Jetzt kann jeder ein maschineller Lernprofi werden

Mark Hammond im Bonsai-Hauptquartier in den Vororten von Berkeley.

Spielen Sie erfolgreich Fußball, spielen Sie in populären Filmen oder spielen Sie erfolgreich an der Börse? Herzlichen Glückwunsch, Sie sind fast so wertvoll wie ein Spezialist für Datenverarbeitung oder maschinelles Lernen mit einem Doktortitel von Stanford, MIT oder Carnegie Mellon. Zumindest sieht es so aus. Alle Unternehmen im Silicon Valley - und im Prinzip schon nicht nur dort - konkurrieren verzweifelt um einen solchen menschlichen Preis. Dies ist eine Art Trüffeljagd von Personalmanagern. Da Unternehmen erkennen, dass ihre Konkurrenten auf künstliche Intelligenz (KI) und maschinelles Lernen (MO) angewiesen sind, wird die Anzahl der Arbeitsplätze für diese Fachkräfte ständig zunehmen.

Aber was wäre, wenn Sie die Vorteile der KI nutzen könnten, ohne teure und talentierte Fachkräfte einzustellen? Was ist, wenn intelligente Software die Messlatte senkt? Ist es möglich, die Vorteile von Deep Learning (GO) ohne besondere Talente zu nutzen?

Startup Bonsai [Bonsai] ist eines der Unternehmen, das diese Frage positiv beantwortet. Mit ihrer Hilfe kommt vielleicht die Demokratisierung der KI, von der Millionen, wenn nicht Milliarden Menschen betroffen sein können.

Heute auf der O'Reilly AI-Konferenz in New York wird Bonsai Gender, Mark Hammond, eine Demonstration des Systems zeigen. Die Demo gibt eine der legendären Errungenschaften von GO wieder: Wie das DeepMind-System gelernt hat, alte Atari-Spielzeuge zu spielen . Insbesondere wird das Bonsai-Programm lernen, Breakout zu spielen, bei dem die Plattform auf einen Ball trifft, der eine Mauer aus Ziegeln zerstört (das Spiel von 1976 war zu dieser Zeit ein Durchbruch - Steve Jobs hat übrigens daran gearbeitet).


37 Codezeilen bilden ein neuronales Netzwerk, das lernt, unabhängig zu spielen

Zur gleichen Zeit schuf DeepMind erstklassige KI-Genies und trainierte das neuronale Netzwerk mit einer Reihe von Spielen von Atari. Eine solche Leistung wurde in einem Weltklasse-Magazin veröffentlicht. Im Fall von Bonsai ist es eher eine Möglichkeit, den Weg abzuschneiden. Es beginnt mit einem Cloud-basierten Entwicklungssystem. Ein Programmierer, der vielleicht noch nie KI-Kurse im College oder im Internet besucht hat, kann das Spiel beschreiben, und das System selbst wählt den optimalsten Algorithmus für das Training des neuronalen Netzwerks. Dann codiert der Programmierer das Konzept des Spiels in wenigen Minuten - zum Beispiel die Notwendigkeit, die Plattform unter dem Ball zu halten - und gibt Bonsai die Möglichkeit, unabhängig mit neuronalen Netzen zu arbeiten und diese für das beste Ergebnis zu optimieren.

Die Bonsai-Version des Spiels benötigt 37 Codezeilen. Das ist aber irreführend. Wenn Hammond zeigt, was "unter der Haube" des Systems passiert, zeigt er eine Grafik, die zeigt, wie das System ein komplexes neuronales Netzwerk aufbaut, das einem der "Ninjas" würdig ist, die in MO in Google tätig sind. Der Programmierer muss sich nicht mit all dem MO-Gut auseinandersetzen.

Der Trick ist unglaublich. "Ich bin normalerweise nicht sehr beeindruckt von Demos", sagte George Williams, ein Forscher am Courant Institute of Mathematical Sciences der Universität New York. "Aber was Mark mir gezeigt hat, war sowohl glaubwürdig als auch einfach unglaublich." Er verstand unseren aktuellen Zustand mit dem MO und die Werkzeuge, die zur Schaffung der KI der nächsten Generation erforderlich sind. “

Ob Bonsai in dieser Richtung führend sein wird, ist noch unbekannt. Aber Williams hat Recht, wo wir uns auf der KI-Entwicklungsskala befinden. Der nächste Schritt ist die Entstehung und Blüte intelligenter Computer mit MO für Dummies.

Bonsai wurde am Strand geboren. Hammond, zuvor ein Microsoft-Entwickler, hatte sich seit einiger Zeit für KI interessiert. Nach seinem Ausscheiden aus dem Unternehmen im Jahr 2004 arbeitete er an der Yale University im Bereich Neurologie. 2010 verbrachte er einige Zeit beim AI-Startup von Numenta unter der Leitung von Jeff Hawkins (Mitbegründer von Palm), verließ das Unternehmen jedoch, um ein Drittunternehmen zu gründen, das er anschließend verkaufte.

