Jump to content
Forum Kopalni Wiedzy
KopalniaWiedzy.pl

Unia Europejska chce regulować sztuczną inteligencję

Recommended Posts

Unia Europejska pracuje nad regulacjami dotyczącymi użycia sztucznej inteligencji. Regulacje takie mają na celu stworzenie przejrzystych reguł wykorzystania AI i zwiększenie zaufania do najnowocześniejszych technologii.

Nowe zasady mają regulować nie tylko używanie sztucznej inteligencji na terenie UE, ale również prace nad nią. Unia chce bowiem stać się jednym z głównych centrów rozwoju bezpiecznej, godnej zaufania i nakierowanej na człowieka sztucznej inteligencji.

Regulacje skupiają się przede wszystkim na tych zastosowania AI, które mogą nieść ze sobą ryzyko naruszania praw czy prywatności. Wchodzą tutaj w grę przepisy dotyczące identyfikacji biometrycznej i kategoryzowania ludzi, egzekwowania prawa, zarządzania kwestiami azylowymi i granicznymi, migracji, edukacji i innych pól, na których AI może znaleźć zastosowanie.

Eurourzędnicy chcą zakazać stosowania technologii, które mogą stanowić potencjalne zagrożenie dla bezpieczeństwa i podstawowych praw człowieka. Przepisy mają np. zapobiegać społecznemu kategoryzowaniu ludzi przez sztuczną inteligencję, jak ma to miejsce w Chinach czy USA. Zakazane ma być np. stosowanie sztucznej inteligencji do tworzenia reklam nakierowanych na konkretnego odbiorcę. Unia Europejska chce również, by przedsiębiorstwa mały obowiązek informowania użytkowników, gdy AI będzie wykorzystywana do określania ludzkich emocji czy klasyfikowania ludzi ze względu na niektóre dane biometryczne.

Wysunięte propozycje obejmują bardzo szeroki zakres działalności AI, do samochodów autonomicznych poprzez reklamę bo bankowe systemy decydujące o przyznaniu kredytu. To bardzo ważny globalny przekaz mówiący, że pewne zastosowania sztucznej inteligencji są niedopuszczalne w krajach demokratycznych, praworządnych, przestrzegających praw człowieka, mówi Daniel Leufer, analityk z organizacji Access Now.

Na razie propozycje są dość ogólne, ale i pełne luk, pozwalające na sporą interpretację. Z pewnością jednak działaniom UE będą przyglądały się firmy z całego świata, gdyż proponowane przepisy będą bezpośrednio dotyczyły tego, w jaki sposób przedsiębiorstwa będą mogły wykorzystywać AI na terenie Unii.

Avi Gesser, partner w amerykańskiej firmie Debevoise mówi, że unijne regulacje – mimo że do czasu ich wprowadzenia z pewnością miną całe lata – wpłyną na przepisy na całym świecie. Zwykle prawodawcy nie palą się do wprowadzania tego typu przepisów. Raz, że uważają, iż AI to kwestia ściśle techniczna, dwa, że boją się zablokować swoimi przepisami rozwój. Jeśli więc pojawią się przepisy unijne, prawdopodobnie będą się na nich wzorowali prawodawcy z innych krajów.

Do rozwiązania zaś pozostają tak poważne kwestie, jak np. problem manipulacji ludzkimi zachowaniami. Cała reklama polega na manipulacji. Prawdziwym wyzwaniem jest więc określenie, jakie manipulacje są dopuszczalne, a jakie niedopuszczalne, zauważa Gesser.


« powrót do artykułu

Share this post


Link to post
Share on other sites

Ot i popadli my w kałabanie, a czort karty rozdaje.

Tzn., że asystent googla, alexa, siri etc. też będzie zakazana? Pytanie jak zdefiniują AI...

