Прогресс в области создания искусственного интеллекта заставляет некоторых людей беспокоиться, что программное обеспечение лишит их рабочих мест. Случай произошедший в Австралии, когда горнодобывающая компания Rio Tinto роботизировала свой автопарк, только усиливает это беспокойство. В настоящее время ведущие исследователи приходят к выводу, что они могут создать программное обеспечение, способное научиться выполнять одно из самых сложных направлений их собственной работы — проектирование программного обеспечения самообучения машин.
В одном из своих экспериментов, исследовательская группа по изучению искусственного интеллекта проекта Google Brain использовала ПО, созданное самообучающейся системой, в сравнительном тестировании программы языкового перевода. То, что было разработано этой системой, превосходило результаты, ранее полученные при использовании программного обеспечения, разработанного людьми.
В недавнее время еще несколько групп также сообщили о прогрессе в разработке самообучающегося ПО для создания самообучающегося ПО. Среди них группа ученых из некоммерческого НИИ OpenAI (его сооснователем был Элон Маск), Массачусетский технологический институт, Университет Калифорнии, Беркли и еще одна исследовательская группа Google в области ИИ — DeepMind.
Если самоинициирущие методы искусственного интеллекта нашли практическое применение, значит, темпы его внедрения во всех отраслях экономики будут только расти. Сейчас компании вынуждены платить премии специалистам в области машинного обучения, в рядах которых наблюдается нехватка.
Джефф Дин, глава исследовательской группы Google Brain, в своих размышлениях на прошлой неделе предположил, что часть работы таких специалистов может быть выполнена программным обеспечением. По его словам направление исследований, названное им «Автоматизированным машинным обучением», является одним из наиболее перспективных в работе его команды.
«Сейчас вы решаете проблемы опираясь на опыт и данные и вычисления,» сказал Дин, на конференции AI Frontiers в Санта-Клара, Калифорния. «Можем ли мы обойтись без опыта в вопросе машинного самообучения?»
Серия экспериментов группы DeepMind компании Google призвана показать, что то, что исследователи называют «обучением обучению», может помочь решить проблему необходимости обработки самообучающимся ПО большого объема информации о конкретной задаче, чтобы выполнить ее хорошо.
Исследователи тестируют свое программное обеспечение для создания систем обучения, что выявить разнообразные, но связанных между собой, проблемы, такие как навигация лабиринты. Им удалось создать программы, обнаружившие в себе способность к обобщению и решению новых задач с меньшей потребностью в дополнительном обучении, чем могло бы быть.
Идея создания самообучающегося программного обеспечения давно витала в воздухе, но результаты первых экспериментов в этой области были несопоставимы с результатами деятельности человека. «Занятно,» сказал тогда Джошуа Бенгио (Yoshua Bengio), профессор Университета Монреаля, который ранее исследовал эту идею в 1990-е годы.
Бенгио отметил, что с ростом вычислительной мощности современных компьютеров и появлением техники глубокого обучения, вызвавшей недавний ажиотаж относительно искусственного интеллекта, цель вскоре может быть достигнута. Но в то же время он отмечает, что глубокое обучение все еще требует таких экстремальных вычислительных мощностей, что пока еще не практично думать о снижении нагрузки или частичной замены специалистов машинного обучения.
Исследователи Google Brain с помощью 800 высокомощных графических процессоров разработали ПО, которое справилось с разработкой системы распознавания изображений сопоставимое по качеству с лучшими разработками человека.
Открист Гупта (Otkrist Gupta), научный сотрудник лаборатории MIT Media Lab, считает, что все изменится. Он и его коллеги из MIT планируют использовать ПО с открытым исходным кодом в собственных экспериментах по разработке системы глубокого обучения, которая в тестах по распознаванию объектов смогла бы показать результат, сопоставимый с результатом тестирования человека.
Гупта считает, что у компаний и исследователей отличная мотивация на поиск способа сделать автоматизированную систему машинного самообучения практичней. «Снижение нагрузки на ученого при обработке данных является большим выигрышем,» говорит он. «Это может сделать вас более продуктивным и освободит для исследования идей более высокого уровня.»
Источник: https://www.technologyreview.com: AI Software Learns to Make AI Software
