Inżynier AI Facebooka opowiada o głębokim uczeniu, nowych językach programowania i sprzęcie dla sztucznej inteligencji

Według Yanna LeCuna, dyrektora ds. badań nad sztuczną inteligencją w Facebooku, jednego z czołowych ekspertów w dziedzinie sztucznej inteligencji, w przyszłości głębokie uczenie się może wymagać nowego języka programowania, który będzie bardziej elastyczny i łatwiejszy w obsłudze niż Python. . Dlaczego ten ekspert to przewidział?

„Nadal nie jest jasne, czy trzeba stworzyć nowy język programowania, czy nie, jednak jest to konieczne, aby zmienić sposób myślenia dużej części badaczy i inżynierów. Inżynierowie informatyki – osoby bardzo konserwatywne w kwestiach związanych ze sztucznymi inteligencja. Tak naprawdę w Google, Facebooku i wielu innych firmach technologicznych było wiele projektów mających na celu zaprojektowanie nowego języka programowania, skompilowanego w sposób, który mógłby być bardziej efektywny dla głębokiego rozwoju. pójdzie tym śladem czy nie, ponieważ każdy chce po prostu używać Pythona” – udostępnił Yann LeCun.

• Sztuczna inteligencja potrafi już z kilku informacji napisać cały artykuł

Czy opracowanie nowego języka programowania jest rozsądnym podejściem?

Według najnowszego raportu Octoverse GitHuba, Python jest obecnie najczęściej używanym językiem przez programistów pracujących nad projektami uczenia maszynowego, a także ma swój wkład w framework PyTorch Facebooka i TensorFlow Google

Pan Yann LeCun wygłosił referat na Międzynarodowej Konferencji Obwodów Półprzewodnikowych (ISSCC) odbywającej się 19 lutego w San Francisco, poznając najnowsze trendy w rozwoju uczenia maszynowego. W pierwszej części artykułu opisano wnioski, jakie Yann LeCun wyciągnął z Bell Labs, w tym jego obserwację, że badacze sztucznej inteligencji i informatycy często mają tendencję do łączenia w Directions narzędzi sprzętowych i programowych.

• Czy sztuczna inteligencja jest częścią informatyki?

Problemy sprzętowe

Sztuczna inteligencja ma ponad 50 lat, spędziła pół wieku na tworzeniu i rozwoju, jednak obecny wzrost znaczenia i praktycznego zastosowania tej technologii w ostatnim czasie ma tendencję spadkową.Trend jest ściśle powiązany ze wzrostem mocy obliczeniowej zapewniane przez chipy komputerowe i powiązane komponenty sprzętowe.

Yann LeCun, który pracował przez długi czas w Bell Labs, od lat 80. XX wieku i był odpowiedzialny za rozwój sztucznej inteligencji w ConvNet (CNN), doszedł do wniosku, że lepszy sprzęt przyczyniłby się do opracowania lepszych algorytmów i lepszej wydajności.

Na początku XXI wieku, po opuszczeniu Bell Labs i dołączeniu do New York University, Yann LeCun współpracował z wieloma innymi luminarzami w dziedzinie sztucznej inteligencji, takimi jak Yoshua Bengio i Geoffrey Hinton, prowadząc badania mające na celu ożywienie relacji. Koncentrując się na sieciach neuronowych i promując popularność głębokiego uczenia się.

W ostatnich latach nastąpił postęp w dziedzinie sprzętu — takiego jak układy bramek programowalnych przez użytkownika — FPGA (specjalny układ scalony lub chip, który można programować w jego zakresie po wyprodukowaniu), jednostki Tensor Processing Units (TPU) firmy Google i przetwarzanie grafiki Jednostki (GPU) – odegrały dużą rolę w rozwoju branży AI.

„Tego typu sprzęt ma duży wpływ na badania prowadzone przez ludzi, dlatego też na kierunek rozwoju sztucznej inteligencji w następnej dekadzie duży wpływ będzie miał również stan rozwoju sprzętu. Oczywiście badacze informatyki nie chcą ograniczać się ograniczeniami sprzętowymi, ale taka jest rzeczywistość.

Ponadto pan Yann LeCun podkreślił również, że niektórzy producenci sprzętu związanego ze sztuczną inteligencją powinni rozważyć i przedstawić zalecenia dotyczące rodzaju architektury potrzebnej w najbliższej przyszłości, być może w ciągu najbliższych kilku lat, przed rosnącą skalą systemów głębokiego uczenia się. Poza tym istnieje potrzeba zaprojektowania sprzętu specjalnie do głębokiego uczenia się, zdolnego do przetwarzania na dużą skalę, zamiast konieczności przetwarzania wielu próbek szkoleniowych w celu uruchomienia sieci neuronowej.Obecnym standardem jest ekonomia kapitałowa.

„Na przykład, jeśli uruchomisz tylko jeden obraz, nie będziesz w stanie wykorzystać całej mocy obliczeniowej dostępnej w GPU. Zasadniczo będziesz marnować zasoby, więc programiści powinni również pomyśleć o skuteczniejszych sposobach uczenia sieci neuronowych.

• [Infografika] Przyszłe miejsca pracy, gdy sztuczna inteligencja stopniowo zastąpi człowieka

W artykule Yann LeCun powtórzył także swoje przekonanie, że nadzorowane samouczenie się będzie odgrywać kluczową rolę w promowaniu rozwoju nowoczesnej sztucznej inteligencji. Uważa on, że przyszłe systemy głębokiego uczenia się będą w dużej mierze szkolone w oparciu o nadzorowane samouczenie się, a do wspierania nadzorowanego samouczenia będzie potrzebny nowoczesny sprzęt o wyższej wydajności.

W zeszłym miesiącu pan Yann LeCun przeprowadził także dyskusję na temat znaczenia samonadzorowanego uczenia się w ramach opowieści o przewidywaniu trendów w zakresie sztucznej inteligencji w 2019 r. Sprzęt, który sobie z tym poradzi. Samonadzorowane uczenie się będzie ważne dla Facebooka, a także autonomiczne prowadzenie pojazdu, robotyka i wiele innych form technologii.