Технологии

Искусственный интеллект, способный создавать себе подобных

admin
Всего просмотров: 71

Среднее время на прочтение: 4 минуты, 19 секунд

Аудиоверсия статьи.

Мечта всех исследователей, но, возможно, ночной кошмар для высококвалифицированных программистов — искусственный интеллект, который сможет создавать другие ИИ.

Один из главных инженеров Google Джефф Дин своими недавними выступлениями в Кремниевой долине и Китае привлек всеобщее внимание к проекту Google — AutoML. ML — это аббревиатура от «машинного обучения» (machine learning). Машинное обучение — один из компьютерных алгоритмов, которые учатся самостоятельно выполнять определенные задачи, анализируя большие объемы информации. AutoML, в свою очередь, создается как алгоритм машинного обучения, который учится создавать другие такие алгоритмы.

С его помощью Google очень скоро может найти способ создавать технологии искусственного интеллекта, которые смогут частично заменить людей при создании систем с искусственным интеллектом. По мнению некоторых ученых, это и есть будущее индустрии технологий.

Этот проект — часть гораздо более масштабной деятельности по внедрению самых передовых технологий в работу множества компаний и разработчиков ПО.

Индустрия технологий обещает все: от мобильных приложений, которые распознают лица, до машин с автопилотом. По некоторым оценкам, только 10 000 человек во всем мире имеют достаточное образование, опыт и талант, чтобы создавать сложные и иногда практически непостижимые математические алгоритмы, которые будут управлять новым поколением ИИ.

Инженер Google Джефф Дин рассказал, что проект, над которым он работает, поможет создавать системы с искусственным интеллектом даже неопытным компаниям. Райан Янг для The New York Times
Инженер Google Джефф Дин рассказал, что проект, над которым он работает, поможет создавать системы с искусственным интеллектом даже неопытным компаниям. Райан Янг для The New York Times

Крупнейшие в мире IT-компании, включая Google, Facebook и Microsoft, платят миллионы долларов в год экспертам в области ИИ, успешно захватившим этот узкий рынок. Нехватка кадров никуда не денется в ближайшее время хотя бы потому, что на развитие необходимых навыков уходят долгие годы.

Но индустрия не желает ждать. Компании разрабатывают всевозможные инструменты, которые упростят создание своего собственного ПО на основе ИИ, включая функции вроде распознавания картинок, речи и онлайн чат-ботов.

«Мы движемся по тому же пути, по которому двигались компьютерные науки при разработке новых технологий, — рассказывает Джозеф Сирош, вице-президент Microsoft. Компания недавно представила инструмент, который помогает программистам создавать глубокие нейронные сети — особый вид компьютерного алгоритма, важный для прогресса в сфере ИИ. — Мы упрощаем работу программистов».

Это не альтруизм. Такие исследователи, как Джефф Дин, считают, что если больше людей и компаний будут работать над искусственным интеллектом, то это поспособствует и их собственным исследованиям. В то же время компании вроде Google, Amazon и Microsoft видят перспективу большого дохода в идеях, описанных Сирошем. Все они предлагают услуги облачных вычислений, которые помогают компаниям и разработчикам создавать ИИ.

«На это существует реальный спрос, — объясняет Мэтт Скотт, сооснователь и главный технический директор Malong, китайского стартапа, предлагающего подобные услуги. — И вспомогательное ПО пока не удовлетворяет весь этот спрос».

Как роботы учатся учиться

Робот, управляемый человеком, выполняет задание — положить яблоко в голубую миску. Эти объекты робот видит впервые. Лаборатория искусственного интеллекта в Беркли.
Робот, управляемый человеком, выполняет задание — положить яблоко в голубую миску. Эти объекты робот видит впервые. Лаборатория искусственного интеллекта в Беркли.
Научившись учиться с множеством объектов, и посмотрев одну видео-демонстрацию, робот может понять, как визуально распознавать голубую миску из пикселей на изображении камеры и успешно помещать в эту миску яблоко. Лаборатория искусственного интеллекта в Беркли.
Научившись учиться с множеством объектов, и посмотрев одну видео-демонстрацию, робот может понять, как визуально распознавать голубую миску из пикселей на изображении камеры и успешно помещать в эту миску яблоко. Лаборатория искусственного интеллекта в Беркли.

Скорее всего, это и есть то, что Google подразумевает под AutoML, поскольку компания продолжает поощрять успехи проекта. Исполнительный директор Google Сундар Пичаи в прошлом месяце уже хвастался AutoML на презентации нового смартфона на Android.

«В конце концов, проект Google поможет компаниям создавать системы с искусственным интеллектом, даже если они не обладают обширными знаниями», — подтвердил Дин. Сегодня, по его оценкам, многие обладают необходимыми данными для создания ИИ, но нужные таланты есть лишь у нескольких тысяч компаний.

