Получившее структурную самостоятельность подразделение Baidu по разработке процессоров Kunlun для систем искусственного интеллекта пытается привлекать венчурный капитал, а ещё до отделения капитализацию этого бизнеса оценили в $1,5 млрд. Новый раунд финансирования позволит Kunlun поднять планку до $2,5 млрд и привлечь новых клиентов.

Источник изображения: PR Newswire

Агентство Bloomberg сообщило о намерениях компании Kunlun привлечь около $317 млн, которые могут быть потрачены не только на разработку новых процессоров для систем искусственного интеллекта, но и расширение круга клиентов, поскольку сейчас единственным заказчиком является материнская компания Baidu, которая использует процессоры Kunlun в серверных системах для нужд своих поисковых сервисов. Примечательно, что уже существующие процессоры Kunlun, представленные в августе прошлого года, выпускаются по 7-нм технологии, достаточно продвинутой для китайского разработчика.

Подобными успехами до прошлого года могла похвастать и компания Huawei Technologies, но американские санкции лишили её доступа к конвейеру TSMC, а потому мощный поток процессоров HiSilicon своей разработки достаточно быстро истощился. Амбиции программного гиганта Baidu в сфере создания собственных процессоров вполне объяснимы, поскольку они повторяют опыт мировых лидеров. Готовые решения NVIDIA, Intel и AMD устраивают не всех, поэтому Amazon и Google считают уместным вкладывать деньги в разработку собственных процессоров серверного назначения.

Глава Tesla Илон Маск (Elon Musk) сообщил, что 19 августа уже во второй раз состоится мероприятие AI Day, посвящённое технологиям и вопросам искусственного интеллекта. Вероятно, на нём пойдёт речь о дальнейшем развитии фирменной технологии автономного вождения Tesla.

Источник изображения: Blomst / pixabay.com

Традиционно через Twitter бизнесмен заявил: «Цель AI Day — убедить большие таланты [в области] искусственного интеллекта, ПО и полупроводников присоединиться к Tesla». Использование алгоритмов искусственного интеллекта в автомобильных системах автопилота иногда вызывает сомнения в их безопасности, но, по мнению Маска, они представляют участникам дорожного движения намного меньшую угрозу, чем управляющие машинами люди.

Уже не первый год инженеры Tesla разрабатывают программную платформу для управления электромобилями без вмешательства и даже контроля со стороны человека, однако, несмотря на название, система FSD (Full Self-Driving) пока не является полным автопилотом и требует присутствия человека за рулём. Напомним, первый «день искусственного интеллекта» компания провела в прошлом году — он также состоялся 19 августа.

По сообщениям сетевых источников, бывший глава Apple по машинному обучению Ян Гудфеллоу (Ian Goodfellow), покинувший компанию несколько недель назад, вернулся на работу в Google и присоединился к команде DeepMind, занимающейся разработкой технологий в сфере искусственного интеллекта. Какую роль он будет играть в DeepMind, пока неизвестно, но в прошлом Гудфеллоу уже являлся одним из ведущих сотрудников Google в сфере машинного обучения.

Источник изображения: 400tmax / Getty Images

В конце апреля Гудфеллоу принял решение об уходе с должности главы Apple по машинному обучению. Согласно имеющимся данным, причиной этому стала политика IT-гиганта, стремящегося перевести своих сотрудников на гибридный рабочий график, предполагающий посещение офиса. Согласно имеющимся данным, в письме для сотрудников после решения об увольнении Гудфеллоу изложил свою позицию, отметив, что для его команды стала бы выгодной более гибкая политика компании.

Ранее Apple объявила об изменении рабочего распорядка, в соответствии с которым с 23 мая сотрудники компании должны работать в офисах не менее трёх дней в неделю. Отмечается, что позднее Apple смягчила свою позицию по данному вопросу, в результате чего некоторые сотрудники смогут работать в офисе всего два раза в неделю. Отмечается, что Google также ввела гибридную рабочую неделю, и сотрудники компании должны несколько раз в неделю посещать офисы. Возможно, Гудфеллоу будет иметь больше свободы в этом вопросе.

