Google AI finalmente ha lanzado la versión beta de Google AutoML un servicio que algunos dicen que cambiará la forma en que lo hacemos aprendizaje profundo por completo.
Google AutoML es un nuevo paquete de software en la nube de herramientas de aprendizaje automático. Se basa en la investigación de vanguardia de Google sobre reconocimiento de imágenes llamada Neural Architecture Search (NAS).
NAS es básicamente un algoritmo que, dado su conjunto de datos específico, busca la red neuronal más óptima para realizar una determinada tarea en ese conjunto de datos.
Google AutoML es entonces un conjunto de herramientas de aprendizaje automático que le permitirán a uno entrenar fácilmente redes profundas de alto rendimiento, sin requerir que el usuario tenga ningún conocimiento de aprendizaje profundo o IA.
Todo lo que necesitas es datos etiquetados! Google usará NAS para encontrar la mejor red para su conjunto de datos y tareas específicos. Ya han demostrado que sus métodos pueden alcanzar el rendimiento que es mucho mejor que el de las redes diseñadas a mano.
Google AutoML cambia por completo el juego de aprendizaje automático total porque para muchas aplicaciones, las habilidades especializadas y el conocimiento ganaron no se requiere Muchas empresas solo necesitan redes profundas para realizar tareas más simples, como la clasificación de imágenes.
En ese momento, no es necesario que contraten 5 doctores en aprendizaje automático; solo necesitan a alguien que pueda manejar el movimiento y organizar sus datos.
¿Entonces Google AutoML es una hermosa bala de plata que permite a cualquier compañía o individuo hacer AI fácilmente?!
…. No tan rápido.
Para usar el Google AutoML para visión artificial, le costará USD $ 20 por hora. ¡Eso es una locura! Ni siquiera estará seguro de obtener una precisión mucho mejor que su propia red diseñada a mano hasta que pague y la pruebe.
Es interesante ver que Google está monetizando esto cuando en el pasado, tanto con Google como, en general, con la comunidad de IA, la gente favorecía el código abierto para poder compartir el conocimiento con todos.
Y ahí es exactamente donde perderá Google AutoML : código abierto.
Introduzca AutoKeras un paquete de código abierto python escrito en muy fácil para usar biblioteca de aprendizaje profundo Keras . AutoKeras utiliza ENAS una versión eficiente y más reciente de Neural Architecture Search.
Puede instalar el paquete rápida y fácilmente con instalar autokeras y listo, puede hacer su propia búsqueda de arquitectura en su propio conjunto de datos … gratis .
Dado que todo el código es de código abierto, incluso puedes jugar con algunos de los parámetros si quieres hacer algo realmente personalizado. Es todo Keras, por lo que el código es fácil de entender y sumergirse, permitiendo a los desarrolladores crear rápidamente modelos precisos e investigadores para profundizar en la búsqueda de arquitectura.
AutoKeras tiene todo lo que un gran proyecto de código abierto debería tener: instalación rápida, fácil para ejecutar, muchos ejemplos, fáciles de modificar, ¡e incluso puede ver el modelo de red que NAS descubrió al final! Si prefieres un TensorFlow o un Pytorch, también están disponibles aquí y aquí !
Definitivamente recomiendo probar AutoKeras o cualquiera de las otras implementaciones como ridículamente alternativa más barata a Google AutoML.
Tal vez Google está haciendo algo más bajo el capó para Google AutoML sobre las fuentes abiertas, pero dada la muy pequeña diferencia de rendimiento entre los modelos NAS y los diseñados a mano, dudo que uno obtenga ganancias lo suficientemente sustanciales como para merecer un precio tan elevado.
El aprendizaje profundo y la inteligencia artificial en general es una tecnología tan poderosa que no deberíamos tratar de esconderla detrás de esos altos pagos. Sí, Google, Amazon, Apple, Facebook y Microsoft son todas empresas que necesitan ganar dinero para sobrevivir y competir.
Pero algo como esto, donde el trabajo de investigación es público y tenemos bibliotecas de aprendizaje profundo disponibles para replicar rápidamente los métodos, simplemente no tiene sentido tratar de bloquearlo a las personas cuando se puede abrir fácilmente.
También hay un problema potencialmente más grande aquí: el conocimiento mismo se está ocultando. Una de las mejores cosas de la reciente tendencia en la inteligencia artificial ha sido la decisión de gran parte de la comunidad investigadora de publicar rápidamente su trabajo abiertamente en sitios como Arxiv para compartir con la comunidad y obtener comentarios.
Aún más, ha habido una tendencia creciente a publicar el código de investigación en Github para la reproducción y, en general, el uso posterior de los algoritmos en aplicaciones de investigación y del mundo real. Sin embargo, aquí todavía vemos que esa investigación se pone detrás de un muro de pago.
Compartir la ciencia ayuda con el progreso y aumentar el conocimiento general de todos. Una cosa es segura: el conocimiento debe ser de código abierto. Es mejor para todos.
¿Te gusta leer sobre tecnología? Sígueme en Twitter donde publico todo sobre la última y más grande tecnología!