18 godzin temu, KopalniaWiedzy.pl napisał:

Prawdziwym wyzwaniem jest więc określenie, jakie manipulacje są dopuszczalne, a jakie niedopuszczalne, zauważa Gesser.

no bo już się zaczyna jak ze ślimakiem-rybą i krzywizną banana :)

Share this post


Link to post
Share on other sites
18 godzin temu, KopalniaWiedzy.pl napisał:

Cała reklama polega na manipulacji. Prawdziwym wyzwaniem jest więc określenie, jakie manipulacje są dopuszczalne, a jakie niedopuszczalne, zauważa Gesser.

Ależ to proste! Zakazać reklamy, całej, wszędzie. 

Share this post


Link to post
Share on other sites
13 minut temu, Jajcenty napisał:

Ależ to proste! Zakazać reklamy, całej, wszędzie. 

Bardziej by mnie ucieszyło, gdyby zakazali pytać o ciasteczka, tylko domyślnie mają być minimalne, a jak chcesz zwiększyć to sam musisz wejść w ustawienia (bez pop-upów). Do tego zakazać udostępniania "swojej" listy kontaktów z moim numerem telefonu wszelkiej maści aplikacjom/firmom. Cóż, bez reklamy nie miałbyś też i kopalni i gdzie byś to napisał? :)

Share this post


Link to post
Share on other sites

To jest bardzo zły i niebezpieczny kierunek. Jesteśmy naiwni skoro myślimy że takie rozwiązania są w trosce o naszą prywatność. Rozwiązania które chce wprowadzić Unia prowadzą do zwiększenia nierównowagi między koncernami i zwykłymi osobami. De facto są to rozwiązania, które uniemożliwiają ludziom wykorzystywać pozytywne walory AI - a które mogły by być ochroną przed działalnością koncernów, zmuszać koncerny do dzielenia się zyskami, i prowadzić aby każdy użytkownik był partnerem koncernu a nie dojną krową.

Podam prosty przykład. Załóżmy, że jest w pewnym miejscu inteligentny bilbord. Koncern chce aby mógł być spersonalizowany. Jeśli lubimy łowić ryby będzie wyświetlana reklama wędek, a jeśli górskich wędrówek to reklama plecaków. UE ogranicza naszą prywatność - więc koncern nie może posłużyć się naszymi danymi. AU wnioskuje o naszych preferencjach na podstawie np. sposobu chodzenia i tak personalizuje tą reklamę. Ma to 90% skuteczności. Strata dla koncernu żadna. Gdyby jednak prywatność nie była ograniczona, ustawodawca mógłby nakazać koncernowi aby każdemu oglądającemu bilbord płacić 0,03 grosza za przejście obok bilbordu. W przypadku tzw "ochrony prywatności" taka regulacja jest niemożliwa. W efekcie koncerny nie mają kosztu innego jak tylko opłata za miejsce i wyprodukowanie bilbordów. Zasr***ają każdą przestrzeń bilbordami, nie mają kosztów z tym związanych a my tracimy coś na czym moglibyśmy zarobić, a co byłoby po prostu uczciwe. Gdyby takie nano-płatności były możliwe, można by wręcz nieźle zarobić chodząc po całym mieście i oglądając bilbordy, a koncerny zaczęły by się zastanawiać czy na prawdę warto zasłaniać każdy jeden widok swoimi plakatami.

Przedstawiony przykład nie dotyczy tylko bilbordów, ale także wszelkich reklam np. w inteligentnej TV. Można to oczywiście rozszerzyć na całą gamę innych zjawisk jak nano-płatności za aktywność na wielu polach - w pracy, biznesie, rozrywce itp itd.

Ochrona prywatność dla koncernów jest szansą na darmowe dojenie nas, a my tracimy możliwość rekompensaty.

Chcę przez to powiedzieć, że to wszystko nie jest takie różowe jak przestawia to Unia, a jestem 100% przekonana o tym, że robi to pod naciskiem koncernów a nie zwykłych ludzi. To koncernom zależy na wprowadzeniu tych przepisów - a oni dobrze wiedzą co jest ich zyskiem a naszą stratą.