Согласно имеющимся данным, Гудфеллоу занимал разные должности в Google, начиная с 2013 года. В 2019 году он перешёл в Apple, где, в том числе, курировал разработку технологий автономного управления. Он также является автором системы, которая позволяет сервису Google Карты автоматически считывать адреса с фотографий, сделанных камерами на машинах Street View. Однако наибольшую известность Гудфеллоу принесла разработка генеративно-соревновательных сетей (GAN), которые, помимо прочего, могут использоваться для создания дипфейков.

Социальная сеть «ВКонтакте» представит на платформе «VK Видео» первый российский сериал, сценарий которого создала нейросеть. Проект носит название «Сидоровы»: в нём принимает участие телеканал СТС совместно со студентами направления «Программирование» образовательной платформы Skillbox.

Источник изображения: «ВКонтакте»

Речь идёт об использовании платформы искусственного интеллекта A.I. TV Script Generator. Чтобы обучить машинный разум, авторы загрузили в него популярные сериалы. Тысячи страниц текста позволили задать алгоритмы, максимально приближённые к написанию киносценария.

Говорится, что нейросеть научилась самостоятельно генерировать основные структурные элементы киноленты: время и место действия, имена героев, реплики, ремарки и другие компоненты. На финальной стадии полученный контент попадает к редактору, который может внести правки.

«В нейросеть были загружены 355 892 слова, 88 эпизодов, 7 телешоу. Потребовалось 20 экспериментов с параметрами и способом подачи данных в модель, чтобы подойти к наилучшему качеству производимого сетью контента. Принимая на вход небольшое текстовое вступление, нейросеть может генерировать бесконечное количество отличных друг от друга сценариев за сотые доли секунды», — говорится в сообщении.

Сериал «Сидоровы» расскажет про типичную российскую семью, члены которой вдруг осознают, что их жизнь оторвана от реальности. Они не покидают своей квартиры, слышат закадровый смех и попадают в странные анекдотичные ситуации.

Принято решение о ликвидации входившей в правительство России подкомиссии по вопросам развития искусственного интеллекта. Об этом говорится в тексте соответствующего постановления на официальном интернет-портале правовой информации.

Источник изображения: PublicDomainPictures / pixabay.com

Постановление, в частности, гласит: «Правительство Российской Федерации постановляет упразднить подкомиссию по развитию искусственного интеллекта правительственной комиссии по цифровому развитию, использованию информационных технологий для улучшения качества жизни и условий ведения предпринимательской деятельности».

В связи с упразднением ведомства теряют силу акты и положения, которые касались его работы.

Подкомиссия по развитию искусственного интеллекта была образована в результате реорганизации в 2019 году возглавляемой тогдашним премьер-министром Дмитрием Медведевым правительственной комиссии по цифровому развитию. Сопредседателями новой структуры стали бывший глава Минэкономики Максим Орешкин, а также президент «Сбербанка» Герман Греф.

Гибридные методы работы, получившие распространение в пандемию, подразумевали активное участие сотрудников в дистанционных совещаниях с использованием видеосвязи, но при этом не ослабляли требований к опрятному внешнему виду. Японская компания EmbodyMe разработала систему, которая позволяет при помощи цифровых технологий добиться приличного вида от пользователей, которые по факту одеты в пижаму и едва причёсаны.

Источник изображения: Nikkei Asian Review, EmbodyMe

Идея использования цифровых аватаров сама по себе не нова, но решение EmbodyMe, по словам Nikkei Asian Review, использует систему искусственного интеллекта, которая генерирует приличное и естественное изображение человека за одну сотую секунды даже на компьютерах средней аппаратной конфигурации, превосходя по скорости конкурентов до 50 раз. Пользователю для работы с системой требуется загрузить свои фотографии в деловой одежде, которая в дальнейшем будет переноситься на его реальное изображение почти без задержки. Система отслеживает почти 50 тысяч различных точек на лице пользователя, а нейронная сеть позволяет анимировать сгенерированную компьютером часть изображения таким образом, что всё выглядит вполне естественно, включая мимику и жесты, даже если пользователь приближается к камере.

