Inginerul Facebook AI vorbește despre deep learning, noi limbaje de programare și hardware pentru inteligența artificială

Învățarea profundă în viitor ar putea necesita un nou limbaj de programare cu care este mai flexibil și mai ușor de lucrat decât Python, potrivit domnului Yann LeCun, directorul de cercetare AI al Facebook, unul dintre experții de top în domeniul inteligenței artificiale în prezent. . De ce a prezis acest expert acest lucru?

„Încă nu este clar dacă trebuie sau nu creat un nou limbaj de programare, totuși, acest lucru este necesar pentru a schimba gândirea unui număr mare de cercetători și ingineri. Ingineri în tehnologia informației - oameni care sunt foarte conservatori în problemele legate de artificial inteligență. De fapt, au existat o serie de proiecte la Google, Facebook și multe alte companii de tehnologie în proiectarea unui nou limbaj de programare, compilat într-un mod care ar putea fi mai eficient pentru dezvoltarea profundă a învățării, dar nu sunt sigur dacă comunitatea va urma sau nu exemplul, pentru că toată lumea vrea doar să folosească Python”, a spus domnul Yann LeCun.

• Inteligența artificială poate deja să scrie un articol întreg din doar câteva informații

Este dezvoltarea unui nou limbaj de programare o abordare rezonabilă?

Potrivit recentului raport Octoverse al GitHub, Python este în prezent limbajul cel mai des folosit de dezvoltatorii care lucrează la proiecte de învățare automată și, de asemenea, contribuie la cadrul PyTorch al Facebook și al TensorFlow de la Google.

Dl. Yann LeCun a prezentat o lucrare la Conferința Internațională a Circuitelor Solid-State (ISSCC) care va avea loc pe 19 februarie la San Francisco, aflând despre cele mai recente tendințe în dezvoltarea învățării automate. În ea, prima parte a articolului spune despre lecțiile pe care Yann LeCun le-a învățat de la Bell Labs, inclusiv observația sa că cercetătorii AI și oamenii de știință în informatică au adesea tendința de a lega instrumentele hardware și software.

• Este inteligența artificială parte a informaticii?

Probleme hardware

Inteligența artificială are o vechime de peste 50 de ani, după ce a petrecut o jumătate de secol de formare și dezvoltare, dar creșterea actuală a importanței și a aplicării practice a acestei tehnologii în ultima vreme a avut tendința de a scădea.Tendința este strâns legată de creșterea puterii de calcul. furnizate de cipuri de calculator și componente hardware aferente.

Yann LeCun a lucrat multă vreme la Bell Labs, începând cu anii 1980, și a fost responsabil pentru dezvoltarea AI la ConvNet (CNN), și a ajuns la concluzia că un hardware mai bun ar contribui la crearea unor algoritmi mai buni, performanțe mai bune.

La începutul anilor 2000, după ce a părăsit Bell Labs și s-a alăturat Universității din New York, Yann LeCun a lucrat cu multe alte persoane luminate din domeniul AI, cum ar fi Yoshua Bengio și Geoffrey Hinton, efectuând cercetări pentru a reînvia relația. popularitatea învățării profunde.

În ultimii ani, progresele în hardware - cum ar fi Field-Programmable Gate Arrays - FPGA (un circuit integrat special sau un cip care poate fi programat în scopul său după ce este fabricat), Tensor Processing Units (TPU) de la Google și Graphics Processing. Unități (GPU) - au jucat un rol important în creșterea industriei AI.

„Aceste tipuri de hardware au o mare influență asupra cercetării pe care oamenii o fac și, prin urmare, direcția AI în următorul deceniu va fi, de asemenea, foarte influențată de stadiul dezvoltării hardware. Desigur, cercetătorii în informatică nu vor să fie legați de limitările hardware, dar aceasta este realitatea.”

În plus, domnul Yann LeCun a subliniat, de asemenea, că unii producători de hardware legați de AI ar trebui să ia în considerare și să facă recomandări cu privire la tipul de arhitectură necesar în viitorul apropiat, eventual în următorii câțiva ani, înainte de amploarea tot mai mare a sistemelor de deep learning. În plus, este nevoie ca hardware-ul să fie proiectat special pentru învățarea profundă, capabil să proceseze la scară largă, în loc să fie nevoie să proceseze multe mostre de antrenament pentru a rula o rețea neuronală.Economia capitalului este standardul actual.

„De exemplu, dacă rulați doar o singură imagine, nu veți putea exploata toată puterea de calcul disponibilă în GPU. În esență, veți irosi resurse, așa că dezvoltatorii ar trebui să se gândească și la câteva modalități mai eficiente de antrenare a rețelelor neuronale.”

• [Infografic] Locuri de muncă viitoare când inteligența artificială înlocuiește treptat oamenii

În articol, domnul Yann LeCun și-a reiterat și convingerea că auto-învățarea supravegheată va juca un rol cheie în promovarea dezvoltării AI moderne. El crede că viitoarele sisteme de învățare profundă vor fi în mare măsură antrenate cu auto-învățare supravegheată, iar hardware-ul modern cu performanțe mai mari va fi necesar pentru a sprijini auto-învățarea supravegheată.

Luna trecută, domnul Yann LeCun a susținut și o discuție despre importanța învățării auto-supravegheate, ca parte a unei povești despre prezicerea tendințelor AI în 2019. Hardware-ul care poate gestiona această învățare auto-supravegheată va fi important pentru Facebook, precum și autonom. conducere, robotică și multe alte forme de tehnologie.