Интернет и технологија: Програм вештачке интелигенције могао би да учини Јутјуб ефикаснијим
Аутор фотографије, DeepMind
- Аутор, Лео Келион
- Функција, Уредник деска за технологију
Најновији програм вештачке интелигенције обавља задатке боље од људи, а да му за то нису потребна упутства.
Ради се о програму Музиро (MuZero) који је развила компанија Дипмајнд (DeepMind), а који је већ савладао старе Атаријеве видео игре, шах и азијске игре Го и Шоги.
Али за разлику од претходника, правила је морао да прокљуви сам.
Музиро се већ користи да би пронашао нове начине за енкодирање видео снимака, што би могло умногоме да смањи трошкове Јутјуба.
„Стваран свет је хаотичан и компликован и нико нам не даје правила за то како он стварно функционише", каже Дипмајндов главни научник за истраживања Дејвид Силвер за ББЦ.
„А опет људи успевају да скроје планове и стратегије шта даље да раде."
Ово је први пут, додаје, да један систем вештачке интелигенције сам схвата како свет функционише и прави софистициране планове унапред.
„Он уме да крене од нуле и само преко покушаја и грешака открије истовремено која су правила датог света и искористи та правила да постигне надљудске перформансе."
Аутор фотографије, DeepMind
Венди Хол, професорка компјутерске науке на Универзитету у Саутхемптону и чланица владиног савета за вештачку интелигенцију, изјавила је да овај рад представља „значајан корак напред", али и да изазива забринутост.
„Резултати Дипмајндовог рада прилично су запањујући и ја се питам шта ће успети да постигну у будућности имајући у виду ресурсе које имају на располагању", рекла је она.
Брине је то што иако Дипмајнд тежи да унапреди перформансе алгоритама и резултате примене за добробит друштва, не улажу исто толико труда у размишљање о потенцијалним ненамерним последицама, наводи она.
„Сумњам да су изумитељи млазних мотора размишљали о глобалном загађењу кад су радили на изумима. Морамо да постигнемо праву равнотежу у развоју технологије вештачке интелигенције."
Видео компресија
Лондонски Дипмајнд прво је објавио детаље Музира 2019. године, али је чекао до објављивања студије у часопису Нејчер да би расправљао о томе.
Ово представља најновији успех фирме у дубоком учењу - техници која користи вишеслојне неуралне мреже да омогући машинама да науче саме себе новим вештинама путем покушаја и погрешки, добијајући „награде" за успех уместо да им се говори шта да раде.
Музиро иде стопама:
- програма званог DQN, који је стекао вештину побеђивања људи у Атаријевим видео играма користећи само пикселе и резултате игара као инпут
- Алфаго, програм који је победио мајстора у игри Го Лија Седола 4-1 у револуционарном такмичењу 2016. године, након што је обучаван на прошлим играма
- Алфаго Зиро, који је надмашио Алфаго у перформанси наредне године, након што је обучио самог себе од нуле, добивши само основна правила игре
- Алфазиро, који је 2017. године генерализовао Алфаго Зиро тако да може да се примени на друге игре, укључујући шах и Шоги
Најскорије, Дипмајнд - у власништву исте компаније као и Гугл - дошао је до великог открића у протеинском савијању, што би могло да утре пут новим лековима за борбу против болести.
Музиро би ускоро могао да буде коришћен и у практичне сврхе.
Шта је дипфејк и зашто може да буде опасан
Доктор Силвер и Дипмајнд већ су га користили да покушају да открију нову врсту видео компресије.
„Уколико погледате проток података на интернету, видећете да је већина тога видео, тако да ако будете компресовали видео ефикасније, можете да остварите огромну уштеду", објаснио је он.
„А првобитни експерименти са Музиром показују да од њега заправо можете да имате значајне користи, због чега смо прилично узбуђени."
Он је одбио да конкретно каже када или како би Гугл могао да га искористи, сем што је рекао да ће више детаља бити објављено наредне године.
Међутим, будући да Гугл поседује највећу светску платформу за дељење видео снимака - Јутјуб - он има потенцијал да им уштеди велике количине новца.
Извлачење података
Дипмајнд није први који је пробао да направи програм који истовремено моделује динамику окружења у које је стављен и одлучује како да настави даље, тако што гледа неколико корака унапред да би одредио најбољи исход.
Међутим, претходни покушаји су тешко излазили на крај са сложеношћу „визуелно богатих" садржаја, као што су старе видео игре попут Пекмена.
Аутор фотографије, Atari
Фирма верује да је била успешна зато што Музиро покушава да моделује само аспекте окружења који су важни за његов процес доношења одлука, уместо да примени шири приступ.
„Знати да ће вам кишобран помоћи да останете суви корисније је од моделовања обрасца кишних капи у ваздуху", пише на блогу компаније.
Студија објављена у Нејчеру истиче да се Музиро показао мало бољим од Алфазироа у игрању Гоа, упркос томе што је радио мање прорачуна по потезу.
А каже се и да је надиграо Р2Д2 - водећи алгоритам за играње на Атарију - у 42 од 57 игара тестираних на старој конзоли.
Штавише, успео је то након што је завршио само половину корака у обуци.
Оба достигнућа указују на чињеницу да је Музиро ефективно способнији да извуче више увида из мање података него што је то било могуће раније, објашњава доктор Силвер.
„Замислите да имате робота и да он лута по стварном свету и да је скуп за функционисање", рекао је он.
„Дакле, ви желите да он научи што је више тога могуће из што мање искустава. Музиро то може."
Он је додао да се Музиро потенцијално може користити у следећој генерацији виртуелних помоћника, за персонализоване лекарске и спасилачке технологије.
Пратите нас на Фејсбуку и Твитеру. Ако имате предлог теме за нас, јавите се на [email protected]
