211service.com
Kitas jūsų kompiuteris gali tobulėti su amžiumi
Jonas Hanas
Paprastai senstant kompiuteriai sulėtėja. Jų procesoriai sunkiai valdo naujesnę programinę įrangą. „Apple“ netgi sąmoningai sulėtina savo iPhone senstant jų akumuliatoriams. Tačiau „Google“ mokslininkai paskelbė išsamią informaciją apie projektą, kuris laikui bėgant gali leisti nešiojamam kompiuteriui ar išmaniajam telefonui išmokti viską atlikti geriau ir greičiau.
Tyrėjai sprendė dažną kompiuterijos problemą, vadinamą išankstiniu gavimu. Kompiuteriai apdoroja informaciją daug greičiau, nei gali paimti ją iš atminties ir apdoroti. Kad išvengtų kliūčių, jie stengiasi numatyti, kokios informacijos greičiausiai prireiks, ir iš anksto ją ištraukti. Kai kompiuteriai tampa galingesni, ši prognozė tampa vis sunkesnė.
Į popierius Šią savaitę paskelbta internete, „Google“ komanda aprašo gilaus mokymosi – AI metodo, kuriame naudojamas didelis modeliuojamas neuroninis tinklas – naudojimą, kad pagerintų išankstinį gavimą. Nors mokslininkai neįrodė, kiek tai pagreitina procesą, paskatinimas gali būti didelis, atsižvelgiant į tai, ką gilus mokymasis atnešė atliekant kitas užduotis.
Darbas, kurį atlikome, yra tik ledkalnio viršūnė, sako Heiner Litz Kalifornijos universiteto Santa Kruze, kviestinis projekto tyrėjas. Litzas mano, kad turėtų būti įmanoma pritaikyti mašininį mokymąsi visose kompiuterio dalyse, nuo žemo lygio operacinės sistemos iki programinės įrangos, su kuria sąveikauja vartotojai.
Tokia pažanga būtų tinkama. Moore'o įstatymas pagaliau sulėtėja, o pagrindinė kompiuterių lustų konstrukcija pastaraisiais metais beveik nepasikeitė. Timas Kraska MIT docentas, kuris taip pat tiria, kaip mašininis mokymasis gali pagerinti kompiuterių veikimą, teigia, kad šis metodas gali būti naudingas ir aukšto lygio algoritmams. Duomenų bazė gali automatiškai išmokti tvarkyti finansinius duomenis, o ne, pavyzdžiui, socialinio tinklo duomenis. Arba programa gali išmokti pati efektyviau reaguoti į konkretaus vartotojo įpročius.
Mes linkę kurti bendros paskirties sistemas ir techninę įrangą, sako Kraska. Mašininis mokymasis leidžia automatiškai pritaikyti sistemą pagal konkrečius vartotojo duomenis ir prieigos modelius.
Kraska perspėja, kad mašininis mokymasis išlieka brangus, todėl kompiuterių sistemos nepasikeis per naktį. Tačiau, jei pavyks įveikti šiuos apribojimus, pasak jo, tai, kaip mes kuriame sistemas, ateityje gali iš esmės pasikeisti.
Litzas yra optimistiškesnis. Didžioji vizija yra sistema, kuri nuolat stebi save ir mokosi, sako jis. Tai tikrai kažko labai didelio pradžia.