 

Share this post


Link to post
Share on other sites
2 minuty temu, Ergo Sum napisał:

Ochrona prywatność dla koncernów jest szansą na darmowe dojenie nas, a my tracimy możliwość rekompensaty.

Trochę Cię poniosło.

1. Koncern traci na "wyświetlaniu" reklam niespersonalizowanych, bo już płaci za ten bilbord, ale reklama niekoniecznie trafia do odbiorcy (bo ja łowić nie lubię więc wędki nie kupię).

2. Ja nie tracę możliwości rekompensaty, bo nie potrzebuję rekompensaty za utratę prywatności, bo tej prywatności nie tracę.

Cały sęk w tym, żeby uniemożliwić śledzenie (bezwarunkowe), a nie żeby ktoś mi za to zapłacił. Jak ktoś chce to ok, a nie tak jak teraz.

5 minut temu, Ergo Sum napisał:

jestem 100% przekonana

hmm, ja tam "wiem, że nic nie wiem"

Share this post


Link to post
Share on other sites
1 godzinę temu, radar napisał:

Cóż, bez reklamy nie miałbyś też i kopalni i gdzie byś to napisał? :)

Też tu. Skłonny jestem płacić za treść. Może wystarczy osobna domena? Szukam reklama.com:plecak+wędka

Mnie w reklamie dźga (w moją komunistyczną część światopoglądu) absurdalne pieniądze jakie się tam przewijają. Znaleziono sposób by za pomocą mikropłatności golić i absolutnie przeceniać pracę. Jeśli aktor otrzymuje 100 tys za 20 sekundową reklamę, której nakręcenie kosztowało go godzinę z dojazdem, to daje absurdalnie wysoką stawkę godzinową. Podobnie jest ze sportem, skąd te kwoty w piłce nożnej? Nikt przy zdrowych zmysłach nie zapłaci 30 tys za prywatny, półgodzinny występ na urodzinach syna - ta praca nie jest tyle warta, chyba że masz zaburzoną ocenę wartości pieniądza, o co łatwo skoro zarabiasz na reklamowaniu kremiku na młodość i wieczność. 

Wiem, stary komunista ze mnie :D Ale naprawdę wkurza mnie, że kupując proszek do prania, czy mając konto w banku finansuję czyjeś baseny z szampanem. Chętnie zobaczyłbym jak pozbawiona wpływów z reklam piłka pada na pysk i staje się normalną rozrywką starszych panów z brzuszkami.

Share this post


Link to post
Share on other sites
22 godziny temu, Jajcenty napisał:

Ależ to proste! Zakazać reklamy, całej, wszędzie. 

