Революция применения электричества дома и на работе случилась не в тот момент, когда возникла лампочка Эдисона, а когда оказалось, что ты не должен быть электриком — что у тебя просто есть розетка в стене, и чтобы воткнуть в неё электрочайник, не надо специального образования. Не надо вообще ничего. Купил чайник в магазине и воткнул — это доступно каждому.
В момент, когда технологии, использующие электрическую энергию, стали такими, — они перевернули мир. Сейчас это произошло со всем машинным обучением. Машинный интеллект доступен из розетки всем, кто знает, где находится эта розетка.
Если правильно поставить машине цель, она отлично ее решит. Смотрим, как это бывает, на конкретных примерах.
Нейронная сеть против котов
В Калифорнии в доме с лужайкой живет 65-летний программист Роберт Бонд; на лужайку ходят гадить соседские коты, и это сильно не нравится жене Бонда. Как решает эту задачу пенсионер, живущий в Калифорнии в 2016 году? Он ставит камеру внешнего наблюдения, покупает небольшой компьютер, загружает в него опенсорсный код нейронной сети и начинает тренировать эту сетку распознавать котов.
Казалось бы, задача тривиальная: чтобы натренировать нейронную сеть что-то опознавать, нужно иметь много картинок, на которых она учится, — а котов в интернете масса. Проблема в том, что котики в интернете в основном сняты при свете дня, а гадить ходят ночью. В интернете крайне мало изображений ночного кота, гадящего на лужайке. Поэтому Бонду сначала пришлось их накопить. Это нормально, так и происходит работа. Нетриавиальность задачи заключается в том, как установить нейронку в домашних условиях и обучать ее распознавать любимого питомца или наоборот поганого кота.
Бонд обучил сетку, и в итоге она и днем и ночью начинает точно распознавать кота, заходящего на лужайку. В подвале Бонд поставил плату, к которой подключил несколько проводов — провод питания, провод от камеры и, что самое главное, управление насосом, которое включает разбрызгиватель, когда кот приспособился.
Кот, обрызганный холодной водой, прекращает гадить и удаляется. При этом дети, гости и хозяева дома могут спокойно продолжать ходить по этой лужайке, не опасаясь, что их польет водой. Нормальное решение тупой, тривиальной задачи с помощью прирученной нейронкой, которая доступна из розетки.
Машинный интеллект перестал быть недостижимой технологией. Все коды и инструкции можно найти в открытых источниках в интернете.
Нейросеть помогает сортировать огурцы
Вторая история: в Японии старенькая мама мужика по имени Макото Койке работает на маленькой семейной ферме по выращиванию огурцов. Есть девять категорий огурцов, которые отличаются размером, цветом, пупырышками и формой. С одной стороны, это прекрасная работа — сортировать огурцы; с другой стороны, она занимает восемь часов каждый день, и для старенькой мамы это напряжно.
Что делает Макото? Он не покупает себе компьютер, на котором можно запустить нейронку; все-таки к нему есть некоторые специфические требования. Он поднимает сетку в облаке TensorFlow — это, опять же, опенсорсный код, написанный Google, на сегодня это самая мощная доступная опенсорсная система машинного обучения, — и учит сетку классифицировать огурцы, благо этого добра у него навалом. Задача узкая и конкретная. Можно каждый день фотографировать огурцы и на этом обучать нейронку.
Дальше — конструктор любого современного продвинутого школьника: к маленькому компьютеру Raspberry Pi подключаются всевозможные движочки от Arduino, которые сталкивают огурцы с конвейера в стоящие под ним ящики. Решения принимает не мама, а натренированная сеточка в амазоновом облаке.
Сложнейшая задача: уметь отличать, что лучше делает человек, а что машина, и не бояться делегировать машине. Мы часто и друг другу-то делегировать бизнес-задачи боимся — и потому проигрываем, — а тут надо делегировать не Васе, с которым в случае чего можно пойти выпить и сказать ему, чтобы он больше так не делал.
Машине этого не скажешь, — она и объяснить ничего не может. И пока что мы имеем одну точную область, в котором мы превосходим машину: мы умеем ставить ей цель. Если ты правильно поставил ей цель, она отлично её решает.
Полную версию лекции смотрите на Malina.am
