Artificial intelligence

Bạn háo hức với AI? Đầu tiên bạn phải huấn luyện nó

Hội nghị thượng đỉnh về công nghệ chuyển đổi bắt đầu vào ngày 13 tháng 10 với Mã thấp / Không có mã: Kích hoạt tính nhanh nhạy của doanh nghiệp. Đăng ký ngay! Trí tuệ nhân tạo là một công nghệ cốt lõi, nhưng cách nó tích hợp vào hệ sinh thái dữ liệu doanh nghiệp không giống bất kỳ công nghệ nào trước đây. Có một điều, AI sẽ có thể làm được rất ít việc ngay lập tức. Để làm cho nó hoạt động bình thường, bạn phải đào tạo nó, và có vẻ như ít tổ chức nào hiểu đầy đủ về một công việc phức tạp và kéo dài là như thế nào. Theo nhiều cách, chúng ta có thể vẽ ra những điểm tương đồng giữa sự ra đời của AI ngày nay và sự ra đời của PC tiêu dùng vào đầu những năm 80. Rốt cuộc, PC sẽ làm lại cuộc sống như chúng ta vẫn biết bằng cách quản lý ngân sách, sắp xếp các hóa đơn, lưu giữ danh sách mua sắm, giúp làm bài tập về nhà và mang đến vô số điều bất ngờ khác. Những gì họ không nói với chúng tôi là chúng tôi phải thực hiện một nhiệm vụ nhỏ gọi là nhập dữ liệu trước khi máy tính có thể làm tất cả những điều kỳ diệu này. Và chẳng bao lâu nữa, hầu như mọi ngôi nhà ở các nước phát triển đều có một chiếc PC ở góc phòng khách để thu bụi. Việc dạy bot AI không có khả năng chịu chung số phận vì nó sẽ (hoặc nên) có một đội ngũ các chuyên gia tận tâm với công việc là làm cho nó hoạt động. Nhưng quá trình đào tạo vẫn sẽ mất một thời gian, và có thể mất một thời gian trước khi nó tạo ra kết quả thậm chí là không đáng kể. Trên Medium, nhà văn Sherise Tan cho biết tốc độ và hiệu quả của quá trình đào tạo phụ thuộc vào 4 yếu tố chính: phần cứng, tối ưu hóa, số lượng lớp trong mạng nơ-ron và kích thước của tập dữ liệu. Phần cứng càng tốt và càng có thể hoạt động như một thực thể đơn lẻ thì quá trình này càng dễ dàng. Một mạng nơ-ron phức tạp hơn và nhiều dữ liệu cần xử lý hơn sẽ có xu hướng làm mọi thứ chậm lại. Tuy nhiên, cuối cùng, việc luyện tập bao gồm sự củng cố tích cực và tiêu cực – giúp nó đưa ra những câu trả lời đúng và ngăn cản những câu trả lời sai. Điều quan trọng cần lưu ý là đào tạo ban đầu chỉ là bước đầu tiên trong quá trình. Nó phải được sao lưu bằng cách xác nhận và thử nghiệm. Mỗi bước yêu cầu nhiều chu kỳ với sự điều chỉnh liên tục của các thông số để đảm bảo rằng AI đang đưa ra dự đoán chính xác với mỗi chu kỳ mới. Khi nói đến phần cứng, một số công ty không chờ đợi các nhà sản xuất truyền thống phát triển các sản phẩm phù hợp để đào tạo AI. Ví dụ, Tesla gần đây đã tiết lộ một bộ xử lý mới chứa 50 tỷ bóng bán dẫn đặc biệt để chạy các chu trình đào tạo cho các chương trình AI của riêng mình. D1 Dojo có sức mạnh tính toán lên đến hơn 360 teraflop bằng cách sử dụng mạng lưới các CPU 64-bit có kích thước 645 mm vuông, khá lớn so với các chip. Rõ ràng, công ty đã quyết định tạo ra thiết bị của riêng mình sau khi xác định rằng các dịch vụ thương mại của Intel, Nvidia và những người khác không phù hợp với nhu cầu riêng của các quy trình dựa trên AI của họ. Bài sai? Tuy nhiên, chỉ riêng sức mạnh tính toán sẽ không tạo