TECHNOLOGY

स्वचालित तकनीक AI को विकसित करना आसान बना सकती है


बहरामी कहते हैं, “बीईआरटी में महीनों की गणना होती है और यह बहुत महंगा है – जैसे, उस मॉडल को बनाने और उन प्रक्रियाओं को दोहराने के लिए एक मिलियन डॉलर।” “तो अगर हर कोई एक ही काम करना चाहता है, तो यह महंगा है – यह ऊर्जा कुशल नहीं है, दुनिया के लिए अच्छा नहीं है।”

हालांकि यह क्षेत्र वादा दिखाता है, शोधकर्ता अभी भी ऑटोएमएल तकनीकों को अधिक कम्प्यूटेशनल रूप से कुशल बनाने के तरीकों की खोज कर रहे हैं। उदाहरण के लिए, तंत्रिका वास्तुकला खोज जैसी विधियां वर्तमान में सर्वोत्तम फिट खोजने के लिए कई अलग-अलग मॉडलों का निर्माण और परीक्षण करती हैं, और उन सभी पुनरावृत्तियों को पूरा करने के लिए जो ऊर्जा लगती है वह महत्वपूर्ण हो सकती है।

ऑटोएमएल तकनीकों को मशीन-लर्निंग एल्गोरिदम पर भी लागू किया जा सकता है जिसमें तंत्रिका नेटवर्क शामिल नहीं होते हैं, जैसे डेटा वर्गीकृत करने के लिए यादृच्छिक निर्णय वन या समर्थन-वेक्टर मशीन बनाना। उन क्षेत्रों में अनुसंधान आगे भी है, कई कोडिंग लाइब्रेरी पहले से ही उन लोगों के लिए उपलब्ध हैं जो अपनी परियोजनाओं में ऑटोएमएल तकनीकों को शामिल करना चाहते हैं।

एक सम्मेलन आयोजक हटर कहते हैं, अगला कदम ऑटोएमएल का उपयोग अनिश्चितता को मापने और एल्गोरिदम में विश्वसनीयता और निष्पक्षता के सवालों के समाधान के लिए करना है। उस दृष्टि में, विश्वसनीयता और निष्पक्षता के आसपास के मानक सटीकता जैसे किसी अन्य मशीन-लर्निंग बाधाओं के समान होंगे। और ऑटोएमएल रिलीज़ होने से पहले उन एल्गोरिदम में पाए गए पूर्वाग्रहों को पकड़ सकता है और स्वचालित रूप से सही कर सकता है।

तलाश जारी है

लेकिन गहरी शिक्षा जैसी किसी चीज़ के लिए, ऑटोएमएल को अभी भी एक लंबा रास्ता तय करना है। छवियों, दस्तावेजों और रिकॉर्ड किए गए भाषण जैसे गहन-शिक्षण मॉडल को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटा आमतौर पर घना और जटिल होता है। इसे संभालने के लिए अत्यधिक कम्प्यूटेशनल शक्ति लगती है। इन मॉडलों को प्रशिक्षित करने की लागत और समय गहरी जेब में काम करने वाले शोधकर्ताओं के अलावा किसी और के लिए निषेधात्मक हो सकता है निजी कंपनियां.

सम्मेलन में प्रतियोगिताओं में से एक ने प्रतिभागियों से तंत्रिका वास्तुकला खोज के लिए ऊर्जा-कुशल वैकल्पिक एल्गोरिदम विकसित करने के लिए कहा। यह एक बड़ी चुनौती है क्योंकि इस तकनीक में है कुख्यात कम्प्यूटेशनल मांग. यह शोधकर्ताओं को उनके आवेदन के लिए सही मॉडल चुनने में मदद करने के लिए अनगिनत डीप-लर्निंग मॉडल के माध्यम से स्वचालित रूप से चक्र करता है, लेकिन इस प्रक्रिया में महीनों लग सकते हैं और इसकी लागत एक मिलियन डॉलर से अधिक हो सकती है।

इन वैकल्पिक एल्गोरिदम का लक्ष्य, जिसे शून्य-लागत तंत्रिका वास्तुकला खोज प्रॉक्सी कहा जाता है, गणना के लिए इसकी भूख को कम करके तंत्रिका वास्तुकला खोज को अधिक सुलभ और पर्यावरण के अनुकूल बनाना है। परिणाम चलने में महीनों के बजाय केवल कुछ सेकंड लगते हैं। ये तकनीकें अभी भी विकास के प्रारंभिक चरण में हैं और अक्सर अविश्वसनीय होती हैं, लेकिन मशीन-लर्निंग शोधकर्ता भविष्यवाणी करते हैं कि उनमें मॉडल चयन प्रक्रिया को और अधिक कुशल बनाने की क्षमता है।



Source link

Related posts

WORLDWIDE NEWS ANGLE