Teslan toimitusjohtaja Elon Musk ilmoitti lokakuussa 2015 Tesla Model S: n autopilotin toiminnasta ilmoittavan tiedotustilaisuuden aikana, että jokaisesta kuljettajasta tulee jokaisen mallin S asiantuntijavalmentaja. Jokainen ajoneuvo pystyy parantamaan omia autonomiansa toimintoja. oppiminen kuljettajaltaan, mutta mikä tärkeämpää, kun yksi Tesla oppii kuljettajaltaan, tämä tieto jaetaan muiden Teslan ajoneuvojen kesken.
Hyvin pian Model S: n omistajat huomasivat ajoneuvon itsensä ajavien toimintojen paranevan vähitellen. Yhdessä esimerkissä Tesla teki väärät varhaiset poistumiset moottoriteillä pakottaen omistajat suunnistamaan ajoneuvon manuaalisesti oikealla reitillä. Vain muutaman viikon kuluttua omistajat totesivat, että autot eivät enää tehneet ennenaikaista poistumista.
”On hämmästyttävää, että parannus tapahtui niin nopeasti”, sanoi yksi Teslan omistaja.
Älykkäät järjestelmät, kuten viimeisimmän koneoppio-ohjelmiston käyttö, eivät ole vain älykkäämpiä: ne ovat älykkäämpiä nopeammin. Näiden järjestelmien kehitysnopeuden ymmärtäminen voi olla erityisen vaikea osa teknologisen kehityksen hallintaa.
Ray Kurzweil on kirjoittanut laajasti ihmisen ymmärtämisen aukoista kuvaten ns. "Intuitiivista lineaarista" näkemystä teknologisesta muutoksesta ja "eksponentiaalista" muutosnopeutta, joka tapahtuu nyt. Lähes kaksi vuosikymmentä tärkeän esseen kirjoittamisen jälkeen hän nimitti lainopeuden kiihdyttämisen lakiin - evoluutiomuutoksen teoriaksi, joka kuvaa sitä, kuinka järjestelmien paranemisprosentti muuttuu ajan myötä liittyvien laitteiden kanssa.
"Mielestäni tämä on luultavasti suurin eksponentiaalinen suuntaus AI: ssä", sanoo Columbian yliopiston koneenrakennuksen ja tietotekniikan professori Hod Lipson.
"Kaikilla eksponentiaalisilla tekniikoilla on erilaisia" eksponentteja "trendeihin, hän lisää. "Mutta tämä on luultavasti suurin." Hänen mukaansa tämä "koneoppiminen" - kun laitteet siirtävät tietoa toisilleen (ei pidä sekoittaa koneoppimiseen) - on tärkeä askel kohti tällaisten järjestelmien parantamisen nopeuttamista.
”Joskus tämä on yhteistyötä, esimerkiksi kun yksi kone oppii toiselta, ikään kuin heillä olisi parvatietoisuus. Joskus se on harppaus, kuten asekilpailu kahden järjestelmän välillä, jotka pelaavat shakkia."
Mainosvideo:
Lipson uskoo, että tämä AI-kehityspolku on tehokas osittain siksi, että se poistaa harjoitustietojen tarpeen.
”Tiedot ovat koneoppimisen polttoaineita, mutta jopa koneille on vaikeaa saada tietoja - se voi olla riskialtista, hidasta, kallista tai saavuttamatonta. Tällaisissa tapauksissa koneet voivat jakaa kokemuksiaan tai luoda synteettisiä kokemuksia toisilleen tietojen täydentämiseksi tai korvaamiseksi. Osoittautuu, että tämä ei ole niin heikko vaikutus - se on oleellisesti itsevahvistusta ja siinä eksponentiaalista."
Lipson mainitsee DeepMindin viimeaikaisen läpimurron, AlphaGo Zero, esimerkkinä harjoittelu-AI: stä ilman harjoitustietoja. Monet tuntevat AlphaGon, koneoppimisen AI: n, josta tuli maailman paras Go-pelaaja tutkimalla valtava määrä miljoonia pelejä, joita Go pelasi. AlphaGo Zero pystyi lyömään jopa hänet katsomatta harjoitustietoja, vain oppimalla pelisäännöt ja pelaamalla itseään. Sitten hän voitti maailman parhaan shakkio-ohjelmiston vain kahdeksan tunnin harjoituksen jälkeen.
Kuvittele tuhansia näistä AlphaGo Zeroes -kohdista heti jakamalla saatuaan tietoa.
Ja nämä eivät ole vain leluja. Olemme jo nähneet sen nopeuden voimakkaan vaikutuksen, jolla yritykset voivat parantaa laitteidensa suorituskykyä. Yksi esimerkki on teollisen digitaalisen kaksoistekniikan käyttö - koneen ohjelmistomalli, joka simuloi mitä laitteille tapahtuu. Kuvittele kone, joka etsii itseään ja näyttää kuvansa teknikkoille.
Esimerkiksi digitaalinen kaksoishöyryturbiini voi mitata höyryn lämpötilan, roottorin nopeuden, kylmäkäynnistykset ja muut tiedot vikojen ennustamiseksi ja hälyttää teknikot kalliiden korjausten välttämiseksi. Digitaaliset kaksoset tekevät nämä ennusteet tutkimalla omaa suorituskykyään ja tukeutuvat myös muiden höyryturbiinien kehittämiin malleihin.
Kun koneet alkavat oppia ympäristössään tehokkailla uusilla tavoilla, niiden kehitystä kiihdytetään tietojen vaihdon avulla. Kunkin planeetan yli hajallaan olevan höyryturbiinin kollektiivinen älykkyys voi nopeuttaa kunkin koneen ennustevoimaa. Missä on yksi auto ilman kuljettajaa, siellä on myös satoja muita kuljettajia, jotka opettavat autojaan jakamalla tietoa kaikille.
Älä unohda, että tämä on vasta alkua.
Ilja Khel