Tylko człowiekom, czy innym zwierzakom też i roślinom tak samo? :D

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now

  • Similar Content

    • By KopalniaWiedzy.pl
      Na University of Leeds powstał system sztucznej inteligencji (SI), który analizuje skany oczu wykonywane podczas rutynowych wizyt u okulisty czy optyka i wskazuje osoby narażone na... wysokie ryzyko ataku serca. System analizuje zmiany w miniaturowych naczyniach krwionośnych siatkówki, o kórych wiemy, że wskazują na szerszy problem z układem krążenia.
      Specjaliści z Leeds wykorzystali techniki głębokiego uczenia się, by przeszkolić SI w automatycznym odczytywaniu skanów oraz wyławianiu osób, które w ciągu najbliższego roku mogą doświadczyć ataku serca.
      System, który został opisany na łamach Nature Machine Intelligence, wyróżnia się dokładnością rzędu 70–80 procent i zdaniem jego twórców może być wykorzystany przy diagnostyce chorób układu krążenia.
      Choroby układu krążenia, w tym ataki serca, to główne przyczyny zgonów na całym świecie i druga przyczyna zgonów w Wielkiej Brytanii. To choroby chroniczne, obniżające jakość życia. Ta technika może potencjalnie zrewolucjonizować diagnostykę. Skanowanie siatkówki to tani i rutynowy proces stosowany w czasie wielu badań oczu, mówi profesor Alex Frangi, który nadzorował rozwój nowego systemu. Osoby badane przez okulistę czy optometrystę mogą niejako przy okazji dowiedzieć się, czy nie rozwija się u nich choroba układu krążenia. Dzięki temu leczenie można będzie zacząć wcześniej, zanim pojawią się inne objawy.
      System sztucznej inteligencji trenowano na danych okulistycznych i kardiologicznych ponad 5000 osób. Uczył się odróżniania stanów patologicznych od prawidłowych. Gdy już się tego nauczył, na podstawie samych skanów siatkówki był w stanie określić wielkość oraz wydajność pracy lewej komory serca. Powiększona komora jest powiązana z większym ryzykiem chorób serca. Następnie SI, łącząc dane o stanie lewej komory serca z informacjami o wieku i płci pacjenta, może przewidzieć ryzyko ataku serca w ciągu najbliższych 12 miesięcy.
      Obecnie rozmiar i funkcjonowanie lewej komory serca jesteśmy w stanie określić za pomocą echokardiografii czy rezonansu magnetycznego. To specjalistyczne i kosztowne badania, które są znacznie gorzej dostępne niż badania prowadzone w gabinetach okulistycznych czy optycznych. Nowy system nie tylko obniży koszty i poprawi dostępność wczesnej diagnostyki kardiologicznej, ale może odegrać olbrzymią rolę w krajach o słabiej rozwiniętym systemie opieki zdrowotnej, gdzie specjalistyczne badania są bardzo trudno dostępne.
      Ten system sztucznej inteligencji to wspaniałe narzędzie do ujawniania wzorców istniejących w naturze. I właśnie to robi, łączy wzorce zmian w siatkówce ze zmianami w sercu, cieszy się profesor Sven Plein, jeden z autorów badań.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Zróżnicowanie komórek mózgowych może prowadzić do szybszego uczenia się, odkryli naukowcy z Imperial College London (ICL). Spostrzeżenie to może zwiększyć wydajność systemów sztucznej inteligencji. Uczeni zauważyli, że gdy w symulowanych sieciach neuronowych indywidualnie dobierali właściwości elektryczne poszczególnych komórek, sieci takie uczyły się szybciej, niż sieci złożone z komórek o identycznych parametrach.
      Okazało się również, że gdy mamy zróżnicowane komórki, sieć neuronowa potrzebuje ich mniej, a całość zużywa mniej energii niż sieć o identycznych komórkach.
