Жасалма интеллект илимий прогресстин логикасын карманбайт

Биз МТда машина үйрөнүү системаларын “кара кутулар” (1) деп жарыялаган изилдөөчүлөр жана адистер жөнүндө, атүгүл аларды кургандар үчүн да көп жолу жазганбыз. Бул жыйынтыктарды баалоону жана пайда болгон алгоритмдерди кайра колдонууну кыйындатат.

Нейрондук тармактар – бизге акылдуу конвертирлөөчү ботторду жана поэзияны жарата алган гениалдуу текст генераторлорун берген техника сырттан байкоочулар үчүн түшүнүксүз сыр бойдон калууда.

Алар чоңураак жана татаалдашып, чоң маалымат топтомдорун иштетип, массалык эсептөө массивдерин колдонуп жатышат. Бул алынган моделдерди репликациялоону жана талдоону башка изилдөөчүлөр үчүн кымбат жана кээде мүмкүн эмес кылат, чоң бюджети бар чоң борборлорду кошпогондо.

Көптөгөн окумуштуулар бул көйгөйдү жакшы билишет. Алардын арасында Джоэл Пино (2), NeurIPS төрагасы, кайра жаралуу боюнча биринчи жыйыны. Анын жетекчилиги астында эксперттер "кайталануучулукту текшерүү тизмесин" түзүүнү каалашат.

Пино белгилегендей, идея изилдөөчүлөрдү башкаларга жол картасын сунуштоого үндөп, алар буга чейин жасалган ишти кайра түзүп, пайдалана алышат. Сиз жаңы текст генераторунун чечендигине же видео оюн роботунун адамдан тышкаркы эпчилдигине таң каласыз, бирок эң мыкты эксперттер да бул кереметтер кандай иштээрин билишпейт. Ошондуктан, AI моделдерин кайра чыгаруу изилдөөнүн жаңы максаттарын жана багыттарын аныктоо үчүн гана эмес, колдонуу үчүн таза практикалык колдонмо катары да маанилүү.

Башкалар бул маселени чечүүгө аракет кылып жатышат. Google изилдөөчүлөрү системалар кандайча сыналганын, анын ичинде мүмкүн болуучу мүчүлүштүктөрдү көрсөткөн натыйжаларды сүрөттөп берүү үчүн "үлгү карталарын" сунушташты. Аллен атындагы Жасалма интеллект институтунун (AI2) изилдөөчүлөрү Пиноттун кайталанышын текшерүү тизмесин эксперименталдык процесстин башка кадамдарына жайылтууну көздөгөн эмгекти жарыялашты. «Ишиңерди көрсөткүлө» деп чакырышат.

Кээде негизги маалымат жок болуп калат, анткени изилдөө долбоору, айрыкча компанияда иштеген лабораторияларга таандык. Көбүнчө, бирок, бул өзгөрүп жаткан жана барган сайын татаалданган изилдөө ыкмаларын сүрөттөй албагандыктын белгиси. Нейрондук тармактар абдан татаал аймак. Эң жакшы натыйжаларды алуу үчүн миңдеген "баскычтарды жана баскычтарды" жакшылап жөндөө талап кылынат, аларды айрымдар "кара магия" деп аташат. Оптималдуу моделди тандоо көп учурда көп сандагы эксперименттер менен байланышкан. Сыйкыр абдан кымбат болуп калат.

Мисалы, Facebook DeepMind Alphabet тарабынан иштелип чыккан AlphaGo системасынын ишин кайталоого аракет кылганда, тапшырма өтө оор болуп чыкты. Эбегейсиз чоң талаптар, миңдеген түзмөктөрдө миллиондогон эксперименттер көп күн бою коддун жоктугу менен айкалышып, системаны "кайра жаратууну, сыноону, өркүндөтүүнү жана кеңейтүүнү абдан кыйындатып жиберди", - дешет Facebook кызматкерлери.

Маселе адистештирилген окшойт. Бирок, андан ары ойлонсок, бир илимий коллектив менен экинчисинин ортосундагы натыйжалардын жана функциялардын кайталанышына байланыштуу проблемалардын феномени бизге белгилуу болгон илимдин жана изилдее процесстеринин иштешинин бардык логикасын бузат. Эреже катары, мурунку изилдөөлөрдүн натыйжалары билимдин, технологиянын жана жалпы прогресстин өнүгүшүнө түрткү берүүчү мындан аркы изилдөөлөр үчүн негиз катары пайдаланылышы мүмкүн.