211service.com
Kā AI no jauna izgudro datorus
2021. gada 22. oktobris
Andrea Dakino
2021. gada rudens: ķirbju, pekanriekstu pīrāgu un persiku jauno tālruņu sezona. Katru gadu Apple, Samsung, Google un citi izlaiž savus jaunākos laidienus. Šie armatūra patērētāju tehnoloģiju kalendārā vairs neiedvesmo pārsteigumu un brīnumu, ko izraisīja šīs reibinošās agrīnās dienas. Bet aiz visiem mārketinga mirdzumiem notiek kaut kas ievērojams.
Google jaunākais piedāvājums Pixel 6 ir pirmais tālrunis ar atsevišķu mikroshēmu, kas paredzēta AI, kas atrodas līdzās standarta procesoram. Un mikroshēmā, kas darbina iPhone, pēdējos pāris gadus ir ietverts tas, ko Apple sauc par neironu dzinēju, kas arī ir veltīts AI. Abas mikroshēmas ir labāk piemērotas aprēķinu veidiem, kas saistīti ar apmācību un mašīnmācības modeļu darbināšanu mūsu ierīcēs, piemēram, AI, kas darbina jūsu kameru. Gandrīz nemanot, mākslīgais intelekts ir kļuvis par daļu no mūsu ikdienas dzīves. Un tas maina to, kā mēs domājam par skaitļošanu.
Ko tas nozīmē? Datori nav īpaši mainījušies 40 vai 50 gadu laikā. Tie ir mazāki un ātrāki, taču tie joprojām ir kastes ar procesoriem, kas izpilda cilvēku norādījumus. AI maina to vismaz trīs frontēs: kā tiek izgatavoti datori, kā tie tiek programmēti un kā tie tiek izmantoti. Galu galā tas mainīs to, kam tie ir paredzēti.
Datortehnikas kodols mainās no skaitļu noteikšanas uz lēmumu pieņemšanu, saka Pradeep Dubey, Intel paralēlās skaitļošanas laboratorijas direktors. Vai arī, kā saka MIT CSAIL direktore Daniela Rus, mākslīgais intelekts atbrīvo datorus no to kastēm.
Vairāk steigas, mazāks ātrums
Pirmās izmaiņas attiecas uz to, kā tiek izgatavoti datori un tos kontrolējošās mikroshēmas. Tradicionālās skaitļošanas priekšrocības radās, jo mašīnas kļuva ātrākas, veicot vienu aprēķinu pēc otra. Gadu desmitiem pasaule ir guvusi labumu no mikroshēmu paātrināšanas, kas nāca ar metronomisku regularitāti, jo mikroshēmu ražotāji sekoja Mūra likumam.
Taču padziļinātās mācīšanās modeļiem, kas liek darboties pašreizējām AI lietojumprogrammām, ir nepieciešama cita pieeja: tiem nepieciešams liels skaits mazāk precīzu aprēķinu, kas jāveic vienlaikus. Tas nozīmē, ka ir nepieciešama jauna veida mikroshēma: tāda, kas var pārvietot datus pēc iespējas ātrāk, nodrošinot, ka tā ir pieejama, kad un kur tas ir nepieciešams. Kad pirms aptuveni desmit gadiem parādījās dziļa mācīšanās, jau bija pieejamas īpašas datoru mikroshēmas, kas bija diezgan labas šajā jomā: grafikas apstrādes bloki jeb GPU, kas bija paredzēti, lai parādītu veselu ekrānu pikseļu desmitiem reižu sekundē.
Par datoru var kļūt jebkas. Patiešām, lielākajai daļai sadzīves priekšmetu, sākot no zobu birstēm līdz gaismas slēdžiem un beidzot ar durvju zvaniem, jau ir pieejama viedā versija.
Tagad mikroshēmu ražotāji, piemēram, Intel un Arm un Nvidia, kas piegādāja daudzus no pirmajiem GPU, cenšas izveidot aparatūru, kas pielāgota īpaši AI. Google un Facebook arī pirmo reizi piespiež savu ceļu šajā nozarē, sacenšoties, lai ar aparatūras palīdzību atrastu AI priekšrocības.
Piemēram, Pixel 6 iekšpusē esošā mikroshēma ir jauna Google tenzora apstrādes bloka jeb TPU mobilā versija. Atšķirībā no tradicionālajām mikroshēmām, kas ir paredzētas īpaši ātriem, precīziem aprēķiniem, TPU ir paredzēti liela apjoma, bet zemas precizitātes aprēķiniem, kas nepieciešami neironu tīkliem. Google ir izmantojis šīs mikroshēmas iekšēji kopš 2015. gada: tās apstrādā cilvēku fotoattēlus un meklēšanas vaicājumus dabiskajā valodā. Google māsas uzņēmums DeepMind izmanto tos savu AI apmācīšanai.
