Podczas dorocznej konferencji programistów Google na targach I/O w Mountain View w Kalifornii, Jeff Dean, starszy członek grupy badawczej i szef działu sztucznej inteligencji Google, przedstawił przegląd działań firmy zmierzających do rozwiązania trudnych problemów naukowych związanych z AI i maszynowym uczeniem się. Prezentacja zamknęła narrację, która rozpoczęła się we wtorek od uruchomienia globalnego programu dotacji AI o wartości 25 mln USD, a Google ujawniło wtedy trzy bieżące projekty wspierane przez technologie AI.
Wyzwania XXI wieku według Google
Dean określił obszar bazując na liście wielkich wyzwań XXI wieku opublikowanych przez U.S. Core of Army Engineers w 2008 r. Wśród nich znalazły się takie wyzwania jak inżynieria mózgu, zarządzanie cyklem azotowym i dostarczanie energii z syntezy jądrowej. Oprócz tego dyskusja dotyczyła bardziej realistycznych celów, takich jak rozwój informatyki zdrowotnej, uczynienie energii słonecznej bardziej przystępną cenowo i wzmocnienie wirtualnej rzeczywistości. Jeśli osiągniemy postęp we wszystkich z nich, świat byłby zdrowszym miejscem – powiedział Dean.
Autonomiczne auta to przyszłość
Szczegółowo opisał także bieżącą pracę naukowców z autonomicznego oddziału firmy Alfabet o nazwie Waymo. W ciągu 10 lat samochody Waymo zgromadziły ponad 10 milionów mil na swoich licznikach na całym świecie i przewoziły ponad 1000 klientów. Flota ta ma kierowców bezpieczeństwa, ale Waymo obsługiwał samochody w kilku miejscach bez nich.
„Jesteśmy u progu dramatycznej zmiany sposobu, w jaki szkolimy autonomiczne pojazdy. Samochody muszą podejmować złożone decyzje, takie jak np. co chcesz zrobić, aby osiągnąć cele”- powiedział Dean. „To dzięki głębokim algorytmom uczenia się możemy zbudować zrozumienie świata i sprawić, by działały w rzeczywistym środowisku”.
Sztuczna inteligencja a robotyka
Nauka maszynowa ma nieograniczone zastosowania w robotyce, szczególnie w scenariuszach, w których roboty manipulują przedmiotami w różnych rozmiarach i nietypowych kształtach. Jedno zadanie w szczególności odnotowało poprawę w robotyce. Chodzi o chwytanie przedmiotów, których robot nigdy wcześniej nie napotkał. Systemy AI Google w 2015 i 2016 r. osiągnęły wskaźnik wynoszący odpowiednio 65% i 78% sukcesu. Naukowcom udało się go poprawić do 96% w 2018 r.
Oddzielnie, zespół AI Google korzysta z samonadzorowanej imitacji uczenia się, techniki treningu sztucznej inteligencji, w której nieoznakowane dane są używane w połączeniu z niewielkimi ilościami oznaczonych danych, aby poprawić dokładność uczenia się. Ma to również na celu „nauczyć” roboty nowych umiejętności. Dean opisał model, który nauczył się wylewać wodę sodową z puszki, „oglądając” demonstracje ludzi. Po 15 próbach i zaledwie 15 minutach treningu osiągnął umiejętności wylewania przeciętnego ośmioletniego dziecka.
Zdrowie
Innym ważnym obszarem zainteresowania Google jest zdrowie, w którym sztuczna inteligencja odegrała kluczową rolę w opracowywaniu narzędzi diagnostycznych dla chorób takich jak przerzutowy rak piersi. Retinopatia cukrzycowa to kolejna choroba, w którą mierzy Google. Nie bez powodu – jest to najszybciej rosnąca przyczyna ślepoty wśród 415 milionów ludzi na całym świecie cierpiących na cukrzycę. Co alarmujące, około 45% pacjentów cierpi na utratę wzroku przed diagnozą. Neuropatia cukrzycowa jest zwykle identyfikowana na obrazach dna siatkówki, które okuliści oceniają na ruchomej skali. Im większa liczba krwotoków na obrazie, tym dalszy jest postęp choroby.
Google zastosował system sztucznej inteligencji, aby przeczytać te obrazy. Gigant zademonstrował w artykule opublikowanym w 2016 roku w Journal of the American Medical Association, że system może oceniać obrazy na równi z okulistami. W kolejnym badaniu, które miało miejsce rok później, Google zaproponował model uczenia maszynowego, który byłby porównywalny z wynikami specjalistycznych lekarzy okulistów z certyfikatem.
W lutym Google współpracowało ze szpitalem Aravind Eye Hospital w Madurai w Indiach w celu wdrożenia modelu do produkcji. „To rodzaj złotego standardu opieki” – powiedział Dean. W nowszym badaniu naukowcy z AI Google przeszkolili system sztucznej inteligencji, aby szukać innych, mniej oczywistych związków między próbkami skanów siatkówki. AI przewidywało takie czynniki, jak płeć, ciśnienie skurczowe i rozkurczowe, hemoglobina i wiek z dużą dokładnością – 97% w przypadku płci.
Chemia i podsumowanie
W innej dziedzinie – chemii – Google przeskakuje konwencjonalne obliczenia za pomocą wysoce wydajnych modeli AI. Jeden z nich, opisany w 2017 r., jest około 300 000 razy szybszy w obliczeniach chemii kwantowej, która tradycyjnie wymaga znacznie droższego i wolniejszego symulatora.
Przełomowe odkrycia są możliwe dzięki nowoczesnej reinkarnacji sieci neuronowej: zestawowi nadających się do trenowania jednostek matematycznych zorganizowanych w warstwy, które współpracują ze sobą w celu rozwiązywania skomplikowanych zadań. Uczą się funkcji z surowych, heterogenicznych i nieuporządkowanych danych, które wcześniej wymagałyby obszernego ręcznego przetwarzania.
Trwają prace nad skalowalnymi architekturami, takimi jak Transformers, które mają zdolność generowania tekstu podobnego do człowieka, oraz wysoce kompaktowymi systemami AI, które mogą działać na urządzeniu, jak niedawno opublikowany model transkrypcji Gboard Google’a.
Źródło: venturebeat