Учись, Терминатор! ИИ для всех от Microsoft

Microsoft использует новомодную концепцию, чтобы заработать на искусственном интеллекте. Это называется «обучение машин», и Microsoft условно определяет его как набор инструментов, которые специалисты в какой-то конкретной области могут использовать для самостоятельного обучения ИИ. После тщательной разработки этих инструментов Microsoft надеется популяризировать концепцию. Надежда в том, что все больше компаний будут создавать свое собственное программное обеспечение для искусственного интеллекта — работающее на платформе облачных вычислений Microsoft, конечно, — даже если у них нет собственных экспертов по ИИ.

«Мы верим, что это станет одной из главных преобразующих сил того, как ИИ можно применить к гораздо большему количеству сценариев и сделать доступным для гораздо большего числа людей», — говорит вице-президент Microsoft по развитию ИИ Гурдип Палл.

Мост через пропасть

Microsoft рассматривает обучение машин как дополнение к машинному обучению — то есть подходу, в рамках которого системы ИИ анализируют данные и учатся предсказывать вещи, например, есть ли на фотографии человеческое лицо. С помощью обучения машин люди направляют систему, разбивая задачу на индивидуальные уроки, подобно тому, как кто-то, обучающийся игре в бейсбол, сначала учится детскому бейсболу, а затем переходит к овладению полноценным приемам.

«Машинное обучение — это все, что касается алгоритмического нахождения шаблонов в данных, — говорит Палл. — Обучение машин — это передача знаний от человека-эксперта к системе машинного обучения».

Microsoft не может претендовать на единоличное владение этим термином. Профессор Висконсинского Университета Джерри Чжу использует формулировку «обучение машин» для описания набора подходов к обучению алгоритмов машинного обучения с 2013 года. Впрочем, он и Microsoft согласны, что их определения в чем-то совпадают.

Хотя Microsoft и говорит, что обучение машин наиболее полезно для таких областей, как автономные системы, где ИИ приходится выбирать между множеством возможных действий в реальном мире, это также способ сделать ИИ более доступным. При наличии правильных инструментов специалист узкого профиля должен уметь обучить систему искусственного интеллекта, не разбираясь в технологиях машинного обучения, так же, как тренер по бейсболу не должен изучать химию мозга.

«[Специалисты узкого профиля] могут начать использовать ИИ, не особо понимая, как работает само машинное обучение, — говорит Палл. — И они могут передать свои экспертные знания искусственному интеллекту, который будет их использовать».

В прошлом году Microsoft приобрела стартап под названием Bonsai, чтобы помочь абстрагироваться от сложностей разработки ИИ. Аналогично тому, как Visual Basic — более простой язык программирования, чем C, у Bonsai есть собственный язык, называемый Inkling, который проще, чем разработка ИИ с нуля. Палл говорит, что с помощью этих инструментов энергетические, финансовые или медицинские компании могут создавать приложения ИИ без необходимости нанимать специальных инженеров, которые пользуются высоким спросом и которых не так много на рынке.

Палл приводит в пример недавнюю работу Shell с Bonsai над разработкой автономной буровой установки. Хотя основополагающие алгоритмы обучения ничем не отличаются от того, что Shell могла бы разработать самостоятельно, обучение машин со временем могло бы облегчить экспертам усовершенствование систем.

«Проблема теперь не в том, можно ли повысить производительность алгоритма на еще один процент, — говорит Палл. — Вопрос в том, способен ли эксперт проконтролировать, чтобы система стала более эффективной».

Эксперты все равно нужны

Несмотря на эти громкие заявления, аналитик Gartner Эрик Бретену говорит, что компаниям по-прежнему будут нужны эксперты по искусственному интеллекту.

Во-первых, обучение машин зависит от конкретного подхода к искусственному интеллекту путем проб и ошибок, который называется «глубоким обучением с подкреплением». Например, если цель состоит в том, чтобы переместить объект в конкретное место назначения, система будет вознаграждена, если направит объект в правильном направлении. Бретену говорит, что приложения для этого метода все еще довольно ограничены и редко используются на должном уровне.

Но даже если Microsoft права в том, что в будущем подход станет более широко применяться, по мнению Бретену, все же нужно привлекать экспертов по искусственному интеллекту для наблюдения за системой в фоновом режиме и объяснения того, что произошло, если что-то пойдет не так.

«Вам нужна некоторая прозрачность, а эксперты в узкой области не всегда бывают техническими экспертами, — говорит Бретену. — Иногда у них не хватает знаний, чтобы разобраться».

Первый шаг

Бретену также отмечает, что Microsoft не одинока в попытках упростить разработку ИИ. Он указывает на другие компании, такие как Cogitai, которая предлагает собственную платформу для глубокого обучения с подкреплением, а также на Google Cloud AutoML, которая обещает возможность обучать пользовательские модели ИИ с минимальными знаниями в области машинного обучения.

Тем не менее, по словам Бретену, в последние годы Microsoft преуспела в укреплении своих инструментов ИИ и понимает потребности компаний. «Они проделали большую работу за последние несколько лет, — говорит он. — Они очень продвинулись в этой области».

Таким образом, обучение машин — это не столько большой прогресс в искусственном интеллекте, сколько продвижение ряда небольших улучшений, которые могут со временем сложиться в единую картину. Как и в случае с другими модными словечками, такими как «интернет вещей», «беспроводная 5G связь» и даже собственно искусственный интеллект, обучение машин — скорее предпосылка, чем продукт.

Даже Гурдип Палл из Microsoft признает это, отмечая, что модное слово, похоже, нашло отклик, когда компания обсуждала его с отраслевыми аналитиками. По его мнению, за этим последует нечто большее, в том числе поддержка большего количества алгоритмов обучения и визуальных средств обучения, которые сделают обучение машин еще более доступным. На данный момент компания просто хочет сделать первый шаг.

«Вместо какой-то абстрактной идеи мы можем показать, как именно ее можно применить, и почему, применяя ее именно таким образом, вы получаете преимущества», — говорит он.

Источник