      Zdaniem autorów badań, może to wyjaśniać, dlaczego mózgi tak efektywnie potrafią się uczyć. Mózg musi być wydajny energetycznie, a jednocześnie zdolnym do rozwiązywania złożonych zadań. Nasza praca sugeruje, że zróżnicowanie neuronów – zarówno w mózgach jak i w systemach sztucznej inteligencji – pozwala spełnić oba warunki, mówi główny autor badań, doktorant Nicolas Perez z Wydziału Inżynierii Elektrycznej i elektronicznej.
      Odkrycie powinno też zachęcić twórców sieci neuronowych do budowania ich tak, by były bardziej podobne do mózgu. Nasze mózgi składają się z neuronów. Pozornie są one identyczne, ale przy bliższym przyjrzeniu się, widoczne są liczne różnice. Z kolei każda komórka sztucznych sieci neuronowych jest identyczna, różnią się one tylko połączeniami. Pomimo dużych postępów w rozwoju systemów sztucznej inteligencji, bardzo daleko im do mózgów. Dlatego też uczeni z ICL zastanawiali się, czy przyczyną nie jest brak zróżnicowania komórek sztucznych sieci neuronowych.
      Rozpoczęli więc badania, w ramach których emulowali różne właściwości komórek składających się na siec sztucznej inteligencji. Zauważyli, że zróżnicowanie komórek spowodowało zwiększenie szybkości uczenia się i spadek zapotrzebowania na energię. Ewolucja dała nam niesamowicie funkcjonujący mózg. Dopiero zaczynamy rozumieć, jak on działa, stwierdził doktor Dan Goodman.
      W ramach badań uczeni manipulowali „stałą czasową”, czyli tym, jak szybko każda komórka sztucznej sieci neuronowej decyduje, co ma zrobić w zależności od tego, co robią połączone z nią komórki. Niektóre z tak manipulowanych komórek podejmowały decyzję bardzo szybko, natychmiast po tym, jak działania podjęły komórki z nimi połączone. Inne zaś odczekały chwilę i podejmowały decyzję na podstawie tego, co przez pewien czas robiły komórki z nimi połączone.
      Po zróżnicowaniu „stałej czasowej” swoich komórek, naukowcy przeprowadzili zestaw testów dla uczenia maszynowego się, takich jak rozpoznawanie gestów, pogrupowanie ubrań czy ręcznie napisanych cyfr oraz zidentyfikowanie wypowiadanych komend oraz cyfr.
      Eksperymenty pokazały, że połączenie komórek o różnej „stałej czasowej” powoduje, że cała sieć lepiej rozwiązuje złożone zadania. Okazało się przy okazji, że najlepiej sprawuje się sieć o takiej konfiguracji, której zróżnicowanie jest najbliższe zróżnicowaniu komórek w mózgu. To z kolei sugeruje, że nasz mózg ewoluował w kierunku osiągnięcia najlepszego poziomu zróżnicowania dla optymalnego uczenia się.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Polska ma bardzo małe zasoby wody pitnej, dowiadujemy się z opublikowanego przez GUS raportu „Polska na drodze zrównoważonego rozwoju”. Są one tak małe, że znajdują się poniżej poziomu bezpieczeństwa wodnego. Według ONZ krajami zagrożonymi niedoborami wody są te, w których zasoby świeżej wody wynoszą poniżej 1,7 tys. m3 na mieszkańca. W UE do takich krajów należą Polska, Czechy, Cypr i Malta.
      W Unii Europejskiej najlepsza sytuacja pod względem zasobów wody słodkiej występuje w Chorwacji. Tam na mieszkańca przypada 28,8 tys. m3 wody. Kolejne na liście są Finlandia (20 tys. m3), Szwecja (19,3 tys. m3) oraz Łotwa (18,9 tys. m3), a pierwszą piątkę zamyka Słowenia (15,5 tys. m3). Z kolei cztery kraje znajdują się poniżej poziomu bezpieczeństwa wodnego. Są to Polska (1,6 tys. m3), Czechy (1,5 tys. m3), Cypr (0,4 tys. m3) oraz Malta (0,2 tys. m3).
      Głównym źródłem zaopatrzenia w wodę są w naszym kraju wody powierzchniowe. W 2019 r. pobraliśmy 7,4 km3 wód powierzchniowych oraz 1,8 km3 wód podziemnych. Większość, bo aż 70% zużył przemysł, 20% spożytkowano na potrzeby gospodarki komunalnej, a 10% wykorzystuje się do nawodnień w rolnictwie, leśnictwie oraz napełniania stawów rybnych.
