211service.com
Jūsu nākamais dators varētu uzlaboties līdz ar vecumu
Džons Hans
Parasti datoru darbība palēninās līdz ar vecumu. Viņu procesoriem ir grūti apstrādāt jaunāku programmatūru. Apple pat apzināti palēnina tā iPhone jo to akumulatori noārdās. Taču Google pētnieki ir publicējuši informāciju par projektu, kas laika gaitā varētu ļaut klēpjdatoram vai viedtālrunim iemācīties darīt lietas labāk un ātrāk.
Pētnieki risināja izplatītu skaitļošanas problēmu, ko sauc par iepriekšēju ielādi. Datori apstrādā informāciju daudz ātrāk, nekā spēj to izvilkt no atmiņas, lai to apstrādātu. Lai izvairītos no sastrēgumiem, viņi mēģina paredzēt, kura informācija, visticamāk, būs nepieciešama, un izvelk to iepriekš. Datoriem kļūstot jaudīgākiem, šī prognoze kļūst arvien grūtāka.
In papīrs Šonedēļ publicētajā tiešsaistē Google komanda apraksta dziļās mācīšanās izmantošanu — AI metodi, kurā tiek izmantots liels simulēts neironu tīkls — lai uzlabotu sākotnējo ielādi. Lai gan pētnieki nav parādījuši, cik ļoti tas paātrina lietas, stimuls varētu būt liels, ņemot vērā to, ko padziļināta mācīšanās ir devusi citiem uzdevumiem.
Mūsu paveiktais darbs ir tikai aisberga redzamā daļa, saka Heiners Lics Kalifornijas Universitātes Santakrusā, projekta viespētnieks. Litz uzskata, ka vajadzētu būt iespējai izmantot mašīnmācīšanos visās datora daļās, sākot no zema līmeņa operētājsistēmas līdz programmatūrai, ar kuru lietotāji mijiedarbojas.
Šādi sasniegumi būtu piemēroti. Mūra likums beidzot palēninās, un datoru mikroshēmu dizains pēdējos gados nav īpaši mainījies. Tims Kraska MIT asociētais profesors, kurš arī pēta, kā mašīnmācība var uzlabot datoru darbību, saka, ka pieeja varētu būt noderīga arī augsta līmeņa algoritmiem. Datubāze var automātiski iemācīties apstrādāt finanšu datus, piemēram, pretstatā sociālā tīkla datiem. Vai arī lietojumprogramma var iemācīties efektīvāk reaģēt uz konkrēta lietotāja paradumiem.
Mums ir tendence veidot vispārējas nozīmes sistēmas un aparatūru, saka Kraska. Mašīnmācība nodrošina sistēmas automātisku pielāgošanu tās būtībai atbilstoši lietotāja specifiskajiem datiem un piekļuves modeļiem.
Kraska brīdina, ka mašīnmācības izmantošana joprojām ir skaitļošanas ziņā dārga, tāpēc datorsistēmas nemainīsies vienas nakts laikā. Tomēr, ja ir iespējams pārvarēt šos ierobežojumus, viņš saka, veids, kā mēs izstrādājam sistēmas, nākotnē varētu būtiski mainīties.
Litz ir optimistiskāks. Lielā vīzija ir sistēma, kas pastāvīgi uzrauga sevi un mācās, viņš saka. Tas patiešām ir sākums kaut kam patiešām lielam.