CDNLive, München – Arizonassa tapahtunut Über-auton kuolonkolari olisi voitu välttää, sano Saksan tekoälyn tutkimuskeskuksen eli DFKI:n johtaja Philipp Slusallek. Uusimpien tietojen mukaan Über-auto havaitsi tietä pimeässä ylittäneen naisen, mutta auton tekoäly luokitteli sen ”vääräksi positiiviseksi”. - Meidän pitää pystyä validoimaan AI-järjestelmä niin, ettei se tee tällaisia virhepäätelmiä. Meillä DKFI:ssä tavoite on kehittää tietokoneita, joilla on silmät, korvat ja maalaisjärki, Slusallek määritteli.
Iso ongelma tekoälyjärjestelmissä on se, että kyse on ennen kaikkea ohjelmistosta eli algoritmeista. - Tekoäly edellyttää äärimmäisen nopeaa ohjelmistoa ja tätä varten DFKI:ssä on kehitetty AnyDSL-käännintekniikkaa (compiler). Idea on yksinkertainen: algoritmi pitää saada nykyistä pienempään määrään koodia, jotta sitä voidaan ajaa nopeammin.
AnyDSL-hankkeessa tulokset ovat lupaavia. Kuvankäsittelyssä käytettyjä konvoluutioverkkomalleja on saatu puristettua 10 kertaa pienempään tilaan. Tämä onnistuu esimerkiksi tuomalla kääntimeen funktioita, joita valituissa osissa koodia optimoivat esimerkiksi suodinfunktioita mahdollisimman paljon.
Tulosten mukaan DKFI:ssä on saatu koodattua grafiikkaprosessorin algoritmeja, jotka ovat neljänneksen nopeampia kuin käsin optimoitu koodi. Nyt AnyDSL-käännintä ollaan tuomassa FPGA-piireille.
Slusallekin mukaan robotti on erinomainen esimerkki siitä, miten vaativaa tekoälyn kehittäminen on. - Järjestelmien täytyy tehdä tarkkoja ja luotettavia päätöksiä erityisesti kriittisissä tilanteissa, mutta kriittisistä tilanteista ei voi oppia, sillä niistä ei ole dataa. Emme voi lähettää lapsia auton eteen tuottaaksemme tätä dataa, Slusallek hauskuutti.
Jos robottiauto ajaa satatuhatta tai miljoona kilometriä kaupungissa, se oppii kyllä kaupungin, mutta jossakin vaiheessa lisäkilometrien ajaminen ei opeta tekoälyä enää yhtään enempää. - Ainoa keino on generoida tämä data synteettisesti ja opettaa järjestelmä toimimaan oikein tämän tiedon perusteella.
Slusallek ja DKFI visioivat jo jonkinlaisesta tekoälyn mallinnuksen TÜV-standardista. – Tällaisilla malleilla voisimme opettaa koneet tavallaan luomaan todellisuuden säännöt. Silloin voisimme mallintaa esimerkiksi lasten toimintaa kaikissa mahdollisissa variaatioissa. Tätä virtuaalista mallia pitää myös parantaa ja tarkentaa jatkuvasti, sillä todellisuus ei ole staattinen, Slusallek muistutti.
DKFI on jo järjestönä tehnyt EU:lle ehdotuksen 10-vuotisesta Tekoälyn lippulaiva -ohjelmasta, jossa Euroopan pirstoutunutta tekoälyn tutkimusta koottaisiin yhteen. Ehdotuksessa ohjelmalle annettaisiin sata miljoonaa euroa vuodessa ja budjetista puolet tulisi EU:lta. Toteutuessaan ohjelma voisi alkaa vuoden 2020 aikana.
Kun suurteholaskennan (HPC) työkuormat monimutkaistuvat, generatiivinen tekoäly sulautuu yhä tiiviimmin moderneihin järjestelmiin ja lisää kehittyneiden muistiratkaisujen tarvetta. Vastatakseen näihin muuttuviin vaatimuksiin ala kehittää uuden sukupolven muistiarkkitehtuureja, jotka maksimoivat kaistanleveyden, minimoivat latenssin ja parantavat energiatehokkuutta.
