211service.com
Cilvēks, kas pārdod lāpstas mašīnmācības zelta drudža laikā
Jen-Hsun Huang, mikroshēmu ražotāja Nvidia izpilddirektors, ir vai nu ļoti tālredzīgs, vai ļoti laimīgs. Viņa uzņēmums tika izveidots, pamatojoties uz videospēļu grafikas apstrādes vienībām (GPU). Taču šīs pašas mikroshēmas tagad tiek plaši izmantotas mākslīgā intelekta projektos, piemēram, centienos būvēt pašbraucošas automašīnas.
Nvidia mikroshēmas izrādījās īpaši efektīvas, lai apmācītu neironu tīklus, ko izmanto paņēmienā, ko sauc par dziļo mācīšanos, kas nesen ir padarījusi programmatūru daudz gudrāku un lika tehnoloģiju gigantiem un investoriem ieguldīt naudu mašīnmācības pētniecībā. Šonedēļ uzņēmums paziņoja par jaunu mikroshēmu, kas īpaši izstrādāta šim uzdevumam (skatiet 2 miljardu dolāru mikroshēmu mākslīgā intelekta paātrināšanai). Huangs runāja ar Vilu Naitu, MIT tehnoloģiju apskats AI un robotikas vecākais redaktors uzņēmuma ikgadējā tehnoloģiju konferencē Sanhosē šonedēļ.
Kāds, jūsuprāt, būs nākamais lielais jūsu aparatūras tirgus?
Es domāju, ka robotika būs milzīga. Iemesls, kādēļ izvēlējāmies [izgatavot mikroshēmu] pašbraucošām automašīnām, ir tas, ka tas ir vienkāršākais robotikas izaicinājums. Padziļināta mācīšanās ir devusi mums algoritmu, kas beidzot var ļaut robotiem mācīties pašiem, no augsta līmeņa mērķiem un iterācijas ceļā pašiem atklāt. Es domāju, ka robotam to nav iespējams iemācīt, rakstot programmas.
Padziļināta mācīšanās noteikti ir bijusi veiksmīga, taču tā ir tikai ļoti aptuvena simulācija tam, kas notiek smadzenēs. Vai jūs interesē aparatūras izstrāde, kas vairāk darbojas kā bioloģiskā intelekta pamats?
Mēs cenšamies izveidot labāku lidmašīnu, nevis izdomāt, kā darbojas putns. Daži cilvēki to raksturo kā neironus, taču līdzība ar smadzenēm ir ļoti vāja. Mums tā ir vesela virkne matemātikas, kas no attēliem vai balss vai sensora darbības iegūst svarīgās funkcijas. Jebkura līdzība ar smadzenēm ne vienmēr ir tik svarīga.
Google DeepMind programmatūra AlphaGo nesen uzvarēja pasaules labāko Go spēlētāju . Vai tādi progresīvie AI pētījumi veidos nākotnes aparatūru?
Mēs ļoti cieši sadarbojamies ar DeepMind puišiem, un nav šaubu, ka AlphaGo bija pagrieziena punkts cilvēku centienos. Tas ir pārsteidzoši, ka mašīna spēj apgūt spēlēšanai nepieciešamo dziļo intuīciju. Es labprāt redzētu, ka mēs virzām šīs jaunās idejas neatkarīgi no tā, vai tās ir atmiņas, mācīšanās pastiprināšana vai mācīšanās pārnese, bez uzraudzības. Visas šīs pētniecības jomas ievērojami paplašinās šī rīka, ko sauc par dziļo mācīšanos, iespējas. Tiklīdz es uzzināšu mūsdienu arhitektūru izaicinājumus, es varu šīs idejas izmantot nākamajā arhitektūrā.