Стало окончательно невозможно отрицать очевидное – искусственный интеллект уже вошёл в нашу повседневность, точнее — постепенно начал входить в работу, всё совершенствуясь, и раньше, и быстрее, чем предполагалось, быстрее, чем развитие так широко предсказываемых роботизированных сотрудниках компаний.
Чего не учли в прогнозах развития – это множество нюансов, которые стали проявляться в процессе использования обработанных массивов. То есть стали известны факты об искусственном интеллекте, которые были изначально совершенно неявны – сравнить это можно только с полётами в космос или спуском в Марианскую впадину: то есть можно предполагать, что там будет и как поведёт себя техника и металлы, но основной критерий – практика, и она часто оказывается шокирующей.
Например, если уже сравнивать – никто не предполагал (на основании научных фактов, разумеется, исключая фантазии писателей), насколько будет заселена Марианская впадина или подземное озеро Восток, или что в космосе, в невесомости, на орбите Земли будут получены, например, такие непредсказуемые варианты, как физический эффект Джанибекова…
С искусственным интеллектом всё ещё интереснее – разумеется, основная база его функционирования – на законах нашей физической реальности, дающей возможность «поселить» его в вычислительные системы. И дальше начинается самое интересное: во время обучения там происходит то, что прогнозируется достаточно легко – только результаты зачастую не сходятся с решением искусственного интеллекта.
Достаточно вспомнить истерику в Facebook, когда искусственный интеллект, управлявший ботами, изобрёл свой язык, на котором ему было проще и быстрее общаться – реакцией было отключение… В то же время Google, наоборот, воспользовался этим неожиданным эффектом и на его основе усовершенствовал систему онлайн-переводов текстов – теперь изобретённый их искусственным интеллектом собственный язык позволяет переводить текст не буквально, и гораздо более крупными блоками…
То есть те решения, которые в наше время требуют сложных расчётов и некоторой безэмоциональности, например, решение о выдаче кредитов при наличии роста объёма данных для принятия взвешенного решения (при наличии постоянного обучения по обратной связи – человек с такими параметрами взял кредит, и как он его отдаёт), или в попытках обучить систему прогнозированию погоды, обработка рентгеновских снимков и выбор оптимальной схемы фармацевтического лечения в онкологии – конечно, это для искусственного интеллекта, для его дара находить неявные взаимосвязи и обучаться через правильные ответы в массиве.
Интересно, что, судя по практике Nvidia, до 90% ресурсов – это на вывод логической информации; и для работы с такими системами графические карты пока – лучший вариант, что приводит к теме оживлению манфреймов, но на другом уровне и с другими задачами.
И причём здесь экология – статистика говорит о том, что для обучения большой модели с нужным количеством параметров, для нижнего порога достоверности – 175 000 000 000 – выброс CO2 составит пятикратный объём в сравнении со средним автомобилем за всю его многолетнюю эксплуатацию…
То есть, пока не будут в должной мере оптимизированы вычислительные ресурсы и приёмы для экологичного повседневного использования, сложно говорить о развитии – конечно, если правильно провести сжатие данных и оптимизацию алгоритмов, разумеется, в ближайшей перспективе станет возможным работы и на стационарных, а не только суперкомпьютерах. И, конечно, ждём запуска на полную мощность квантовых компьютеров для реальной опоры современной цивилизации.
