Вчися, Термінатор! ШІ для усіх від Microsoft

Вчися, Термінатор! ШІ для усіх від Microsoft

Microsoft використовує новомодну концепцію, щоб запрацювати на штучному інтелекті. Це називається "Навчання машин", і Microsoft умовно визначає його як набір інструментів, які фахівці в якійсь конкретній області можуть використати для самостійного навчання ШІ. Після ретельної розробки цих інструментів Microsoft сподівається популяризувати концепцію. Надія в тому, що все більше компаній створюватимуть своє власне програмне забезпечення для штучного інтелекту — працююче на платформі хмарних обчислень Microsoft, звичайно, — навіть якщо у них немає власних експертів по ШІ.

"Ми віримо, що це стане однією з головних перетворюючих сил того, як ШІ можна застосувати до набагато більшої кількості сценаріїв і зробити доступним для набагато більшого числа людей", — говорить віце-президент Microsoft по розвитку ШІ Гурдип Палл.

Міст через прірву

Microsoft розглядає навчання машин як доповнення до машинного навчання — тобто підходу, у рамках якого системи ШІ аналізують дані і вчаться передбачати речі, наприклад, чи є на фотографії людська особа. За допомогою навчання машин люди направляють систему, розбиваючи завдання на індивідуальні уроки, подібно до того, як хтось, що навчається грі у бейсбол, спочатку вчиться дитячому бейсболу, а потім переходить до оволодіння повноцінним прийомам.

"Машинне навчання — це усе, що стосується алгоритмічного знаходження шаблонів в даних, — говорить Палл. — Навчання машин — це передача знань від людини-експерта до системи машинного навчання".

Microsoft не може претендувати на одноосібне володіння цим терміном. Професор Університету Вісконсіна Джері Чжу використовує формулювання "навчання машин" для опису набору підходів до навчання алгоритмів машинного навчання з 2013 року. Втім, він і Microsoft згодні, що їх визначення в чомусь співпадають.

Хоча Microsoft і говорить, що навчання машин найбільш корисне для таких областей, як автономні системи, де ШІ доводиться вибирати між безліччю можливих дій у реальному світі, це також спосіб зробити ШІ доступнішим. За наявності правильних інструментів фахівець вузького профілю повинен уміти навчити систему штучного інтелекту, не розбираючись в технологіях машинного навчання, так само, як тренер по бейсболу не повинен вивчати хімію мозку.

"[Фахівці вузького профілю] можуть почати використати ШІ, не особливо розуміючи, як працює саме машинне навчання, — говорить Палл. — І вони можуть передати свої експертні знання штучному інтелекту, який їх використовуватиме".

Минулого року Microsoft придбала стартап під назвою Bonsai, щоб допомогти абстрагуватися від складнощів розробки ШІ. Аналогічно тому, як Visual Basic — простіша мова програмування, чим C, у Bonsai є власна мова, званий Inkling, який простіше, ніж розробка ШІ з нуля. Палл говорить, що за допомогою цих інструментів енергетичні, фінансові або медичні компанії можуть створювати додатки ШІ без необхідності наймати спеціальних інженерів, які мають високий попит і яких не так багато на ринку.

Палл приводить в приклад недавню роботу Shell з Bonsai над розробкою автономної бурової установки. Хоча засадничі алгоритми навчання нічим не відрізняються від того, що Shell могла б розробити самостійно, навчання машин з часом могло б полегшити експертам удосконалення систем.

"Проблема тепер не в тому, чи можна підвищити продуктивність алгоритму на ще один відсоток, — говорить Палл. — Питання в тому, чи здатний експерт проконтролювати, щоб система стала ефективнішою".

Експерти все одно потрібні

Незважаючи на ці гучні заяви, аналітик Gartner Эрик Бретену говорить, що компаніям як і раніше будуть потрібні експерти по штучному інтелекту.

По-перше, навчання машин залежить від конкретного підходу до штучного інтелекту шляхом проб і помилок, який називається "Глибоким навчанням з підкріпленням". Наприклад, якщо мета полягає в тому, щоб перемістити об'єкт в конкретне місце призначення, система буде винагороджена, якщо направить об'єкт в правильному напрямі. Бретену говорить, що додатки для цього методу все ще досить обмежені і рідко використовуються на належному рівні.

Але навіть якщо Microsoft права в тому, що в майбутньому підхід стане ширше застосовуватися, на думку Бретену, все ж треба притягати експертів по штучному інтелекту для спостереження за системою у фоновому режимі і пояснення того, що сталося, якщо щось піде не так.

"Вам потрібна деяка прозорість, а експерти у вузькій області не завжди бувають технічними експертами, — говорить Бретену. — Іноді у них бракує знань, щоб розібратися".

Перший крок

Бретену також відмічає, що Microsoft не самотня в спробах спростити розробку ШІ. Він вказує на інші компанії, такі як Cogitai, яка пропонує власну платформу для глибокого навчання з підкріпленням, а також на Google Cloud AutoML, яка обіцяє можливість навчати призначені для користувача моделі ШІ з мінімальними знаннями в області машинного навчання.

Проте, за словами Бретену, останніми роками Microsoft досягла успіху в зміцненні своїх інструментів ШІ і розуміє потреби компаній. "Вони виконали велику роботу за останні декілька років, — говорить він. — Вони дуже просунулися в цій області".

Таким чином, навчання машин — це не стільки великий прогрес в штучному інтелекті, скільки просування ряду невеликих поліпшень, які можуть з часом скластися в єдину картину. Як і у випадку з іншими модними слівцями, такими як "інтернет речей", "безпровідна 5G зв'язок" і навіть власне штучний інтелект, навчання машин — швидше передумова, ніж продукт.

Навіть Гурдип Палл з Microsoft визнає це, відмічаючи, що модне слово, схоже, знайшло відгук, коли компанія обговорювала його з галузевими аналітиками. На його думку, за цим послідує щось більше, у тому числі підтримка більшої кількості алгоритмів навчання і візуальних засобів навчання, які зроблять навчання машин ще доступнішим. На даний момент компанія просто хоче зробити перший крок.

"Замість якоїсь абстрактної ідеї ми можемо показати, як саме її можна застосувати, і чому, застосовуючи її саме таким чином, ви отримуєте переваги", — говорить він.