Phần mềm Học máy của Google Học viết Phần mềm Học máy

Tự động hóa cho công việc văn phòng trắng đã trở thành một từ ngữ thông dụng trong các cuộc tranh luận về sức mạnh ngày càng tăng của máy tính, khi phần mềm cho thấy tiềm năng để thay thế một số công việc của kế toán và luật sư. Các nhà nghiên cứu trí tuệ nhân tạo tại Google đang cố gắng tự động hóa các nhiệm vụ của những người lao động có mức thu nhập cao hơn khả năng mặc áo hoodie hơn là áo vest và cà vạt - chính họ.

Trong dự án mang tên AutoML, các nhà nghiên cứu của Google đã dạy cho phần mềm học máy xây dựng phần mềm học máy. Đôi khi, những gì nó tạo ra mạnh mẽ và hiệu quả hơn cả các hệ thống tốt nhất mà các nhà nghiên cứu tự thiết kế. Google cho biết hệ thống gần đây đã đạt điểm kỷ lục 82% trong việc phân loại hình ảnh theo nội dung của chúng. Trên nhiệm vụ khó hơn là đánh dấu vị trí của nhiều đối tượng trong một hình ảnh, một nhiệm vụ quan trọng cho thực tế tăng cường và robot tự động, hệ thống được tạo tự động đã đạt được 43%. Hệ thống do con người xây dựng tốt nhất chỉ đạt 39%.

Kết quả như vậy có ý nghĩa vì sự hiểu biết cần thiết để xây dựng các hệ thống trí tuệ nhân tạo tiên tiến là hạn chế - ngay cả tại Google. “Ngày nay, những hệ thống này được làm thủ công bởi các nhà khoa học học máy và đúng là chỉ có vài nghìn nhà khoa học trên thế giới có thể làm được điều này,” ông Sundar Pichai, CEO của Google, nói tuần trước, ngắn gọn đề cập tới AutoML trong sự kiện ra mắt điện thoại thông minh và các thiết bị khác mới. “Chúng tôi muốn cho phép hàng trăm nghìn nhà phát triển có thể làm điều này.”

AutoML vẫn là một dự án nghiên cứu. Hơi mỉa mai, ngay lúc này, việc có được loại hiểu biết AI hiếm hoi mà công nghệ này cố gắng tự động hóa để hoạt động. Nhưng ngày càng có nhiều nhà nghiên cứu ngoài Google đang làm việc trên công nghệ này. Nếu AI tạo AI trở nên thực tế, học máy có thể lan rộng ra ngoài ngành công nghệ, ví dụ như trong lĩnh vực chăm sóc sức khỏe và tài chính, nhanh hơn nhiều.

Tại Google, AutoML có thể tăng tốc chiến lược “AI trước” của Pichai, qua đó công ty đang sử dụng học máy để vận hành hiệu quả hơn và tạo ra sản phẩm mới. Các nhà nghiên cứu từ nhóm nghiên cứu Google Brain của công ty hoặc phòng thí nghiệm DeepMind tại London mà công ty đã mua lại vào năm 2014 đã giúp giảm hóa đơn năng lượng tại các trung tâm dữ liệu của công ty và làm tăng tốc khả năng của Google để ánh xạ các thành phố mới, ví dụ như vậy. AutoML có thể làm cho những chuyên gia đó trở nên hiệu quả hơn, hoặc giúp các kỹ sư kém kỹ năng xây dựng các hệ thống AI mạnh mẽ tự mình.

Google liệt kê khoảng hơn 1.300 người trên trang web nghiên cứu của mình, không phải tất cả đều chuyên sâu về AI. Họ có hàng ngàn kỹ sư phần mềm khác. Tổng công ty mẹ của Google, Alphabet, có 27.169 nhân viên tham gia nghiên cứu và phát triển, theo báo cáo tài chính hàng năm gần nhất của họ.

Google từ chối cho bất kỳ ai nói chuyện về AutoML. Những nhà nghiên cứu bên ngoài công ty nói rằng việc tự động hóa một số công việc của các chuyên gia AI đã trở thành điểm nóng trong nghiên cứu - và cần thiết khi hệ thống AI trở nên phức tạp hơn.

