Kuidas tehisintellekt õpib? Kümniandine saladus on paljastatud

Tehisintellekti maailmas on seni eksisteerinud paradoks: me suudame ehitada süsteeme, mis töötavad hästi, kuid me ei tea täpselt, miks nad seda teevad. See must kast, millega on aastaid töötanud arendajad ja ettevõtjad, on saanud väikese praksuse. Trieste linnas asuva Abdus Salam Rahvusvahelise Teoreetilise Füüsika Keskuse (ICTP) teadlased on avaldanud uuringu, mis heidab valgust sügavate neuraalvõrkude õppimisprotsessidele.

Jean Barbieri juhitud viie teadlase meeskond on suutnud kirjeldada teoreetiliselt, kuidas tehisintellekt tõelist õppimist teostab. See avastus, mis on publitseeritud ajakirjas Physical Review X, ei ole lihtsalt akadeemiline võit, vaid samm tõhusema tehnoloogia suunas. Seni on AI võime tohutest andmehulgadest oluliseimaid mustreid tuvastada olnud tõestatud, kuid selle mehhanism oli teoreetiliselt jäänud selgitamata.

Sügavate võrkude sisekeele dekodeerimine

Keskseks probleemiks oli mõista, kuidas sügavad neuraalvõrgud (deep neural networks) tõlgivad rawandmeid kasulikeks struktuurideks. See protsess, mida nimetatakse tunnuste õppimiseks ehk feature learningiks, on see, mis teeb AI-st võimsad tööriistad. Just selle võime tänu suudab mudel generaliseerida teadmisi, mis tähendab, et ta rakendab õpitud loogikat ka selliste andmete puhul, mida ta treeningu käigus kunagi ei näinud.

Barbieri sõnul oli see probleem teaduskonnale aastakümneid takistuseks. Ilma selge teoreetilise raamistikuta on AI arendamine olnud suuresti katse- ja eksimismeetodile põhinev tegevus. Nüüd on loodud raamistik, mis võimaldab mõista, kuidas keerukad võrgud, mis moodustavad tänapäevaste rakenduste aluse, tegelikult toimivad. ICTP uuringu tulemused viitavad sellele, et me oleme lähedal punktile, kus AI arhitektuure ei pea enam lihtsalt testima, vaid neid saab täpselt planeerida.

Matemaatika ja füüsika kohtumine

Selleenuks, et lahendada probleemi, mida arvutiteadus üksi ei suutnud, pöördusid teadlased füüsika maailma poole. Nad kombineerisid kaks võimsat teoreetilist lähenemist, et kirjeldada õppimisprotsessi täpselt. Esimeseks oli süsteemide häirumise teooria, mida füüsikud on kasutanud üle neljakümne aasta, et analüüsida, kuidas keerukates andmetes tekivad ja kuidas neid tuvastada peidetud mustreid.

Teiseks komponendiks oli juhvressedrite teooria, mis on kriitiline suurte statistiliste süsteemide käitumise kirjeldamiseks. See kombinatsioon võimaldas teadlastele keskenduda režiimile, mida nimetatakse near-interpolationiks. See on tingimus, kus neuraalvõrgu parameetrite arv on võrdne treeningu jaoks kasutatud andmete hulkga. Just selles punktis tekib tõeline tunnuste õppimine, mis eristab intelligentse süsteemi pelgast andmete mälujärjekorrast.

Kuidas see muudab AI arendamise kulusid

Ettevõtjate jaoks on see avastus oluline eelkõige ressursside planeerimise tõttu. Praegune AI-trend on olnud brute-force lähenemine: rohkem andmeid, suuremad mudelid ja tohutult rohkem arvutusvõimsust. See on 만든ud tehisintellekti kasutamise kulusid ettevõtetele kõrged ja energianõudeid keskkonnale koormutavaks.

Kui me mõistame täpselt, kuidas feature learning toimib, saame luua algoritme, mis on:

Tõhusamad andmete töötamisel, nõuavad vähem treeningandmeid ja on odavamad käivitada, kuna neil ei ole vaja massiivset riistvaralist võimsust, et saavutada sama täpsus.

See tähendab, et tuleviku AI-lahendused ei pea olema ainult suurte tehnigigantide valdus, vaid muutuvad kättesaadavamaks väiksematele ja keskmistele ettevõtetele, kes ei saa endale lubada miljardite dollari investeerimist GPU-klastrites. Teadlikkus võrkude siseoperatsioonidest võimaldab optimeerida treeningprotsesse, vähendades raisatavat arvutusaega.

Tunnuste õppimise roll generaliseerimises

Oluline on mõista, miks just feature learning on see võti, mida teadlased otsisid. Paljud lihtsamad mudelid suudavad andmeid mälest väljatuua, kuid nad ei suuda kohandada seda uue olukorraga. Sügavad neuraalvõrgud aga ei kopeeri andmeid, vaid leiavad nende seest põhimõtted. Näiteks piltide tunnistamisel ei õpi võrk lihtsalt piksleid, vaid õpib tuvastama servi, kujude ja lõpuks objekte.

Barbieri meeskonna töö selgitab, kuidas see abstraktse tasandi tõus toimub matemaatiliselt. See teadmine võimaldab arendajatele kontrollida, mida mudel õpib, vähendades riski, et AI keskendub treeningandmetes olevatele juhuslikele tõhususteid ei toestavatele detailidele (nn overfitting). See tõstab mudelite usaldusväärsust kriitilistes äriprotsessides, kus vale järeldus võib olla kallis.

Mida tähendab see Balti riikidele ja e-Eestiale

Eestia ja Balti riikide jaoks, kus digitaalne ökosüsteem on üks maailma arenumaaid, on see teoreetiline läbimurre väga tähendusrikas. Meie regiooni ettevõtlusmoodus põhineb agilityl ehk kiirendatud kohanemisvõimega, ning e-Estonia mudel on ehitanud end efektiivsuse ja läbipaistvuse peale. Tehisintellekti must kasti avamine sobib ideaalselt Balti lähenemisviisiga, kus tehnoloogia peab olema kontrollitav ja läbipaistev.

Esiteks on see asjakohane Euroopa Liidu AI Acti kontekstis. Regulatsioon nõuab suure riskiga AI-süsteemide puhul läbipaistvust ja seletatavust. Kui me suudame matemaatiliselt tõestada, kuidas mudel otsuseid teeb ja tunnuseid õpib, muutub vastavuse tagamine lihtsamaks. See vähendab juriidilist riski ettevõtetele, kes integreerivad AI-t oma teenustesse.

Teiseks on Balti riikide startup-ökosüsteem spetsialiseerunud nišilahendustele, kus ei ole võimalik konkureerida Google'i või OpenAI massiivsete andmehulkidega. Tõhusamate algoritmide loomine, mis nõuavad vähem ressursse, annab kohalikele arendajatele konkurentseelega. Võime luua väiksemaid, kuid targemaid mudeleid, mis on optimeeritud konkreetse äripuuduse jaoks, on Balti riikide jaoks strateegiline võit.

Lõpuks tugi see meie e-riigi visiooni, kus AI ei ole lihtsalt lisatööriist, vaid integreeritud osa avalikest teenustest. Läbipaistvam AI tähendab suuremat kodanike usaldust automatiseeritud otsustamise vastu, mis on e-Estonia digitaalse usalduse vundament. Teoreetilise mõistmise kasv viib meid lähemale AI-le, mis ei ole lihtsalt statistiline ennustusmasin, vaid loogiline ja kontrollitav süsteem.

Korduma kippuvad küsimused

Allikad: Gazzettadiparma, It, Nordestnews ·