Почему ставка Microsoft на глубинное обучение может не сработать
Почему ставка Microsoft на глубинное обучение может не сработать

Под влиянием моды Microsoft и другие компании могут растратить свои ресурсы на глубинное обучение, вместо того, чтобы направить их на не столь разрекламированные технологии, которые в долгосрочной перспективе могут оказаться более полезными


09:06 20.07.2018  (обновлено: 12:47 08.08.2018)   |  Престон Гралла |  Computerworld, США

Рубрика Технологии |   944 прочтения



Глубинное обучение – одно из самых популярных направлений искусственного интеллекта, но есть вероятность, что на практике глубина его окажется недостаточной.

 

Оценивая свои ближайшие и далекие перспективы, Microsoft большое внимание уделяет искусственному интеллекту, а особенно одному из наиболее популярных его направлений – глубинному обучению. Корпорация уже потратила на искусственный интеллект, в том числе на приобретения, миллиарды долларов. В конце июня был куплен стартап Bonsai, занимающийся глубинным обучением, а в мае – Semantic Machines. Генеральный директор Microsoft Сатья Наделла заявил, что искусственный интеллект является «определяющей технологией нашего времени». «Искусственный интеллект будет присутствовать на оконечных устройствах, в облаке, в приложениях SaaS и даже в инфраструктуре», – подчеркнул он на конференции инвесторов, проходившей в апреле нынешнего года.

Вместе с тем, есть вероятность, что ставка на глубинное обучение не сработает, а Microsoft обойдет своими инвестициями другие, возможно, более полезные направления искусственного интеллекта. И дело не в том, что глубинное обучение не востребовано – это как раз не подвергается сомнению. Но есть опасность того, что важность его преувеличена, и сегодня оно уже достигло предела своих возможностей.

Такой аргумент выдвигает все больше компьютерных ученых и исследователей. Чтобы понять это, давайте кратко рассмотрим, как работает глубинное обучение. Большие объемы данных пересылаются в систему, которая затем, по сути, обучается самостоятельно. Разработчикам не нужно писать для этого вручную никаких специальных программ. В простейшем случае машина сможет определять разницу между кошками и собаками, просмотрев сотни тысяч фотографий, каждая из которых снабжена пометкой, кто на ней изображен: кошка или собака. Условием глубинного обучения должно стать умение машины правильно определять разницу между объектами. А как она будет делать это, скрыто внутри черного ящика.

К задачам глубинного обучения относятся поддержка автономных автомобилей, исследование раковых заболеваний и новых лекарств, а также автоматизация внутренних бизнес-процессов. Но некоторые ученые выражают сомнение в том, что глубинное обучение действительно позволяет изучить все достаточно глубоко. В опубликованной New York Times статье, вышедшей под заголовком «Верный ли путь к искусственному интеллекту мы выбираем? Эксперты надеются, что да», говорится: «Все больше специалистов в области искусственного интеллекта предупреждают, что излишнее увлечение глубинным обучением может породить близорукость и чрезмерные инвестиции, которые впоследствии обернутся крушением иллюзий».

Проблема, по словам исследователей, заключается в том, что глубинное обучение по своей природе очень ограничено и справедливо лишь для определенного круга задач, для которых легко доступны большие наборы данных. Сами же задачи должны иметь четкое и понятное определение, например, при выполнении маркировки изображений или преобразовании речи в текст.

«Никакого реального интеллекта здесь нет, – заявил профессор Калифорнийского университета в Беркли Майкл Джордан. – Не думаю, что используемым сегодня алгоритмам 'грубой силы' стоит доверять». Профессор Нью-Йоркского университета Гэри Маркус предупреждает, что шаблоны, полученные с помощью глубинного обучения, более поверхностны, чем это может показаться изначально.

Доказательством такой поверхностности может служить даже Microsoft Office. В Microsoft встроили технологии искусственного интеллекта непосредственно в Office, и это звучит впечатляюще. Но при ближайшем рассмотрении картина представляется уже не такой радужной. Утверждается, например, что искусственный интеллект помогает в проверке правописания в Word, но лично я после интеграции технологий искусственного интеллекта не обнаружил никакой разницы с тем, что было ранее. В Outlook искусственный интеллект выдает рекомендации, когда следует направиться на встречу, и это самая тривиальная функция, какую я только могу себе представить. В PowerPoint функция Designer на основе искусственного интеллекта выдает рекомендации в отношении структуры слайда, которая, по сути, ничем не отличается от обычного шаблона. К позитивным моментам я бы отнес полезность искусственного интеллекта для продвинутых пользователей Excel, которые могут применять соответствующие функции при анализе сложных наборов данных.

Не сомневаюсь, что в ближайшие годы качество искусственного интеллекта улучшится, и полезных инструментов станет больше. Но под влиянием моды Microsoft и другие компании могут растратить свои ресурсы на глубинное обучение, вместо того, чтобы направить их на не столь разрекламированные технологии, которые в долгосрочной перспективе могут оказаться более полезными. Такое расточительство нанесет ущерб самой Microsoft и лишит нас потенциальных преимуществ новых технологий. Остается надеяться, что корпорация будет оценивать глубинное обучение с холодной головой и в нужный момент сумеет сделать выбор в пользу истинного искусственного интеллекта.


Теги: Microsoft Искусственный интеллект Машинное обучение AI2018
На ту же тему: