HAMLET: platforma za poenostavitev raziskav in razvoja umetne inteligence

Algoritmi strojnega učenja (ML) so se izkazali kot zelo dragocena računska orodja za reševanje številnih resničnih problemov, vključno z nalogami za razvrščanje slik, zvoka in besedila. Računalniški znanstveniki po vsem svetu vsak dan razvijajo več teh algoritmov; tako postaja njihovo spremljanje in hitro iskanje ali dostop do tistih, ki so bili uvedeni v preteklosti, vse bolj zahtevno.



S tem v mislih so raziskovalci na univerzi Purdue in Univerzi v Cincinnatiju nedavno ustanovili HAMLET, platformo, ki bi računalničarjem in razvijalcem pomagala brskati po obstoječih modelih strojnega učenja in usposobiti ali ovrednotiti lastne algoritme ter tako pomagati njihovim raziskovalnim in razvojnim prizadevanjem. Ta platforma, predstavljena v prispevku, ki je bil predhodno objavljen na arXiv, bi lahko na koncu demokratizirala modele strojnega učenja, razvite po vsem svetu, in raziskovalnim skupinam omogočila, da si med seboj delijo svoje modele.


"Organizacija in spremljanje algoritmov strojnega učenja in naborov podatkov je bila vedno velik izziv za nas, pa tudi za številne druge raziskovalce na tem področju," je za TechXplore povedal Ahmad Esmaeili, eden od raziskovalcev, ki je izvedel študijo. "To postane še bolj kritično, ko število rešitev in komponent ML sčasoma narašča in se spreminja od enega projekta do drugega. Pri razvoju HAMLET-a smo si prizadevali ustvariti platformo, ki ustreza zgoraj navedenim potrebam, ne samo z upravljanjem razpoložljivih prispevkov za ML in sredstva na porazdeljen način, hkrati pa tudi olajša ukrepe, kot so učinkovit dostop do teh virov, njihova primerjava in vrednotenje. "


HAMLET, ki pomeni Hierarchical Agent-based Machine LEarning plaTform, je sestavljen iz skupine agentov umetne inteligence, usposobljenih za "upravljanje" velike skupine algoritmov ML, povezanih virov (npr. Podatkovnih nizov) in nalog, za katere so usposobljeni modeli ML. Raziskovalci so opredelili veščine umetnih agentov, ki "upravljajo" platformo, ki so razporejene na različnih ravneh hierarhije na podlagi algoritmov, podatkov ali nalog, ki jih predstavljajo.


"Platforma HAMLET se začne s prazno strukturo in sčasoma še naprej avtonomno raste z uvajanjem novih virov / poizvedb ML," je pojasnil Esmaeili. "HAMLET temelji na večagentnih sistemih, zato ga je mogoče distribuirati po omrežju računalnikov in naprav; tako ni omejitev glede velikosti in vrste algoritmov / podatkov, ki jih lahko gosti."


Platforma HAMLET ima uporabniku prijazen vmesnik in prilagodljivo strukturo poizvedb. Raziskovalci ga lahko uporabljajo za izvajanje različnih nalog, na primer za usposabljanje in preizkušanje svojih algoritmov, tako posamezno kot v serijah.


Za preizkušanje njegove učinkovitosti so ga Esmaeili in njegovi kolegi uporabili za 120 treningov in štiri naloge serijskega testiranja v simuliranem okolju, razvitem s SPADE (Smart Python Agent Development Environment). Večkrat so preizkusili in usposobili algoritme 24 ML z devetimi znanimi nabori podatkov za usposabljanje agentov umetne inteligence. Rezultati njihovih poskusov kažejo, da je HAMLET zelo obetavno in uporabno orodje za usposabljanje in testiranje algoritmov ML.


"Nobenega dvoma ni, da postajajo pristopi strojnega učenja vse bolj razširjeni," je dejala Esmaeili. "HAMLET olajša demokratizacijo rešitev ML in pomaga raziskovalnim skupnostim ML, ne glede na njihovo geografsko lokacijo, enostavno izmenjavo in sledenje svojih metod in virov."


V prihodnosti bi platformo, ki so jo ustvarili Esmaeili in njegovi kolegi, lahko raziskovalci po vsem svetu uporabljali za usposabljanje novih algoritmov ML na več naborih podatkov, prepoznavanje obstoječih modelov za posebne namene ali vrednotenje novih algoritmov in njihovo primerjavo z drugimi obstoječimi. Na HAMLET-u lahko vse te naloge enostavno opravite z eno samo poizvedbo.


"Ta projekt je v povojih in ga je mogoče izboljšati v mnogih pogledih, da bo bolje ustrezal trenutnim raziskovalnim in industrijskim potrebam," je dejal Esmaeili. "V naslednjih študijah nameravamo še naprej delati na podpori bolj izpopolnjenih algoritmov, preživetju platforme pred napakami, združevanju več platform in zasebnosti dostopa do podatkov / algoritmov." 

Share:

0 Comments:

Post a Comment