Сервис EmbodyMe в бета-версии распространяется с сентября 2020 года, полная версия программного обеспечения была выпущена позже и пользовалась высоким спросом. Базовый фильтр доступен клиентам бесплатно, а расширенные функциональные возможности предлагаются за абонентскую плату в размере $8 в месяц. Компания рассчитывает охватить своими услугами и корпоративных клиентов.

Бывшие сотрудники Google создали компанию Adept AI по разработке так называемого сильного искусственного интеллекта (Artificial General Intelligence, AGI), способного использовать каждое доступное в мире программное обеспечение, а также интерфейс программирования (API) в качестве инструментов для выполнения поставленных задач. Компания уже привлекла $65 млн инвестиций, пишет издание The Register.

Источник изображения: The Register

Основными бенефициарами нового проекта стали американский инвестор Сам Мотамерди (Saam Motamedi) и соучредитель социальной сети для профессионалов LinkedIn Рид Хоффман (Reid Hoffman) из венчурного фонда Greylock. Также проектом Adept AI заинтересовались глава разработки системы автопилота компании Tesla Андрей Карпатый (Andrej Karpathy), один из создателей мессенджера Skype Яан Таллинн (Jaan Tallinn), а также Крис Ри (Chris Ré), специалист компьютерных наук Стэнфордского университета и соучредитель компании Lattice Data, которая была приобретена Apple в 2017 году.

Соучредитель и генеральный директор Adept AI Дэвид Луан (David Luan) говорит, что их компания представляет собой «исследовательскую лабораторию для разработки и создания сильного искусственного интеллекта». В состав компании также входит технических директор Ники Пармар (Niki Parmar), главный научный специалист Ашиш Васнави (Ashish Vaswani) и группа специалистов, ранее работавшая в компании DeepMind. Последняя принадлежит Google и занимается проектами технологий ИИ.

Основатели Adept AI имеют глубокий опыт в разработке алгоритмов обработки естественного языка от OpenAI. Перед тем как покинуть Google Луан, Пармар и Васнави работали над популярными языковыми моделями GPT-2 и GPT-3 для обучения ИИ. Помимо этого, Пармар и Васнави являются разработчиками нейросетевой архитектуры Трансформер, которую они представили в 2017 году. Она используется для обработки последовательностей, таких как текст на естественном языке, и для решения таких задач, как машинный перевод и автоматическое реферирование.

«Трансформер стал первой нейронной сетью, которая могла "просто работать" со всеми задачами с использованием ИИ. Результаты убедили меня в том, что создание сильного искусственного интеллекта действительно возможно. Мы продолжали обучать всё более и более комплексные трансформеры в надежде однажды прийти к разработке одной модели AGI для работы со всеми методами машинного обучения. Однако в итоге пришли к выводу, что в нынешних моделях есть одно серьёзное ограничение: они могут обучаться на текстовых данных и по итогу способны написать действительно отличное произведение, но неспособны взаимодействовать с цифровым миром», — комментирует Луан.

Источник изображения: Pixabay.com / geralt

Adept AI сосредоточится на обучении нейронной сети для выполнения общих задач на компьютере, например, создания отчётов о выполнении поставленных задач или компилировании данных с использованием существующего программного обеспечения, такого как Photoshop, Tableau и Twilio.

«Объясню на примере: вы можете использовать сеть GPT-3 для обсуждения заказа пиццы, но вы не можете заставить её заказать пиццу за вас», — говорит Луан.

Модель Adept AI будет служить в качестве «надстройки» с помощью которой пользователь сможет взаимодействовать с компьютером или мобильным устройством посредством естественного языка. Система научится выполнять поставленные перед ней задачи с помощью доступных для неё программных инструментов. Самое главное в этом проекте заключается в том, что система, обученная использованию ПО и интерфейсов программирования, по крайней мере в теории, сможет выполнять команды пользователя с учётом наиболее эффективных «по её мнению» методов, то есть фактически по собственной инициативе. Такой гибкий и масштабируемый вид взаимодействия между пользователем и системой отличается от более тривиального и жёсткого подхода, заключающегося в расшифровке команды и, например, её разборе на предмет наличия жёстко закодированных инструкций и ключевых слов.

