Решение парадокса Ферми с помощью одной модели, чтобы узнать их все

Несколько недель назад Google выпустила статью с новым универсальным алгоритмом машинного обучения, решающим несколько известных проблем с помощью одного решения.

Алгоритм представляет собой краткое изложение нескольких хорошо известных рецептов машинного обучения, решающих разнородные задачи, такие как распознавание изображений, обнаружение образов, перевод, синтаксический анализ, распознавание речи и обнаружение объектов, и превосходит специализированные и обучается быстрее.

Подробное описание исторических исследований можно найти ниже:

Современное состояние требует выбора алгоритма для решения конкретной проблемы или даже тестирования нескольких с помощью таких инструментов, как Microsoft Azure Machine Learning Studio.

В документе Google указывается на будущее развитие систем машинного обучения, которые будут более широко применимы и потенциально более эффективны, чем коммерческие специализированные решения.

Новый алгоритм сократит огромные объемы обучающих данных, необходимых для создания жизнеспособного алгоритма машинного обучения.

Результаты исследователей показывают, что чем больше MultiModel обучен всем задачам, на которые она способна, тем выше ее точность при выполнении новых задач с меньшим количеством данных. Это актуально для областей, где недостаточно данных для обучения.

У проекта открытый исходный код, и мы надеемся, что вскоре они будут реализовывать его на модулях Tensor Flows.

Мы приближаемся к разрешению парадокса Ферми. Одно из (возможных решений) гласит, что:

Природа разумной жизни - разрушать себя

Мы должны приостановить наши исследования и подумать о его последствиях и послушать самых умных парней, таких как Стивен Хокинг, которые советуют нам быть осторожными с технологиями, которые мы создаем.

Я не предлагаю вернуться в каменный век. Я считаю, что нам следует тщательно планировать наше технологическое будущее.