211service.com
Jak sztuczna inteligencja zmienia komputery?
22 października 2021
Andrea Daquino
Jesień 2021: sezon dyni, ciastek z orzechami pekan i brzoskwiniowych nowych telefonów. Każdego roku, na zawołanie, Apple, Samsung, Google i inni upuszczają swoje najnowsze wersje. Te elementy w kalendarzu konsumenckim nie budzą już niespodzianek i podziwu tych gorących wczesnych dni. Ale za całym marketingowym blichtrem dzieje się coś niezwykłego.
Najnowsza oferta Google, Pixel 6, to pierwszy telefon z oddzielnym chipem przeznaczonym do sztucznej inteligencji, który znajduje się obok standardowego procesora. A chip, który obsługuje iPhone'a, przez ostatnie kilka lat zawierał coś, co Apple nazywa silnikiem neuronowym, również poświęcony sztucznej inteligencji. Oba chipy są lepiej dostosowane do rodzajów obliczeń związanych z trenowaniem i uruchamianiem modeli uczenia maszynowego na naszych urządzeniach, takich jak sztuczna inteligencja, która zasila kamerę. Niemal bez naszej wiedzy sztuczna inteligencja stała się częścią naszego codziennego życia. I zmienia to, jak myślimy o informatyce.
Co to znaczy? Cóż, komputery niewiele się zmieniły przez 40 czy 50 lat. Są mniejsze i szybsze, ale wciąż są pudełkami z procesorami, które uruchamiają instrukcje od ludzi. Sztuczna inteligencja zmienia to na co najmniej trzech frontach: jak powstają komputery, jak są zaprogramowane i jak są używane. Ostatecznie zmieni to ich przeznaczenie.
Rdzeń informatyki zmienia się z przetwarzania liczb na podejmowanie decyzji, mówi Pradeep Dubey, dyrektor laboratorium obliczeń równoległych w firmie Intel. Albo, jak mówi dyrektor MIT CSAIL Daniela Rus, sztuczna inteligencja uwalnia komputery z ich pudełek.
Więcej pośpiechu, mniej prędkości
Pierwsza zmiana dotyczy sposobu wytwarzania komputerów — i chipów, które je kontrolują. Tradycyjne korzyści obliczeniowe pojawiły się, gdy maszyny stały się szybsze w wykonywaniu jednego obliczenia po drugim. Przez dziesięciolecia świat korzystał z przyspieszania chipów, które wiązało się z regularnością metronomiczną, ponieważ producenci chipów trzymali się prawa Moore'a.
Jednak modele głębokiego uczenia, które sprawiają, że obecne aplikacje AI działają, wymagają innego podejścia: wymagają wielu mniej precyzyjnych obliczeń, które należy przeprowadzić jednocześnie. Oznacza to, że potrzebny jest nowy typ chipa: taki, który może przenosić dane tak szybko, jak to możliwe, upewniając się, że jest dostępny, kiedy i gdzie są potrzebne. Kiedy dekadę temu na scenie pojawiło się głębokie uczenie, dostępne były już specjalistyczne chipy komputerowe, które były w tym całkiem niezłe: procesory graficzne lub procesory graficzne, które zostały zaprojektowane do wyświetlania całego ekranu pikseli dziesiątki razy na sekundę.
Wszystko może stać się komputerem. Rzeczywiście, większość przedmiotów gospodarstwa domowego, od szczoteczek do zębów po włączniki światła i dzwonki do drzwi, jest już dostępna w wersji inteligentnej.
Teraz producenci chipów, tacy jak Intel, Arm i Nvidia, którzy dostarczyli wiele pierwszych procesorów graficznych, zmieniają się, aby stworzyć sprzęt dostosowany specjalnie do sztucznej inteligencji. Google i Facebook również wdzierają się do tej branży po raz pierwszy, w wyścigu o znalezienie przewagi AI poprzez sprzęt.
Na przykład chip wewnątrz Pixela 6 to nowa mobilna wersja procesora tensora Google lub TPU. W przeciwieństwie do tradycyjnych chipów, które są nastawione na ultraszybkie, precyzyjne obliczenia, TPU są zaprojektowane do obliczeń o dużej objętości, ale mało precyzyjnych, wymaganych przez sieci neuronowe. Google używa tych chipów wewnętrznie od 2015 roku: przetwarzają zdjęcia ludzi i zapytania w języku naturalnym. DeepMind, siostrzana firma Google, używa ich do szkolenia swoich AI.
