Изложението за потребителска електроника (CES) в Лас Вегас залива публиката с устройства, които според производителите им имат изкуствен интелект. Наред с други неща, Samsung използва технологията в телевизионен прототип за преекспониране на Full HD съдържание до 4K резолюция. Nissan вкара изкуствения интелект в колата, а цифровите асистенти на Google и Amazon са централна тема. А и както Apple показа със своя бионичен чип, а Huawei - с невронния процесор през миналата есен, триумфалният марш на изкуствения интелект е неудържим и в смартфоните.
Изкуственият интелект не е ново явление. Той е изследван още от 50-те години на миналия век. А и не става дума непременно за една мислеща машина. Под изкуствен интелект обикновено се обозначават програми, които могат да изпълняват самостоятелно задачи, за чието решаване принципно е нужен човешки разум. В идеалния случай изкуственият интелект прави това по-бързо от човека.
Но машини, които могат да симулират човешкото мислене, са изследвани от преди повече от 60 години. Така например британският математик Алън Тюринг изобрети теста Тюринг през 1950 г., който се използва и днес. Той се използва например за тестване на качеството на чатботовете. Един човек (А) е в чата с още двама (Б и В), единият от които е бот. Може ли A да разпознае дали Б или B е машината?
Когато днес се говори за изкуствен интелект, обикновено става дума за изкуствени невронни мрежи. Това са програми, които имитират функциите на човешкия мозък по опростен начин. Невроните приемат информация, обработват я и предоставят резултат. Най-простата мрежа се състои от входен слой, междинен слой и изходен слой.
Колкото повече слоеве "филтрират" сигналите между входа и изхода, толкова са по-сложни задачите, които изкуствената невронна мрежа може да поеме. Информацията винаги се предава на всички неврони от следващия слой, които на свой ред са взаимосвързани. Влиянието на даден неврон върху крайния резултат се определя чрез претеглянето на съединенията. Ако пакетираната информация надвиши даден праг, се генерира продукция.
Обикновено една невронна мрежа може да изпълнява само една задача едновременно, като например разпознаване на изображения или реч. Това изисква възможно най-голям брой примери в група данни, за да може изкуственият интелект да научи какво представлява една кола, една къща или човешко лице.
Обучението започва с произволни стойности и постепенно ги променя, като променя теглата и праговете. То сравнява доставения с желания резултат и го регулира, така че грешките да бъдат сведени до минимум. Така например инженерите на Huawei са тренирали изкуствения интелект в своя топ продукт Huawei Mate 10 Pro с над 1 млн. снимки, за да може той да разпознава какво точно снима и автоматично да настройва сензорите на камерите за постигане на оптимален резултат.
Когато една програма се учи самостоятелно от примери – да разпознава модели и по този начин да определя нови правила или да разработва решения, вече става дума за „машинно обучение“. Например, машините могат да се научат да разграничават кучета и котките в снимки.
След като се захранят с голям брой примерни изображения, маркирани с надписи "куче" или "котка", програмите търсят общи характеристики и закономерности, за да създадат модел, който може да се приложи към други снимки. Чрез получаване на обратна връзка за това дали оценката е правилна или не, програмата адаптира модела и го усъвършенства, докато не бъде достатъчно точен. Колкото повече данни обработи мрежата, толкова по-добре. Учебният процес никога не спира. Също както това прави Huawei Mate 10 Pro.
Всъщност в горния пример става дума за „дълбочинното обучение“ (Deep Learning). Защото, за да се овладеят такива сложни задачи, като разпознаване на изображения или реч, са необходими много междинни слоеве. За колко точно слоеве става дума при дълбочинното обучение, не е съвсем ясно. Но независимо дали става дума за смартфон, автономен автомобил, смарт телевизор или други области, в които изкуственият интелект се ползва сега или в бъдеще, задачите са толкова сложни, че на практика почти винаги се използва Deep Learning.
Това, което ще е възможно в бъдеще, зависи много от изчислителната мощност, налична за изкуствения интелект. Оказва се, че са необходими напълно нови типове процесори за дълбочинното обучение. Например Google използва за своите приложения изкуствен интелект собствени тензорни процесори. До там се стигна, след като преди пет години в концерна изчислиха, че ако всички потребители започнат да използват услуги на компанията, свързани с разпознаване на реч, то тя ще трябва да удвои капацитета на своите центрове за обработка на данни. Вместо да купува нови сгради и сървъри обаче компанията взе решение да проектира специално оборудване за задачите на машинното обучение. Така се появява т.нар. тензорен процесор (Tensor Processing Unit, TPU) – чип, ускоряващ работата на невронните мрежи.
Huawei пък, както споменахме, също разработи процесори със специални способности за своите смартфони. Китайският концерн пусна своя нов чип Kirin 970, за който научихме първо на IFA 2017. Най-голямото нововъведение в него е т. нар. NPU (Neural Network Processing Unit). Този модул разчита на невронна мрежа (в телефона, а не онлайн) и по този начин има с 25% по-добро представяне спрямо процесора в Kirin 910, но е и с 50% по-енергоспестяващ. Huawei твърди, че Kirin 970 е „първият в света чип с изкуствен интелект”, защото, за разлика от A11 Bionic на Apple, Kirin 970 е част от цялата системата, докато A11 е за малка част и със съвсем специфична насоченост.
Първият аспект ще подобри ефективността между потребителя и телефона чрез текст, глас, изображения, видео и сензори, докато вторият ще предоставя активно услуги и обобщена информация между приложенията, съдържанието, функциите на трети страни и естествените функции.
„Ако погледнете цялата екосистема, изкуственият интелект ще промени основно телефона от просто смартфон към интелигентен телефон", казва Джан.
Но как ще се развие бъдещето? Опасенията, че изкуственият интелект може скоро да покори човечеството, засега са неоснователни според експертите. Но развитието на технологиите едва сега започва сериозно. Понастоящем машините са по-добри от хората само за специални задачи.
Сигурно е обаче, че изкуственият интелект ще навлезе във всички области на високите технологии. И вероятно именно 2018 г. ще е годината, в която изкуственият интелект ще премине окончателно от една фаза на развитието си в следващата – от Showcase в Mainstream.
20:44 | 10.09.22 г.