Computerele care invata

Iata ce spune un cercetator de date australian, Jeremy Howard,

despre computerele inteligente:
"Altădată, dacă voiai ca un computer să facă ceva nou, trebuia să-l
programezi, să stabilești în cele mai mici detalii fiecare pas pe care i-l
ceri calculatorului pentru a obține ce dorești. În 1956, Arthur Samuel
dorea să programeze un calculator care să-l învingă la dame. Cum faci
să programezi calculatorul în cele mai mici detalii încât să joace dame
mai bine decât tine? I-a venit o idee: a pus calculatorul să joace cu el
însuși de mii de ori ca să învețe să joace dame. Ideea a mers. În 1962
calculatorul acesta l-a învins pe campionul statului Connecticut. Arthur
Samuel a fost părintele învățării automate.
Eu îi sunt recunoscător pentru că și eu mă ocup cu învățarea automată.
Am fost președinte la Kaggle, o comunitate cu peste 200 000 de
practicanți ai învățării automate. Kaggle organizează competiții pentru
rezolvarea problemelor încă nerezolvate. Și a avut sute de reușite. Din
poziția mea avantajoasă am aflat ce putea face învățarea automată în
trecut, ce poate face azi și ce ar putea face în viitor. Probabil primul mare
succes al învățării automate a fost Google. Google a demonstrat că poți
găsi informații folosind un algoritm computerizat bazat pe învățarea
automată. De atunci s-au înregistrat numeroase succese comerciale în
domeniu. Companii ca Amazon și Netflix folosesc învățarea automată
pentru a vă sugera ce ați vrea să cumpărați, ce filme ați vrea să vedeți.
Uneori aproape că te sperie: de exemplu LinkedIn și Facebook îți spun
cine ți-ar putea fi prieten și habar n-ai cum au procedat. Se folosește
puterea învățării automate.
Sunt algoritmi care învață din date, fără să fie programați manual. Tot
așa a avut succes și IBM cu Watson, care a învins cei doi campioni
mondiali la „Jeopardy”, răspunzând la întrebări incredibil de subtile și
complexe.
Tot astfel azi avem primele mașini care se conduc singure. A face
diferența între un copac și un pieton, de exemplu, e important. Nu știm să
scriem de mână astfel de programe, dar prin învățare automată acum e
posibil. Mașina aceasta a mers peste 1 milion de km fără accidente, pe
șosele obișnuite.
Acum știm: calculatoarele pot învăța, ba chiar pot învăța să facă lucruri
pe care uneori nici noi nu știm să le facem sau poate le fac mai bine
decât noi.
Învățarea profundă e un algoritm inspirat din funcționarea creierului și
astfel, teoretic, e un algoritm fără limitări în ceea ce poate face. Cu cât îi
dai mai multe date și timp de calcul, cu atât devine mai bun.
Computerele pot asculta și înțelege. Sinteza vocii – tot învățare profundă.

