Googles AdaNet combineert algoritmes voor machine learning

Google heeft AdaNet gelanceerd. De opensourcetool, die machine-learningalgoritmes combineert om zo betere voorspellende inzichten te verkrijgen, is verkrijgbaar via de Tensor GitHub-repository.

AdaNet is een volgende stap in AutoML, een geautomatiseerde manier van Google om neurale netwerken te trainen en in te zetten. Google Cloud Platform lanceerde AdaNet afgelopen zomer voor vertaling, computervisie en natuurlijke taalverwerking, evenals Cloud AutoML voor het bouwen van aangepaste AI-modellen in januari.

De opensourcetool maakt volgens Charles Weill, AI-ontwikkelaar bij Google, gebruik van een aanpak genaamd ‘ensemble learning’. Hierbij worden algoritmen gecombineerd en verbeterd, een methode die volgens hem voorheen domein-expertise of te veel trainingstijd vereiste.

“AdaNet bouwt voort op onze recente reinforcement learning en evolutionaire AutoML-inspanningen om snel en flexibel te zijn en tegelijkertijd leergaranties te bieden. Belangrijk is dat AdaNet een algemeen kader biedt om niet alleen een neurale netwerkarchitectuur te leren, maar ook om te leren samenwerken om nog betere modellen te verkrijgen”, aldus Weill.

AutoML

De release van AdaNet is de nieuwste stap voorwaarts in AutoML, de geautomatiseerde manier van Google om neurale netwerken te trainen en in te zetten. Google Cloud Platform introduceerde deze zomer AutoML voor vertaling, computervisie en natuurlijke taalverwerking, evenals Cloud AutoML voor het bouwen van aangepaste AI-modellen in januari.

Beoefenaars van machine learning die meer controle willen over het proces, kunnen volgens Google gebruik maken van TensorFlow api’s om hun eigen subnetwerken te definiëren, verliesfuncties aan te passen of andere instellingen te wijzigen.