Na początku tygodnia Facebook ogłosił utworzenie specjalnego laboratorium w Paryżu, gdzie zespół naukowców będzie pracował nad rozwiązaniami z dziedziny sztucznej inteligencji, a konkretnie - nad deep learningiem. Jak zapewnia szef jedynej w Polsce firmy wykorzystującej tę metodę w rozwiązaniach biznesowych, najprawdopodobniej mamy do czynienia z "The Next Big Thing". Dość powiedzieć, że wartość usług związanych z deep learningiem w ciągu niecałej dekady urośnie z dzisiejszych 200 milionów do ponad 11 miliardów dolarów
REKLAMA
Sztuczna inteligencja i związane z nią moralne problemy to temat, który z różną regularnością co jakiś czas pojawia się w mediach i literaturze. W ciągu ostatniej dekady jednak nastąpiło szczególne ożywienie wokół zastosowania naśladujących myślenie algorytmów, a giganci rynku IT, z Google, IBM i Facebookiem na czele zaczęli tworzyć odpowiednie laboratoria skoncentrowane na rozwijaniu tej dziedziny.
Sztuczna inteligencja, sieci neuronowe, deep learining
Czym tak dokładnie planuje zająć się grupa kilkunastu naukowców, zaproszonych do współtworzenia FAIR (Facebook Artificial Intelligence Research)?
Czym tak dokładnie planuje zająć się grupa kilkunastu naukowców, zaproszonych do współtworzenia FAIR (Facebook Artificial Intelligence Research)?
- Facebook chce rozszerzyć swoją infrastrukturę informatyczną o algorytmy zdolne na przykład uczyć się i analizować zachowania użytkownika, potrafiące rozpoznawać mowę, obiekty znajdujące się na zdjęciach i nieskończenie więcej. Koncern Zuckerberga chce do tego wykorzystać metodę deep learningu - wyjaśnia Andrzej Brożek, szef polskiej firmy Craftinity. Jego zespół stosuje deep learning do rozwiązywania zagadnień biznesowych.
Andrzej Brożek, CraftinityMusimy wyjść od pojęcia sieci neuronowych. Najogólniej mówiąc, to część nauki związanej ze sztuczną inteligencją. Prace nad nimi były popularne w latach 80., wtedy mniej więcej po raz pierwszy pojawiły się nadzieje na stworzenie czegoś w rodzaju Terminatora.
Naukowcy odkryli bowiem, że im więcej sieci mają warstw (a więc - im są głębsze), tym bardziej skomplikowane problemy matematyczne mogą rozwiązywać.
Trening sztucznej inteligencji
Teoretycznie udało się dowieść, że sieci neuronowe można trenować - znajdować odpowiednie parametry potrzebne do rozwiązania konkretnych problemów. Dla przykładu: mając płaszczyznę z kilkoma punktami na mniej więcej tej samej linii, znalezienie prostej, mogącej je połączyć, będzie dla człowieka oczywistym zadaniem. Komputer, by osiągnąć ten sam cel, poprowadzi najpierw linię w losowym miejscu, a następnie sprawdzi, o ile się myli i stopniowo będzie korygował margines błędu.
Teoretycznie udało się dowieść, że sieci neuronowe można trenować - znajdować odpowiednie parametry potrzebne do rozwiązania konkretnych problemów. Dla przykładu: mając płaszczyznę z kilkoma punktami na mniej więcej tej samej linii, znalezienie prostej, mogącej je połączyć, będzie dla człowieka oczywistym zadaniem. Komputer, by osiągnąć ten sam cel, poprowadzi najpierw linię w losowym miejscu, a następnie sprawdzi, o ile się myli i stopniowo będzie korygował margines błędu.
To samo dzieje się w przypadku sieci neuronowych, z tą drobną różnicą, że zamiast kropek na płaszczyźnie, punkty rozmieszczone są w przestrzennie w milionach, a nawet miliardach, wymiarów.
Na przełomie lat 80. i 90. okazało się jednak, że technicznie takie trenowanie sieci neuronowych jest niezwykle trudne i pracochłonne, dlatego większość badaczy zarzuciła tę metodę w poszukiwaniu innych, prostszych i skuteczniejszych.
Neuroprzełom
Przełom jednak w końcu nastąpił - w 2006 roku, gdy trójka naukowców: Geoffrey Hinton, Yoshua Bengio oraz Yann LeCun, stojący dziś na czele paryskiego zespołu Facebooka, odkryło sposób na trenowanie nawet najgłębszych sieci neuronowych. Początkowo trudno było zrozumieć, na czym ta metoda w ogóle polega, ale w ciągu kilku lat okazało się, że bije ona wszelkie poprzednie rozwiązania na głowę.
Przełom jednak w końcu nastąpił - w 2006 roku, gdy trójka naukowców: Geoffrey Hinton, Yoshua Bengio oraz Yann LeCun, stojący dziś na czele paryskiego zespołu Facebooka, odkryło sposób na trenowanie nawet najgłębszych sieci neuronowych. Początkowo trudno było zrozumieć, na czym ta metoda w ogóle polega, ale w ciągu kilku lat okazało się, że bije ona wszelkie poprzednie rozwiązania na głowę.
