Gadgetshowto
Vi kan være langt væk fra singularitet, men maskinindlæring skrider frem i en så hurtig hastighed, at Googles AutoML-system menes at have for nylig produceret koder med bedre effektivitet end forskerne der oprettede systemet til at begynde med. Ironisk nok blev teknologien oprindeligt udviklet til at modvirke manglen på udviklere af høj kvalitet, der specialiserer sig inden for AI. Det var formodes at oprette selvlæringskode og køre simuleringer for at bestemme, hvilke specifikke områder der kan forbedres. Det er svært at vide, hvad forskerne nøjagtigt forventede, da de startede projektet, men som det viser sig, kaster maskinerne sig nu ud bedre kode hurtigere end de bedste menneskelige programmerere på planeten.
Hvis det ikke var nok foder til, at modstandere igen lyder alarmklokkerne om AI, har systemet tilsyneladende også blevet bedre til at kode selvlærende AI-systemer end forskerne, der lavede det. Ifølge rapporter er teknologien allerede viser bedre nøjagtighedsniveauer end mennesker i forskellige AI-baserede opgaver. Softwaren kodet af AutoML-systemet nåede angiveligt en høj 42% nøjagtighed i nogle af de mest komplekse opgaver sammenlignet med 39% for softwaren kodet af mennesker. Denne særlige opgave involverede tilsyneladende ting, der er integreret i autonome robotter og augmented reality: markering af placeringen af flere objekter i et billede.
Det er stadig at se, om AI-skeptikere som Elon Musks udbrud mod maskinindlæring viser sig at være alarmistiske rumblinger af en paranoid mand langt væk fra teknologiske realiteter eller spot-on advarsler fra en visionær om en farlig teknologi, der ikke blev klemt i knoppen når der stadig var tid til at gøre noget ved det. Men inden nogen begynder at nå frem til hatten af folie, ville det være vigtigt at se, hvordan disse proof-of-concept-demoer oversættes til praktiske anvendelser. Det ville være den store test for AutoML, og hvis det lykkes, kan teknologien meget vel have indflydelse langt ud over teknologibranchen.