E un singur algoritm, care pare să poată face orice. Am aflat că înainte

cu un an învățase și să vadă. Într-o competiție obscură din Germania de
recunoaștere a indicatoarelor rutiere, a recunoscut indicatoarele mai bine
decât orice alt algoritm și conform clasamentului chiar mai bine decât
oamenii, de vreo două ori mai bine. Deci până în 2011 a apărut primul
calculator care vede mai bine ca oamenii. De atunci s-au întâmplat
multe. Oamenii nu învață din explicații despre ce văd, ci din propria
experiență cu lucrurile. În 2012, Geoffrey Hinton a câștigat celebra
competiție ImageNet, încercând să-și dea seama ce reprezintă 1,5
milioane de imagini. În 2014 eroarea de recunoaștere a imaginilor a
scăzut la 6%. Din nou mai bine ca oamenii.
Google a anunțat anul trecut că a cartografiat toate locurile din Franța în
două ore. Au făcut asta încărcând imagini ale străzilor într-un algoritm de
învățare profundă care citește numărul străzii. Imaginați-vă cât ar fi durat
altădată: zeci de oameni, mulți ani.
Învățarea profundă are acum performanțe aproape umane în a înțelege
despre ce e propoziția și ce comunică ea. Învățarea profundă se
folosește la a citi în chineză aproape de nivelul de vorbitor nativ.
Algoritmul a fost dezvoltat în Elveția de oameni care nu vorbesc și nu
înțeleg deloc chineză.
Iată un sistem pus la punct de compania mea, care combină toate
acestea. Aceste imagini nu sunt însoțite de text și pe măsură ce tastez
propoziții aici înțelege în timp real imaginile, își dă seama despre ce e
vorba și găsește imagini similare cu cele din textul scris de mine. După
cum vedeți, înțelege atât propozițiile cât și imaginile. Știu că ați văzut
ceva similar pe Google: – tastați ceva și vă arată imagini –, dar acolo de
fapt caută pagini de internet după text. E cu totul altceva decât a înțelege
imaginile. Calculatoarele au învățat să facă asta abia acum câteva luni.
Așadar calculatoarele nu doar văd, ci pot și citi. Și desigur am
demonstrat că înțeleg ce aud. Atunci nu vă va mira dacă vă spun că pot
să și scrie. Iată un text pe care l-am generat ieri cu un algoritm de
învățare profundă. Iată și un text generat de un algoritm de la Stanford.
Fiecare propoziție a fost generată de un algoritm de învățare profundă
pentru a descrie imaginile. La testare oamenii preferă descrierile
generate de calculator cam o dată din patru. Sistemul are abia două
săptămâni, deci probabil într-un an algoritmul va depăși performanța
umană. Deci calculatoarele pot și să scrie.
De exemplu, în medicină, o echipă din Boston a anunțat că a descoperit
zeci de caracteristici relevante clinic ale tumorilor care ajută doctorii să
prezică apariția cancerului. Similar, la Stanford un grup a anunțat că
cercetând la microscop țesuturile au realizat un sistem cu învățare
automată care reușește mai bine ca patologii umani să prevadă proporția
de supraviețuire a pacienților cu cancer. În ambele cazuri previziunile au
fost mai exacte și au ajutat și la progresul științific. În cazul radiologiei au
apărut indicatori clinici înțeleși de om. În cazul patologiei sistemul
computerizat a descoperit că celulele din jurul cancerului sunt la fel de
importante ca cele canceroase în stabilirea diagnosticului. Asta infirmă
ce spun cursurile de patologie de multe decenii încoace. În ambele
cazuri, sistemele au fost realizate de experți în medicină împreună cu
experți în învățare automată, dar anul trecut am depășit și acest prag.
Iată un exemplu de identificare a zonelor canceroase a țesutului uman la
microscop. Sistemul prezentat aici poate identifica acele zone mai exact
sau cam la fel de exact ca patologii umani, dar a fost realizat prin
învățare profundă, fără competențe medicale, de oameni care nu aveau
pregătire în domeniu. La fel, iată segmentarea unui neuron. Acum putem
segmenta neuroni la fel de precis ca oamenii, dar sistemul a fost realizat
prin învățare profundă, fără cunoștințe de medicină. Atunci eu, deși nu
am pregătire în medicină, se pare să sunt calificat să pornesc o firmă de
medicină. Ceea ce am și făcut. Mi-a fost puțin frică să fac asta, dar teoria
pare să sugereze ca poți să faci ceva foarte util în medicină folosind doar
metode de analiză a datelor.
Forumul Mondial Economic spune că ne trebuie de 10–20 de ori mai
mulți medici în țările în curs de dezvoltare și că ar dura cam 300 de ani
pentru a forma oameni și a acoperi lipsa. Ce-ar fi dacă le-am crește
eficiența folosind tehnicile de învățare profundă?
Mă bucură această șansă, dar mă și îngrijorează problemele. 80% din
munca din lumea dezvoltată acum știe și calculatorul s-o facă. Ce
înseamnă asta? Lasă, o să apară alte locuri de muncă, de exemplu în
cercetarea datelor. De fapt nu prea. Cercetarea datelor nu cere mult
timp. Acești patru algoritmi au fost construiți de un singur om. Poate vă
gândiți că s-a mai întâmplat și am văzut deja rezultatele: când apare
ceva nou apar și alte locuri de muncă. Dar care vor fi acestea? E greu de
estimat, pentru că performanța umană crește încet, dar știm că sistemul
de învățare profundă crește exponențial în capacitate. Revoluția Învățării
Automate va diferi mult de Revoluția Industrială pentru că lucrurile nu se
vor stabiliza niciodată. Cu cât calculatorul va fi mai bun la activități
intelectuale, cu atât vor construi calculatoare mai bune la activități
intelectuale. Atunci va avea loc o schimbare nouă pe care omenirea n-o
cunoaște, încât ce știam că e posibil nu mai e valabil. Deja simțim
efectul. În vreme ce productivitatea capitalului a crescut în ultimii 25 de
ani, productivitatea muncii a rămas constantă, ba chiar a scăzut un pic.
Computerele pot face azi lucruri pentru care oamenii muncesc mult timp
și sunt plătiți. E momentul să începem să ne gândim cum ne vom adapta
structurile sociale și economice în fața acestei noi realități."