Тези от вас, които ме познават по-добре, сигурно знаят, че моята страст е machine learning, или казано на български самообучаващи се машини. Това е една от най-динамично развиващите се сфери на науката в момента, която ще доведе до фундаментални промени в човешкото общество, при това доста скоро. Ще се опитам да обясня защо и как това ще се случи.
Как започва всичко
Повечето хора правят аналогия със SkyNet от „Терминатор“ или с изкуствения интелект, хуманоидните роботи или различните форми на автономни машини. Това не е напълно вярно – гореизброените са само една малка част от самообучаващите се машини. Но за да разберете по-ясно, нека да започнем от самото начало – 60-те години на 20-и век.
Тогава повечето академици са осъзнавали какво представляват компютрите, но не са били напълно сигурни къде са техните граници. Силно стимулирани от правителствени програми, учените започват да експериментират във всевъзможни посоки, много често дори и „стрелят напосоки“. Основната задача тогава е била да се види какво предимство може да предостави един компютър или програма. Все пак това е ерата на Студената война, концепцията за глупава идея не е съществувала. Американците дори изстрелват сателит, имащ за цел да провери да не би случайно Русия да прави ядрени опити на обратната страна на Луната.
Резултатите не закъсняват, математиците доста бързо разработват цял инструментариум от алгоритми, правила и напълно нови концепции и доказват, че компютрите могат да анализират информация и да взимат решения спрямо тази информация.
Но е имало два доста сериозни проблема – първият е, че компютрите са били безумно слаби, което значи непрактично много време за изпълнението на тези алгоритми, а вторият проблем е, че не са имали достатъчно данни, за да може алгоритмите да работят ефективно.
Ето ви един прост пример – искате да научите компютъра да разпознава танкове на снимки. За да се направи това, трябва да покажете на компютъра хиляди снимки с различни танкове, на различни терени, с различно разположение, за да може алгоритъмът да „разбере“ какво е танк и впоследствие да може да ги намира автоматично на други снимки. Това се нарича supervised learning и е изключително мощна техника, ако имате данните, с които да го научите.
Поради тези и някои други по-маловажни причини machine learning остава в зоната на стриктно академичната дейност, докато горепосочените проблеми започват постепенно да изчезват. Компютърната мощ се развива експоненциално, а с навлизането на Интернет и масовото споделяне (и следене) на данни се създават огромни бази данни, много често в порядъка на десетки петабайти. Това е и причината всички компании да ви предлагат да записвате своите данни в техните „облаци“ – вашите данни са храна за машините и печалба на компаниите.
Големите компании осъзнават, че може да използват това като тяхно предимство. Студената война е приключила, голяма част от света е със свободни пазари, частните компании разполагат с огромни ресурси. Какъв продукт бихте предпочели да закупите? Какъв е шансът да се разболеете? Как би се променило общественото мнение за политически кандидат X, ако се случи събитие Y и бъде представено в медиите по начин Z? Machine learning дава плашещо точни отговори на всички тези въпроси, както и на милиони други. Всички започват да инвестират милиарди в разработката на подходящ софтуер, хардуер и инфраструктура.
Какво точно са самообучаващите се машини
Има стотици различни видове самообучаващи се системи, които се използват за точно определени задачи. Искате да разберете кой от вашите клиенти е склонен да купи новия ви продукт или искате да разберете характеристиката на дадена звезда спрямо нейната светлина, или просто да препоръчате друга песен спрямо това, което потребителят е слушал до момента – тогава (най-често) се използват класифициращи алгоритми.
Искате да предвидите за колко пари ще може да продадете имот, ако го построите в определен район, или колко ще се намали замърсяването на въздуха, ако зеленият светофар свети с 10 секунди повече, или колко допълнителни самолета ще са необходими да се извозят пътниците по празниците – тогава се използват регресивни алгоритми
Искате да накарате компютъра да генерира смислен текст, да композира музика или да рисува – тогава се използват LSTM (long short-term memory) алгоритми.
