Hi-Tech

Какие выводы я сделал, пытаясь написать статью с помощью искусственного интеллекта

Пол Форд

И всё же, когда меня спрашивают о том, что с ним делает моя компания по разработке ПО, я отвечаю: «Ничего». О машинном обучении сейчас, похоже, говорит каждый. Ведь на определённом этапе делать с машинным обучением действительно нечего.

Тут на помощь и приходит ИИ. Но в случае, например, с Google, Apple, Facebook, Microsoft и Amazon использование инструментов машинного обучения оправдано — в распоряжении этих компаний огромное количество данных, настолько огромное, что человеку не справиться с ним самостоятельно.

Я задумал самостоятельно научить нейронную сеть писать как я, загрузив в неё все свои тексты. Так вот, любопытство и глубокая лень вперемешку с оптимизмом подтолкнули меня к изучению машинного обучения. Мне, конечно, пришлось попотеть.

Даже мне — привыкшему к жаргону разработчику — было сложно. Во-первых, разобраться в терминологии оказалось очень непросто — что такое, скажем, рекуррентные нейронные сети и долгая краткосрочная память? Что ещё хуже, в машинном обучении задействовано много математики.

Разумеется, осилить его необходимо, ведь технология работает. Сложившаяся ситуация напомнила мне Linux и сеть в 1990-е годы: перед тобой откроются невероятные возможности, стоит только освоить терминологический язык.

Загружаете данные и на выходе получаете программу для их классификации. А работает она потому, что машинное обучение пишет код за вас. Зачастую этогоне знают даже серьёзные разработчики. Как? Согласится ли на это Кремниевая долина? Не стоит ли в таком случае взять паузу и всё обдумать? Думаю, нет.

Мы привыкли к удивительной быстроте, с которой компьютеры выполняют тысячи задач одновременно. С другой стороны, машинное обучение — штука очень медленная. Чтобы создать модель стилистических особенностей моего письма, потребовалась как минимум ночь. Но когда я попытался скормить программе все свои статьи в надежде, что компьютер напишет за меня хоть пару строк, мой ноутбук словно сказал мне «нет». Выходит, пока быстрее написать текст самому.

В этот раз я решил загрузить в систему встречи из Google Календаря и посмотреть, смогу ли сгенерировать новые, звучащие правдоподобно приглашения. Но начитавшись различных руководств, я не собирался сдаваться и установил TensorFlow, среду для машинного обучения от Google.

Так или иначе, я запустил скрипт, но напутал с настройками, и нейронная сеть постоянно выдавала мне «разработку». К сожалению, названия моих встреч и дел довольно однообразны: «подбор кадров», «разработка», «офисные посиделки».

Сменив настройки, я попробовал снова. Тем не менее я был горд собой. И опять. А затем ещё раз. Результаты, впрочем, оставляли желать лучшего. На самом деле я так увлёкся, что пропустил настоящую встречу.

Однако выход всё равно оставался — я мог арендовать тензорный процессор Google, используя облачные сервисы компании. В какой-то момент я решил перенести свои занятия домой, где у меня была мощная видеокарта, но к несчастью, я не смог совместить её с Linux. У Microsoft за $50 в месяц можно получить место на облаке для машинного обучения, Amazon предлагает нечто похожее за пять центов в час.

Через 2 тысячи эпох я наконец-то начал получать более-менее понятные ответы и понемногу осознавать, почему все так восхищаются машинным обучением — всегда найдётся что-то, что можно поправить и сделать компьютер более похожим на мыслящее существо. В итоге вернувшись на работу, я вновь поменял настройки нейронной сети — минимальной единицей обучения стали слова, а не символы, что значительно ускорило процесс. Совершенно удивительно наблюдать за тем, как учится машина.

Я исчерпал свои знания в машинном обучении и сделал несколько выводов: И всё же спустя 20 тысяч эпох результаты не стали лучше.

  • Мой корпус текстов оказался слишком мал для создания сносной прогнозирующей модели.
  • Как и любому ПО, инструментам машинного обучения нужен человек, присматривающий за ними и направляющий их поведение. По крайней мере на этом этапе.
  • Да и зачем вообще напрягаться? У крупных компаний есть люди, данные, ПО. Не хотите платить Google? Переходите на Amazon. Сегодня обучение проходит медленно, а уже завтра любая посудомойка будет учить нейронную сеть лучше мыть тарелки.

У Google, скажем, в распоряжении множество данных, которые машинное обучение очень эффективно превращает в большие данные. Между тем для технологических гигантов потенциал огромен.

Плюс ко всему, я смогу упростить использование телефонов на Android. Поэтому, будь я Google, в худшем случае я просто воспользуюсь тем, что даёт мне машинное обучение, и усовершенствую свой набор рекламных продуктов, сделав их умнее и полезнее, заодно улучшив поиск на всех платформах и сети в целом.

Такой ход поможет обновить инструменты для внутреннего пользования, что с течением времени принесёт ещё много миллиардов долларов. Одновременно с этим я, Google, выпущу общедоступную платформу TensorFlow, и тем самым привлеку большую группу разработчиков, которые просто захотят воспользоваться инфраструктурой и заниматься машинным обучением в серьёзных масштабах.

В самых смелых мечтах я бы запустил совершенно новую линейку продуктов, связанных с машинным зрением, переводом и сервисами автоматической торговли, создав разработки стоимостью в сотни миллиардов долларов — до того как машинное обучение станет дешёвым и доступным.

Я бы так и занимался беспилотными машинами, создавал голосовые и почтовые ассистенты, при этом обеспечивая всех вокруг облачной инфраструктурой для машинного обучения, потому как мои инструменты станут стандартом и данных у меня будет больше всех. Я имею в виду следующее: даже если все смогут без проблем заниматься такими вычислениями, у меня останутся данные, за доступ к которым придётся неплохо заплатить.

Но мы будем просто поддерживать инфраструктуру. Да, на практике появятся определённые неудобства: полиция сможет отслеживать потенциальных преступников, кредитные агентства — ненадёжных заёмщиков и так далее.

В худшем случае, я, Google, стану чрезвычайно успешной компанией, а в лучшем — стану основой для новой цифровой эпохи, где компьютер глубоко интегрирован в нашу жизнь.

#будущее #искусственныйинтеллект

Показать больше

Похожие статьи

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Кнопка «Наверх»
Закрыть