Разработка Adept будет вестись на базе современной архитектуры трансформера. «Только в отличие от моделей, которые обучаются на текстах, свою модель мы будем обучать на взаимодействиях с компьютером», — добавляет Луан.

Изначально Adept будет способна выполнять простые задачи, однако со временем их сложность будет увеличиваться. По мнению Луана, однажды их модель смогут использовать разработчики, например, для помощи в «мозговом штурме» и поиска новых идей и даже для выполнения научных исследований.

Группа инженеров Колумбийского университета (Нью-Йорк, США) разработала технологию под названием «нейронная маскировка голоса». Алгоритм на базе искусственного интеллекта в реальном времени преобразует речь таким образом, что системы автоматического транскрибирования, то есть преобразования в текст, лишаются возможности её распознавать.

Источник изображения: tungnguyen0905 / pixabay.com

Обычно искусственный интеллект обучают более тонкому пониманию естественной человеческой речи и её нюансов, и это палка о двух концах: современные гаджеты стали настолько умными, что успешно справляются с распознавание речи и, как уверены сторонники конспирологических теорий, шпионят за своими пользователями, отправляя данные на серверы техногигантов. Поэтому нью-йоркские инженеры решили создать систему обратного действия. Она в реальном времени добавляет в звучание человеческой речи шум не громче шёпота, который препятствует её автоматическому преобразованию в текст. При этом человек сохраняет способность такую речь понимать.

Работа в режиме реального времени для данной задачи является прорывом. Подобные технологии существовали и раньше, однако они основывались на постобработке уже существующих записей. Карл Вондрик (Carl Vondrick), доцент информатики и один из разработчиков технологии, уточнил, что созданная ими система препятствует транскрибированию 80 % текста — ей не нужно слушать речь до конца, и ей безразлично, какое оборудование используется для прослушивания текста. Миа Шикье (Mia Chiquier), аспирантка и глава группы, описала алгоритм как «превентивную атаку»: система анализирует предыдущие две секунды записи и прогнозирует, какие звуки будут следующими, после чего генерирует звук, способный создать помехи в предсказанной речи, или похожие по звучанию слова.

Надёжный способ распознать речь с этим алгоритмом — записать звук и дать прослушать человеку, однако проект направлен только на борьбу с автоматическим транскрибированием в реальном времени. Учёные провели тестирование своей системы и заявили, что она эффективно срабатывает в реальных условиях в разных помещениях с разной геометрией. В текущей версии модель работает с англоязычной речью, и сейчас ведётся работа над поддержкой других языков.

США не скрывают, что ведут подготовку к силовому противостоянию в космосе. Не так давно созданы Космические силы США и запущены программы разработки зондов для активного патрулирования околоземного пространства до орбиты Луны и за её пределами. Помимо разработки аппаратной части необходимо прорабатывать сценарии противодействия и обучать операторов боевых спутниковых систем. Для этого решено использовать ИИ и обучение с помощью игры в стиле «Захват флага».

Источник изображения: Getty

Исследовательский центр HRL Laboratories компаний General Motors и Boeing создали проект Artificial Intelligence Opponents for Contested Space (AIOCS) по созданию ИИ-программы, которая поможет обучить операторов управлению космическими аппаратами и слежению за ними в будущих спорных космических операциях. Фактически HRL Laboratories создаст ИИ-противника и близкую к реальной среду оперирования объектами.

«Игра, которую мы используем для проекта — это "захват флага", в которой одна команда пытается пересечь поле, захватить флаг противоположной команды и вернуться с ним на свою сторону, не будучи замеченной. Мы организовали такую же игру, только она проходит на орбитах вокруг Земли с использованием соответствующей астродинамики движения. Флаги находятся на спутниках, которые не могут маневрировать и должны оставаться на своей первоначальной орбите в течение всей игры», — сказал Дипак Хосла (Deepak Khosla), главный исследователь HRL.

