Gadgetshowto
Potremmo essere molto lontani dalla singolarità, ma l'apprendimento automatico sta progredendo a un ritmo così rapido che si ritiene che il sistema AutoML di Google abbia recentemente prodotto codici con migliore efficienza rispetto a quelle realizzate dai ricercatori chi ha creato il sistema per cominciare. Ironia della sorte, la tecnologia è stata originariamente sviluppata per contrastare la scarsità di sviluppatori di alta qualità specializzati nel campo dell'IA. Era dovrebbe creare codice di autoapprendimento ed eseguire simulazioni per determinare quali aree specifiche possono essere migliorate. È difficile sapere cosa si aspettassero esattamente i ricercatori quando hanno iniziato il progetto, ma a quanto pare, le macchine stanno ora sfornando codice migliore a una velocità maggiore dei migliori programmatori umani del pianeta.
Se questo non è stato abbastanza foraggio per i detrattori per suonare ancora una volta il campanello d'allarme sull'intelligenza artificiale, il sistema lo ha anche apparentemente migliorato nella codifica di sistemi di intelligenza artificiale con autoapprendimento rispetto ai ricercatori che l'hanno realizzato. Secondo i rapporti, la tecnologia è già mostrando livelli di precisione migliori rispetto agli esseri umani in varie attività basate sull'intelligenza artificiale. Secondo quanto riferito, il software codificato dal sistema AutoML ha raggiunto un'accuratezza del 42% in alcune delle attività più complesse rispetto al 39% del software codificato dagli esseri umani. Questo particolare compito apparentemente coinvolgeva cose che sono parte integrante dei robot autonomi e della realtà aumentata: segnare la posizione di più oggetti in un'immagine.
Resta da vedere se gli scettici dell'IA come gli sfoghi di Elon Musk contro l'apprendimento automatico si rivelino essere brontolii allarmistici di un uomo paranoico lontano dalle realtà tecnologiche o avvertimenti puntuali di un visionario su una tecnologia pericolosa che non è stata stroncata sul nascere. quando c'era ancora tempo per fare qualcosa al riguardo. Ma prima che qualcuno inizi a prendere il cappello di carta stagnola, sarebbe importante vedere come queste dimostrazioni di prova si traducono in applicazioni pratiche. Questo sarebbe il grande banco di prova per AutoML e, in caso di successo, la tecnologia potrebbe avere un impatto ben oltre i confini del settore tecnologico.