W ciągu ostatnich kilku lat Google udostępnił TPU innym firmom, a te chipy – podobnie jak podobne opracowywane przez innych – stają się domyślnymi w światowych centrach danych.
Sztuczna inteligencja pomaga nawet w projektowaniu własnej infrastruktury obliczeniowej. W 2020 r. Google wykorzystał algorytm uczenia się przez wzmacnianie — rodzaj sztucznej inteligencji, która uczy się, jak rozwiązywać zadania metodą prób i błędów — do zaprojektowania układu nowego TPU. W końcu sztuczna inteligencja wymyśliła dziwne nowe projekty, o których żaden człowiek by nie pomyślał – ale zadziałały. Tego rodzaju sztuczna inteligencja może pewnego dnia opracować lepsze, wydajniejsze chipy.
Pokaż, nie mów
Druga zmiana dotyczy sposobu informowania komputerów, co mają robić. Od 40 lat programujemy komputery; przez następne 40 lat będziemy ich szkolić – mówi Chris Bishop, szef działu Microsoft Research w Wielkiej Brytanii.
Tradycyjnie, aby komputer zrobił coś takiego, jak rozpoznawanie mowy lub identyfikowanie obiektów na obrazie, programiści musieli najpierw wymyślić reguły dla komputera.
Dzięki uczeniu maszynowemu programiści nie piszą już reguł. Zamiast tego tworzą sieć neuronową, która sama uczy się tych reguł. To zupełnie inny sposób myślenia.
Powiązana historia
AI uczy się tworzyć siebie Ludzie walczyli o stworzenie naprawdę inteligentnych maszyn. Może musimy pozwolić im samemu się tym zająć.
Przykłady tego są już powszechne: rozpoznawanie mowy i identyfikacja obrazu to teraz standardowe funkcje smartfonów. Inne przykłady trafiły na nagłówki gazet, na przykład gdy AlphaZero nauczył się grać w Go lepiej niż ludzie. Podobnie, AlphaFold rozwiązał problem biologiczny – ustalając, jak białka fałdują się – z którym ludzie borykali się przez dziesięciolecia.
Dla Bishopa kolejny wielki przełom nastąpi w symulacji molekularnej: trenowanie komputerów do manipulowania właściwościami materii, potencjalnie zmieniających świat w zakresie zużycia energii, produkcji żywności, wytwarzania i medycyny.
Często składane są takie obietnice bez tchu. Prawdą jest również to, że głębokie uczenie się zaskakuje nas. Dwa z dotychczasowych największych tego rodzaju skoków — sprawienie, by komputery zachowywały się tak, jakby rozumiały język i rozpoznawały, co znajduje się na obrazie — już zmieniają sposób, w jaki ich używamy.
Komputer wie najlepiej
Przez dziesięciolecia zmuszanie komputera do zrobienia czegoś oznaczało wpisywanie polecenia lub przynajmniej klikanie przycisku.
Maszyny nie potrzebują już klawiatury ani ekranu do interakcji z ludźmi. Wszystko może stać się komputerem. Rzeczywiście, większość przedmiotów gospodarstwa domowego, od szczoteczek do zębów, przez włączniki światła, po dzwonki do drzwi, jest już w wersji inteligentnej. Ale gdy się rozmnażają, będziemy chcieli spędzać mniej czasu na mówieniu im, co mają robić. Powinni być w stanie ustalić, czego potrzebujemy, bez mówienia.
Jest to przejście od analizowania liczb do podejmowania decyzji, które Dubey uważa za wyznaczenie nowej ery informatyki.
Rus chce, abyśmy skorzystali z oferowanego wsparcia poznawczego i fizycznego. Wyobraża sobie komputery, które mówią nam rzeczy, które musimy wiedzieć, kiedy musimy je poznać, i interweniują, kiedy potrzebujemy pomocy. Kiedy byłem dzieckiem, jednym z moich ulubionych filmów [scen] na całym świecie był „Uczeń czarnoksiężnika” — mówi Rus. Wiesz, jak Mickey przywołuje miotłę, aby pomóc mu posprzątać? Nie potrzebujemy do tego magii.
Wiemy, jak kończy się ta scena. Mickey traci kontrolę nad miotłą i robi wielki bałagan. Teraz, gdy maszyny wchodzą w interakcję z ludźmi i integrują się z chaosem szerszego świata, wszystko staje się bardziej niepewne. Komputery wyjęto z pudełek.