Przełom polegał na inicjalizacji parametrów sieci przed rozpoczęciem procesu uczenia w taki sposób, aby nie wpaść w jakieś nieinteresujące minimum lokalne (czyli jedno z rozwiązań). Naukowców pracujących metodami deep learningu interesuje minimum globalne (czyli rozwiązanie, które chcą znaleźć). Bez rozpoczęcia procesu uczenia w pobliżu minimum globalnego proces uczenia znajdzie mininum lokalne, a nie globalne i się na nim "zafiksuje", zamiast analizować dalej.
Z tego odkrycia korzysta i rozwija je na swój sposób zespoł Craftinity. Największa zaprojektowana przez nich sieć składała się z 80 mln neuronów i na mniejszą skalę robiła to samo, co wyszukiwanie obrazem w wyszukiwarce Google. Inne realizowane projekty polegały na analizowaniu zbiorów danych i porównywaniu ich według ściśle określonych kryteriów, ale o szczegółach wiadomo niewiele - firmę obowiązują umowy poufności.
Deep learning to "Next Big Thing"?
Poza Craftinity, w Polsce nie istnieją jeszcze firmy stosujące sztuczną inteligencję w biznesie. W rozwoju technologii przodują uniwersytety w Toronto, Nowym Jorku, Montrealu i Berkeley. U nas w kraju, póki co, deep learning nauczany jest na AGH.
Poza Craftinity, w Polsce nie istnieją jeszcze firmy stosujące sztuczną inteligencję w biznesie. W rozwoju technologii przodują uniwersytety w Toronto, Nowym Jorku, Montrealu i Berkeley. U nas w kraju, póki co, deep learning nauczany jest na AGH.
- Sądzę, że sztuczna inteligencja w popularnym rozumieniu tego słowa może pojawić się najdalej pod koniec tego wieku - wyjaśnia szef Craftinity. Zanim do tego jednak dojdzie, będziemy świadkami implementacji tej technologii w dużo bardziej oczywisty sposób.
Jak twierdzi Brożek, Facebook najprawdopodobniej rozpocznie wykorzystywanie deep learningu do znacznie dokładniejszego targetowania reklam.
Andrzej Brożek, CraftinitySposób, w jaki jest to realizowane dziś, w porównaniu do tego, nad czym pracują w Paryżu, jest po prostu prymitywny. Facebook prowadzi długofalową grę, to nie jest coś, co uda się spieniężyć od razu, ale możemy być pewni, w ciągu najbliższych lat deep learning kompletnie odmieni sposób, w jaki będziemy korzystać z internetu.
Quo Vadis?
I to się dzieje na naszych oczach. Rozwiązania wykorzystujące deep learning są coraz powszechniej stosowane w różnego rodzaju systemach rekomendacyjnych, jak choćby w Spotify czy Netfliksie. Ten ostatni w 2009 roku ogłosił konkurs, w którym można było wygrać milion dolarów, a który polegał na stworzeniu skuteczniejszego, niż ich własny, algorytmu podpowiadającego filmy. Program miał robić to co najmniej o 10 proc. skuteczniej. Na efekty nie trzeba było długo czekać - już w następnym roku zwyciężyła firma stosująca właśnie trenowanie sieci neuronowych.
I to się dzieje na naszych oczach. Rozwiązania wykorzystujące deep learning są coraz powszechniej stosowane w różnego rodzaju systemach rekomendacyjnych, jak choćby w Spotify czy Netfliksie. Ten ostatni w 2009 roku ogłosił konkurs, w którym można było wygrać milion dolarów, a który polegał na stworzeniu skuteczniejszego, niż ich własny, algorytmu podpowiadającego filmy. Program miał robić to co najmniej o 10 proc. skuteczniej. Na efekty nie trzeba było długo czekać - już w następnym roku zwyciężyła firma stosująca właśnie trenowanie sieci neuronowych.
Innym ciekawym zastosowaniem tej technologii może być funkcja opracowywana przez Google. Koncern zapowiedział w tym tygodniu stworzenie algorytmu, który będzie analizował zdjęcia żywności. Sieci neuronowe będą uczyć się odróżniać frytki od hamburgerów, określać ich rozmiar i na tej podstawie obliczać... zawartość kalorii. Na razie jednak nie ma zbyt wiele informacji na ten temat i trudno określić, kiedy funkcja miałaby zostać praktycznie zaimplementowana.
- Nie oczekujmy oczywiście, że internet w obecnym kształcie zostanie zastąpiony przez coś zupełnie innego, ale tego typu drobne ulepszenia, trudne do zauważenia "gołym okiem", jak to zaproponowane przez Netfliksa, będą coraz powszechniejsze. Dziś z łatwością rozpoznamy ślady internetu sprzed dekady, choć trudno byłoby dokładnie wytyczyć linię, którą przebiegła zmiana - zauważa Brożek.
Nie przegap żadnej ważnej wiadomości i obserwuj nas w Google News!