2012 besuchte Hammond dann Freunde in Südkalifornien. Sein kleiner Sohn war müde und die ganze Firma kehrte zum Auto zurück. Während Hammonds Frau mit Freunden plauderte und sein Sohn in seinen Armen einschlief, führte er ein Gedankenexperiment durch. Es begann mit dem in der Welt des KI beliebten Mem - dem Konzept des "Hauptalgorithmus". Als Professor Pedro Domingos von der University of Washington (inBuch mit dem gleichen Namen ), diese noch nicht offene MO-Technologie wird eine universelle Lösung für alle Probleme sein. Wenn Wissenschaftler diesen Algorithmus entwickeln, können wir KI auf alles anwenden.

Aber Hammond entdeckte einen Fehler in dieser Argumentation. Angenommen, wir finden einen solchen Algorithmus. Wer wird es an unzählige praktische Anwendungen anpassen? Das können heute nur noch Anhänger des Verteidigungsministeriums. Es gibt zu wenige, aber zu viele Aufgaben. Wir brauchen ein System, das die Messlatte senkt, damit der durchschnittliche Entwickler diese Tools verwenden kann. Ein solches System erfordert keine enge Spezialisierung auf MO zum Trainieren neuronaler Netze, aber es ermöglicht Programmierern, das System zu lernen, um die gewünschten Ergebnisse zu erzielen.

Allmählich zog er eine Analogie zur Programmiergeschichte. Anfangs war es notwendig, Programme in Maschinencode zu schreiben. Dann entwickelten die Programmierer einen Standardsatz von Anweisungen, Assembler. Der Durchbruch gelang mit der Entwicklung eines Compilers , der Hochsprachen in Assembler übersetzte. Danach begann die Programmierung Anfängern, ernsthafte Programme zu erstellen. Hammond glaubt, dass Tools wie Googles TensorFlow der Assembler-Ära ähneln. Sie erleichtern den Aufbau neuronaler Netze, aber der Zugang zu diesem Bereich ist für diejenigen zugänglich, die sich mit der Arbeit neuronaler Netze auskennen. Er wollte so etwas wie einen Compiler erstellen, um diese Eingabe zu erweitern.

Er teilte die Idee mit Keen Browne, einem ehemaligen Microsoft-Kollegen, der kürzlich seine Spielstarts an die Chinesen verkaufte. Tom gefiel die Idee, weil er selbst versuchte, tiefes Lernen mit den verfügbaren populären Mitteln zu verstehen. "Ich bin ziemlich schlau", sagt er. - Ich war in China, habe ihre Sprache gelernt. Ich habe bei Microsoft programmiert. Aber diese Aktivität erwies sich als lächerlich. “ Und er hat sich für die Mitgründung von Bonsai angemeldet. Dieser Name wurde gewählt, weil künstlich gezüchtete japanische Pflanzen ein Gleichgewicht zwischen natürlich und künstlich halten. Als Bonus konnten wir bons.ai registrieren.

Bonsai ist nicht das einzige Startup, das versucht, das Problem des Mangels an KI-Spezialisten zu lösen. Einige Unternehmen haben begonnen, ihre eigenen Mitarbeiter in neuronalen Netzen zu schulen. Google entwickelteine Reihe von internen Kursen und Apple für Programmierer suchen mit diesen Fähigkeiten , die es ihnen ermöglichen würde das richtige Thema ohne Probleme zu lernen. Google hat außerdem das TensorFlow-Programm veröffentlicht, mit dem die Ingenieure neuronale Netze aufbauen können. Es gibt andere Tools für die Arbeit mit KI, und sie werden wahrscheinlich noch weiter verfolgt, mit unterschiedlichem Verständnis des Problems.

Es gibt andere Startups, die an der Demokratisierung der KI beteiligt sind. Bottlenose spricht ein anderes Publikum an als Bonsai: Sie arbeiten nicht für Programmierer, sondern für Geschäftsanalysten. Aber die Nachricht ist bekannt. „Wir bieten Anwendern, die keine Wissenschaftler oder Programmierer sind, neue Möglichkeiten“, sagt Nova Spivack, das Geschlecht des Unternehmens. Andere Startups gehen noch weiter: Auf der Konferenz hielt der Leiter von Clarifai eine Präsentation mit dem Titel „Wie man jemanden trainieren und KI einsetzen lässt“.

Obwohl Bonsai mit der Zeit eine gute Nische gefunden zu haben scheint, wird es aufgrund der intensiven Aktivitäten in diesem Bereich schwierig sein, auf sich aufmerksam zu machen. Adam Cheyer, ein KI-Experte, einer der Schöpfer von Siri und Hauptprogrammierer bei Viv, ist von dem Startup-Produkt beeindruckt. Aber er merkt an, dass Bonsai die KI zwar Neulingen näher bringt, sie aber dennoch ihr Gehirn belasten und ihre Programmiersprache und Systembedienung lernen müssen. "Wenn große Unternehmen wie Google das System einführen, stehen die Leute auf, um es herauszufinden", sagt er. - Aber für ein Startup ist es nicht so einfach, Leute zu interessieren. "Haben sie die Kraft, genug Benutzer zu gewinnen, um populär zu werden?"

