Пришестя роботів: техніка і загроза майбутнього безробіття
- Автор: Форд Мартин
- Год: 2017
- Язык: украинский
- Год: НАШ ФОРМАТ
- ISBN: 978-617-7279-73-9
- Переводчик: Владимир К. Горбатько
- Жанр: Публицистика
Электронная книга - «Пришестя роботів: техніка і загроза майбутнього безробіття». Краткое содержание книги:
Вплив на зайнятість виходить за межі самих центрів обробки даних і поширюється на компанії, які користуються послугами хмарного обчислення. Роман Штанек, виконавчий директор Good Data (компанія з Сан-Франциско, яка користується хмарними послугами компанії Amazon, щоб здійснювати інформаційний аналіз для близько шести тисяч клієнтів), 2012 року зазначив, що «…раніше, щоб виконати цю роботу для кожної компанії-клієнта, потрібно було залучати щонайменше п’ятеро працівників. Тобто 30 тисяч людей. Я ж виконую цю роботу, користуючись послугами лише ста вісімдесяти працівників. Не знаю, чим займаються нині всі ті решта людей, але це — не та робота, на яку вони тепер можуть розраховувати. Відбулася консолідація за принципом „переможець отримує все”» [30].
Алгоритми на передньому плані
Якщо й існує якийсь міф про комп’ютерну технологію, який слід викинути на смітник, то це — всюдисуще переконання в тому, що комп’ютери здатні виконувати тільки те, під що їх конкретно запрограмували. Як ми вже переконалися, алгоритми машинного навчання регулярно моніторять дані, виявляючи статистичні зв’язки й закономірності і, фактично, прописуючи свої програми на основі того, що вони виявляють під час аналізу. Одначе в декотрих випадках комп’ютери йдуть навіть далі і починають вторгатися в області, які майже повсюдно вважаються сферами компетенції винятково людського інтелекту: машини починають демонструвати допитливість і творчі здібності.
Год Ліпсон, директор Creative Machines Lab при Корнельському університеті, а також аспірант Майкл Шмідт 2009 року створили систему, яка виявилася спроможною самостійно відкривати фундаментальні закони природи. Ліпсон і Шмідт почали з того, що встановили подвійний маятник — пристрій, що складається з двох маятників, один з яких прикріплений у підвішеному стані до другого. Коли обидва маятники починають коливатися, то їхні рухи є надзвичайно складними і начебто хаотичними. Потім Ліпсон і Шмідт використали сенсори та камери для фіксації рухів маятника і забезпечення безперервного потоку інформації. Насамкінець вони наділили свою програму здатністю контролювати стартове положення маятника; іншими словами, вони створили штучного науковця, здатного проводити власні експерименти.
Год Ліпсон і Майкл Шмідт надали своїй програмі свободу дій для регулярного запуску маятника, щоб потім вона аналізувала результати руху і намагалася вирахувати математичні формули для опису поведінки маятника. Алгоритм мав повний контроль над експериментом; при кожному повторі він самостійно вирішував, як розташувати маятник і як його відпустити, і робив це не довільно — спершу здійснював аналіз, а потім вибирав конкретну стартову точку, яка забезпечувала б можливість якомога глибше осягнути закони, що керували рухом маятника. Ліпсон зазначає, що «ця система — не пасивний алгоритм, який лишень спостерігає. Він ставить запитання, тобто виявляє допитливість» [31].
Цій програмі, яку вони назвали Eureqa («Еврика»), знадобилося лише кілька годин, щоб виявити цілу низку фізичних законів, що описують рухи маятника (разом із Другим законом Ньютона), і вона спромоглася зробити це без введення будь-якої попередньої інформації чи програмування в галузі фізики або законів руху.
В «Евриці» використовується генетичне програмування — технологія, на створення якої надихнула біологічна еволюція. Алгоритм починає з того, що довільно поєднує різні математичні структурні блоки в рівняння, а потім здійснює тестування, щоб пересвідчитися, наскільки добре ці рівняння збігаються з даними.[22] Рівняння, які не проходять тестування, відкидаються, а ті, що демонструють перспективність, залишаються і перекомбіновуються в новий спосіб, тож таким чином система в підсумку приходить, шляхом конвергенції, до точної математичної моделі [32]. Процес знаходження формули, що описує поведінку природної системи, — завдання далеко не з простих. За висловом Ліпсона, «раніше на створення прогнозної моделі науковець міг витратити всю кар’єру» [33]. А Шмідт додає, що «якби фізики на кшталт Ньютона й Кеплера мали змогу скористатися комп’ютером з цим алгоритмом, щоб вирахувати закони, які пояснюють падіння яблука чи рух планет, то вони витратили б на виконання цього завдання всього лишень кілька годин комп’ютерного обчислення» [34].
22
Цей метод є значно прогресивнішим, аніж загальноприйнятий статистичний метод, відомий як регресія. При регресії (як лінійній, так і нелінійній) форма рівняння задається наперед, і параметри рівняння оптимізуються таким чином, щоб збігатися з даними. На відміну від нього, програма «Еврика» здатна самостійно визначати рівняння будь-якої форми, використовуючи при цьому низку різноманітних математичних компонентів, зокрема і з арифметичними операціями, тригонометричними та логарифмічними функціями, константами тощо.