Google Pathways nedir? Yapay zeka araştırması önemli bir dönüm noktasına ulaştı

Güçlü yapay zekaya giden yolda, yapay zeka araştırması önemli bir dönüm noktasına ulaştı: yeni mimari, birden fazla görevin tek bir sinir ağında paralel olarak işlenmesine izin veriyor.

Yapay zekanın ilerlemesini değerlendirmek söz konusu olduğunda, insanların çeşitli görüşleri var. Bazı insanlar yapay zekanın ses girişi, yarı otonom sürüş veya lojistik ve endüstride verimliliği artırma gibi uygulamalar aracılığıyla günlük hayatımıza girdiğini iddia ediyor. Bazıları için değişimin hızı çok yavaş ve hatta bazıları gerçekten akıllı makineler olduğundan şüphelenebilir.

Bu eleştirilerin hiçbiri şüphesiz tamamen reddedilemez. Şimdiye kadar, sözde daha zayıf AI, evde ve Endüstri 4.0’da kullanıldı. Bu makineler, bireysel görevlerle ve hatta bunların parçalarıyla iyi başa çıkıyor. İstatistiksel yöntemler, örüntü tanıma ve mümkün olduğunca yapılandırılmış veriler konusunda çok sayıda eğitim; Zayıf yapay zekayı yalnızca uzmanlık alanlarında inanılmaz en yüksek performansa getirir.

İnsan gibi düşünmek

Buna karşılık, daha güçlü bir AI, bir insan kadar akıllıca çalışacak ve bunun için özel eğitim almamış olsa bile, çeşitli alanlardaki birçok soruna makul çözümler sunabilecektir. Böyle bir yapay zeka, verileri çok katmanlı bir şekilde yorumlayabilmek ve aktarım yeteneklerini geliştirebilmek için farklı bir veri anlayışına ihtiyaç duyacaktır. İşte bu noktada Google devreye giriyor. Dünyanın lider şirketi Al Forge, büyük ölçekli makine zekası elde etmenin yollarını kapsamlı bir şekilde araştırıyor.

Google’ın AI başkanı Jeff Dean, şu ana kadarki sorunu şöyle açıklıyor: “Yeni görevleri öğrenebilmeleri için mevcut modelleri oluşturmak yerine, her modeli sıfırdan eğitmemiz gerekiyor. Onlara tek bir konuda uzmanlaşmalarını sağlamamız gerekiyor.”

İnsan bakış açısından bu, her yeni aktiviteyi öğrenmenin her zaman sıfırdan başladığı ve önceki tüm bilgilerin kaybolduğu anlamına gelir. Yani bu kalıcı bir amnezi vakası.

Yani, Google oyun makinesi “Bir modele binlerce veya milyonlarca şey yapmayı öğretmemize izin veren” adlı bir mimari üzerinde çalışıyor.

Daha çok yönlü, etkili ve daha akıllı bir yaklaşım: Şimdiye kadar, sinir ağları görevleri yalnızca birer birer işleyebilir. Google Pathways ile yapay zekanın aynı anda sayısız görevi tamamlayabilmesi bekleniyor.

Çalıştırdığımız Google yolları?

Dean’e göre Pathways, yeni görevlerin üstesinden gelmek için bireysel AI yeteneklerinden yararlanmayı ve bunları birleştirmeyi mümkün kılacaktır. Örneğin, bir yapay zeka, hava görüntülerine dayalı olarak bir arazinin topografyasını ölçerse, Pathways kullanılarak eğitilen bir model de sel risklerini tahmin edebilir.

Diğer şeylerin yanı sıra Pathways’in yetenekleri, eğitim verilerini işlemenin yeni bir yolundan kaynaklanmaktadır. Şu anda, AI sistemleri bir seferde yalnızca bir tür veriyi işler. Metni, dili ve görüntüleri anlayabilirler, ancak hepsini aynı anda anlayamazlar.

Yollar, aynı anda görsel, işitsel ve sözlü anlama sağlayan çoklu ortam modellerini etkinleştirir. Google araştırmacısı Dean’e göre sonuç, daha derin bir veri anlayışı geliştiren ve hata ve önyargıya daha az eğilimli bir makine öğrenimi modelidir. Yollar ayrıca hem yapılandırılmış hem de yapılandırılmamış verileri veya makine kodunu çok iyi işleyebilir. Bu, örüntü tanımayı geliştirir.

Google geliştiricilerinin güçlü yapay zekaya giden yolda çözdüğü bir diğer sorun da mevcut sinir ağlarının verimsizliğidir. Temel olarak, zayıf AI her zaman kaba kuvvete dayanır: bir görevi çözmek için, ne kadar basit olursa olsun, tüm ağ etkinleştirilir. Araştırmacılar için bir model olan insan beyni çok daha az iyi çalışıyor. Her durum için sadece ilgili kısım açılır ve sadece başarılı düşünme için gerekli olan sinapslar açılır. Dean bunu şöyle ifade ediyor: “Beyninizde yüz milyar nöron var ama bu cümleyi anlamak için sadece bir kısmına ihtiyacınız var.”

Doğru Yolları Bulan Yollar

Dean, yöntemlerin aynı şekilde çalışabileceğini söylüyor. Tek bir model verimlilik için ayarlandığında, sinir ağı katmanları tarafından yalnızca gerekli yollar fiilen etkinleştirilir. Uzun vadede, bu model eldeki görevler için en uygun ağ matrislerini anlamak için dinamik olarak eğitilir. Bir navigasyon sistemi gibi, bir sinir ağının karmaşık yolları boyunca bireysel görevleri yönlendirir ve yolu hatırlar.

Bu “dağınık etkinleştirici” mimarisinin ana avantajı, çoklu görev için kullanılabilecek serbest kapasitedir, yani diğer görevleri paralel olarak öğrenmek için. Ayrıca, AI tüm ağı sürekli güncellemek zorunda değilse, daha hızlı çalışacak ve daha fazla enerji tasarrufu sağlayacaktır.

Ultra düşük güç tüketimi

Jeff Dean, Pathways’in verimliliğinin nasıl artırılacağına ilişkin örnekler olarak iki makine öğrenme sistemi GShard ve Switch Transformer’dan (şimdiye kadar yapılmış en büyük AI modellerinden ikisi) bahseder: “Yaptıkları enerjinin onda birinden daha azını kullanırlar. benzer boyuttaki standart sistemler, ancak onlar da aynı derecede doğru çalışıyor. ”

Google, bazı uygulamalarında Pathways’i zaten kullanıyor. Google’ın Alphabet şirketinin başkanı Sundar Pichai’nin yapay zeka kehaneti, şirketin iddialı ahlakını vurguladığı için, piyasadaki diğer uygulamaların ne zaman fayda göreceğini göreceğiz: “AI, insanlık üzerinde ateş, elektrikten daha derin bir etkiye sahip olacak. ve internet.”

Bu makaleler de ilginizi çekebilir: