Din cand in cand apar stiri senzationaliste despre companii care, lucrand cu soft-uri de invatare automata, le scapa de sub control si acestea au initiative care-i uluiesc pe ingineri. Ei bine, astfel de scenarii sunt ideale pentru filmele SF, insa nu se potrivesc cu ce se intampla in realitate unde este nevoie de instructiunile clare ale oamenilor in domenii spectaculoase precum inteligenta artificiala si subdomeniul sau machine learning. Greg Corrado, cercetator sef pe inteligenta artificiala la Google, explica de ce aceste doua concepte sunt in voga, de ce sunt utile si cum vor influenta viitorul in domenii precum masini autonome, traducere vocala instant, explorare submarina sau a spatiului.
Informatia pe scurt:
- Inteligenta artificiala si machine learning sunt concepte ce dateaza de cateva zeci de ani, insa auzim despre ele mult in ultima vreme fiindca incep sa fie puse in practica datorita computerelor tot mai puternice.
- Aceste tehnici sunt folosite pe scara larga in serviciile Google, fie ca este vorba de recunoasterea unor poze sau de traducerea instantanee dintr-o limba in alta.
- In maxim zece ani tehnologia ar putea permite traducerea vocala instantanee la calitate aproape perfecta.
- Raspandirea inteligentei artificiale va duce la desfiintarea unor sarcini care acum sunt facute de oameni, insa noi locuri de munca vor aparea si va creste eficienta multor activitati.
- Corrado spune ca nu crede teoriile conform carora ne folosim creierul la capacitate extrem de redusa "Cred ca este mitologie (...) Creierul este un organ incredibil de flexibil si in asta sta si puterea lui: desi neuronii mor zi de zi noi, noi continuam sa gandim si sa avem idei noi".
- Nu ar trebui sa ne temem ca sistemele informatice preiau initiativa si ne vor decide soarta: Daca noi, toti cei care lucram in machine learning, inchidem vineri calculatoarele, acestea se vor opri din invatat pana luni cand revenim la lucru, pentru ca nu fac nimic de capul lor si nu se auto-imbunatatesc.
- Asadar interventia omului este necesara si va mai fi asa foarte mult timp de acum inainte: "Chiar daca Google Maps iti poate arata drumul, iar o masina autonoma se poate conduce singura, tu ca om trebuie sa decizi unde vrei sa mergi.
- Pot tehnicile de machine learning sa duca direct la descoperiri stiintifice de amploare? Parerile sunt impartite aici in randul oamenilor de stiinta "Unii sunt mai optimisti si spun ca masinile pot sugera posibile configuratii care ar face ca piesele unui puzzle sa se potriveasca".
Doua notiuni destul de vechi care devin "cool" datorita avansului tehnologiei
Machine learning (ML) si inteligenta artificiala (AI) sunt notiuni care se regasesc deja in diverse produse Google (cum ar fi Photos, Gmail, Maps), nu reprezinta o noutate, nu sunt magie, insa acum in ultimii ani s-a vorbit mai mult pentru ca au nceput sa functioneze eficient, explica Greg Corrado, co-fondator Google Brain, cercetaror principal la Google si leader al echipei de AI. Acesta a avut o discutie la Budapesta cu mai multi jurnalisti din regiune.
Inteligenta artificiala reprezinta stiinta de a face sisteme informatice care pot fi considerate "inteligente", iar machine learning (invatarea automatizata) reprezinta o disciplina mai restransa care presupune crearea de sisteme capabile sa invete din exemplele si din datele pe care le primesc. Intre aceste doua concepte exista o zona comuna si cel mai bun exemplu tine de faptul ca IBM Deep Blue, supercomputerul care in 1997 l-a invins pe Gary Kasparov, era un sistem de inteligenta artificiala care nu invata sa joace sah, ci era programat sa-l joace, in timp ce AlphaGo, care recent a invins campionul mondial la jocul de GO, invata si joaca tot mai bine, fiind net peste DeepBlue.
Exista o a treia disciplina legata de cele doua, insa diferita: robotica, ce se refera a masini care se misca. Ideea unor roboti cu inteligenta artificiala, dar si cu posibilitate de a invata poate fi intalnita si filmele SF, insa nu si in realitate.
Cum invata aceste soft-uri? Pornind de la exemple si de la uriase cantitati de date care sunt furnizate de operatorii umani care stabilesc si ecuatiile.