Pēdējo pāris gadu laikā Google ir padarījis TPU pieejamus citiem uzņēmumiem, un šīs mikroshēmas, kā arī līdzīgas, kuras izstrādā citi, kļūst par noklusējuma ierīcēm pasaules datu centros.
AI pat palīdz izveidot savu skaitļošanas infrastruktūru. 2020. gadā Google izmantoja pastiprināšanas-mācību algoritmu — AI veidu, kas mācās atrisināt uzdevumu, izmantojot izmēģinājumus un kļūdas, lai izstrādātu jauna TPU izkārtojumu. AI galu galā nāca klajā ar dīvainiem jauniem dizainparaugiem, par kuriem neviens cilvēks neiedomātos, taču tie strādāja. Šāda veida AI kādu dienu varētu izstrādāt labākas, efektīvākas mikroshēmas.
Parādi, nestāsti
Otrā izmaiņa attiecas uz to, kā datoriem tiek norādīts, kas jādara. Pēdējos 40 gadus mēs programmējam datorus; nākamajiem 40 mēs viņus apmācīsim, saka Kriss Bišops, Microsoft Research vadītājs Apvienotajā Karalistē.
Tradicionāli, lai dators veiktu tādas darbības kā runas atpazīšana vai objektu identificēšana attēlā, programmētājiem vispirms bija jāizdomā datora noteikumi.
Izmantojot mašīnmācīšanos, programmētāji vairs neraksta noteikumus. Tā vietā viņi izveido neironu tīklu, kas pats apgūst šos noteikumus. Tas ir principiāli atšķirīgs domāšanas veids.
Saistīts stāsts
AI mācās izveidot sevi Cilvēki ir cīnījušies, lai izveidotu patiesi inteliģentas mašīnas. Varbūt mums jāļauj viņiem pašiem tikt galā.
Tādas piemēri jau ir ierasti: runas atpazīšana un attēla identifikācija tagad ir viedtālruņu standarta funkcijas. Citi piemēri kļuva par virsrakstiem, piemēram, kad AlphaZero iemācījās spēlēt Go labāk nekā cilvēki. Līdzīgi, AlphaFold atklāja bioloģijas problēmu — noskaidrot, kā salocās olbaltumvielas —, ar ko cilvēki bija cīnījušies gadu desmitiem.
Bišopa skatījumā nākamie lielie sasniegumi būs molekulārās simulācijas jomā: datoru apmācība, lai tās varētu manipulēt ar matērijas īpašībām, potenciāli veicot pasauli mainošus lēcienus enerģijas izmantošanā, pārtikas ražošanā, ražošanā un medicīnā.
Tādi elpas solījumi tiek doti bieži. Tā ir arī taisnība, ka padziļināta mācīšanās ir mūs pārsteigusi. Divi no līdz šim lielākajiem šāda veida lēcieniem — panākt, lai datori izturētos tā, it kā tie saprastu valodu un atpazītu attēlā redzamo — jau maina to, kā mēs tos lietojam.
Dators zina vislabāk
Gadu desmitiem, lai dators kaut ko darītu, nozīmēja ievadīt komandu vai vismaz noklikšķināt uz pogas.
Mašīnām vairs nav nepieciešama tastatūra vai ekrāns, lai cilvēki varētu mijiedarboties. Par datoru var kļūt jebkas. Patiešām, lielākajai daļai sadzīves priekšmetu, sākot no zobu birstēm līdz gaismas slēdžiem un beidzot ar durvju zvaniem, jau ir pieejama viedā versija. Bet, tiem vairojoties, mēs vēlēsimies tērēt mazāk laika, lai pastāstītu viņiem, kā rīkoties. Viņiem vajadzētu būt iespējai izstrādāt to, kas mums ir vajadzīgs, viņiem nepasakot.
Šī ir pāreja no skaitļu noteikšanas uz lēmumu pieņemšanu, ko Dubey uzskata par jaunā skaitļošanas laikmeta noteicēju.
Rus vēlas, lai mēs izmantotu piedāvāto kognitīvo un fizisko atbalstu. Viņa iztēlojas datorus, kas stāsta mums lietas, kas mums jāzina, kad mums tās ir jāzina, un iejaucas, kad mums ir vajadzīga palīdzība. Kad es biju bērns, viena no manām mīļākajām filmām [sižetiem] visā pasaulē bija “Burvju māceklis”, stāsta Rus. Vai zināt, kā Mikijs izsauc slotu, lai palīdzētu viņam sakārtot? Mums nebūs vajadzīga maģija, lai tas notiktu.
Mēs zinām, kā šī aina beidzas. Mikijs zaudē kontroli pār slotu un rada lielu putru. Tagad, kad mašīnas mijiedarbojas ar cilvēkiem un iekļaujas plašākas pasaules haosā, viss kļūst neskaidrāks. Datori ir izņemti no kastēm.