211service.com
Uw volgende computer kan verbeteren met de jaren
Jon Han
Over het algemeen worden computers trager naarmate ze ouder worden. Hun processors hebben moeite om met nieuwere software om te gaan. Apple zelfs opzettelijk vertraagt zijn iPhones als hun batterijen degraderen. Maar Google-onderzoekers hebben details gepubliceerd van een project waarmee een laptop of smartphone kan leren dingen in de loop van de tijd beter en sneller te doen.
De onderzoekers pakten een veelvoorkomend computerprobleem aan, prefetching genaamd. Computers verwerken informatie veel sneller dan ze het uit het geheugen kunnen halen om te worden verwerkt. Om knelpunten te voorkomen, proberen ze te voorspellen welke informatie waarschijnlijk nodig is en trekken ze deze van tevoren op. Naarmate computers krachtiger worden, wordt deze voorspelling steeds moeilijker.
In een krant deze week online geplaatst, beschrijft het Google-team het gebruik van deep learning - een AI-methode die gebruikmaakt van een groot gesimuleerd neuraal netwerk - om prefetching te verbeteren. Hoewel de onderzoekers niet hebben aangetoond hoezeer dit de zaken versnelt, zou de boost groot kunnen zijn, gezien wat deep learning heeft opgeleverd voor andere taken.
Het werk dat we deden is slechts het topje van de ijsberg, zegt Heiner Lit van de Universiteit van Californië, Santa Cruz, een gastonderzoeker aan het project. Litz gelooft dat het mogelijk moet zijn om machine learning toe te passen op elk onderdeel van een computer, van het low-level besturingssysteem tot de software waarmee gebruikers communiceren.
Dergelijke vorderingen zouden opportuun zijn. De wet van Moore vertraagt eindelijk en het fundamentele ontwerp van computerchips is de afgelopen jaren niet veel veranderd. Tim Kraska , een universitair hoofddocent aan het MIT die ook onderzoekt hoe machine learning computers beter kan laten werken, zegt dat de aanpak ook nuttig kan zijn voor algoritmen op hoog niveau. Een database kan bijvoorbeeld automatisch leren omgaan met financiële gegevens in tegenstelling tot sociale netwerkgegevens. Of een applicatie kan zichzelf leren om effectiever in te spelen op de gewoonten van een bepaalde gebruiker.
We hebben de neiging om systemen en hardware voor algemene doeleinden te bouwen, zegt Kraska. Machine learning maakt het mogelijk dat het systeem tot in de kern automatisch wordt aangepast aan de specifieke gegevens en toegangspatronen van een gebruiker.
Kraska waarschuwt dat het gebruik van machine learning rekenkundig duur blijft, dus computersystemen zullen niet van de ene op de andere dag veranderen. Als het echter mogelijk is om deze beperkingen te overwinnen, zegt hij, kan de manier waarop we systemen ontwikkelen in de toekomst fundamenteel veranderen.
Litz is optimistischer. De grote visie is een systeem dat zichzelf voortdurend in de gaten houdt en leert, zegt hij. Het is echt het begin van iets heel groots.