Грэм Темплтон
Когда вы являетесь такой крупной корпорацией, как Google, жаждущей приобретений, иногда вы совершаете ошибки — например, вы платите миллиарды за пронизанную ошибками технологию Nest. Но на самом деле, вы должны принять такие потери как неизбежные, когда вы преследуете большие, редкие выплаты, которые могут обеспечить только современные технологии. Становится все более очевидным, что приобретение DeepMind за 500 миллионов долларов, которое для многих наблюдателей ознаменовало собой истинное начало ИИ как крупной технологической отрасли, является одной из таких выигрышных инвестиций. Google может не только сдавать в аренду услуги компании для получения огромной прибыли, конкурируя с другими крупными участниками машинного обучения, такими как Amazon, за быстро растущую долю рынка, но также может использовать идеи DeepMind для улучшения своих собственных конкурентных преимуществ.
На этой неделе Google объявил, что исследователи DeepMind позволили им сделать невероятный шаг вперед в повышении энергоэффективности своих центров обработки данных. DeepMind смог проанализировать их производительность и порекомендовать ряд улучшений в размещении и использовании таких вещей, как окна и охлаждающие устройства. Эта практика сэкономила Google процентные пункты на энергопотреблении, а поскольку центры обработки данных Google используют несколько гигаватт-часов энергии каждый год, на это нечего чихать.
Но главная мысль, сделанная в этом объявлении, заключается в способности современного искусственного интеллекта адаптироваться практически к любой проблеме и улучшать лучшее, что человечество смогло сделать самостоятельно. Эффективность охлаждения в центрах обработки данных — это не какой-то загадочный, малоизученный аспект техники; это то, о чем людям платят много денег, чтобы они думали. А вот и DeepMind, который только что победил лучших в мире на Go, просто чтобы подчеркнуть свою точку зрения, улучшая эти экспертные разработки.
Итак, базовый подход DeepMind можно быстро и эффективно адаптировать к температуре воздушных потоков вокруг дата-центра и потокам тепла через вентиляционные отверстия — что еще можно улучшить? Поток воздуха в физическом пространстве изучен гораздо лучше, чем, скажем, поток грузов через крупные порты, поток пчелиных популяций на континенте или поток студентов по университетским программам. Мы должны ожидать, что назначение достаточно проницательного ИИ для поиска и устранения неэффективности в маршрутизации грузов, опылении полей или выпуске выпускников даст более чем несколько процентных пунктов прогресса. Потребность в менеджерах складов, государственных инженерах по сельскому хозяйству и академических консультантах вот-вот резко упадет вместе с более традиционно угрожаемыми секторами, такими как обслуживание клиентов и производство.
Это виды широкомасштабных улучшений, которые могут обеспечить дальнейшее повышение эффективности работников, которое соответствует тому, что мы наблюдали за последние несколько десятилетий. Но исторический прогноз научной фантастики о том, что занятость будет соответствовать определенному объему выполненной работы, и, таким образом, увеличение возможной работы в час сократит общее количество рабочих часов, в целом не сбывался.
Джордж Джетсон однажды пожаловался своему боссу, что накануне он проработал два часа. Что, по мнению Спейсли, он бежит, спрашивает жена Джорджа Джейн: «Потогонная мастерская!?»
Трудно представить себе такой оптимизм в отношении бедственного положения рабочего среднего класса в наши дни, несмотря на то, что сегодняшние технологические тенденции обеспечивают гораздо более прочную основу для прогнозирования конца (тяжелой) работы, чем тенденции 1960-х годов. Важные социальные изменения, происходящие тогда, были настолько очевидны, что даже детское телевидение должно было их освещать, но в наши дни система, возможно, переживает еще более жестокие потрясения.
Это не просто бесконечный процесс сокращения все большего количества ненужных работников, а растущее осознание того, что чисто технические решения на самом деле могут быть более привлекательными, чем человеческие. Facebook недавно узнал, насколько плохо люди отреагируют, когда узнают, что человек манипулирует их мыслями — обратная реакция, вероятно, была бы минимальной, если бы открытие было ошибочным или плохо разработанным алгоритмом, который Facebook просто обещает улучшить. Google удается читать нашу электронную почту только для таргетированной рекламы, потому что эти электронные письма читает только робот, а не человек. Все чаще у компаний появляются вполне реальные стимулы для перехода на техническое решение, которое не имеет ничего общего с эффективностью или снижением затрат.
Плоды применения действительно передового машинного обучения, от полностью реагирующих голосовых интерфейсов ИИ до снижения счетов за электроэнергию, изменят корпоративный мир большим и заметным образом. Вопрос только в том, как?
Теперь прочитайте: Что такое искусственные нейронные сети?
Примечание: эта статья изначально была опубликована на ExtremeTech.com.