nên thành công cho AI. Theo một nhóm các nhà nghiên cứu tại Google, cách thức tiến hành đào tạo sẽ có tác động lớn hơn và cho đến nay hầu hết các phương pháp đào tạo đều có sai sót nghiêm trọng. Như trưởng nhóm nghiên cứu Alex D’Amour đã giải thích với MIT Technology Review, vấn đề cơ bản là dữ liệu được sử dụng trong đào tạo hiếm khi đủ để hướng dẫn AI thông qua tình huống thực tế. Điều này dẫn đến việc AI không chỉ vượt qua các chu kỳ đào tạo của nó và sau đó thất bại trong thực tế, mà còn thất bại theo những cách mà cả AI và người vận hành của nó đều không nhận thấy. Và điều này có thể gây ra hậu quả nghiêm trọng cho các ứng dụng từ giao thông vận tải đến hình ảnh y tế. Tác giả kiêm nhà nghiên cứu AI Melanie Mitchell cho biết, điều cần thiết là một cách để khiến AI suy nghĩ theo kiểu loại suy, giống như bộ não con người. Như cô ấy đã giải thích với Tạp chí Quanta gần đây, khi mọi người gặp phải những tình huống mới đối với họ, họ sử dụng phép loại suy các kinh nghiệm trong quá khứ để giải quyết chúng. Bằng cách xây dựng chương trình đào tạo AI về logic và lập trình, chúng ta có thể dạy mạng nơ-ron nhận dạng hình ảnh cây cầu nhưng không hiểu được bản chất trừu tượng của các dạng khác của từ “cây cầu”, như trong “thu hẹp khoảng cách giới”. Cô ấy nói, nếu không có khả năng đó, AI không thể cung cấp các kết quả dự đoán, thông thường mà chúng ta mong đợi. Ngay bây giờ, ý tưởng về đào tạo trừu tượng đang ở giai đoạn rất sơ khai. Nhưng nếu thành công, Mitchell lập luận rằng nó sẽ không chỉ tạo ra các dạng AI tốt hơn, có giá trị hơn mà còn đơn giản hóa quá trình đào tạo bởi vì chúng ta sẽ không còn cần hàng nghìn hàng nghìn bộ dữ liệu để truyền đạt các ý tưởng và khái niệm tương đối đơn giản. Cho dù trí thông minh là nhân tạo hay sinh học, việc đào tạo nó không phải là nhiệm vụ dễ dàng – chỉ cần hỏi bất kỳ giáo viên nào trong trường. Rốt cuộc, phải mất 16 năm hoặc lâu hơn để đào tạo bộ não con người thực hiện các nhiệm vụ cấp thấp ở hầu hết các công ty ngày nay. AI có thể hấp thụ rất nhiều thông tin trong một khoảng thời gian ngắn và sau đó phản ứng tương ứng với những gì nó đã học được, nhưng điều này khác xa so với trí thông minh thực tế. Các giám đốc điều hành doanh nghiệp nên nhớ rằng bất kể AI đã được đào tạo bao nhiêu, hay nó có vẻ thông minh đến mức nào, nó vẫn chỉ là một thuật toán. Nhiệm vụ của VentureBeat VentureBeat là trở thành một quảng trường thành phố kỹ thuật số cho những người ra quyết định kỹ thuật có được kiến ​​thức về công nghệ chuyển đổi và giao dịch. Trang web của chúng tôi cung cấp thông tin cần thiết về công nghệ và chiến lược dữ liệu để hướng dẫn bạn khi bạn lãnh đạo tổ chức của mình. Chúng tôi mời bạn trở thành thành viên của cộng đồng của chúng tôi, để truy cập: thông tin cập nhật về các chủ đề mà bạn quan tâm. Bản tin của chúng tôi có nội dung dẫn dắt tư tưởng và quyền truy cập giảm giá vào các sự kiện được đánh giá cao của chúng tôi, chẳng hạn như Transform 2021: Tìm hiểu thêm về mạng các tính năng và hơn thế nữa Trở thành thành viên

Back to top button