展會信息港展會大全

                          聯通沃卡惠:自動化技術可以讓AI的開發變得更容易
                          來源:互聯網   發布日期:2022-08-10 06:09:27   瀏覽:6883次  

                          導讀:機器學習研究人員在設計新模型時要做很多決定。他們決定在神經網絡中包含多少層,以及在每個節點上給予輸入的權重。德國弗萊堡大學機器學習實驗室主任弗蘭克赫特表示,所有這些人類決策的結果是,復雜的模型最終是憑直覺設計的,而不是系統地設計的。 一個名...

                          機器學習研究人員在設計新模型時要做很多決定。他們決定在神經網絡中包含多少層,以及在每個節點上給予輸入的權重。德國弗萊堡大學機器學習實驗室主任弗蘭克赫特表示,所有這些人類決策的結果是,復雜的模型最終是“憑直覺設計的”,而不是系統地設計的。

                          聯通沃卡惠:自動化技術可以讓AI的開發變得更容易

                          一個名為自動化機器學習的新興領域旨在消除猜測。這個想法是讓算法取代研究人員目前在設計模型時必須做出的決定。最終,這些技術可以讓機器學習變得更容易。

                          盡管自動機器學習已經出現近十年了,研究人員仍在努力完善它。上周,在巴爾的摩舉行的一場新會議組織者稱這是關于該主題的第一次國際會議展示了改進自動化機器學習準確性和簡化其性能的努力。

                          自動化機器學習簡化機器學習的潛力引起了人們的濃厚興趣。像亞馬遜和谷歌這樣的公司已經提供了利用自動化機器學習技術的低代碼機器學習工具。如果這些技術變得更高效,它可以加速研究,讓更多人使用機器學習。

                          這個想法是為了讓人們可以選擇他們想問的問題,將 自動化機器學習 工具指向它,并接收他們正在尋找的結果。

                          這一愿景是“計算機科學的圣杯” ,懷俄明大學的會議組織者兼計算機科學助理教授Lars Kotthoff說。“你指定問題,計算機找出解決方法這就是你所做的一切。”

                          但首先,研究人員必須弄清楚如何使這些技術更省時、更節能。

                          聯通沃卡惠:自動化技術可以讓AI的開發變得更容易

                          什么是自動化機器學習?

                          乍一看,自動化機器學習 的概念似乎是多余的畢竟,機器學習已經是關于自動化從數據中獲取洞察力的過程。但由于 自動化機器學習 算法在底層機器學習模型之上的抽象級別上運行,僅依賴這些模型的輸出作為指導,因此它們可以節省時間和計算量。研究人員可以將 自動化機器學習 技術應用于預先訓練的模型以獲得新的見解,而不會浪費計算能力來重復現有的研究。

                          例如,美國富士通研究中心的研究科學家 Mehdi Bahrami 和他的合著者展示了最近關于如何使用具有不同預訓練模型的 BERT 排序算法來適應新目的的工作。BERT-sort 是一種算法,可以在對數據集進行訓練時找出所謂的“語義順序”例如,給定電影評論數據,它知道“優秀”電影的排名高于“好”和“壞”電影.

                          借助 自動化機器學習 技術,學習到的語義順序也可以外推到對癌癥診斷甚至韓語文本進行分類,從而減少時間和計算量。

                          聯通沃卡惠:自動化技術可以讓AI的開發變得更容易

                          “BERT 需要數月的計算,而且非常昂貴比如要花費 100 萬美元來生成該模型并重復這些過程,”Bahrami 說。“因此,如果每個人都想做同樣的事情,那就很昂貴它不節能,對世界不利。”

                          盡管該領域顯示出希望,但研究人員仍在尋找使 自動化機器學習 技術的計算效率更高的方法。例如,像神經架構搜索這樣的方法目前構建和測試許多不同的模型以找到最合適的模型,完成所有這些迭代所需的能量可能很大。

                          自動化機器學習 技術還可以應用于不涉及神經網絡機器學習算法,例如創建隨機決策森林或支持向量機來對數據進行分類。這些領域的研究更進一步,已經有許多編碼庫可供想要將 自動化機器學習 技術整合到他們的項目中的人們使用。

                          聯通沃卡惠:自動化技術可以讓AI的開發變得更容易

                          會議組織者 Hutter 表示,下一步是使用 自動化機器學習 量化不確定性并解決算法中的可信度和公平性問題。在這個愿景中,關于可信賴性和公平性的標準將類似于任何其他機器學習約束,例如準確性。自動化機器學習 可以在這些算法發布之前捕獲并自動糾正這些算法中發現的偏差。

                          但是對于像深度學習這樣的東西,自動化機器學習 還有很長的路要走。用于訓練深度學習模型的數據,如圖像、文檔和錄制的語音,通常是密集且復雜的。它需要巨大的計算能力來處理。除了在財力雄厚的私營公司工作的研究人員之外,訓練這些模型的成本和時間可能會讓任何人望而卻步。

                          會議的一項競賽要求參與者開發用于神經架構搜索的節能替代算法。這是一個相當大的挑戰,因為這種技術具有臭名昭著的計算需求。它會自動循環遍歷無數的深度學習模型,以幫助研究人員為他們的應用選擇合適的模型,但該過程可能需要數月時間,成本超過一百萬美元。

                          這些替代算法(稱為零成本神經架構搜索代理)的目標是通過顯著減少其對計算的需求,使神經架構搜索更易于訪問和環境友好。結果只需幾秒鐘即可運行,而不是幾個月。這些技術仍處于開發的早期階段并且通常不可靠,但機器學習研究人員預測它們有可能使模型選擇過程更加高效。

                          贊助本站

                          人工智能實驗室
                          AiLab云推薦
                          展開
                          Copyright © 2010-2022 AiLab Team. 人工智能實驗室 版權所有    關于我們 | 聯系我們 | 廣告服務 | 公司動態 | 免責聲明 | 隱私條款 | 工作機會 | 展會港 | 站長號
                          停...不要...别揉了动态图