Podľa pána Yanna LeCuna, riaditeľa výskumu AI na Facebooku, jedného z popredných odborníkov v oblasti umelej inteligencie v súčasnosti, môže hlboké učenie v budúcnosti vyžadovať nový programovací jazyk, ktorý je flexibilnejší a ľahšie sa s ním pracuje ako s Pythonom. . Prečo to tento odborník predpovedal?
"Stále nie je jasné, či je potrebné vytvoriť nový programovací jazyk alebo nie, je to však potrebné na zmenu myslenia veľkého počtu výskumníkov a inžinierov. Inžinieri informačných technológií - ľudia, ktorí sú veľmi konzervatívni v otázkach súvisiacich s umelými inteligenciu. V skutočnosti existuje množstvo projektov v spoločnostiach Google, Facebook a mnohých ďalších technologických spoločnostiach pri navrhovaní nového programovacieho jazyka, zostaveného spôsobom, ktorý by mohol byť efektívnejší pre hlboký rozvoj. učenie, ale nie som si istý, či komunita bude nasledovať alebo nie, pretože každý chce jednoducho používať Python,“ zdieľal pán Yann LeCun.
Je vývoj nového programovacieho jazyka rozumný prístup?
Podľa nedávnej správy Octoverse spoločnosti GitHub je Python v súčasnosti najčastejšie používaným jazykom vývojármi pracujúcimi na projektoch strojového učenia a prispieva aj do rámca PyTorch Facebooku a TensorFlow od Googlu.
Pán Yann LeCun predniesol príspevok na Medzinárodnej konferencii polovodičových obvodov (ISSCC), ktorá sa konala 19. februára v San Franciscu, kde sa dozvedel o najnovších trendoch vo vývoji strojového učenia. V prvej časti článku sa hovorí o lekciách, ktoré sa Yann LeCun naučil z Bell Labs, vrátane jeho pozorovania, že výskumníci AI a počítačoví vedci majú často tendenciu spájať hardvérové a softvérové nástroje Directions.
Problémy s hardvérom
Umelá inteligencia má za sebou viac ako 50 rokov, čo sa formovaniu a vývoju venovalo pol storočia, no súčasný nárast významu a praktickej aplikácie tejto technológie v poslednom období má tendenciu klesať.Tento trend úzko súvisí s rastom výpočtového výkonu. poskytované počítačovými čipmi a súvisiacimi hardvérovými komponentmi.
Yann LeCun pracoval dlhú dobu v Bell Labs od 80. rokov minulého storočia a bol zodpovedný za vývoj AI v ConvNet (CNN) a dospel k záveru, že lepší hardvér by prispel k vytvoreniu lepších algoritmov a lepšiemu výkonu.
Začiatkom roku 2000, po odchode z Bell Labs a nástupe na New York University, Yann LeCun spolupracoval s mnohými ďalšími osobnosťami v oblasti AI, ako sú Yoshua Bengio a Geoffrey Hinton, na výskume na oživenie vzťahu. Zameral sa na neurónové siete a propagoval popularita hlbokého učenia.
V posledných rokoch došlo k pokroku v hardvéri – ako sú Field-Programmable Gate Arrays – FPGA (špeciálny integrovaný obvod alebo čip, ktorý je možné naprogramovať v rámci jeho rozsahu po jeho výrobe), Tensor Processing Units (TPU) od spoločnosti Google a Graphics Processing Jednotky (GPU) - zohrali veľkú úlohu v raste priemyslu AI.
„Tieto typy hardvéru majú veľký vplyv na výskum, ktorý ľudia robia, takže smerovanie AI v nasledujúcom desaťročí bude tiež výrazne ovplyvnené stavom vývoja hardvéru. Samozrejme, že výskumníci informatiky nechcú byť viazaní hardvérovými obmedzeniami, ale taká je realita."
Okrem toho, pán Yann LeCun tiež zdôraznil, že niektorí výrobcovia hardvéru súvisiaceho s AI by mali zvážiť a vydať odporúčania týkajúce sa typu architektúry potrebnej v blízkej budúcnosti, možno v najbližších rokoch, pred narastajúcim rozsahom systémov hlbokého učenia. Okrem toho je potrebné, aby bol hardvér navrhnutý špeciálne pre hlboké učenie, ktorý by bol schopný spracovať vo veľkom meradle, namiesto toho, aby bolo potrebné spracovať veľa tréningových vzoriek na spustenie neurónovej siete.. Súčasným štandardom je kapitálová ekonomika.
„Napríklad, ak spustíte iba jeden obraz, nebudete môcť využiť všetok výpočtový výkon dostupný v GPU. V podstate budete plytvať zdrojmi, takže vývojári by mali myslieť aj na efektívnejšie spôsoby trénovania neurónových sietí.“
V článku pán Yann LeCun tiež zopakoval svoje presvedčenie, že samoučenie pod dohľadom bude hrať kľúčovú úlohu pri podpore rozvoja modernej AI. Verí, že budúce systémy hlbokého učenia sa budú vo veľkej miere trénovať samoučením pod dohľadom a na podporu samoučenia pod dohľadom bude potrebný moderný hardvér s vyšším výkonom.
Minulý mesiac viedol aj pán Yann LeCun diskusiu o dôležitosti učenia sa pod dohľadom ako súčasť príbehu o predpovedaní trendov AI v roku 2019. Hardvér, ktorý zvládne toto učenie pod dohľadom, bude dôležitý pre Facebook, ako aj autonómne šoférovanie, robotika a mnoho ďalších foriem technológií.
Poľovníci často lovia v noci, a preto sa na ich detekciu používajú infračervené kamery namontované na dronoch. Problém je, že keď pytliak aj zviera vyžarujú teplo, môže byť ťažké ich presne identifikovať.
Predstavte si, že odpovedáte na otázky zákazníkov, aj keď spíte. Tu je to, čo môžu bezplatné chatboty AI urobiť pre váš web.
V dôsledku starnutia a klesajúcej populácie Japonska v krajine chýba značný počet mladých pracovníkov, najmä v sektore služieb.
Character.AI, startup zameraný na generatívnu AI a technológiu chatbotov, údajne rokuje o získaní financií, ktoré by mohli oceniť spoločnosť na viac ako 5 miliárd dolárov.
Henry VIII je jednou z najklasickejších hier v histórii anglickej literatúry, ktorú napísali dvaja slávni autori William Shakespeare a John Fletcher v roku 1623.
YouTuber a inžinier z Brazílie menom Lucas Rizzotto sa nedávno na Twitteri podelili o príbeh, ako si uvedomil svojho imaginárneho priateľa – mikrovlnnú rúru v dome, používa AI, no získal „jeden z najdesivejších zážitkov“ svojho života.
Výskumníci zistili, že webové kamery a kamery smartfónov možno kombinovať so špecializovanými algoritmami AI, aby fungovali ako mimoriadne efektívne systémy vzdialeného monitorovania osobného zdravia.
Zdá sa, že moderný život má čoraz negatívny vplyv na medziľudské vzťahy.
Pomocou komplexnej architektúry neurónovej siete založenej na okrajových grafoch dokáže model umelej inteligencie Google Brain navrhnúť pôdorysy za zlomok času, ktorý zaberie človeku.
Python má veľa veľkých knižníc a rámcov, ktoré sú vhodné na písanie kódu a vývoj informatiky. Docs.NeoTechSystems vás pozýva na diskusiu o niektorých užitočných nástrojoch Pythonu pre aplikácie Machine Learning a Data Science.