Conceptele exista inca din anii 80' dar se vorbeste acum foarte mult de ele fiindca in sfarsit functioneaza datorita faptului ca puterea de calcul este mare. Pentru ca un program sa recunoasca faptul ca intr-o fotografie este un caine trebuie sa faca milioane de comparatii cu alte fotografii, iar pentru asta trebuie sa existe putere de procesare. In plus, trebuie sa existe milioane de fotografii ce sunt luate ca exemplu, exxplica oficialul Google.
Corrado explica printr-o comparatie cu primul zbor realizat de om cu un aparat mai greu decat aerul de ce aceste doua concepte (AI si ML) devin interesante abia acum. "Putem face o comparatie cu primul zbor reusit de om cu un aparat mai greu decat aerul. Inca de pe la 1890 erau oameni cu idei grozave pentru a face primul zbor, insa nu au reusit, dar 15 ani mai tarziu s-a reusit. Ce s-a schimbat in acei 15 ani? Nu aripile s-au schimbat, ci motorul cu combustie interna, fiindca pe la 1890 motoarele erau grele si aparatele nu se puteau ridica de la sol, insa 15 ani mai tarziu au devenit mai mici si mai usoare. La fel stau lucrurile si cu machine learning-ul: ideea a aparut inca din anii 80', dar nu a functionat pana acum cinci-zece ani si asta s-a intamplat pentru ca abia acum a venit
Si aici este vorba nu doar de procesoarele uriaselor mainframe-uri, ci si de procesoarele grafice. Ca si motoarele avioanelor de acum 110 ani, procesoarele din computerele de acum au devenit mai usoare, mai rapide si - in concluzie - mai eficiente.
Un alt termen apare tot mai des in ultimii ani: deep learning, pentru care numarul de cautari pe Google a crescut de zeci de ori. Este practic un tip de machine learning, nu se schimba nici algoritmul de invatare si nici parametrii. "Ce face ca o retea neurala profunda (deep neural network) sau fie eficienta este ca imparte problema in mai multi pasi matematici mai mici. Si acest concept exista, dar poate fi aplicat doar de cativa ani cand computerele au devenit foarte puternice. Si aici totul se bazeaza pe introducerea intr-un sistem computerizat a unei cantitati uriase de date care sunt analizate mai in detaliu. "O retea neurala de profunzime imparte prpblema mare in probleme mici si poate invata din exemple", explica Greg Corrado.
Tehnici de machine learning sunt folosite si la servicii precum Google Translate, dar si in medicina, unde soft-urile pot ajuta doctorii sa gaseasca anumite tipuri de informatii in baze uriase de date, pornind de la instructiunile doctoriloe.
"Machine learning-ul nu este magie, nici macar nu este ceva extraordinar de greu, insa este o noua tehnica de inginerie, iar inginerii trebuie sa se obisnuiasca cu ea si asta se intampla si la Google".
Traducerea vocala aproape perfecta - Un vis ce poate deveni realitate
Computerele nu invata doar din cantitati uriase de date, ci din exemple, exemple care sa le arate exact ce vrei de la ele. "Daca avem o biblioteca de carti in engleza la Londra si una de carti in franceza la Paris, degeaba le aduc pe toate la un loc pentru ca nu pot face nimic. Am nevoie de propozitiile in engleza si de traducerea exacta a acestora in franceza, nu am nevoie de o stiva de carti", spune oficialul Google. Despre cum se face traducerea automata la Google si ce s-a schimbat foarte de curand puteti citi aici.
Este posibila traducerea vocala instantanee la calitate aproape perfecta?
Corrado spune ca da "Este o provocare inginereasca, nu se pune problema daca este posibil, ci doar cand. In cinci-zece ani este posibil, insa pentru a functiona in toate limbile este nevoie de contributii de peste tot din lume pentru a genera datele necesare si pentru a corect greselile".
Unele meserii vor disparea, altele isi vor face aparitia
Care e castigul economic adus de AI si ML? Unele proceduri vor fi eficientizate, alte lucruri - pana acum imposibile - vor fi posibile, dar impactul va fi simtit cu timpul, nu va fi un soc pentru intreg sistemul. "Este precum digitalizarea, precum raspandirea computerelor, va atinge multe domenii, dar treptat".