Операции на орбите различаются по фазам и могут длиться неделями, но в самые жаркие моменты они могут сократиться до дней и часов. При этом спутники ограничены в топливе, инерционны и имеют массу иных особенностей в процессе управления, включая задержки сигналов. Кстати, ИИ в игре будет не только противником. Разработчики постараются придать ему аналитические функции, чтобы из массы вариантов предлагать операторам наиболее взвешенные шаги и ускорить время принятия правильного решения.

«Космос — это перегруженная и спорная область, которая имеет решающее значение для национальной безопасности, гражданского освоения и коммерческого развития США и всего мира. Развитие возможностей безопасного и надёжного автономного управления спутниковыми группировками в пределах домена, даже в спорной зоне, является растущей потребностью Космических сил США», — сказал г-н Бенджамин Сейберт (Benjamin Seibert), руководитель миссии AFRL по космическому управлению.

Принадлежащий «Сберу» музыкальный стриминговый сервис «Звук» внедрил основанную на алгоритмах искусственного интеллекта технологию Mubert — непрерывный поток для определённого занятия или настроения пользователя.

Источник изображения: Karolina Grabowska / pixabay.com

Пользователь может выбирать интересующий его жанр из более чем 100 вариантов: это могут быть занятия спортом, медитация, работа, подготовка к экзаменам или какие-то другие сценарии. Теперь для того, чтобы подобрать фоновую музыку, пользователям сервиса «Звук» не потребуется тратить время на создание или подборку готовых плейлистов. Алгоритм Mubert в режиме реального времени генерирует непрерывный музыкальный поток, который не повторяется и при этом отвечает настроению или роду занятий.

В основе технологии лежит огромная библиотека семплов, из которых генерируется уникальный поток готовых композиций. «Бесконечные потоки от Mubert отлично вписываются в нашу общую стратегию предоставления аудиоконтента. При этом качество звука и функциональная база — одни из самых высоких и разнообразных из присутствующих сейчас на рынке. Большим плюсом также является то, что данная технология оказывает поддержку музыкантам, используя записанные ими семплы в тандеме с технологией искусственного интеллекта», — рассказал о технологии Олег Монтарев, отвечающий за разработку сервиса «Звук».

Для запуска функции непрерывного потока Mubert достаточно перейти в раздел «Волны» — новинка работает только в мобильном приложении под iOS и Android.

Согласно данным рекрутингового сервиса HeadHunter (hh.ru), ссылающегося на статистику вакансий за период с января по март 2022 года, в России наблюдается острая нехватка специалистов в области машинного обучения и систем искусственного интеллекта на базе нейронных сетей.

Источник изображения: Pixabay

В то время как в IT-сфере в среднем на одну вакансию претендуют три человека, в таких областях, как Machine Learning (методы обучения искусственного интеллекта), Meta* Language (языки программирования в области ИИ) и нейронные сети этот показатель составляет менее двух человек.

По словам источников «Коммерсанта», IT-рынок испытывает острую нехватку кадров в области ИИ, которая с каждым годом усугубляется. В качестве примера собеседник издания из одной крупной компании привёл тот факт, что последние три года организации не могут нанять специалистов в области Meta* Language из российских вузов из-за низких компетенций.

С введением санкций ситуация на рынке ИИ ещё больше осложнилась, так как разработчикам ограничили доступ к международным хранилищам данных, на которых обучаются нейросети, а также возник дефицит необходимых вычислительных мощностей из-за прекращения работы в России операторов облачных сервисов. Из-за этого многие проекты с использованием ИИ пришлось приостановить. Причём это коснулось не только госсектора, но и корпоративного сегмента. Дополняет далеко не радужную картину стремление части IT-специалистов покинуть страну.

