Yann LeCun, a Facebook mesterséges intelligencia kutatási igazgatója, a mesterséges intelligencia egyik vezető szakértője szerint a jövőben a mély tanuláshoz új programozási nyelvre lehet szükség, amely rugalmasabb és könnyebben használható, mint a Python. . Miért jósolta ezt a szakértő?
"Még mindig nem világos, hogy kell-e új programozási nyelvet létrehozni vagy sem, ez azonban szükséges ahhoz, hogy a kutatók és mérnökök nagy részének gondolkodásmódja megváltozzon. Információtechnológiai mérnökök - olyan emberek, akik nagyon konzervatívak a mesterségesekkel kapcsolatos kérdésekben intelligencia. Valójában a Google-nál, a Facebooknál és sok más technológiai cégnél számos projekt indult egy új programozási nyelv megtervezésére, amelyet úgy állítottak össze, hogy az hatékonyabb legyen a mélyreható fejlesztéshez. tanulás, de nem vagyok benne biztos, hogy a közösség követni fogja a példáját, vagy sem, mert mindenki csak a Pythont akarja használni" - osztotta meg Yann LeCun.
Egy új programozási nyelv kifejlesztése ésszerű megközelítés?
A GitHub legutóbbi Octoverse jelentése szerint jelenleg a Python a leggyakrabban használt nyelv a gépi tanulási projekteken dolgozó fejlesztők körében, és hozzájárul a Facebook PyTorch keretrendszeréhez és a Google TensorFlow-jához is.
Yann LeCun úr előadást tartott a február 19-én San Franciscóban megrendezett Nemzetközi Szilárdtest-áramkörök Konferencián (ISSCC), amelyben megismerte a gépi tanulás fejlesztésének legújabb trendjeit. Ebben a cikk első része azokról a leckékről szól, amelyeket Yann LeCun a Bell Labstól tanult, beleértve azt a megfigyelését, hogy az AI-kutatók és informatikusok gyakran hajlamosak arra, hogy az irányokat összekapcsolják a hardver- és szoftvereszközökkel.
Hardver problémák
A mesterséges intelligencia több mint 50 éves, fél évszázadot töltött el a formáció és fejlesztés során, de ennek a technológiának az utóbbi időkben tapasztalt jelentősége és gyakorlati alkalmazása egyre inkább csökken, ez a tendencia szorosan összefügg a számítási teljesítmény növekedésével számítógépes chipek és kapcsolódó hardverkomponensek biztosítják.
Yann LeCun hosszú ideig dolgozott a Bell Labs-nál, az 1980-as évek óta, és a ConvNetnél (CNN) volt felelős a mesterséges intelligencia fejlesztéséért, és arra a következtetésre jutott, hogy a jobb hardver hozzájárulna a jobb algoritmusok kidolgozásához és a jobb teljesítményhez.
A 2000-es évek elején, miután elhagyta a Bell Labs-t és csatlakozott a New York-i Egyetemhez, Yann LeCun a mesterséges intelligencia területén számos más világító emberrel dolgozott együtt, mint például Yoshua Bengio és Geoffrey Hinton, és kutatásokat végzett a kapcsolat újjáélesztése érdekében. A neurális hálózatokra összpontosított, és előmozdította a a mély tanulás népszerűsége.
Az elmúlt években a hardver fejlesztése – például a Field-Programmable Gate Arrays – az FPGA (egy speciális integrált áramkör vagy chip, amely gyártása után programozható a hatókörén belül), a Google Tensor Processing Units (TPU) és a Graphics Processing terén Egységek (GPU-k) - nagy szerepet játszottak az AI-ipar növekedésében.
„Az ilyen típusú hardverek nagy hatással vannak az emberek által végzett kutatásokra, így az AI irányát a következő évtizedben nagymértékben befolyásolja a hardverfejlesztés állapota is. Természetesen a számítástechnikával foglalkozó kutatók nem akarnak hardveres korlátokhoz kötni őket, de ez a valóság."
Emellett Yann LeCun úr azt is hangsúlyozta, hogy egyes mesterséges intelligenciával kapcsolatos hardvergyártóknak fontolóra kell venniük a közeljövőben, esetleg az elkövetkező néhány évben, a mély tanulási rendszerek terjedésének növekedését megelőzően, és ajánlásokat kell tenniük arra vonatkozóan, hogy milyen típusú architektúrára van szükség. Emellett olyan hardverre van szükség, amelyet kifejezetten mély tanulásra terveznek, és képesek nagy léptékben feldolgozni, ahelyett, hogy egy neurális hálózat futtatásához sok betanítási mintát kellene feldolgozniuk.. A tőkegazdaságtan a jelenlegi szabvány.
„Például, ha csak egyetlen képet futtat, nem fogja tudni kihasználni a GPU-ban rendelkezésre álló teljes számítási teljesítményt. Lényegében erőforrásokat fog pazarolni, ezért a fejlesztőknek gondolkodniuk kell a neurális hálózatok képzésének néhány hatékonyabb módszerén is.”
A cikkben Yann LeCun úr megismételte azt a meggyőződését, hogy a felügyelt önálló tanulás kulcsszerepet fog játszani a modern AI fejlődésének előmozdításában. Úgy véli, hogy a jövőbeni mély tanulási rendszereket nagyrészt felügyelt önálló tanulással képezik majd, és nagyobb teljesítményű modern hardverekre lesz szükség a felügyelt öntanulás támogatásához.
A múlt hónapban Yann LeCun úr is megbeszélést tartott az önfelügyelt tanulás fontosságáról a 2019-es mesterséges intelligenciatrendek előrejelzéséről szóló történet részeként. Az önfelügyelt tanulást kezelni képes hardver fontos lesz a Facebook számára, valamint autonóm. vezetés, robotika és sok más technológiai forma.