Se vor pierde locuri de munca din cauza acestor tehnologii? Oficialul Google spune ca nu este vorba de job-uri, ci de anumite "sarcini" (tasks). "Bunica si mama au fost contabile. Bunica a trecut prin perioada de tranzitie de la calculul pe hartie cu creionul la rigla de calcul, in timp ce mama a trecut de la rigla de calcul la PC", spune Corrado, explicand ca nu au disparut contabilii, ci li s-a schimbat munca. S-a schimbat si modul de a gandi al contabililor, dar a crescut enorm si productivitatea lor.
Sunt senzationaliste rapoartele care spun ca automatizarea va elimina extrem de multe locuri de munca, mai spune el. Va schimba insa enorm munca si ii va motiva pe multi sa-si schimbe mai des locul de munca sau specializarea. "Vor fi eliminate unele locuri de munca, insa foarte putine. Dar ganditi-va ca acum in orice loc de munca se foloseste calculatorul, fie ca este vorba de fotografi sau de stilisti. La fel va fi si cu inteligenta artificiala si vor fi create si specialitati noi, insa greu de spus care vor fi acestea. De exemplu inainte de aparitia internetului era imposibil sa-ti imaginezi ca cineva poate sa traiasca din blogging sau inainte de aparitia motoarelor de cautare cine ar fi putut spune ca va fi excelent un job precum cel de expert in optimizare a cautarii web (SEO)?"
Neurostiinta si inteligenta artificiala
"Neurostiinta si inteligenta artificiala sunt ambele importante, dar extrem de diferite. Neurostiinta se refera la biologie si la a intelege cum functioneaza creierul, in timp ce ML isi propune sa faca un anumit lucru care functioneaza si nu ne pasa daca este precum creierul sau nu, vrem sa functioneze, de exemplu vrem ca Google Maps sa ne dea indicatiile catre un anumit loc"
Asadar cele doua ramuri sunt foarte diferite, este ca si cand compari un biolog care studiaza pasarile cu un inginer aerospatial care studiaza avioanele Ce au in comun pasarile cu avioanele? Stim ca aripile sunt bune, dar restul lucrurilor sunt diferite. Probabil ca cele doua stiinte se vor apropia, insa probabil ca in 50-100 de ani, spune cercetatorul sef de la Google.
Corrado spune ca nu crede teoriile care spun ca ne folosim creierul la capacitate extrem de redusa. "Cred ca este mitologie (...) Creierul este un organ incredibil de flexibil si in asta sta si puterea lui: desi neuronii mor zi de zi noi, noi continuam sa gandim si sa avem idei noi. Potentialul gandirii umane este urias, dar trebuie sa avem mereu acces la lucruri care ne pun mintea la incercare. Daca oamenii au provocari care le imbogatesc viata intelectuale, pot ajunge sa-si foloseasca la maxim creierul".
Sistemele computerizate nu invata "de capul lor". Instructiunile tot de la oameni trebuie sa vina
Din cand in cand apar articole senzationaliste in care se spune ca diverse companii care testeaza tehnici de machine learning au "scapat algoritmii de sub control" si soft-urile au luat singure anumite decizii, independent de oameni. Greg Corrado spune ca trebuie sa ne linistim fiindca nu vom fi prea curand "invadati" de computere cu initiativa: in prezent oamenii decid ce se intampla cu sistenele de invatare automata.
Pot sistemele computationale sa invete alte "masini" sa faca machine learning? Sunt lucrari pe tema asta insa ca si comparatie, este ca si cand ai vrea ca spell check-erul din Word sa scrie singur romanul. "Chiar daca Google Maps iti poate arata drumul, iar o masina autonoma se poate conduce singura, tu ca om rebuie sa decizi unde vrei sa mergi. Daca noi toti cei care lucram in machine learning inchidem vineri calculatoarele, acestea se vor opri din invatat pana luni cand revenim la lucru pentru ca nu fac nimic de capul lor si nu se auto-imbunatatesc. Noi le setam si le spunem: invata tot ce poti din datele astea si asta fac. Daca vrei ca ele sa invete ceva nou trebuie sa o iei de la inceput", spune cercetatorul sef
"Sistemele care se auto-imbunatatesc sunt precum teleprtarea sau calatoria in timp. Conform legilor fizicii este posibil, dar nu stim cand, vorbim de o posibilitate de natura filosofica. Este posibil, dar mai este foarte mult pana atunci".
Tehnicile de ML ne pot ajuta sa stimulam gandirea critica, sa depistam jurnalismul partizan, sa semnaleze posibile derapaje pe are operatori umani sa le analizeze pentru a decide ce este de facut.
