Изкуственият интелект излезе от лабораториите и стигна до бизнеса

Не трябва да се опитваме да правим човекоподобни компютри. Просто те не харесват това. Тази шега датира поне от 1997 г., когато Deep Blue на IBM победи световния шампион по шахмат Гари Каспаров, но дори след големите постижения в областта на изкуствения интелект (AI) все още сме далеч от времето, когато ще се тревожим от чувствата на машините.

Прочетете още: Athlon ще превърне Тютюневата фабрика в София в инкубатор за иновации

Компютрите могат да анализират изреченията, с които се изразяваме в социалните мрежи, да проектират изражения на лицата на роботи, за да ни накарат да вярваме, че те са щастливи или ядосани, но няма нито един вярващ, че те „имат“ чувства, които да изразяват.

В други области на изкуствения интелект има съществени подобрения през последните 12 месеца и при хардуера, и при софтуера.

Deep Blue бе шахматен противник от световна класа и също не злорадства, когато печели, или не се обижда, когато губи.

До тази година, когато компютър замести човека в друга игра – китайската Го. През март т.г. AlphaGo, разработена от поделението DeepMind на Google, победи Лий Седол, най-силния играч на Го с 4:1 в турнир от 5 мача.

Тайното оръжие на AlphaGo бе техника, наречена усилено изучаване, чрез която програма изчислява сама кои действия ще я приближат до целта, след това подсилва това поведение без да има нужда да бъде посъветвана от човек, чийто стъпки са правилни. Това означава, че тя може да играе последователно срещу себе си и постепенно да научава кои стратегии ще се наложат.

Техники за усилено изучаване са налице от десетилетия, но едва напоследък компютрите се сдобиха с достатъчно изчислителна мощ (да тестват всеки възможен път) и памет (за да запомнят стъпките, които ги водят до целта), за да играят на високо ниво в игра като Го.

По-добре работещият хардуер също придвижи напред и изкуствения интелект. През май Google разкри своя чип TPU (Tensor Processing Unit), хардуерен ускорител за нейния алгоритъм за задълбочено учене TensorFlow. Интегрална схема ASIC може да изпълнява всички типове изчисления, използ­вани при машинното учене, много по-бързо и с по-малко изчислителна мощ от всеки GPU процесор, а Google инсталира няколко хиляди подобни схеми в сървърни шкафове в слотовете, предвидени за твърди дискове.

Чипът TPU бе едно от нещата, които направиха толкова бърза AlphaGo, но Google използа чипа и за ускоряване на картографските и навигационни функции в Street View и подобри резултатите от търсенето с нов AI инструмент, наречен RankBrain.

Google пази чипа TPU само за себе си засега, но други също реализират хардуер, настроен за приложения на изкуствен интелект. Microsoft например снабди някои свои сървъри Azure с FPGA схеми, за да ускори функции за машинно обучение, а IBM се е насочила към подобни приложения чрез гамата сървъри PowerAI, които използват специален хардуер за свързване на нейните процесори Power CPU с графичните чипове GPU на Nvidia.

За фирмите, които искат да разгърнат върхови AI технологии без да разработват всичко от нулата, лесният достъп до високопроизводителен хардуер е вид начало, но той не е достатъчен. Облачните оператори го осъзнават и вече предлагат AI софтуер като услуга. Amazon Web Services и Microsoft's Azure добавиха API интерфейси за машинно обучение, а IBM изгражда цяла бизнес сфера, свързана с облачния достъп до нейния Watson AI.

Фактът, че тези хардуерни и софтуерни инструменти са облачно базирани, помага на AI системите и по друг начин.

Да успееш да съхраниш и да обработиш огромни количества данни е полезно само за изкуствен интелект, който има достъп до огромни бази данни, от които да се учи – такива данни се събират и предоставят от облачни услуги, например информация за времето, за доставките на пощи, заявките за таксиметрови превози или туит съобщения на потребители.

Достъп до всички тези сурови данни вместо до избрано подмножество, обработено и надписано от хора, което бе възможно с предишното поколение изкуствен интелект, е един от основните фактори за преобразуване на проучванията в тази област през следващите 100 години, според доклад на Станфордския университет.

И макар че компютрите наблюдават всичко, което вършим, онлайн или офлайн, ще им бъде трудно да се научат да работят сами с нас. Компютрите не чувстват нищо. Засега.

IDG News Service