211service.com
Hoe AI opnieuw uitvindt wat computers zijn
22 oktober 2021
Andrea Daquino
Herfst 2021: het seizoen van pompoenen, pecannoten en perzikkleurige nieuwe telefoons. Elk jaar, precies op het juiste moment, droppen Apple, Samsung, Google en anderen hun nieuwste releases. Deze armaturen in de consumer tech-kalender wekken niet langer de verrassing en verwondering van die bedwelmende vroege dagen. Maar achter alle marketingglitters is er iets opmerkelijks aan de hand.
Het nieuwste aanbod van Google, de Pixel 6, is de eerste telefoon met een aparte chip voor AI die naast de standaardprocessor zit. En de chip die de iPhone aanstuurt, bevat de afgelopen jaren wat Apple een neurale motor noemt, ook gewijd aan AI. Beide chips zijn beter geschikt voor de soorten berekeningen die betrokken zijn bij het trainen en uitvoeren van machine learning-modellen op onze apparaten, zoals de AI die uw camera aandrijft. Bijna zonder dat we het merken, is AI een onderdeel geworden van ons dagelijks leven. En het verandert hoe we over computergebruik denken.
Wat betekent dat? Nou, computers zijn in 40 of 50 jaar niet veel veranderd. Ze zijn kleiner en sneller, maar het zijn nog steeds dozen met processors die instructies van mensen uitvoeren. AI verandert dat op minstens drie fronten: hoe computers worden gemaakt, hoe ze worden geprogrammeerd en hoe ze worden gebruikt. Uiteindelijk zal het veranderen waar ze voor zijn.
De kern van computergebruik verandert van het maken van cijfers naar het nemen van beslissingen, zegt Pradeep Dubey, directeur van het parallelle computerlab bij Intel. Of, zoals MIT CSAIL-directeur Daniela Rus het stelt, AI bevrijdt computers uit hun dozen.
Meer haast minder snelheid
De eerste verandering betreft hoe computers - en de chips die ze aansturen - worden gemaakt. Traditionele computerwinsten kwamen doordat machines sneller werden in het uitvoeren van de ene berekening na de andere. Decennia lang profiteerde de wereld van het versnellen van chips die met metronomische regelmaat kwamen, omdat chipmakers de wet van Moore bijhielden.
Maar de deep-learningmodellen die de huidige AI-toepassingen laten werken, vereisen een andere aanpak: ze hebben een groot aantal minder nauwkeurige berekeningen nodig die allemaal tegelijkertijd worden uitgevoerd. Dat betekent dat er een nieuw type chip nodig is: een die gegevens zo snel mogelijk kan verplaatsen, zodat deze beschikbaar is wanneer en waar het nodig is. Toen deep learning ongeveer tien jaar geleden op de markt kwam, waren er al speciale computerchips beschikbaar die hier behoorlijk goed in waren: grafische verwerkingseenheden of GPU's, die zijn ontworpen om tientallen keren per seconde een volledig scherm vol pixels weer te geven.
Alles kan een computer worden. Inderdaad, de meeste huishoudelijke voorwerpen, van tandenborstels tot lichtschakelaars tot deurbellen, zijn er al in een slimme versie.
Nu draaien chipmakers zoals Intel en Arm en Nvidia, die veel van de eerste GPU's leverden, om hardware te maken die specifiek is afgestemd op AI. Google en Facebook dringen ook voor het eerst deze branche binnen, in een race om een AI-voorsprong te vinden via hardware.
De chip in de Pixel 6 is bijvoorbeeld een nieuwe mobiele versie van de tensorverwerkingseenheid van Google, oftewel TPU. In tegenstelling tot traditionele chips, die gericht zijn op ultrasnelle, nauwkeurige berekeningen, zijn TPU's ontworpen voor de hoge volumes maar lage precisie berekeningen die nodig zijn voor neurale netwerken. Google gebruikt deze chips sinds 2015 in eigen beheer: ze verwerken foto's van mensen en zoekopdrachten in natuurlijke taal. Google's zusterbedrijf DeepMind gebruikt ze om zijn AI's te trainen.
