Какой бы ни была будущая роль компьютеров в обществе, Джефф Дин будет иметь сильное влияние на результат. Будучи лидером обширной исследовательской группы Google по искусственному интеллекту, он руководит работой, которая вносит свой вклад во все: от самостоятельных автомобилей до домашних роботов и безудержного онлайн-бизнеса Google.
WIRED поговорил с Дином в Ванкувере на ведущей международной конференции по искусственному интеллекту NeurIPS о последних исследованиях его команды и о том, как Google пытается навязать им этические ограничения.
WIRED: Вы провели научную беседу о создании новых типов компьютеров для машинного обучения. Какие новые идеи тестирует Google?
Джефф Дин: Один использует машинное обучение для размещения и маршрутизации микросхем на микросхемах. После того, как вы спроектировали кучу новых схем, вы должны поместить их в микросхему эффективным способом, чтобы оптимизировать его по площади, энергопотреблению и множеству других параметров. Обычно человеческие эксперты делают это в течение многих недель.
Вы можете получить модель машинного обучения, по сути, научиться играть в игру с размещением фишек и делать это довольно эффективно. Мы можем получить результаты на уровне или лучше, чем человеческие эксперты. Мы играли с кучей различных внутренних чипов Google, таких как TPU [пользовательские чипы машинного обучения Google].
W: Более мощные микросхемы были центральными для большого недавнего прогресса в ИИ Но глава ИИ Facebook недавно заявил, что эта стратегия скоро ударит в стену. И один из ваших лучших исследователей на этой неделе призвал поле для изучения новых идей.
ДД: По-прежнему существует большой потенциал для создания более эффективных и масштабных вычислительных систем, особенно предназначенных для машинного обучения. И я думаю, что фундаментальное исследование, которое было сделано за последние пять или шесть лет, все еще имеет много возможностей для применения всеми возможными способами. Мы будем сотрудничать с нашими коллегами по продуктам Google, чтобы использовать многие из этих вещей в реальных целях.
Но мы также смотрим на следующие основные проблемы на горизонте, учитывая то, что мы можем сделать сегодня и что мы не можем сделать. Мы хотим создавать системы, которые могут обобщать новые задачи. Возможность делать вещи с гораздо меньшим количеством данных и с гораздо меньшим количеством вычислений будет интересной и важной.
W: Еще одна проблема, привлекающая внимание NeurIPS, - этические вопросы, возникающие в некоторых приложениях AI. Google объявил о наборе этических принципов искусственного интеллекта 18 месяцев назад, после протестов по проекту AI в Пентагоне под названием Maven. Как изменился AI в Google с тех пор?
ДД: Я думаю, что во всем Google гораздо лучше понимают, как мы реализуем эти принципы. У нас есть процесс, с помощью которого группы разработчиков, которые думают об использовании машинного обучения каким-либо образом, могут получить предварительное мнение, прежде чем они разработают всю систему, например, как вам следует собирать данные, чтобы убедиться, что они не предвзяты, или тому подобное.
Продолжай читать
Новинки в области искусственного интеллекта, от машинного обучения до компьютерного зрения и многое другое
Мы также, очевидно, продолжаем продвигать направления исследований, которые воплощены в принципах. Мы проделали довольно большую работу над предвзятостью, честностью, конфиденциальностью и машинным обучением.
W: Принципы исключают работу с оружием, но допускают правительственный бизнес, включая оборонные проекты. Google начал какие-либо новые военные проекты со времен Maven?
ДД: Мы рады сотрудничать с военными или другими государственными органами в соответствии с нашими принципами. Так что, если мы хотим улучшить безопасность персонала Береговой охраны, мы будем рады работать над этим. Облачные команды, как правило, занимаются этим, потому что это действительно их направление деятельности.
W: Мустафа Сулейман, соучредитель DeepMind, лондонского стартапа AI, который является частью Alphabet и основным игроком в исследованиях в области машинного обучения, недавно перешел на Google. Он сказал, что будет работать с вами и Кентом Уокером, руководителем Google по юридическим и политическим вопросам. Над чем ты будешь работать с Сулейманом?
ДД: Мустафа имеет широкий взгляд на вопросы, связанные с политикой ИИ. Он также был довольно вовлечен в принципы ИИ Google и в процесс проверки, поэтому я думаю, что он собирается сосредоточить большую часть своего времени на этом: этике ИИ и работе, связанной с политикой. Я бы предпочел, чтобы Мустафа прокомментировал, что он собирается делать конкретно.
Одна из областей, над которой работает группа Кента, - это то, как мы должны усовершенствовать принципы ИИ, чтобы дать немного больше рекомендаций командам, которые думают об использовании чего-либо, скажем, распознавания лиц, в продукте Google.
W: На этой неделе вы выступили с основным докладом о том, как машинное обучение может помочь обществу отреагировать на изменение климата. Каковы возможности? Как насчет иногда большого использования энергии самими проектами машинного обучения?
ДД: Существует множество возможностей применить машинное обучение к различным аспектам этой проблемы. Мой коллега Джон Платт был одним из более чем 20 авторов недавней статьи, которая исследует их - это более 100 страниц. Например, машинное обучение может помочь повысить эффективность транспорта или сделать климатическое моделирование более точным, поскольку традиционные модели требуют значительных вычислительных ресурсов и ограничивают пространственное разрешение.
Я в целом обеспокоен выбросами углерода и машинным обучением. Но это относительно скромная часть общих выбросов [и] некоторые статьи об использовании энергии машинного обучения, которые я видел, не рассматривают источник энергии. В центрах обработки данных Google наше энергопотребление в течение всего года для всех наших вычислительных потребностей возобновляется на 100 процентов.
W: За пределами изменения климата, какие области исследований ваша команда будет расширять свою работу в следующем году?