تقوم شركة Alphabet المستقلة بالحكم الذاتي وشركة Robotaxi Waymo بالكثير من التدريب من أجل تحسين وتحسين الذكاء الاصطناعي الذي يشغل برامجها ذاتية القيادة. في الآونة الأخيرة تعاونت مع زميله في شركة Alphabet Company و AI المتخصص DeepMind لتطوير طرق تدريب جديدة من شأنها أن تساعد في جعل تدريبها أفضل وأكثر كفاءة.
لكي تقتصر) على التحدي الذي يواجهه Waymo في بناء برامج تشغيل افتراضية أفضل وكانت النتائج مثيرة للإعجاب - يقول Deepmind في منشور مدونة أن استخدام PBT قد انخفض بنسبة 24 ٪ من إيجابيات كاذبة في شبكة تحدد وصناديق حول المشاة وراكبي الدراجات النارية ومراكز الدراجات النارية. بواسطة العديد من أجهزة استشعار مركبة Waymo. ليس ذلك فحسب ولكنه نتج عنه أيضًا وفورات من حيث وقت التدريب والموارد باستخدام حوالي 50 ٪ من كلاهما مقارنة بالطرق القياسية التي كانت تستخدمها في السابق.
للتراجع قليلاً دعنا ننظر إلى ما هو pbt حتى. في الأساس إنها طريقة للتدريب تأخذ إشاراتها من كيفية عمل التطور الدارويني. تعمل الشباك العصبية بشكل أساسي من خلال تجربة شيء ما ثم قياس تلك النتائج مقابل نوع من المعيار لمعرفة ما إذا كانت محاولتها أكثر صحة أو أكثر بناءً على النتيجة المرجوة. في أساليب التدريب التي كان يستخدمها Waymo سيكون لديهم شبكات عصبية متعددة تعمل بشكل مستقل على نفس المهمة كل ذلك بدرجات متنوعة من ما يُعرف باسم معدل التعلم أو الدرجة التي يمكنهم أن ينحرفوا بها في كل مرة يحاولون فيها مهمة (مثل تحديد الكائنات في صورة على سبيل المثال). يعني معدل التعليم العالي تنوعًا أكبر بكثير من حيث جودة النتيجة ولكن هذا يتأرجح في كلا الاتجاهين - يعني معدل التعلم المنخفض تقدمًا أكثر استقامة ولكن احتمالية منخفضة للحصول على قفزات إيجابية كبيرة في الأداء.
ولكن كل هذا التدريب المقارن يتطلب قدراً هائلاً من الموارد وفرز الخير من السيئة فيما يتعلق بالعمل يعتمد إما على شعور المهندسين الفرديين أو البحث على نطاق واسع مع مكون يدوي متورط حيث يتخلى المهندسون أسوأ شباك عصبية أداء لتحرير إمكانات المعالجة لأفضل. الشبكات الأفضل في فئتها تدير المهمة. هذا هو المكان الذي يأتي فيه التطور لأنه نوع من عملية الانتقاء الطبيعي الاصطناعي. نعم هذا أمر منطقي-اقرأه مرة أخرى. المعايير والمثال على ضمان أن الاختبارات كانت بالفعل بناء شبكات عصبية أفضل للأداء للعالم الحقيقي وليس فقط محركات التعرف على الأنماط الجيدة للبيانات المحددة التي تم تغذيتها.
أخيرًا الشركات أيضًا طورت نوعًا من نهج سكان الجزيرة من خلال بناء السكان الفرعية للشبكات العصبية التي لم تتنافس إلا مع بعضها البعض في مجموعات محدودة على غرار كيفية قطع عدد السكان من المجموعات الأكبر (أي تقتصر على الجزر) تتطور خصائص مختلفة وأحيانًا أفضل تكييفًا مقابل أبناء عمومهم الكبيرين في الكتلة الأرضية.
بشكل عام إنها نظرة مثيرة للاهتمام للغاية على مدى التعلم العميق والذكاء الاصطناعي تأثير حقيقي على التكنولوجيا التي هي بالفعل في بعض الحالات وستقوم قريبًا ب أكثر من ذلك بكثير تشارك في حياتنا اليومية.
اخلاء مسؤولية! هذا المقال لا يعبر بالضرورة عن رأي جامعة الرازي