Директор центра разработки компании Artezio (входит в группу «Ланит») Дмитрий Паршин высказал мнение, что вузы не уделяют ИИ необходимого внимания, и для академического образования это направление не входит в перечень приоритетов. «Выпускников требуется дополнительно обучать в условиях современной разработки ПО, поэтому частные компании занимаются внутренним образованием специалистов в собственных лабораториях, инвестируют в обучение», — отметил он, указав на необходимость привести систему образования и учебные программы к реальным рыночным запросам, иначе ситуация будет только усугубляться.

Впрочем, в самих вузах утверждают, что занимаются решением проблемы. В МГТУ им. Н. Э. Баумана, например, сообщили «Коммерсанту» о создании профильной кафедры «Технологии искусственного интеллекта», на которой планируется развивать ИИ как технологию критической инфраструктуры для государства. «Кроме знаний об использовании ИИ, которыми уже владеют наши выпускники, необходимо уметь создавать и настраивать “инструмент” под прикладные задачи», — рассказали в университете.

По словам директора Центра развития IT-образования МФТИ Алексея Малеева, помочь решить проблему могут интенсивные и ускоренные программы обучения, которые позволят получить базовые навыки. Он рассказал, что в рамках полноценных программ обучения в учебном заведении ведутся разработки в области программно-аппаратных комплексов для разговорных мультимодальных ассистентов, робототехники и беспилотного автотранспорта с элементами ИИ. Вместе с тем он указал на необходимость чёткой постановки задач со стороны работодателей, так как не все могут чётко поставить запрос, а это отражается на поиске специалистов.

* Внесена в перечень общественных объединений и религиозных организаций, в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25.07.2002 № 114-ФЗ «О противодействии экстремистской деятельности».

Правительство Российской Федерации решило выделить 2,4 млрд рублей Московскому государственному университету (МГУ), для модернизации аппаратной базы и продолжения исследований в области искусственного интеллекта.

Источник изображения: Сергей Потапов / pixabay.com

Полученные от правительства деньги университет направит на увеличение вычислительных мощностей принадлежащего ему суперкомпьютера «Ломоносов», посредством которого реализуется программа по изучению возможностей ИИ. Данная система была создана в 2009 году и в своё время занимала 12 место в рейтинге самых мощных суперкомпьютеров мира.

Транш в размере 2,4 млрд руб. будет направлен в МГУ в соответствии с распоряжением (PDF), которое подписал премьер-министр Михаил Мишустин. Издание «Коммерсантъ» также напомнило, что средства на реализацию этих целей выделяются уже не впервые — в декабре прошлого года МГУ уже получил 1,8 млрд руб.

Ранее стало известно, что на базе МГУ создаются научно-производственные кластеры «Инжиниринг» и «Нанотех». Первый ориентирован на работу в области робототехники, специальных технологий, технологий энергосбережения и эффективного хранения энергии, а также центром прототипирования. Второй будет направлен на работу с новыми материалами; сторонние компании смогут получать здесь доступ к «чистым» комнатам, а также аналитическому, ростовому и нано-литографическому оборудованию.

Совместная работа итальянских и австрийских учёных обещает появление квантового искусственного интеллекта, сочетающего с квантовыми явлениями классические алгоритмы и схемы. Открытие способно изменить представление о возможностях ИИ, подкреплённых потенциально огромной мощью квантовых вычислителей. Простейшим элементом таких платформ обещает стать придуманный учёными квантовый мемристор — запоминающее устройство с квантовыми свойствами.

Источник изображения: Equinox Graphics, University of Vienna

Представленный в 2008 году компанией HP мемристор по своей сути является частным случаем резистивной памяти. Главной особенностью работы резистивной памяти является чётко выраженная петля гистерезиса и зависимость сигнала на выходе от предыдущего поведения системы. Подобную динамику поведения системы учёные из Венского университета, Национального исследовательского совета Италии (CNR) и Миланского политехнического института представили в оптической системе с распределением одиночных фотонов, что позволило заявить о создании квантового мемристора.

