IBM ir MIT tikisi, kad medžiagos ir kvantinė pažanga padidins AI

IBM

Naujas MIT 240 milijonų dolerių vertės centras gali padėti tobulinti dirbtinio intelekto sritį, kuriant naujus įrenginius ir medžiagas, skirtas naujausiems mašininio mokymosi algoritmams. Galbūt tai taip pat galėtų padėti IBM susigrąžinti savo reputaciją kaip pažangiausią AI.

Projekte, kurį šiandien paskelbė IBM ir MIT, bus tiriami nauji gilaus mokymosi metodai – dirbtinio intelekto technika, kuri lėmė didelę pažangą tokiose srityse kaip mašininis matymas ir balso atpažinimas. Tačiau jame taip pat bus tiriami visiškai nauji skaičiavimo įrenginiai, medžiagos ir fiziniai reiškiniai, įskaitant pastangas panaudoti kvantinius kompiuterius – egzotiškas, bet potencialiai labai galingas naujas mašinas, kad dirbtinis intelektas būtų dar pajėgesnis.

Daug naujovių vyksta naudojant standartinį silicį ir architektūrą, bet kaip apie įrenginius ir medžiagų mokslą? sako Darius Gil , IBM tyrimų AI viceprezidentas. Tai sritis, kurios niekas neliečia, ir joje yra daug galimybių patobulinti.

Centras taip pat nagrinės būdus, kaip dirbtinį intelektą būtų galima veiksmingiau panaudoti tokiose pramonės šakose kaip sveikatos priežiūra ir saugumas. Taip pat bus tiriamas dirbtinio intelekto ir automatizavimo ekonominis poveikis – tai labai svarbi visuomenei problema.

Šis žingsnis yra svarbus MIT. XX amžiaus šeštajame dešimtmetyje universitetas buvo DI tyrimų priešakyje, tačiau pastaruoju metu šios srities svorio centras pasislinko į vakarus, o didžiosios technologijų įmonės, tokios kaip Google, Facebook, Microsoft ir Amazon, pirmavo.

Investicijos taip pat rodo IBM pokyčius. Kompanija pastūmėjo dirbtinį intelektą į priekį, sukurdama „Deep Blue“ – mašiną, kuri 1997 m. įveikė pasaulio šachmatų čempioną Garį Kasparovą (žr. „Kaip buvo laimi šachmatai“). Žaidimo šou laimėjo Watson superkompiuteris Pavojus! 2010 m. naudojo pažangiausius mašininio mokymosi ir natūralios kalbos apdorojimo metodus. Tačiau pastaraisiais metais kitos bendrovės pavogė AI tyrimų dėmesio centrą, o bendrovė kartais buvo apkaltinta per dideliu „Watson“ prekės ženklo AI paslaugų iškraipymu.

Visų pirma dėmesys aparatinei įrangai gali būti geras būdas paleisti iš naujo. Nors pastaraisiais metais buvo padaryta didžiulė pažanga dirbtinio intelekto srityje, didžioji dalis jos pasiekta dėl kelių algoritmų, taip pat dėl ​​didėjančio galingų superkompiuterių ir didelio mokymo duomenų kiekio. Netgi atsiradus naujiems požiūriams, naujos medžiagos ir skaičiavimo architektūros suteikia didžiulį potencialą patobulinti šiuos AI algoritmus.

Dauguma pažangiausių mašinų mokymosi šiandien atliekami naudojant įprastus kompiuterių lustus, kurie iš pradžių buvo sukurti grafikos apdorojimui, ar pagaminti pagal užsakymą, kad būtų galima atlikti būtinus skaičiavimus kuo efektyviau. Pergalvojus lustų architektūrą ir naudojamų komponentų tipus, našumas gali labai padidėti. IBM jau daug dėmesio skiria medžiagų mokslo ir naujų skaičiavimo įrenginių tyrimams. Kad ir kaip mes visi džiaugiamės dirbtiniu intelektu, šios srities laukia keli dešimtmečiai, sako Gil.

Rafaelis Reifas, MIT prezidentas (kairėje), ir Johnas Kelly, IBM pažintinių sprendimų ir tyrimų vyresnysis viceprezidentas.

Viena iš tų galimybių galėtų atsirasti iš kvantinių skaičiavimų. Dešimtmečius tyrinėtas smalsumas, o dabar jis tobulėja prie praktinių mašinų, galinčių išspręsti tikras problemas, ypač tokiose srityse kaip cheminiai tyrimai. Galimas jo poveikis mašininiam mokymuisi ir AI kelia įdomių klausimų.

Gilas sako, kad dar per anksti prognozuoti, kaip viskas klostysis, bet jis mano, kad eksperimentai gali pateikti netikėtumų. Tai atsitiks tik tuo atveju, jei turite velnišką kvantinį kompiuterį, o mes tai turime, sako jis.

Be aparatinės įrangos pažangos, naujasis MIT centras tirs naujus mašininio mokymosi algoritmus. Visų pirma, bus tiriami algoritmai, leidžiantys kompiuteriams mokytis iš neapdorotų arba nepaženklintų duomenų, ir tokius, kurie leistų perkelti mokymąsi iš vieno domeno į kitą.

Anantha Chandrakasan MIT inžinerijos mokyklos dekanas teigia, kad aparatinės ir programinės įrangos moksliniai tyrimai idealiu atveju turėtų būti susiję vienas su kitu. Jis sako, kad mes nekursime algoritmų, kurie visiškai nepriklauso nuo architektūros, kurią ketiname naudoti. Pamatysime sistemos lygmens mąstymą.

Laboratorijoje taip pat bus tiriama, kaip dirbtinis intelektas gali būti taikomas konkrečiose srityse, tokiose kaip sveikatos priežiūra ir kompiuterių saugumas. Chandrakasanas sako, kad jam ypač įdomu tyrinėti praktinius AI pritaikymus, ir jis tikisi, kad ateinančiais metais šios pastangos sukurs naujas įmones.

Ši interesų sritis gali pasirodyti ypač svarbi dabartiniam IBM verslui. Įmonei buvo sunkiau, nei tikėtasi, įdiegti „Watson“ tokiose srityse kaip sveikatos priežiūra (žr. IBM AI ambicijų realybės patikrinimas).

Bendradarbiaujant taip pat bus atliekami AI poveikio pasaulinei gerovei tyrimai. Francesca Rossi, žymus mokslininkas iš IBM T.J. Watson tyrimų centras teigia, kad projektas bus suderintas su dirbtinio intelekto algoritmų darbu. Kad padidintumėte bendrą gerovę per AI, taip pat turite patobulinti AI algoritmus, kuriuos naudotumėte, sako ji.

Dėmesys dirbtinio intelekto naudojimui siekiant ekonominės ir visuomenės naudos, pastangos tam tikra prasme sutampa su Partnerystė dėl AI konsorciumas, kurį IBM padėjo įkurti 2016 m. rugsėjį, tirdamas, kaip AI daro įtaką visuomenei. Tačiau Rossi sako, kad MIT ir IBM bendradarbiavimas leis atlikti tyrimus, o partnerystė yra atvira platforma šių klausimų aptarimui. Pavyzdžiui, AI partnerystė gali rekomenduoti, kad kiekviena AI sistema galėtų paaiškinti save kaip bendrą gairę. Tačiau AI ekspertai vis dar nesupranta, kaip algoritmai priima sprendimus (žr. The Dark Secret at the Heart of AI). Rossi sako, kad MIT ir IBM galėtų sugalvoti būdus, kaip išspręsti šią mįslę dirbdami kartu.

paslėpti