«Мы хотим, чтобы не тысячи, а миллионы компаний решали проблемы машинного обучения», — дополнил он.

Google много вкладывает в разработку служб облачного вычисления — сервисов, которые помогают другим компаниям в создании и запуске ПО. Судя по прогнозам, они должны стать важнейшим двигателем экономики в ближайшие годы. И теперь, когда лучшие исследователи ИИ со всего мира готовы этим заняться, нужно только «прикурить» этот механизм с их помощью.

Нейросети значительно ускоряют развитие ИИ. Вместо того, чтобы вручную разрабатывать сервис по распознаванию изображений или приложение-переводчик, прописывая код строка за строкой, инженеры могут гораздо быстрее создать алгоритм, который будет самостоятельно решать поставленные перед ним задачи.

Например, анализируя звуки в огромной базе звонков в техподдержку, алгоритм может научиться распознавать произнесенные слова.

Но разработать нейросеть — вовсе не то же самое, что написать веб-сайт или какое-нибудь заурядное приложение для смартфона. Это требует серьезных математических навыков, множества проб и ошибок, а также развитой интуиции. Жан-Франсуа Ганье, руководитель независимой лаборатории машинного обучения Element AI, называет этот процесс «новым видом программирования».

При работе над нейросетью исследователи проводят десятки или даже сотни экспериментов над обширной сетью механизмов, проверяя, насколько хорошо алгоритм может, например, распознавать изображения или переводить текст с одного языка на другой. Затем ученые раз за разом перенастраивают определенные части алгоритма, пока он не заработает. Некоторые называют это «темным искусством» просто потому, что разработчики и сами иногда затрудняются объяснить те правки, которые вносят.

Но Google пытается автоматизировать этот процесс при помощи AutoML. Этот сервис будет строить алгоритмы, анализирующие развитие других алгоритмов, и при этом будет понимать, какие методы успешны, а какие — нет. Наконец, они учатся создавать более эффективное машинное обучение. Как утверждает Google, AutoML уже может создавать такие алгоритмы, которые в некоторых случаях определяют объекты на фотографиях более точно, чем сервисы, разработанные исключительно людьми.

2015 год. Справа налево: Питер Эббил, профессор из Калифорнийского университета в Беркли; Сергей Левин, инженер Google, профессор-ассистент; Челси Финн, студент-докторант. Они создают робота, который использует программы глубинного обучения. «По сути, компьютеры будут создавать алгоритмы для нас», — объясняет профессор Эббил. Фото: Питер Эрл Макколлоу для The New York Times
2015 год. Справа налево: Питер Эббил, профессор из Калифорнийского университета в Беркли; Сергей Левин, инженер Google, профессор-ассистент; Челси Финн, студент-докторант. Они создают робота, который использует программы глубинного обучения. «По сути, компьютеры будут создавать алгоритмы для нас», — объясняет профессор Эббил. Фото: Питер Эрл Макколлоу для The New York Times

Баррет Зоф, один из инженеров Google, работающих над проектом, считает, что в итоге этот метод можно будет с успехом использовать и для решения таких задач, как распознавание речи или машинный перевод.

В это трудно поверить, но сейчас такой метод становится ведущим в исследовании искусственного интеллекта. Специалисты называют его «обучением самообучению» или «метаобучением».

Многие верят, что подобные методы существенно ускорят прогресс ИИ и в реальном, и в виртуальном мирах. В Калифорнийском университете Беркли ученые создают методы, которые позволят роботам учиться выполнять новые задания на основе уже полученных знаний.

«По сути, компьютеры будут создавать алгоритмы для нас, — объясняет Питер Эббил, профессор из Калифорнийского университета в Беркли. — Алгоритмы, созданные компьютерами, могут решить множество проблем очень быстро — по крайней мере, мы на это надеемся».

Так можно увеличить количество людей и компаний, занятых в создании искусственного интеллекта. Конечно, эти методы не смогут полностью заменить инженеров в области создания ИИ. Например, в Google специалисты-люди все еще выполняют большую часть дизайнерской работы. Но идея заключается в том, что работа нескольких специалистов может помочь другим при создании их собственных программ.

Ренато Негрино, ученый из Университета Карнеги–Меллон, изучающий технологии, близкие к технологиям AutoML, рассказал, что такие методы станут реальностью в ближайшем будущем. «Это лишь вопрос времени», — пообещал он.

Оригинал: The New York Times.

Автор: Кейд Метц.

Переводили: Виктория СтаровойтоваМаргарита КоковихинаМария Елистратова.

Редактировали: Сергей РазумовСлава Солнцева.