Трудовой кодекс

Искусственный интеллект давно вышел за рамки чисто научного интереса, а некоторые важные события 2018 года показали человечеству реальную силу и эффективность ИИ.

В 2019 году на развитие искусственного интеллекта обратили пристальное внимание правители и политики крупнейших экономик мира. Эта реакция, хоть она и была несколько запоздалой, привлекла внимание к усилиям инициаторов стандартизации искусственного интеллекта.

В мае 2019 года была принята "Рекомендация Совета ОЭСР по искусственному интеллекту", которая легла в основу соглашения, подписанного в июне 2019 года министрами стран G20. Эта рекомендация заложила юридические, политические и моральные принципы сосуществования человечества с искусственным интеллектом.

И вот уже разработаны первые тесты, позволяющие измерять быстродействие и эффективность основных систем искусственного интеллекта: распознавания изображений, идентификации графических объектов и трансляции человеческой речи.

Тесты предназначены для продвижения лучших практик и стимулирования инноваций в области искусственного интеллекта.

Об этом пишет The Wall Street Journal.

Консорциум технологических компаний, в том числе Facebook Inc. и Google Alphabet Inc., выпустил набор тестов для оценки производительности инструментов искусственного интеллекта, призванных помочь компаниям ориентироваться в быстро растущей области.

По словам Питера Мэттсона (Peter Mattson), генерального председателя консорциума MLPerf, в который входит 40 компаний, эталонные тесты, охватывающие распознавание изображений, обнаружение объектов и трансляцию голоса, помогают компаниям сравнивать различные инструменты ИИ, чтобы определить, какие из них лучше всего подходят им.

«С помощью тестов ИТ-директора могут отобрать лучшие продукты и услуги, которые они могут затем внедрить в своей организации», - сказал Маттсон, инженер Google.

Тесты MLPerf могли бы, например, оценить производительность модели распознавания изображений искусственным интеллектом, созданной с помощью программной системы для машинного обучения с открытым исходным кодом от Google, с использованием источников данных, таких как RestNet50 или MobileNets, оба из которых специализируются на распознавании изображений. Компании могут использовать результаты в качестве отправной точки в реализации ИИ, видя, какое программное обеспечение, аппаратное обеспечение и источник данных работают лучше всего.

Существуют отдельные тесты производительности инструментов ИИ на различных аппаратных платформах и устройствах, таких как мобильные телефоны, серверы, облачные сервисы или центры обработки данных. Результаты будут отличаться. Например, мобильный телефон, как правило, не обладает такими большими возможностями обработки, как настольный компьютер, что ограничивает возможности телефона для выполнения сложных задач ИИ, таких как распознавание изображений.

Организации не спешат внедрять ИИ, несмотря на ажиотаж вокруг появляющейся технологии. В исследовании, проведенном International Data Corp. в 2018 году, охватывающем 2473 организации различных масштабов по всем отраслям и по всему миру, только 18% компаний имели модели искусственного интеллекта в производстве; 16% находились на стадии проверки концепции, а 15% экспериментировали с ИИ.

Среди препятствий на пути к внедрению ИИ: множество доступных инструментов и сервисов и множество решений, которые необходимо принять организациям, от запуска ИИ в облаке до использования графических процессоров, которые специализируются на видео и графике, а теперь также обрабатывают ИИ, или центральные процессоры, которые в основном выполняют операции центрального компьютера, для экспериментов.

Дэвид Шубмел (David Schubmehl), директор по исследованиям систем искусственного интеллекта в IDC, сказал, что эталонные тесты могут помочь компаниям лучше справляться со сложностями, связанными с внедрением искусственного интеллекта, позволяя им сравнивать яблоки с яблоками, выбирая среди множества доступных программных и аппаратных средств искусственного интеллекта.

«Наступает время извлекать пользу, так как мы видим, как все больше организаций переходят от экспериментов [с искусственным интеллектом] к внедрению ИИ в производство», - сказал он.

В Pleasanton, калифорнийском стартапе ServiceChannel Inc., который предоставляет услуги по управлению объектами через облако для клиентов в секторах, включающих розничную торговлю и продукты питания, считает, что эталонные тесты, подобные MLPerf, важны для автоматизации процесса распределения объемов работ среди подрядчиков, сказал Исполнительный директор Том Буйокки.

По словам Буйокки, компания в настоящее время использует ИИ и другие технологии для идентификации личности и эффективности своих подрядчиков, и эталонный тест даст компании уверенность в том, что она внедряет правильное решение.

MLPerf был создан в 2018 году, чтобы заполнить пробел в стандартизации тестирования ИИ. Его первый измерительный инструмент, выпущенный в мае 2018 года, был сосредоточен на обучающих моделях - мозгах, стоящих за реализациями ИИ, которые являются ключевой точкой в распознавании изображений или голоса. Новые тесты ориентированы на результаты обучаемых моделей. Текущий состав MLPerf включает представителей Microsoft Corp., Intel Corp. и Landing AI, созданных пионером искусственного интеллекта Эндрю Нг.

Для нового набора тестов MLPerf иследовал измерение характеристик популярных приложений, таких как распознавание голоса и компьютерное зрение, которые применяются универсально, сказал Виджей Джанапа Редди, доцент кафедры электротехники в Гарвардском университете и сопредседатель рабочей группы MLPerf по анализу, которая создавала стандарты.

Существует много способов реализации ИИ, но тесты предназначены для определения оптимальных решений.

«Вы можете буквально посмотреть на результаты и оценить варианты на более высоком уровне», - сказал господин Редди.