Jurutera AI Facebook bercakap tentang pembelajaran mendalam, bahasa pengaturcaraan baharu dan perkakasan untuk kecerdasan buatan

Pembelajaran mendalam pada masa hadapan mungkin memerlukan bahasa pengaturcaraan baharu yang lebih fleksibel dan lebih mudah digunakan berbanding Python, menurut Encik Yann LeCun, pengarah penyelidikan AI Facebook. salah seorang pakar terkemuka dalam bidang kecerdasan buatan pada masa ini . Mengapa pakar ini meramalkan perkara itu?

"Masih tidak jelas sama ada bahasa pengaturcaraan baharu perlu dicipta atau tidak, namun, ini perlu untuk mengubah pemikiran sebilangan besar penyelidik dan jurutera. Jurutera teknologi maklumat - orang yang sangat konservatif dalam isu berkaitan tiruan kecerdasan. Malah, terdapat beberapa projek di Google, Facebook dan banyak syarikat teknologi lain dalam mereka bentuk bahasa pengaturcaraan baharu, disusun dalam cara yang boleh menjadi lebih cekap untuk pembangunan mendalam. pembelajaran, tetapi saya tidak pasti sama ada komuniti akan mengikut sama atau tidak, kerana semua orang hanya mahu menggunakan Python," kongsi Encik Yann LeCun.

• Kecerdasan buatan sudah boleh menulis keseluruhan artikel daripada hanya beberapa maklumat

Adakah membangunkan bahasa pengaturcaraan baharu merupakan pendekatan yang munasabah?

Menurut laporan Octoverse baru-baru ini GitHub, Python kini merupakan bahasa yang paling biasa digunakan oleh pembangun yang bekerja pada projek pembelajaran mesin, dan ia juga menyumbang kepada rangka kerja PyTorch Facebook, dan TensorFlow Google.

En. Yann LeCun membentangkan kertas kerja di Persidangan Litar Keadaan Pepejal Antarabangsa (ISSCC) yang berlangsung pada 19 Februari di San Francisco, mempelajari tentang trend terkini dalam pembangunan pembelajaran mesin. Di dalamnya, bahagian pertama artikel menceritakan tentang pelajaran yang Yann LeCun pelajari daripada Bell Labs, termasuk pemerhatiannya bahawa penyelidik AI dan saintis komputer sering cenderung untuk Arah mengikat bersama alatan perkakasan dan perisian.

• Adakah Kepintaran Buatan sebahagian daripada Sains Komputer?

Masalah perkakasan

Kecerdasan buatan berusia lebih daripada 50 tahun, setelah menghabiskan setengah abad pembentukan dan pembangunan, tetapi peningkatan semasa dalam kepentingan dan aplikasi praktikal teknologi ini sejak kebelakangan ini cenderung menurun. Trend ini berkait rapat dengan pertumbuhan kuasa pengkomputeran disediakan oleh cip komputer dan komponen perkakasan yang berkaitan.

Yann LeCun telah lama bekerja di Bell Labs, sejak 1980-an, dan bertanggungjawab untuk pembangunan AI di ConvNet (CNN), dan dia membuat kesimpulan bahawa perkakasan yang lebih baik akan menyumbang untuk menghasilkan algoritma yang lebih baik, prestasi yang lebih baik.

Pada awal 2000-an, selepas meninggalkan Bell Labs dan menyertai Universiti New York, Yann LeCun bekerja dengan ramai tokoh lain dalam bidang AI, seperti Yoshua Bengio dan Geoffrey Hinton, menjalankan penyelidikan untuk memulihkan hubungan. menumpukan pada rangkaian saraf dan mempromosikan populariti pembelajaran mendalam.

Dalam beberapa tahun kebelakangan ini, kemajuan dalam perkakasan - seperti Tatasusunan Gerbang Boleh Diprogramkan Medan - FPGA (litar bersepadu khas atau cip yang boleh diprogramkan dalam skopnya selepas ia dihasilkan) , Unit Pemprosesan Tensor (TPU) daripada Google dan Pemprosesan Grafik Unit (GPU) - telah memainkan peranan besar dalam pertumbuhan industri AI.

“Jenis perkakasan ini mempunyai pengaruh yang besar terhadap penyelidikan yang dilakukan oleh orang ramai, jadi hala tuju AI dalam dekad yang akan datang juga akan sangat dipengaruhi oleh keadaan pembangunan perkakasan. . Sudah tentu penyelidik sains komputer tidak mahu terikat dengan batasan perkakasan, tetapi itulah realitinya."

Di samping itu, Encik Yann LeCun juga menekankan bahawa sesetengah pengeluar perkakasan berkaitan AI harus mempertimbangkan dan membuat cadangan tentang jenis seni bina yang diperlukan dalam masa terdekat, mungkin dalam beberapa tahun akan datang, sebelum peningkatan skala sistem pembelajaran mendalam. Selain itu, terdapat keperluan untuk perkakasan direka khusus untuk pembelajaran mendalam, mampu memproses secara besar-besaran, dan bukannya perlu memproses banyak sampel latihan untuk menjalankan rangkaian saraf. Ekonomi modal ialah piawaian semasa.

“Sebagai contoh, jika anda hanya menjalankan satu imej, anda tidak akan dapat mengeksploitasi semua kuasa pengkomputeran yang tersedia dalam GPU. Anda pada asasnya akan membazir sumber, jadi pembangun juga harus memikirkan beberapa cara yang lebih cekap untuk melatih rangkaian saraf.

• [Infografik] Pekerjaan masa hadapan apabila Kepintaran Buatan secara beransur-ansur menggantikan manusia

Dalam artikel itu, Encik Yann LeCun juga mengulangi kepercayaannya bahawa pembelajaran kendiri yang diselia akan memainkan peranan penting dalam mempromosikan pembangunan AI moden. Beliau percaya bahawa sistem pembelajaran mendalam pada masa hadapan sebahagian besarnya akan dilatih dengan pembelajaran kendiri diselia, dan perkakasan moden dengan prestasi lebih tinggi akan diperlukan untuk menyokong pembelajaran kendiri diselia.

Bulan lalu, Encik Yann LeCun juga mengadakan perbincangan tentang kepentingan pembelajaran penyeliaan kendiri sebagai sebahagian daripada cerita tentang meramalkan arah aliran AI pada 2019. Perkakasan yang boleh mengendalikan Pembelajaran Penyeliaan sendiri ini akan menjadi penting untuk Facebook, serta autonomi pemanduan, robotik, dan banyak lagi bentuk teknologi.