      W naszych rzekach płynie też woda gorszej jakości niż średnia europejska. Do określenia jakości wód używa się pomiaru biochemicznego zapotrzebowania tlenu (BZT). Pokazuje on, ile tlenu potrzebują mikroorganizmy, by rozłożyć substancje organiczne znajdujące się w wodzie. To wskaźnik, który pokazuje też, jak ścieki są podatne na biologiczne oczyszczanie.
      Im wyższy poziom BZT, tym większe zanieczyszczenie. W Polsce do rozkładu substancji organicznych potrzebne jest 2,74 mg tlenu na litr wody. To znacznie więcej niż średnia w Europie, która wynosi 2 mg/litr. Pod względem zanieczyszczenia jesteśmy niewiele lepsi od krajów o najbardziej zanieczyszczonych rzekach jak Rumunia czy Cypr, gdzie BTZ to 3mg/l. Sporo nam za to brakuje do prymusów – Irlandii i Słowenii. W krajach tych BTZ to >1 mg/l.
      Z dobrych wiadomości można dodać, że nie grozi nam stres wodny. W Polsce wykorzystujemy 6,87% odnawialnych zasobów wody pitnej. To co prawda więcej niż w roku 2010, kiedy odsetek ten wynosił 5,62%, ale wciąż mniej niż średnia dla Europy wynosząca 8,39%. Za wysoki poziom stresu wodnego uznaje się poziom przekraczający 20%. Jednak wskaźnik ten nie uwzględnia przestrzennego i sezonowego zróżnicowania dostępności do wody.
      Najlepiej ilustruje to przykład całego globu. W skali świata ludzie pobierają rocznie 17% odnawialnych zasobów słodkiej wody. Nie można mówić więc o stresie wodnym. Jednak różnice regionalne są dramatyczne. W Afryce Północnej pobierane jest niemal 102,9% odnawialnych zasobów wody pitnej. Na częściej sytuacja się poprawia, gdyż kilka lat temu było to o 5 punktów procentowych więcej. Jednak niedobory wody zaczynają grozić Azji Środkowej, gdzie pobiera się 87,9% odnawialnych zasobów wody pitnej, podczas gdy jeszcze niedawno było to 79,5%. Z problemami może borykać się też Azja Południowa, gdzie pobór ten wynosił 70,7% w roku 2017, podczas gdy w roku 2015 było to 63,2%.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Tajwański TSMC, poinformował że jest jeszcze zbyt wcześnie, by stwierdzić, czy w Niemczech powstaną fabryki tej firmy. Rozmowy w tej sprawie są na bardzo wczesnym etapie. Są one prowadzone pod egidą Komisji Europejskiej.
      Wiadomo, że KE rozmawia z takimi gigantami jak Intel i TSMC w sprawie wybudowania fabryk półprzewodników na terenie Europy. Fabryki takie miałyby zwiększyć produkcję układów scalonych i uchronić Unię Europejską przed ich niedoborami spowodowanymi problemami w światowym łańcuchu dostaw.
      Ulokowane w Europie fabryki TSMC, największego na świecie producenta półprzewodników na zlecenie, miałyby uchronić europejskich producentów samochodów, smartfonów i innej elektroniki przed kolejnymi problemami z dostawami, które zostały zakłócone z powodu pandemii.
      Na poważnie rozważamy propozycję ulokowania fabryk w Niemczech, jednak to bardzo wczesny etap, powiedział przewodniczący zarządu TSMC Mark Liu poadczas dorocznego spotkania z udziałowcami. Rozmawiamy z naszymi największymi niemieckimi klientami, by przekonać się, czy to na pewno najlepsze i najbardziej efektywne rozwiązanie dla nich.
      W lipcu TSMC podpisało umowy na budowę fabryk w USA i w Japonii. Rządy wielu państw martwi fakt, że tak olbrzymia część półprzewodników produkowanych jest na Tajwanie, skąd trzeba je przywozić. Dodatkowym problemem jest położenie Tajwanu. Znajduje się on bardzo blisko Chin, które traktują wyspę jako zbuntowaną prowincję i nie wykluczają użycia siły w celu przejęcia na niej władzy.