Pot tehnicile de machine leaning sa ne ajute sa facem descoperiri stiintifice de amploare? Este o tema dezbatuta in comunitatea de specialitate. Oficialul Google spune ca ne pot ajuta sa cream tool-uri stiintifice grozave (ne pot ajuta sa construim si sa folosim telescoape mai bune sau sa construim vehicule de explorare submarina care sa aiba independenta mai mare. La fel ne pot ajuta si in biologie si in diverse domenii unde nici creionul si hartia si nici soft-urile simple nu ne pot sprijini prea mult.
Parerile sunt impartite: multi spun ca aceste soft-uri avansate NU pot face conexiuni intre dverse concepte pentru a veni cu idei inovatoare "Unii sunt mai optimisti si spun ca masinile pot sugera posibile configuratii care ar face ca piesele unui puzzle sa se potriveasca. (...) Nu stiu sa dau un raspuns final, aici vorbim de o parte foarte grea, chiar daca un timp am fost om de stiinta. Exista insa unelte care simplifica modul in care folosim diverse lucruri", spune Corrado, dand un exemplu. Un scriitor nu ar trebui sa aiba pretentia ca un software de editare text sa-i scrie singur un rorman. Insa acum, datorita modului in care a avansat tehnologia, este mult mai usor sa scrii romanul cu un program stil Word la calculator, fata de vremurile cand se scria cu pana muiata in cerneala. La computer poti muta textul, poti sterge rapid orice, poti salva zece versiuni diferite daca vrei. "Tot greu este si in prezent sa scrii o carte, insa este mult mai usor decat in trecut".
Google este celebra pentru testele facute cu automobile autonome, teste care se desfasoara de aproape zece ani si totalizeaza peste doua milioane km. Ar putea un vehicul sa invete de la altul sa parcheze automat? Pot fi aceste capacitati transmise de la vehicul la vehicul? Corrado spune ca acest lucru este posibil, cunostiintele pot fi transmise de la o masina la alta, dar exista o problema legata de capacitatea acestor sisteme de a se auto-imbunatati.
De exemplu, explica oficialul Google, chiar daca in majoritatea fabricilor auto moderne exista roboti si acesti roboti sunt construiti cu ajutorul altor roboti in fabrici speciale, metodele de productie a robotilor nu se schimba des si robotii care construiesc robotii industriali nu exploreaza din proprie initiativa noi metode de productie in mod arbitrar, "Tehnicile de invatare automata din ziua de azi nu functioneaza asa. Pur si simplu nu putem da instructiuni precum:
Ar putea smartphone-urile viitorului sa simta emotiile si sa reactioneze la ele? Sa isi dea seama cand suntem tristi si sa incerce sa ne consoleze, amintindu-ne ca pe parcurusul zilei am ras, de exemplu, la un clip de Youtube? "Este o zona putin studiata a domeniului invatarii automate si oriunde merg le spun oamenilor sa se preocupe de acest aspect. Cred ca putem face sisteme care sa inteleaga inteligenta emotionala si va fi extrem de importanta in produsele viitorului. Acum insa nu exista inteligenta emotionala in aceste sisteme, iar cand ea va fi prezenta multe lucruri noi vor fi posibile".
Despre Greg Corrado si despre retelele neurale
Corrado este cercetator sef la Google Brain pe domenii precum artificial intelligence, computational neuroscience si scalable machine learning. La Google este puternic implicat in proiectul Brain care incearca sa gaseasca utilizari tehnologiilor bazate pe retele neurale. Inainte de Google a lucrat la IBM Research pe proiectul SyNAPSE.
Corrado a studiat fizica la Princeton University si neurostiinta si computer science la Stanford University.
Retelele neurale (artificial neural network) sunt o ramura din stiinta inteligentei artificiale si sunt compuse din neuroni artificiali. Principala trasatura a acestor retele este capacitatea de a invata pe baza de exemple, folosindu-se de experienta anterioara pentru a-si imbunatati performantele.
Desi se aseamana in functionare cu creierul uman, retelele neurale au o structura diferita de cea a creierului. O retea neurala este mult mai simpla decat corespondentul sau uman, dar la fel ca si creierul uman, este compusa din unitati puternice cu capacitate de calcul, mult inferioare insa corespondentului uman, neuronul.
Printre domeniile in care aceste retele sunt eficiente se numara recunoasterea diverselor tipare, recunoasterea vocala, clasificarile, scanarea retinei si predictiile unor serii temporale.
7
21