В экспериментальной системе с обратной связью поведение фотонов демонстрировало чётко выраженную гистерезисную петлю. Иными словами, поведение системы на выходе зависело от предыстории её поведения на входе. Вот только вместо электрических состояний условных 0 и 1 резистивной памяти квантовый мемристор оперировал квантовыми состояниями в суперпозиции. Тем самым классические нейронные сети для обучения ИИ можно собрать на основе квантовых мемристоров и запускать алгоритмы на основе передачи не электрических импульсов, а квантовых состояний со всеми вытекающими.

Работа об исследовании свободно открыта для прочтения в издании Nature Photonics. Перспективы у открытия огромны, но когда появится практическая реализация сказать сегодня невозможно.

Французский исследовательский институт CEA-Leti сообщил, что старший научный сотрудник Элиза Вианелло (Elisa Vianello) получила от Европейского исследовательского совета (ERC) 3 млн евро на разработку наноразмерных электронных запоминающих устройств, созданных на основе нервных систем насекомых. Разрабатываемая в CEA-Leti память должна быть способна на вычисления в памяти, быть энергонезависимой и уметь выделять важные данные из информационного шума.

Источник изображения: CEA-Leti

В основе разработки будет лежать нервная система сверчка. Учёные сообщают, что многолетнее исследование нервной системы этого насекомого выявило ряд интересных особенностей, которые могли бы пригодиться при наделении роботов «интеллектом». В частности, сенсорные системы сверчков и отдельные участки нервной системы этих насекомых обладают своего рода памятью. Нервная система насекомого способна работать с этой памятью и принимать решения, основываясь на фильтруемых данных.

«Мой проект заключается в том, чтобы, вдохновившись нервной системой насекомых, ослабить требования к аппаратному обеспечению в плане плотности и надежности памяти и создать новые наносистемы, необходимые нам для обучения [ИИ] на очень ограниченном объёме зашумлённых данных, — сказала Вианелло. — Наш проект, финансируемый ERC, будет использовать эти новые технологии наноразмерной памяти для имитации биологических механизмов, наблюдаемых у насекомых, и создания высокопроизводительных, энергоэффективных наносистем на основе кремния».

Облачная служба многоязычного машинного перевода Microsoft Translator использует в работе одну из крупнейших в мире моделей искусственного интеллекта, помогая большому количеству людей общаться друг с другом на разных языках. Разработчики продолжают развивать сервис и в этом им помогают серверы инференса (вывод данных из модели) NVIDIA Triton, являющиеся частью платформы NVIDIA AI Enterprise 2.0.

Источник изображения: NVIDIA

Конечная цель разработчиков облачного переводчика Microsoft заключается в том, чтобы устранить языковые барьеры посредством использования того же API-интерфейса, который уже активно применяется для создания разных продуктов. Учитывая, что по всему миру используется около 7 тыс. языков, цель разработчиков можно назвать очень амбициозной.

Для решения поставленной задачи разработчики использовали мощный и сложный инструмент — смешение экспертов (mixture of experts, MoE), который представляет собой метод машинного обучения, при котором несколько экспертных сетей применяются для разделения проблемного участка на однородные области. Модель MoE обеспечивает значительный прогресс при обработке естественного языка, но она также отличается высокой требовательностью к вычислительным ресурсам.

Разработчики задействовали системы NVIDIA Triton, за счёт чего удалось построить одну модель для выполнения разных задач понимания текста, таких как обобщение, генерация текста и перевод. Обычно используются разные ИИ-модели для выполнения отдельных задач. Алгоритм Microsoft разбивает большие задачи на множество более мелких, а функция динамической пакетной обработки Triton позволяет объединять эти многочисленные запросы для максимально эффективного использования возможностей процессора.

Несмотря на сложность тестирования, разработчики из NVIDIA и Microsoft смогли получить законченный прототип ИИ-модели менее чем за месяц. После завершения этапа тестирования алгоритм будет постепенно интегрироваться в облачную службу, где на начальном этапе его планируют использовать для перевода документов на несколько наиболее распространённых языков.