      Wiemy zatem, że TSMC zainwestuje 12 miliardów dolarów w rozszerzenie swojej działalności w Arizonie. Tajwański koncern, którego jednym z ważniejszych klientów jest Apple, będzie sprzedawał swoje produkty amerykańskim klientom działających na rynkach infrastruktury i bezpieczeństwa narodowego. Liu dodał, że klienci ci pomogą TSMC ponieść koszty zagranicznej ekspansji.
      W bieżącym roku TSMC ogłosiło, że w ciągu najbliższych 3 lat ma zamiar zainwestować 100 miliardów dolarów w powiększenie swoich możliwości produkcyjnych. Pandemia COVID-19 stworzyła bowiem świetne możliwości dla wieloletniego wzrostu, gdyż znacząco zwiększyła zapotrzebowanie na zaawansowane półprzewodniki.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Rynkowy sukces lub porażka układu scalonego zależą w dużej mierze od etapu jego projektowania. Wtedy właśnie zostają podjęte decyzje odnośnie umiejscowienia na krzemie modułów pamięci i elementów logicznych. Dotychczas zadania tego nie udawało się zautomatyzować, a etap projektowania zajmuje inżynierom całe tygodnie lub miesiące. Inżynierowie Google'a poinformowali właśnie, że stworzony przez nich system sztucznej inteligencji poradził sobie z częściowym zaprojektowaniem chipa w ciągu godzin.
      Współczesne układy scalone składają się z miliardów tranzystorów, dziesiątek milionów bramek logicznych, tysiące bloków logicznych i łączących je kilometrów ścieżek. Lokalizacja poszczególnych układów i bloków logicznych odgrywa kluczową rolę dla przyszłej wydajności chipa. Specjaliści od dziesięcioleci pracują nad rozwiązaniami pozwalającymi zautomatyzować proces projektowania.
      Jako że bloki logiczne to duże elementy, tysiące i miliony razy większe od bramek logicznych, bardzo trudno jest jednocześnie umieszczać bloki i bramki. Dlatego współcześni projektanci układów najpierw umieszczają na krzemie bloki, a wolne miejsca zostają zapełnione pozostałymi bramkami logicznymi.
      Już samo rozmieszczenie bloków jest niezwykle wymagające. Eksperci Google'a obliczyli, że liczba możliwych kombinacji rozmieszczenia makrobloków, które brali pod uwagę w swoich badaniach, wynosi 102500.
      Planując rozmieszczenie bloków, inżynierowie muszą pamiętać o pozostawieniu miejsca na inne elementy i ich łączenie. Azalia Mirhoseini i jej zespół poinformowali na łamach Nature o stworzeniu metody automatycznego wstępnego projektowania chipa w czasie krótszym niż 6 godzin, które swoimi wynikami dorównuje lub nawet przewyższa to, co potrafią doświadczeni inżynierowie.
      naukowcy z Google'a wykorzystali techniki maszynowego uczenia się do wytrenowania swojego programu tak, by rozmieszczał na planie makrobloki. Po umieszczeniu każdego z nich program dokonuje oceny całego chipa, a następnie wykorzystuje to, czego się nauczył, do zaplanowania jak najlepszego kolejnego kroku.
      Co interesujące, projekty tworzone przez google'owską SI znacząco różnią się od tego, jak projektuje człowiek. Sztuczna inteligencja rozpoczyna od największych makrobloków. Ponadto w jakiś sposób unika ciągłego poprawiania tego, co już zostało zrobione. Inżynierowie, po umieszczeniu kolejnych bloków, bardzo często poprawiają rozmieszczenie następnych. SI tego nie robi. Mimo to udało jej się zaprojektować układy, w których sygnał pomiędzy poszczególnymi elementami biegnie równie sprawnie, co między układami zaprojektowanymi przez ludzi.
      Google już stosuje metody opracowane prze Mirhoseini do projektowania układów dla przyszłej generacji systemów sztucznej inteligencji. Tymczasem producenci układów scalonych próbują odtworzyć osiągnięcie Google'a i wdrożyć podobne rozwiązania do własnego procesu projektowania.

      « powrót do artykułu
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...