In de afgelopen jaren heeft Google TPU's beschikbaar gesteld aan andere bedrijven, en deze chips, evenals soortgelijke die door anderen worden ontwikkeld, worden de standaard in de datacenters van de wereld.
AI helpt zelfs bij het ontwerpen van zijn eigen computerinfrastructuur. In 2020 gebruikte Google een algoritme voor het leren van versterking - een type AI dat leert hoe een taak met vallen en opstaan op te lossen - om de lay-out van een nieuwe TPU te ontwerpen. De AI kwam uiteindelijk met vreemde nieuwe ontwerpen waar geen mens aan zou denken, maar ze werkten. Dit soort AI zou ooit betere, efficiëntere chips kunnen ontwikkelen.
Show, don't tell
De tweede wijziging betreft de manier waarop computers wordt verteld wat ze moeten doen. De afgelopen 40 jaar programmeren we computers; voor de komende 40 zullen we ze trainen, zegt Chris Bishop, hoofd van Microsoft Research in het VK.
Traditioneel moesten programmeurs, om een computer iets te laten doen als spraak herkennen of objecten in een afbeelding identificeren, eerst met regels voor de computer komen.
Met machine learning schrijven programmeurs geen regels meer. In plaats daarvan creëren ze een neuraal netwerk dat deze regels voor zichzelf leert. Het is een fundamenteel andere manier van denken.
Verwant verhaal
AI leert zichzelf te creëren Mensen hebben geworsteld om echt intelligente machines te maken. Misschien moeten we ze hun gang laten gaan.
Voorbeelden hiervan zijn al gemeengoed: spraakherkenning en beeldidentificatie zijn nu standaard op smartphones. Andere voorbeelden haalden de krantenkoppen, zoals toen AlphaZero zichzelf leerde Go beter te spelen dan mensen. Evenzo brak AlphaFold een biologieprobleem open - uitwerken hoe eiwitten vouwen - waar mensen al tientallen jaren mee worstelden.
Voor Bishop komen de volgende grote doorbraken op het gebied van moleculaire simulatie: computers trainen om de eigenschappen van materie te manipuleren, waardoor mogelijk wereldveranderende sprongen worden gemaakt in energieverbruik, voedselproductie, productie en medicijnen.
Ademloze beloften zoals deze worden vaak gemaakt. Het is ook waar dat deep learning ons altijd heeft verrast. Twee van de grootste sprongen van dit soort tot nu toe - computers zich laten gedragen alsof ze taal begrijpen en herkennen wat er in een afbeelding staat - veranderen nu al hoe we ze gebruiken.
Computer weet het het beste
Decennialang betekende een computer iets laten doen door een commando in te typen of op zijn minst op een knop te klikken.
Machines hebben niet langer een toetsenbord of scherm nodig waar mensen mee kunnen communiceren. Alles kan een computer worden. Inderdaad, de meeste huishoudelijke voorwerpen, van tandenborstels tot lichtschakelaars tot deurbellen, zijn er al in een slimme versie. Maar naarmate ze zich vermenigvuldigen, willen we minder tijd besteden aan het vertellen wat ze moeten doen. Ze moeten kunnen uitzoeken wat we nodig hebben zonder dat het ons wordt verteld.
Dit is de verschuiving van cijfer-crunching naar besluitvorming die volgens Dubey het nieuwe tijdperk van computing bepaalt.
Rus wil dat we de aangeboden cognitieve en fysieke ondersteuning omarmen. Ze stelt zich computers voor die ons dingen vertellen die we moeten weten wanneer we ze moeten weten en die ingrijpen als we hulp nodig hebben. Toen ik een kind was, was een van mijn favoriete films [scènes] in de hele wereld 'The Sorcerer's Apprentice', zegt Rus. Weet je hoe Mickey de bezem roept om hem te helpen opruimen? We hebben geen magie nodig om dat te laten gebeuren.
We weten hoe die scène eindigt. Mickey verliest de controle over de bezem en maakt een grote puinhoop. Nu machines interactie hebben met mensen en integreren in de chaos van de wijdere wereld, wordt alles onzekerder. De computers zijn uit hun doos.