Laut Hammond unterscheidet sich der Aufbau neuronaler Netze mit Bonsai davon, wie Profis dies in Schlüsselmomenten tun. Um ein bestimmtes Problem zu lösen, müssen nun die richtigen Werkzeuge ausgewählt werden, für die Erfahrung und Wissen erforderlich sind. Und Bonsai wird es selbst tun müssen. Sie müssen nur die Konzepte beschreiben, die Sie dem System beibringen möchten.

Während erfahrene Fachleute das Netzwerk kennenlernen und ihre Bereitstellung mit den gewünschten Ergebnissen vergleichen, können Sie mit Bonsai das System erlernen und den Prozess in Konzepte unterteilen. Wenn das System beispielsweise Fotos von Hunden erkennen soll, können Sie einen Hund so charakterisieren, dass er vier Beine, eine lange Schnauze und eine lange Zunge am Mund hat. Sie treiben das System voran, und das „intellektuelle Zentrum“ in der Cloud selbst versteht alles.

Es gibt Pluspunkte. WissenschaftlerOft verstehen sie nicht, wie geschulte Netzwerke ihre Arbeit erledigen, weil sie sich selbst konfigurieren und alle Konzepte auf unverständliche Weise organisieren. Bei Bonsai geben uns vom Benutzer beschriebene Konzepte eine Karte des Denkens eines neuronalen Netzwerks. "Das Programm sollte keine Black Box sein", sagt Hammond. Wenn Sie beispielsweise ein Robomobil programmieren und die Maschine die Bremse nicht rechtzeitig betätigt, müssen Sie in der Lage sein, herauszufinden, was Ihr System zu diesem Zeitpunkt gedacht hat.

Die Frage ist, ob eine solche Abstraktion zu einem Rückgang der Geschwindigkeit und Effizienz führen wird. Normalerweise passiert dies mit Compilern - Programme arbeiten nicht so schnell wie die in Assembler geschriebenen. Die Fähigkeit des Systems, die richtigen Werkzeuge zur Lösung von Problemen auszuwählen, ist nicht schlechter als die der Ärzte der Wissenschaften, die es ersetzen sollte.

"Ich denke, Kompromisse können nicht vermieden werden", sagte Lila Tretikov, eine KI-Spezialistin, die zuvor bei der Wikimedia Foundation gearbeitet und Bonsai beraten hatte. „Das ist nicht ganz das Gleiche wie ein Team von Ärzten der Wissenschaften zur Hand zu haben. Aber was ist wichtiger - kompromisslos oder nur die Möglichkeit, das Notwendige zu tun? “ Adam Cheyer von Viv glaubt, dass Bonsai möglicherweise nicht so effizient arbeitet wie ein für eine bestimmte Aufgabe optimiertes System. "Aber ihr Code ist gut und ermöglicht es Ihnen, auf der obersten Abstraktionsebene zu sein", sagt er. Laut Cheyer verfügt sein Unternehmen über mehrere wertvolle KI-Experten. Daher ist es unwahrscheinlich, dass sie Bonsai einsetzen - es sei denn, es handelt sich um ein Prototyping-Tool.

Bonsai versucht sich an Aufgaben, die von klassischen Systemen mit KI noch nicht gelöst wurden. "Wir arbeiten an verschiedenen Spielen", erklärt Hammond, dass Spiele der Schlüssel zu mehreren Schlüsselthemen sind, die Bonsai angehen möchte. "Ich habe bestimmte Klassen von KI-Spielen nicht herausgefunden, selbst DeepMind. "Sie haben neben Breakout eine Reihe von Spielen trainiert, aber zum Beispiel haben sie es nie geschafft, das System dazu zu bringen, Pac-Man erfolgreich zu spielen."

Aber die Hauptsache ist, wie Bonsai sich der Bewegung anschließt, um KI in die Hände von Menschen zu übertragen, die nicht viel Wissen in dieser Angelegenheit haben. Es ist zu erwarten, dass viele hochrangige Tools leistungsfähiger und allgegenwärtiger werden. Werden wir an den Punkt kommen, an dem jeder Mensch auf dem Planeten KI trainiert und einsetzt? Zumindest haben es viele kluge Leute mit Geld draufgelegt.

"Wir haben Analysen in der Cloud", sagt Spivak, das Geschlecht von Bottlenose. Er sagt, dass diese virtuellen Berater mit Fragen wie "Welches College soll ich besuchen?" Die Kosten des Systems sind nominal und möglicherweise Null. "Es wird keine Möglichkeit geben, eine schlechte Entscheidung zu rechtfertigen, indem man sagt, dass man sich keine KI leisten kann", sagt er.

Vielleicht können wir sogar den Punkt erreichen, an dem die KI Pac-Man erfolgreich erobert. Bonsai hat sich noch nicht damit befasst. "Wir arbeiten daran", sagt Hammond. "Bisher gibt es keine Ankündigungen zu diesem Thema."

Source: https://habr.com/ru/post/de397883/