Инженер Facebook AI рассказывает о глубоком обучении, новых языках программирования и оборудовании для искусственного интеллекта

Глубокое обучение в будущем может потребовать нового языка программирования, который будет более гибким и простым в работе, чем Python, считает Ян Лекун, директор по исследованиям искусственного интеллекта Facebook, один из ведущих экспертов в области искусственного интеллекта в настоящее время. . Почему эксперт так предсказал?

"До сих пор не ясно, нужно ли создавать новый язык программирования или нет, однако это необходимо для изменения мышления большого количества исследователей и инженеров. Инженеры информационных технологий - люди, очень консервативные в вопросах, связанных с искусственными интеллект. Фактически, в Google, Facebook и многих других технологических компаниях был реализован ряд проектов по разработке нового языка программирования, скомпилированного таким образом, чтобы он мог быть более эффективным для глубокого обучения, но я не уверен, что сообщество последует этому примеру или нет, потому что все просто хотят использовать Python», — поделился г-н Янн Лекун.

• Искусственный интеллект уже может написать целую статью всего лишь из нескольких фрагментов информации.

Является ли разработка нового языка программирования разумным подходом?

Согласно недавнему отчету GitHub Octoverse, Python в настоящее время является наиболее часто используемым языком разработчиками, работающими над проектами машинного обучения, а также вносит свой вклад в структуру PyTorch от Facebook и TensorFlow от Google.

Г-н Янн ЛеКун представил доклад на Международной конференции по твердотельным схемам (ISSCC), проходящей 19 февраля в Сан-Франциско, узнав о последних тенденциях в развитии машинного обучения. В ней первая часть статьи рассказывает об уроках, которые Ян ЛеКун извлек из Bell Labs, включая его наблюдение о том, что исследователи искусственного интеллекта и ученые-компьютерщики часто склонны связывать воедино аппаратные и программные средства.

• Является ли искусственный интеллект частью информатики?

Аппаратные проблемы

Искусственному интеллекту более 50 лет, он потратил полвека на формирование и развитие, но нынешний рост значимости и практического применения этой технологии в последнее время имеет тенденцию к снижению.Тенденция тесно связана с ростом вычислительных мощностей. обеспечивается компьютерными чипами и соответствующими аппаратными компонентами.

Янн ЛеКун долгое время работал в Bell Labs, с 1980-х годов, и отвечал за разработку ИИ в ConvNet (CNN), и он пришел к выводу, что лучшее оборудование будет способствовать созданию лучших алгоритмов и лучшей производительности.

В начале 2000-х годов, после ухода из Bell Labs и поступления в Нью-Йоркский университет, Ян ЛеКун работал со многими другими светилами в области искусственного интеллекта, такими как Йошуа Бенджио и Джеффри Хинтон, проводя исследования с целью возродить отношения, сосредоточив внимание на нейронных сетях и продвигая популярность глубокого обучения.

В последние годы появились достижения в области аппаратного обеспечения, такие как программируемые пользователем вентильные матрицы (FPGA) (специальная интегральная схема или чип, который можно запрограммировать в рамках его объема после его изготовления), тензорные процессоры (TPU) от Google и графические процессоры. Модули (GPU) — сыграли большую роль в развитии индустрии искусственного интеллекта.

«Эти типы аппаратного обеспечения оказывают большое влияние на исследования, которые проводят люди, поэтому направление развития ИИ в следующем десятилетии также будет во многом зависеть от состояния разработки аппаратного обеспечения. Конечно, исследователи компьютерных наук не хотят быть связанными аппаратными ограничениями, но такова реальность».

Кроме того, г-н Ян ЛеКун также подчеркнул, что некоторым производителям оборудования, связанного с ИИ, следует рассмотреть и дать рекомендации по типу архитектуры, необходимой в ближайшем будущем, возможно, в ближайшие несколько лет, до увеличения масштабов систем глубокого обучения. Кроме того, существует необходимость в аппаратном обеспечении, специально разработанном для глубокого обучения, способном обрабатывать данные в больших масштабах, вместо того, чтобы обрабатывать множество обучающих выборок для работы нейронной сети. Экономика капитала является текущим стандартом.

«Например, если вы запустите только один образ, вы не сможете использовать всю вычислительную мощность, доступную в графическом процессоре. По сути, вы будете тратить ресурсы впустую, поэтому разработчикам также следует подумать о более эффективных способах обучения нейронных сетей».

• [Инфографика] Будущие рабочие места, когда искусственный интеллект постепенно заменит людей

В статье г-н Янн ЛеКун также подтвердил свою уверенность в том, что контролируемое самообучение сыграет ключевую роль в содействии развитию современного искусственного интеллекта. Он считает, что будущие системы глубокого обучения в основном будут обучаться с помощью контролируемого самообучения, а для поддержки контролируемого самообучения потребуется современное оборудование с более высокой производительностью.

В прошлом месяце г-н Ян ЛеКун также провел дискуссию о важности самостоятельного обучения в рамках рассказа о прогнозировании тенденций ИИ в 2019 году. Аппаратное обеспечение, способное справиться с этим, будет важно для Facebook, а также для автономного обучения. вождение, робототехника и многие другие технологии.