A Google Brain mesterségesintelligencia-kutatócsoport rájött, hogy egy gépitanulás-szoftvernek hogyan tanítsák meg gépitanulás-szoftver fejlesztését. Az eredmény nemcsak az elvárásoknál, de a korábbi hasonló törekvéseknél is sokkal jobb lett.

Tanulóprogramokkal mások, például az Elon Musk társalapítású nonprofit OpenAI, az MIT (Massachusetts Institute of Technology), a Berkeley-i Kaliforniai Egyetem, vagy a szintén Google-hoz tartozó londoni DeepMind is kísérletezik.

Ha a technikák beválnak, a gépitanulás-szoftverek hamarabb beépülhetnek a gazdasági életbe. A jelenlegi gyakorlat az, hogy a cégek külön gépitanulás-szakértőket alkalmaznak, de egyelőre kevés van belőlük.

A sors paradoxonja, hogy munkájuk egyes részeit szoftver is elvégezheti. Ezzel kapcsolatban Jeff Dean, a Google Brain vezetője „automatizált gépi tanulásról” beszél.

A DeepMind szerint a „tanulás megtanulásával” a gépitanulás-programoknak kevesebb időt kell eltölteniük a speciális feladatok kivitelezéséhez ma még nélkülözhetetlen adatelemzéssel, márpedig a jelenlegi gyakorlatban irdatlan mennyiségű adaton kell pallérozódniuk.

Egyik kísérletükben a szoftvernek különböző, de egymáshoz kapcsolódó problémákat, például a labirintusbeli navigációt kellett megoldania. Általánosító tervekkel állt elő, és így – azokat hasznosítva – a soron következő új feladatok az átlagosnál sokkal kevesebb gyakorlással megoldhatók.

A tanulást megtanuló szoftver fejlesztésének ötlete nem újkeletű, de a korábbi próbálkozások meg sem közelítették a humán tervezők által kivitelezhető szintet. A számítási kapacitás drasztikus növekedésével és a mélytanulással viszont változott a helyzet. A kapacitásoknak azonban még mindig jelentősen kell nőniük ahhoz, hogy az új megoldás praktikus is legyen, és program helyettesítsen húsvér gépitanulás-szakértőket.

A Google Brain például 800 masszív grafikus processzorral próbálja elérni, hogy egy szoftver ugyanolyan jó képfelismerő rendszert tervezzen, mint az ember.

Otkrist Gupta, az MIT kutatója szerint változni fog a helyzet. A cél eléréséhez nyílt forrásúvá teszik a tárgyfelismerő teszteken emberi fejlesztésű programokkal azonos eredményt elért, gép által fejlesztett saját mélytanuló rendszerüket.

A cégek és a kutatók, különösen az adattudósok is motiváltak, hogy az automatizált gépi tanulás valóban praktikus legyen – állítja.