Nhiều công việc trong những gì được gọi là metalearning hoặc học cách học, bao gồm cả của Google, nhằm tăng tốc quá trình triển khai mạng nơ-ron nhân tạo. Kỹ thuật này liên quan đến việc đưa dữ liệu qua các mạng lưới các phép toán toán học được lấy cảm hứng một cách rời rạc từ nghiên cứu về tế bào thần kinh trong não.

Có thể nghe có vẻ cực kỳ phức tạp, nhưng một phần lớn trong việc làm cho mạng nơ-ron thực hiện các kỹ thuật hữu ích như xử lý âm thanh đến từ công việc chân tay có trả lương cao. Các chuyên gia phải sử dụng bản năng và thử và sai để khám phá kiến trúc phù hợp cho một mạng nơ-ron. “Một phần lớn công việc của kỹ sư đó chủ yếu là một công việc rất nhàm chán, thử nghiệm nhiều cấu hình để xem cái nào hoạt động tốt hơn,” như Roberto Calandra, một nhà nghiên cứu tại Đại học California Berkeley. Thách thức trở nên khó khăn hơn, ông nói, bởi các nhà nghiên cứu đang xây dựng các mạng lưới lớn hơn để giải quyết các vấn đề khó khăn hơn.

Calandra bắt đầu nghiên cứu về metalearning sau khi trải qua hai tuần đầy thất vọng trong việc cố gắng làm cho một robot học cách đi trong quá trình nghiên cứu Tiến sĩ của mình vào năm 2013. Anh thử một kỹ thuật thử nghiệm để tự động điều chỉnh phần mềm của nó, dựa trên một kỹ thuật học máy ít phức tạp hơn so với mạng nơ-ron. Chiếc máy cứng đầu đã có thể đi sau một ngày.

Việc tạo ra một thiết kế mạng nơ-ron từ đầu khó hơn việc điều chỉnh cài đặt của một mạng nơ-ron đã tồn tại. Nhưng kết quả nghiên cứu gần đây cho thấy nó đang tiến gần hơn đến việc trở thành điều thực tế, theo Mehryar Mohri, một giáo sư tại Đại học New York.

Mohri đang làm việc trên một hệ thống được gọi là AdaNet, trong một hợp tác có sự tham gia của các nhà nghiên cứu tại văn phòng New York của Google. Khi được cung cấp một bộ dữ liệu được gán nhãn, nó xây dựng một lớp mạng nơ-ron theo từng tầng, kiểm tra từng phần thêm vào thiết kế để đảm bảo nó cải thiện hiệu suất. AdaNet đã chứng minh khả năng tạo ra các mạng nơ-ron có thể thực hiện một nhiệm vụ cũng tốt như một mạng nơ-ron chuẩn được xây dựng bằng tay và lớn gấp đôi. Điều đó là một điều hứa hẹn, theo Mohri, vì nhiều công ty đang cố gắng đặt phần mềm AI mạnh mẽ hơn vào thiết bị di động có tài nguyên hạn chế.

Việc làm cho việc tạo ra và triển khai các hệ thống AI phức tạp trở nên dễ dàng hơn có thể đi kèm với những điều bất lợi. Nghiên cứu gần đây đã cho thấy rằng rất dễ để tình cờ tạo ra các hệ thống có quan điểm thiên vị về thế giới, ví dụ như “Người Mexico” là một từ tồi tệ, hoặc có xu hướng liên kết phụ nữ với việc làm việc nhà. Mohri cho rằng việc giảm bớt việc điều chỉnh tẻ nhạt cần thiết để sử dụng các mạng nơ-ron có thể làm cho việc phát hiện và ngăn chặn các vấn đề như vậy dễ dàng hơn. “Nó sẽ giúp người ta có thêm thời gian để giải quyết các khía cạnh khác của vấn đề,” ông nói.

Nếu và khi Google làm cho AutoML hoạt động đủ tốt để trở thành một công cụ thực tế cho các lập trình viên, tác động của nó có thể được cảm nhận vượt ra ngoài công ty itself. Tuần trước, Pichai gợi ý rằng ông muốn làm cho công cụ này có sẵn bên ngoài Google. 'Chúng tôi muốn dân chủ hóa điều này,' ông nói, lặp lại ngôn ngữ cao cả được sử dụng để quảng bá các dịch vụ AI được cung cấp bởi đơn vị điện toán đám mây của ông.