Pathways: czy sztuczna inteligencja będzie wielozadaniowa?
Google buduje Pathways – nową architekturę sztucznej inteligencji, która ma poradzić sobie z wykonywaniem wielu zadań jednocześnie. Model będzie rozpoznawać setki sytuacji i zdarzeń z różnych źródeł. Pathways ma dosłownie „lepiej zrozumieć świat”.
Pathways to nowy sposób myślenia o sztucznej inteligencji. A jak deklarują jego twórcy – rozwiązuje wiele słabości istniejących systemów i łączy ich mocne strony.
Co jest słabą stronę obecnych algorytmów AI?
Jeff Dean – Google Senior Fellow and SVP w Google Research – na blogu Google tłumaczy, na czym polega słabość aktualnych modeli AI:
Dzisiejsze systemy AI są często szkolone od podstaw dla każdego nowego problemu […]. Wyobraź sobie, że za każdym razem, gdy uczysz się nowej umiejętności (na przykład skakania na skakance), nie pamiętasz już niczego, czego nauczyłeś wcześniej. Od nowa więc przy tym nowym wyzwaniu przyswajasz wiedzę o tym, jak balansować, skakać, jak koordynować ruchy rąk. […] W taki mniej więcej sposób obecnie trenujemy większość modeli uczenia maszynowego. Zamiast rozszerzać istniejące modele, szkolimy każdy nowy model od zera do robienia jednej – i tylko jednej – rzeczy.
Co więcej, większość dzisiejszych modeli przetwarza tylko jedną formę informacji na raz. Mogą przyjmować tekst, obrazy lub mowę — ale zazwyczaj nie wszystkie trzy naraz. Pathways ma ten sposób podejścia do algorytmów AI całkowicie zmienić.
Nowe pomysł: wielozadaniowość i poleganie na wielu „zmysłach”
Google trenuje nowy model w taki sposób, aby mógł nie tylko obsługiwać wiele oddzielnych zadań, ale także czerpać z istniejących już umiejętności i łączyć ze sobą zebraną wiedzę. W ten sposób to, czego model uczy się, szkoląc się w jednym zadaniu – może pomóc w nauce innego. Takie podejście jest nieco bliżej sposobu, w jaki mózg ssaków uogólnia zadania.
Drugą ważną cechą Pathways jest to, że umożliwia tworzenie modeli multimodalnych, które obejmują jednocześnie rozumienie wzroku, słuchu i języka. A wszystko to w ramach jednego algorytmu.
Trzecią, bardzo ważną korzyścią przy korzystaniu z Pathways jest wydajność modelu. Przy Pathways odchodzi się od założenia, że przy każdym problemie będzie „uruchamiana” cała sieć neuronowa. W Pathways uruchamiane są tylko te „ścieżki” w sieci, które są potrzebne do wykonania zadania. Model ma sam uczyć się, do których części systemu kierować dane zadania.
Pathways i inne algorytmy przyszłości: czy sztuczna inteligencja będzie wszechwiedząca?
Wydajność systemu, specjalizacja, możliwość przyjęcia różnych typów danych wejściowych (np. dźwięk, obraz, pismo) to bez wątpienia do ważny krok w stronę rozwoju AI. Jednozadaniowe modele uczenia się sztucznej inteligencji mogą stać się niewystarczające dla złożoności zadań, jakich coraz częściej oczekuje się od AI. W wielu dziedzinach mogą one ustąpić miejsca takim modelom jak Pathways. Nowe rozwiązania przerastają je bowiem zdolnościami poznawczymi i w końcu są bliższym odzwierciedleniem tego, jak działa inteligencja naturalna.
Więcej o Pathways przeczytasz na blogu Google w artykule wyjaśniającym działanie modelu Pathways.