Как проверить, насколько на самом деле продвинут ИИ вашей компании: мнение эксперта

Искусственный интеллект может полностью изменить методы ведения бизнеса. Но как понять, что ранние разработки находятся на правильном пути? Для Хуссейна Механны, главы отдела искусственного интеллекта и машинного обучения в Cruise, которая занимается беспилотными автомобилями, ключевым показателем того, насколько компания продвинулась в освоении технологии, является количество ежемесячно тестируемых моделей.

Например, когда Механна работал директором по инженерным разработкам в Facebook, их количество выросло с менее чем 100 в месяц до более чем 3 миллионов, поскольку ИТ-гигант вкладывал огромные средства в технологии. Для сравнения, в Walmart, который часто называют одним из лидеров по внедрению искусственного интеллекта, одновременно работает около 100 тысяч проектов.

В Cruise цифры почти наверняка меньше — Механна отказался говорить, сколько именно — но цель соучредителя Кайла Фогта: обучать алгоритмы и вводить модели в работу «почти так же оперативно, как компилируются коды», по словам Механны. «Но мы не такие быстрые».

Он отметил, что другие транспортные компании из Кремниевой долины запускают только по 20 моделей в месяц. Но одной из проблем для разработчика беспилотных автомобилей является огромное количество данных, необходимых для обучения моделей искусственного интеллекта.

«Размах модели и объем необходимых данных намного больше, чем у других компаний, — говорит Механна. — Это мультисенсорные данные в нескольких кадрах, так что потоки информации огромны. Самые большие за всю мою карьеру».

Длительная карьера Механны была тесно связана с общим ростом интереса к технологиям машинного обучения. В Cruisе, приобретённом General Motors в 2016 году, он отвечает за создание моделей искусственного интеллекта, которые могут предвидеть активность других водителей и пешеходов.

В настоящее время компания тестирует сотни своих автономных автомобилей в Сан-Франциско. Эти машины собирают тонны данных — сотни гигабайт в секунду, — которые затем используются для обучения моделей.

«После обучения мы оцениваем модели и как можно быстрее тестируем их в автономном режиме с помощью симуляций, — говорит Механна. — Модели, которые соответствуют ожиданиям и “выживают”, мы отдаём дальше в работу — и повторяем всё это снова и снова».

Механна также шесть месяцев работал директором по инжинирингу в Snapchat. До этого он был старшим инженером-программистом в Microsoft, поскольку технический гигант «вкладывал огромные деньги в машинное обучение, опережая даже Google». «Microsoft часто запускает перспективные проекты раньше других, но в конечном итоге не становится лидером, — говорит Механна. — Мы вкладывали большие усилия в развитие машинного обучения, и именно там я набил свои первые шишки».

Источник: rb.ru

Комментарии: