Тренируй собственный ИИ
С ростом потребности в обучений ИИ и в связи с недостатком талантов по машинному обучению, новые услуги Google под названием Cloud AutoML представляют собой новый уровень возможностей для желающих внедрить ИИ в своем бизнесе. Google использует свои достижения в машинном обучений по автоматизированному построению алгоритмов в области глубокого обучения путем простого распознавания рисунков.
Пока не известно сколько будет стоит такая услуга, но появление таких услуг может устранить необходимость глубоких знаний математики и программирования. Правда еще не известны насколько эти услуги совершенны и какие задачи можно доверять такому ИИ.
В настоящее время наблюдается большое соперничество между крупными компаниями в Силиконовой долине и в Китае по вербовке талантов в машинном обучений, способных тренировать ИИ. Средняя зарплата таких специалистов составляет свыше $400 тыс в год. Особенно в последнее время наблюдается возвращение китайских специалистов из Силиконовой долины обратно домой. Неудивительно, что такие деньги затрачиваются компаниями, если учитывать агрессивные планы Китайского правительства по развитию ИИ и внедрению их во все аспекты жизни и экономики.
Wired сообщает, что встроенные в iPhone Siri и другие схожие искусственные интеллекты посылают ваш заданный вопрос в далеко расположенные центры данных, которые в свою очередь посылают ответ обратно, и вся вычислительная мощь, которая обслуживает такие услуги находятся в облаках ввиду отсутствия больших вычислительных возможностей существующих смартфонов для обработки тяжелых алгоритмов по машинному обучению. Типичные центральные процессоры, используемые смартфонами исполняют все команды программного обеспечения путем осуществления простых арифметических, логических, контрольных, вводных и выводных операций.
По словам представителя Канадского стартапа по разработке ИИ Applied Brain Research скоро могут появиться такие микрочипы, которые могут все поменять. Ожидается выход в широкую публику уже разрабатываемые некоторыми производителями микрочипов типа ‘neuromorphics’, которые как в человеческом мозге нейроны микрочипа могут обрабатывать входящие электрические сигналы, и каждый нейрон смог бы знать к какому другому нейрону посылать поступающий электрический сигнал.
Одним из главных достоинств этих микрочипов является способность потреблять гораздо меньше мощности для обработки алгоритмов ИИ. Для сравнения, новый вид нейроморфного микрочипа от IBM может потреблять 2000 раза меньше мощности при 5-ти кратной плотности транзисторов чем обычный микрочип от Intel.
Несмотря на физические возможности, главной проблемой остается написание алгоритма, который бы смог ввести в работу приложения ИИ для общего пользования. Чтобы дать возможности девелоперам опробовать свои алгоритмы, в настоящий момент разрабатывается компилятор с открытым доступом для всех кто пожелает принимать участие в разработке всеобъемлющего алгоритма, дающего жизнь новому типу нейроморфного микрочипа. Скоро любой девелопер на программном языке Python сможет написать свой алгоритм и сотворить изощренные нейро сети и испробовать все возможности нового микрочипа.
Интересно, но в последнее время наблюдается широко практикуемое явление как выкатывание новых разработок для всеобщего пользования. Якобы дают возможности для дальнейшего развития стартапов, чтобы девелоперы смогли воспользоваться достигнутым и строить свои проекты на них, якобы прогресс не может быть совершен только в одной лаборатории, и чтобы все таланты в мире взялись за дело и понесли дальше и выше. Возникает вопрос, это делается от гуманных соображений или у них самих наблюдается недостаток идеи, времени или это спешка занять нишу на рынке новых видов услуг?
