
Сегодня на планете есть около 1 000 реальных специалистов по созданию систем машинного обучения. С новым проектом Google под названием AutoML, процесс создания автоматизированных систем станет проще и позволит сотням тысяч разработчиков использовать машинное обучение для создания ИИ-систем в любой сфере деятельности человека. В проекте под названием AutoML исследователи Google автоматизировали процесс по созданию программного обеспечения для машинного обучения.
Разрабатываемые системы AutoML оказались более мощными и эффективными, чем лучшие системы, которые сами исследователи могут разработать вручную. Google заявляет, что недавно система AutoML набрала рекорд в 82 % при категоризации изображений по контенту и 43% в определении расположения нескольких объектов на изображении (сами знаете где могут пригодиться такие системы), против лучшей системы ручной работы, которая набрала 39 %.
AutoML остается исследовательским проектом. Но все большее число исследователей вне Google работают над этой технологией. Если системы ИИ, сделанные системами ИИ станут практичными, машинное обучение может распространиться за пределы технологической отрасли намного быстрее, позволив человечеству приблизиться к созданию полноценного ИИ.
Источник https://www.wired.com/story/googles-learning-software-learns-to-write-learning-software/
Недавно компания Facebook представила инструмент Sapienz, который является большим шагом вперёд в автоматизации тестирования программного обеспечения. Sapienz может идентифицировать ошибки в программном обеспечении Android с помощью автоматических тестов, которые в десятки раз эффективнее, чем ручной труд тестировщиков. Sapienz содержит эволюционный алгоритм, который учится на ответах программного обеспечения на предыдущие варианты. Затем он делает новые выборы, которые стремятся найти максимальное количество глюков и проверять максимальное количество вариантов, делая всё как можно более эффективно.
Конкуренцию этому инструменту может составить группа студентов и преподавателей Оксфордского университета, которые разрабатывают инструмент на базе искусственного интеллекта, который ищет и исправляет ошибки в коде diffblue. Инструмент, построенный на базе технологий искусственного интеллекта, просматривает написанный разработчиком код, находит в нём ошибки и исправляет их. Сервис уже используют разработчики всех крупных британских банков, утверждает один из сооснователей компании в комментарии изданию Business Insider.
В то время как автоматизация приходится по вкусу айтишным компаниям, позволяя оптимизировать некоторые этапы программирования, считаю, что внедрение автоматизации в разработку программного обеспечения позволит программистам стать более инновационными. Они смогут тратить больше времени на собственное развитие, с перспективой достижения всё более захватывающих результатов.
Now you know more with @Futuris
Сегодня на планете есть около 1 000 реальных специалистов по созданию систем машинного обучения. С новым проектом Google под названием AutoML, процесс создания автоматизированных систем станет проще и позволит сотням тысяч разработчиков использовать машинное обучение для создания ИИ-систем в любой сфере деятельности человека. В проекте под названием AutoML исследователи Google автоматизировали процесс по созданию программного обеспечения для машинного обучения.
Разрабатываемые системы AutoML оказались более мощными и эффективными, чем лучшие системы, которые сами исследователи могут разработать вручную. Google заявляет, что недавно система AutoML набрала рекорд в 82 % при категоризации изображений по контенту и 43% в определении расположения нескольких объектов на изображении (сами знаете где могут пригодиться такие системы), против лучшей системы ручной работы, которая набрала 39 %.
AutoML остается исследовательским проектом. Но все большее число исследователей вне Google работают над этой технологией. Если системы ИИ, сделанные системами ИИ станут практичными, машинное обучение может распространиться за пределы технологической отрасли намного быстрее, позволив человечеству приблизиться к созданию полноценного ИИ.
Источник https://www.wired.com/story/googles-learning-software-learns-to-write-learning-software/
Недавно компания Facebook представила инструмент Sapienz, который является большим шагом вперёд в автоматизации тестирования программного обеспечения. Sapienz может идентифицировать ошибки в программном обеспечении Android с помощью автоматических тестов, которые в десятки раз эффективнее, чем ручной труд тестировщиков. Sapienz содержит эволюционный алгоритм, который учится на ответах программного обеспечения на предыдущие варианты. Затем он делает новые выборы, которые стремятся найти максимальное количество глюков и проверять максимальное количество вариантов, делая всё как можно более эффективно.
Конкуренцию этому инструменту может составить группа студентов и преподавателей Оксфордского университета, которые разрабатывают инструмент на базе искусственного интеллекта, который ищет и исправляет ошибки в коде diffblue. Инструмент, построенный на базе технологий искусственного интеллекта, просматривает написанный разработчиком код, находит в нём ошибки и исправляет их. Сервис уже используют разработчики всех крупных британских банков, утверждает один из сооснователей компании в комментарии изданию Business Insider.
В то время как автоматизация приходится по вкусу айтишным компаниям, позволяя оптимизировать некоторые этапы программирования, считаю, что внедрение автоматизации в разработку программного обеспечения позволит программистам стать более инновационными. Они смогут тратить больше времени на собственное развитие, с перспективой достижения всё более захватывающих результатов.
Now you know more with @Futuris