DeepMind zaudējumi un mākslīgā intelekta nākotne


Alfabēta DeepMind pagājušajā gadā zaudēja 572 miljonus ASV dolāru. Ko tas nozīmē?

DeepMind, iespējams, lielākā uz pētniecību orientētā mākslīgā intelekta operācija, strauji zaudē daudz naudas – vairāk nekā USD 1 miljardu pēdējo trīs gadu laikā. DeepMind parādsaistību nākamajos 12 mēnešos ir arī vairāk nekā miljards USD.

Vai tas nozīmē, ka AI sabrūk?

VADĪTS ATZINUMS

PAR

Gerijs Markuss ir vietnes Robust.AI dibinātājs un izpilddirektors, kā arī psiholoģijas un nervu zinātnes profesors NYU. Viņš ir gaidāmo darbu autors kopā ar Ernestu Deivisu AI atsāknēšana: mākslīgā intelekta veidošana, kam mēs varam uzticēties.

Nepavisam. Pētniecība maksā naudu, un DeepMind katru gadu veic vairāk pētījumu. Iesaistītie dolāri ir lieli, iespējams, vairāk nekā jebkurā iepriekšējā AI pētniecības operācijā, taču tālu no bezprecedenta, salīdzinot ar summām, kas iztērētas dažos zinātnes lielākajos projektos. Lielais hadronu sadursme izmaksā apmēram USD 1 miljardu gadā, un kopējās Higsa Bosona atklāšanas izmaksas tiek lēstas vairāk nekā 10 miljardos USD. Protams, tāda patiesa mašīnu inteliģence (pazīstama arī kā mākslīgais vispārīgais intelekts), kas varētu darboties a Zvaigžņu treks– tāpat kā dators, kas spēj analizēt visdažādākos jautājumus, kas uzdoti parastā angļu valodā, būtu daudz vairāk vērts.

Tomēr par DeepMind zaudējumu pieaugošo apmēru ir vērts padomāt: 154 miljoni ASV dolāru 2016. gadā, 341 miljoni ASV dolāru 2017. gadā, 572 miljoni ASV dolāru 2018. gadā. Manuprāt, ir trīs galvenie jautājumi: vai DeepMind ir zinātniski uz pareizā ceļa? Vai šāda apjoma ieguldījumi ir pamatoti no Alfabēta viedokļa? Un kā zaudējumi kopumā ietekmēs AI?

Pirmajā jautājumā ir pamats skepsei. DeepMind lielāko daļu olu ir ielicis vienā grozā, kas pazīstams kā dziļas pastiprināšanas mācīšanās. Šis paņēmiens apvieno dziļa mācīšanās, galvenokārt izmanto modeļu atpazīšanai, ar nostiprināšanas mācīšanās, kas vērsta uz mācīšanos, pamatojoties uz atlīdzības signāliem, piemēram, punktu skaitu spēlē vai uzvaru vai sakāvi tādā spēlē kā šahs.

DeepMind šai tehnikai piešķīra savu nosaukumu 2013. gadā, aizraujošā rakstā, kas parādīja, kā vienu neironu tīkla sistēmu var apmācīt spēlēt dažādas Atari spēles, piemēram, Izlausties un Kosmosa iebrucēji, kā arī, vai labāk nekā cilvēki. Šis raksts bija inženiertehniskais ceļojuma spēks un, iespējams, galvenais katalizators DeepMind 2014. gada janvāra pārdošanā Google. Turpmākā tehnikas attīstība ir veicinājusi DeepMind iespaidīgās uzvaras Go un datorspēlē StarCraft.

Problēma ir tā, ka tehnika ir ļoti specifiska šauriem apstākļiem. Spēlējot Izlausties, piemēram, nelielas izmaiņas, piemēram, bradājuma pārvietošana par dažiem pikseļiem uz augšu, var izraisīt dramatiskas veiktspējas samazināšanos. DeepMind’s StarCraft rezultāti bija līdzīgi ierobežoti, ar labākiem rezultātiem nekā cilvēkiem, ja spēlē vienā kartē ar vienu rakstura “rasi”, bet sliktāki rezultāti dažādās kartēs un ar dažādām rakstzīmēm. Lai mainītu rakstzīmes, jums ir jāpārkvalificē sistēma no nulles.

UZZINĀT VAIRĀK

VADĪTAIS Mākslīgā intelekta ceļvedis

Dažos veidos dziļas pastiprināšanas mācīšanās ir sava veida iegaumēšana ar turbokompresoru; sistēmas, kas to izmanto, var satriecošus varoņdarbus, taču viņiem ir tikai sekla izpratne par to, ko viņi dara. Tā rezultātā pašreizējām sistēmām trūkst elastības, un tāpēc tās nespēj kompensēt, ja pasaule mainās, dažreiz pat niecīgā veidā. (Līdzīgi tiek apšaubīti arī DeepMind nesenie rezultāti ar nieru slimībām.)

Dziļai pastiprināšanas apgūšanai ir nepieciešams arī milzīgs datu apjoms, piemēram, miljoniem pašu spēlētas Go spēles. Tas ir daudz vairāk nekā cilvēkam, lai kļūtu par pasaules klasi Go, un tas bieži vien ir grūti vai dārgi. Tas rada prasību par Google mēroga datoru resursiem, kas nozīmē, ka daudzās reālās pasaules problēmās datora laiks vien būtu dārgs lielākajai daļai lietotāju. Pēc viena aprēķina, AlphaGo apmācības laiks maksāja 35 miljonus USD; tas pats aprēķins pielīdzināja patērētās enerģijas daudzumu 12 760 cilvēku smadzenēm, kuras nepārtraukti darbojas trīs dienas bez miega.