페이스북 AI 엔지니어가 말하는 딥러닝, 새로운 프로그래밍 언어, 인공지능용 하드웨어

현재 인공지능 분야의 최고 전문가 중 한 명인 Facebook의 AI 연구 책임자인 Yann LeCun 씨에 따르면 미래의 딥 러닝에는 Python보다 더 유연하고 작업하기 쉬운 새로운 프로그래밍 언어가 필요할 수 있다고 합니다. . 이 전문가는 왜 그렇게 예측했을까요?

"새로운 프로그래밍 언어를 만들어야 하는지 여부는 아직 명확하지 않습니다. 그러나 이는 많은 연구자와 엔지니어의 생각을 바꾸는 데 필요합니다. 정보 기술 엔지니어 - 인공 지능과 관련된 문제에 매우 보수적인 사람들. 지능. 실제로 Google, Facebook 및 기타 여러 기술 회사에서는 심층 개발에 더 효율적일 수 있는 방식으로 컴파일된 새로운 프로그래밍 언어를 설계하는 수많은 프로젝트가 있었습니다. 모두가 Python을 용하기를 원하기 때문입니다."라고 Yann LeCun 씨는 말했습니다.

• 인공지능은 이미 몇 가지 정보만으로 전체 기사를 작성할 수 있습니다.

새로운 프로그래밍 언어를 개발하는 것이 합리적인 접근 방식입니까?

GitHub의 최근 Octoverse 보고서에 따르면 Python은 현재 기계 학습 프로젝트에 참여하는 개발자가 가장 일반적으로 사용하는 언어이며 Facebook의 PyTorch 프레임워크 및 Google의 TensorFlow에도 기여합니다.

Yann LeCun 씨는 2월 19일 샌프란시스코에서 개최된 ISSCC(International Solid-State Circuits Conference)에서 머신러닝 개발의 최신 동향에 대해 알아보는 논문을 발표했습니다. 기사의 첫 번째 부분에서는 Yann LeCun이 Bell Labs에서 배운 교훈에 대해 설명합니다. 여기에는 AI 연구원과 컴퓨터 과학자가 흔히 Directions를 하드웨어와 소프트웨어 도구로 묶는 경향이 있다는 관찰 내용이 포함되어 있습니다.

• 인공 지능은 컴퓨터 과학의 일부인가요?

하드웨어 문제

인공지능은 탄생한지 반세기가 넘은 역사가 50년이 넘었지만, 최근 이 기술의 중요성이 높아지고 실용성이 떨어지는 추세이며, 이러한 추세는 컴퓨팅 파워의 성장과 밀접하게 연관되어 있습니다. 컴퓨터 칩 및 관련 하드웨어 구성요소에 의해 제공됩니다.

Yann LeCun은 1980년대부터 Bell Labs에서 오랫동안 근무했으며 ConvNet(CNN)에서 AI 개발을 담당했으며, 더 나은 하드웨어가 더 나은 알고리즘, 더 나은 성능을 내는 데 기여할 것이라는 결론에 도달했습니다.

2000년대 초반 벨 연구소를 떠나 뉴욕대학교에 합류한 얀 르쿤은 요슈아 벤지오(Yoshua Bengio), 제프리 힌튼(Geoffrey Hinton) 등 AI 분야의 여러 권위자들과 함께 관계를 되살리기 위한 연구를 진행하며 신경망에 초점을 맞춰 이를 추진했다. 딥러닝의 인기.

최근에는 Field-Programmable Gate Arrays - FPGA(제조 후 해당 범위 내에서 프로그래밍할 수 있는 특수 집적 회로 또는 칩), Google의 TPU(Tensor Processor Unit), 그래픽 처리 등 하드웨어의 발전이 이루어졌습니다. 유닛(GPU) - AI 산업 성장에 큰 역할을 해왔습니다.

“이러한 종류의 하드웨어는 사람들이 하고 있는 연구에 큰 영향을 미치므로, 향후 10년 AI의 방향 역시 하드웨어 개발 상황에 따라 크게 영향을 받을 것입니다. . 물론 컴퓨터 과학 연구자들은 하드웨어 제한에 얽매이는 것을 원하지 않지만 그게 현실입니다."

또한 Yann LeCun 씨는 일부 AI 관련 하드웨어 제조업체가 딥 러닝 시스템의 규모가 증가하기 전에 가까운 미래, 아마도 향후 몇 년 내에 필요한 아키텍처 유형을 고려하고 권장해야 한다고 강조했습니다. 게다가, 신경망을 실행하기 위해 많은 훈련 샘플을 처리할 필요가 없고, 대규모로 처리할 수 있는 딥러닝을 위해 특별히 설계된 하드웨어가 필요하며, 자본경제학이 현재의 표준입니다.

“예를 들어 단일 이미지만 실행하는 경우 GPU에서 사용 가능한 모든 컴퓨팅 성능을 활용할 수 없습니다. 본질적으로 리소스를 낭비하게 되므로 개발자는 신경망을 훈련하는 보다 효율적인 방법도 생각해야 합니다.”

• [인포그래픽] 인공지능이 점차 인간을 대체할 때 미래 직업

기사에서 Yann LeCun 씨는 지도 자가 학습이 현대 AI의 개발을 촉진하는 데 핵심적인 역할을 할 것이라는 자신의 믿음도 반복했습니다. 그는 미래의 딥 러닝 시스템은 주로 지도형 자가 학습을 통해 훈련될 것이며 지도형 자가 학습을 지원하려면 더 높은 성능을 갖춘 최신 하드웨어가 필요할 것이라고 믿습니다.

지난달 Yann LeCun 씨는 2019년 AI 트렌드 예측에 관한 이야기의 일환으로 자기 지도 학습의 중요성에 대한 토론도 진행했습니다. 이러한 자기 지도 학습을 처리할 수 있는 하드웨어는 자율 학습뿐만 아니라 Facebook에서도 중요할 것입니다. 운전, 로봇 공학 및 기타 다양한 형태의 기술.