Skip to content

Googles AutoML: Nasnet entwickelt selbstständig maschinelle Lernmodelle

Googles AutoML ist ein Machine-Learning-System, das den Entwurf von anderen maschinellen Lernalgorithmen automatisieren soll. Das Unternehmen kündigt in einem Blogeintrag den nächsten Schritt in dessen Entwicklung an. Das System konnte einen Algorithmus für die Einordnung von Bildern nach dem Vorbild von Imagenet und Coco-Objekterkennung selbstständig erstellen - Systeme, die zuvor von Menschenhand erschaffen wurden.

Beide Machine-Learning-Ansätze seien laut Google um ein Vielfaches komplexer als die bisherigen Probleme, vor die AutoML gestellt wurde. Bisher konnte das System für kleinere Datensätze wie Cifar-10 und Penn Treebank verwendet werden. Größere Projekte würden für AutoML monatelanges Modelltraining bedeuten, heißt es.

AutoML plus Cifar-10 gleich Nasnet

Aus diesem Grund hat Google das System für größere Datensätze angepasst: Zum einen sortiert AutoML den Modellbaum und Suchraum in einer anderen und optimierteren Weise. Zum anderen ließ Google AutoML die Architektur von Cifar-10 analysieren. Das für das Team am besten geeignete Modell wurde direkt auf die Analyse von Coco und Cifar-10 übertragen. Das daraus enstehende Machine-Learning-System nennt Google Nasnet.

Nasnet konnte bereits relativ erfolgreich für Bilderkennung nach Imagenet verwendet werden. Die Genauigkeit liegt bei 82,7 Prozent - mehr als alle anderen von Google-Hand erstellten Systeme. Außerdem konnte Nasnet mehrere kleine Machine-Learning-Modelle erstellen, die akkurat sind und relativ wenig Ressourcen benötigen. Eine mobile Version konnte mit 74 Prozent Erkennungsgenauigkeit mehr erreichen als vergleichbare mobile Modelle.

Ähnliche Ergebnisse konnte Nasnet bei der Objekterkennung bei Imagenet erzielen. Aus diesem Grund soll Nasnet als Open-Source-System von Google zur Verfügung gestellt werden. Das Unternehmen hofft, dass sich eine Machine-Learning-Community dies zu Nutze macht und eigene Modelle auf Basis von Nasnet entwickelt.

0
sfy39587p00