Engenheiro de IA do Facebook fala sobre aprendizado profundo, novas linguagens de programação e hardware para inteligência artificial

O aprendizado profundo no futuro pode exigir uma nova linguagem de programação que seja mais flexível e mais fácil de trabalhar do que o Python, de acordo com Yann LeCun, diretor de pesquisa de IA do Facebook, um dos maiores especialistas na área de inteligência artificial da atualidade. . Por que esse especialista previu isso?

"Ainda não está claro se uma nova linguagem de programação precisa ser criada ou não, porém, isso é necessário para mudar o pensamento de um grande número de pesquisadores e engenheiros. Engenheiros de tecnologia da informação - pessoas que são muito conservadoras em questões relacionadas ao artificial inteligência. Na verdade, houve uma série de projetos no Google, no Facebook e em muitas outras empresas de tecnologia para projetar uma nova linguagem de programação compilada de uma forma que pudesse ser mais eficiente para o desenvolvimento profundo do aprendizado, mas não tenho certeza se a comunidade seguirá o exemplo ou não, porque todo mundo só quer usar Python", compartilhou o Sr. Yann LeCun.

• A inteligência artificial já pode escrever um artigo inteiro a partir de apenas algumas informações

O desenvolvimento de uma nova linguagem de programação é uma abordagem razoável?

De acordo com o recente relatório Octoverse do GitHub, Python é atualmente a linguagem mais comumente usada por desenvolvedores que trabalham em projetos de aprendizado de máquina e também contribui para a estrutura PyTorch do Facebook e TensorFlow do Google.

Yann LeCun apresentou um artigo na Conferência Internacional de Circuitos de Estado Sólido (ISSCC), que ocorreu em 19 de fevereiro em São Francisco, aprendendo sobre as últimas tendências no desenvolvimento de aprendizado de máquina. Nele, a primeira parte do artigo fala sobre as lições que Yann LeCun aprendeu com o Bell Labs, incluindo sua observação de que pesquisadores de IA e cientistas da computação muitas vezes tendem a unir ferramentas de hardware e software.

• A Inteligência Artificial faz parte da Ciência da Computação?

Problemas de hardware

A inteligência artificial tem mais de 50 anos, tendo passado meio século de formação e desenvolvimento, mas o atual aumento da importância e aplicação prática desta tecnologia nos últimos tempos tende a diminuir. A tendência está intimamente ligada ao crescimento do poder computacional fornecido por chips de computador e componentes de hardware relacionados.

Yann LeCun trabalhou por muito tempo no Bell Labs, desde a década de 1980, e foi responsável pelo desenvolvimento de IA na ConvNet (CNN), e chegou à conclusão de que um hardware melhor contribuiria para criar algoritmos melhores, com melhor desempenho.

No início dos anos 2000, depois de deixar o Bell Labs e ingressar na Universidade de Nova York, Yann LeCun trabalhou com muitos outros luminares no campo da IA, como Yoshua Bengio e Geoffrey Hinton, conduzindo pesquisas para reavivar o relacionamento com foco em redes neurais e promoveu o popularidade do aprendizado profundo.

Nos últimos anos, avanços em hardware - como Field-Programmable Gate Arrays - FPGA (um circuito integrado especial ou chip que pode ser programado dentro de seu escopo após ser fabricado), Tensor Processing Units (TPUs) do Google e Graphics Processing Unidades (GPUs) – desempenharam um papel importante no crescimento da indústria de IA.

“Esses tipos de hardware têm uma grande influência na pesquisa que as pessoas estão fazendo e, portanto, a direção da IA ​​na próxima década também será grandemente influenciada pelo estado do desenvolvimento do hardware. É claro que os pesquisadores da ciência da computação não querem ficar limitados pelas limitações de hardware, mas essa é a realidade.”

Além disso, Yann LeCun também enfatizou que alguns fabricantes de hardware relacionados à IA deveriam considerar e fazer recomendações sobre o tipo de arquitetura necessária no futuro próximo, possivelmente nos próximos anos, antes da escala crescente dos sistemas de aprendizagem profunda. Além disso, há a necessidade de que o hardware seja projetado especificamente para aprendizagem profunda, capaz de processar em larga escala, em vez de precisar processar muitas amostras de treinamento para executar uma rede neural.A economia de capital é o padrão atual.

“Por exemplo, se você executar apenas uma imagem, não conseguirá explorar todo o poder computacional disponível na GPU. Você estará essencialmente desperdiçando recursos, então os desenvolvedores também devem pensar em maneiras mais eficientes de treinar redes neurais.”

• [Infográfico] Empregos futuros quando a Inteligência Artificial substituir gradualmente os humanos

No artigo, Yann LeCun também reiterou sua crença de que a autoaprendizagem supervisionada desempenhará um papel fundamental na promoção do desenvolvimento da IA ​​moderna. Ele acredita que os futuros sistemas de aprendizagem profunda serão em grande parte treinados com autoaprendizagem supervisionada, e será necessário hardware moderno com maior desempenho para apoiar a autoaprendizagem supervisionada.

No mês passado, Yann LeCun também realizou uma discussão sobre a importância da aprendizagem auto-supervisionada como parte de uma história sobre a previsão de tendências de IA em 2019. O hardware que pode lidar com essa aprendizagem auto-supervisionada será importante para o Facebook, assim como para os autônomos. direção, robótica e muitas outras formas de tecnologia.