Есть ли у нас оборудование для искусственного интеллекта (ИИ)? Это ключевой вопрос, который необходимо решить, прежде чем мы поговорим о чудесах, которые технология ИИ предоставит.
Принято считать, что следующим этапом технологических инноваций станет искусственный интеллект. Но один фактор, который игнорируется или о котором мало говорят, — это тот факт, что скорость внедрения ИИ будет зависеть от скорости компьютерной обработки. На данный момент у нас нет компьютеров, достаточно быстрых, чтобы использовать весь потенциал ИИ.
Препятствия для внедрения ИИ и нейронных сетей
Мы находимся в такой момент времени, как в 1960-х годах, когда мы знаем весь потенциал определенных технологий, но не имеем вычислительной мощности, чтобы реализовать его. Наиболее продвинутой категорией ИИ является глубокое обучение, которое требует глубоких нейронных сетей для обработки заданных входных данных. Нейронные сети требуют большей вычислительной мощности, чем обычные алгоритмы, и ожидается, что текущее состояние вычислительных технологий скоро достигнет своего предела.
Текущий процесс оптимизации ИИ идет медленно, что ограничивает полное развитие технологии. Обучение глубокой нейронной сети является математически строгим и требует много времени, что не позволяет глубокому обучению реализовать свой истинный потенциал. По данным агентства Digital Catapult, финансируемого правительством Великобритании, один сеанс обучения глубокой нейронной сети может стоить до 10 000 долларов, что может быть непомерно дорого для стартапов. Обещания многих стартапов в области ИИ теоретически достижимы в ближайшей перспективе, хотя на практике это может занять больше времени, чем указывала бы отрасль, учитывая денежный (затратный), трудоемкий характер обучения нейронных сетей.
Существующая технология еще не готова к широкому внедрению, так как потребляет слишком много энергии и увеличивает время вычислений. Согласно статье, опубликованной командой Nvidia AV (автономные транспортные средства) в 2016 году, типичная нейронная сеть имеет около 27 миллионов соединений и 250 000 параметров, поэтому она требует многомиллиардных вычислений для одного запуска, а алгоритмическая сложность увеличивается с каждым годом. в течение года для повышения эффективности требуются значительные достижения в области технологий. Компьютер с большим количеством полупроводников будет работать при недопустимых температурах, а транзисторы все еще слишком велики, чтобы их можно было разместить в ядре компьютера. По этой причине обучение очень сложных нейронных сетей, таких как AV, занимает годы.
Аппаратные ограничения
ИИ не обладает вычислительной мощностью для быстрого полного внедрения до тех пор, пока не будет разработана новая процессорная технология. Многие стартапы, такие как Wave Computing и Graphcore, используют новаторские подходы к разработке новых процессоров, специально предназначенных для глубокого обучения, которые позволили бы преодолеть недостатки текущего оборудования. Эти полупроводниковые стартапы ИИ смогут конкурировать с крупными компаниями, такими как Nvidia, которые больше сосредоточены на улучшении существующих процессоров. Недавно Intel запустила проект по разработке процессора ИИ, чтобы удовлетворить потребности ИИ, но технический директор ИИ Амир Хосроваши полагает, что для выхода на рынок потребуется десять лет. По данным Gartner, индустрия микросхем ИИ может вырасти до 34 миллиардов долларов в следующие четыре года, что делает ее привлекательной возможностью для инвестиций. Благодаря новым разработкам, которые уже привносят эти стартапы в области ИИ-чипов, вся индустрия ИИ сможет ускорить разработку и проникнуть в повседневную жизнь еще больше, чем сейчас.
Мы движемся к ускорению внедрения ИИ, которое сможет преодолеть только новая полупроводниковая технология.
Глубокое обучение должно имитировать процесс принятия решений мощным человеческим мозгом и требует многочисленных вычислений. Наши современные компьютеры не обладают достаточной вычислительной мощностью, чтобы справиться со все более требовательными вычислениями ИИ. Эпоха, когда ИИ становится нормой во всех технологических областях, нуждается в более быстрой вычислительной мощности, и эти новые стартапы в области ИИ служат необходимым катализатором перемен.
