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: Business Insider
Фото на обложке: Medium, Cruise
Нашли опечатку? Выделите текст и нажмите Ctrl + Enter
Материалы по теме
-
Пройти курс «Выбор системы налогообложения»
- 1 Чем различаются слабый, сильный и супер-ИИ
- 2 Обзор технологии и применение машинного обучения с подкреплением
- 3 Apple решила зарегистрировать в России название функции камеры в iPhone
- 4 билайн Big Data & AI разработал решение для отслеживания потенциальных случаев мошенничества со стороны персонала