Искате да научите робот да премества кутии, да кара кола, да играе шах и табла, да стои прав и да се придвижва сам – тогава се използват deep neural networks в комбинация с convolutional neural networks, deep reinforcement learning и подобни.
Горните примери са силно опростени и в действителност за някои от проблемите има повече от едно решение, както и често се правят комбинации между различните техники, но мисля, че разбирате за какво може да се използват – на практика за всичко.
Това са самообучаващите се системи – компютърен алгоритъм, използвайки данни, взима решения или вади изводи. В момента над 60% от търговията по финансовите пазари се извършва от подобни алгоритми. Те управляват логистиката на огромни куриерски фирми, контролират ядрени централи, химически заводи. Решават какви реклами да виждате, каква информация да четете, колко е вероятно да се разболеете и как бихте гласували, разбират, когато им говорите, познават къде е направена дадена снимка спрямо това, което се вижда на снимката, определят ще можете ли да си върнете кредита и още много неща, за които дори не се досещате.
Какво е нивото на самообучаващите се системи в момента
В момента, септември 2016 г. самообучаващите се системи побеждават човек в над 95% от всички възможни задачи. Единствените умения, в които хората все още сме по-добри, са разпознаването на човешка реч, най-вече когато има силен акцент, жаргон или диалект и във фантазиите. Но и това няма да „издържи“ дълго време. Вече има алгоритми, които пишат сценарии на филми (при това се справят изненадващо добре), а разпознаването на реч ще се подобри, когато се съберат достатъчно данни, за да се научат още по-добре. Въпрос на време.
Основната „спирачка“ в момента е все още слабата изчислителна мощност. Използват се специализирани видео карти, които могат да обработват огромни паралелни потоци, но дори и те са слаби. WaveNet – алгоритъм, който генерира човешки глас, напълно неразличим от истински човешки глас, отнема 90 минути изчисления за 1 секунда звук. Но законът на Мур все още работи, което значи, че след няколко години ще има изчислителна мощност, позволяваща това да става в реално време (заедно с подобряване на алгоритмите). Въпреки това компании като Google не искат да чакат и започнаха да правят TPU (Tensor Processing Unit). Това са специализирани процесори за обработка на тензори, които са съществено по-бързи от GPU. За съжаление все още няма никакви технически детайли колко са мощни, Google е изключително потаен по темата, но този прост факт дава ясна идея колко бързо се развива тази област. Същото така е ясно, че „организацията“ с по-добрите алгоритми и по-голяма изчислителна мощ ще доминира над всички други. Затова всеки хвърля милиарди в разработка.
Какво ме интересува това
Самообучаващите се системи предизвикват промяна във всяка една сфера на живота, значително по-мащабна от промяната, предизвикани от Индустриалната революция. Да, предизвикват, защото това вече се случва, при това с все по-бързи темпове.
До този момент в човешката история хората са измисляли всевъзможни инструменти и приспособления. Като започнем от лъка и ножа, преминем през напоителните системи и пътища и стигнем до самолетите и сателитите. Но всички тези открития правят само едно нещо – увеличават човешките възможности. Машините са по-бързи, по-точни, по-мощни. Но те само разширяват уменията на човека.
Революцията, която става в момента, е коренно различна и силно се надявам да го разберете. Самообучаващите системи не са просто по-силни, по-бързи, по-точни – те са по-умни.
За първи път човекът създава „уред“, който е независим, който се учи и развива сам, който развива напълно различен тип интелигентност, който често ние хората не можем да възприемем.
Да, последното не е никаква спекулация или научна фантастика – самообучаващите се системи се приближават максимално до дефиницията за интелект, която имаме, с тази разлика, че този интелект работи по съвсем различни правила. И най-притеснителното е, че често НЕ може да разберем какви са тези правила.
Последствията ще са мащабни. До 2025-2028 г. транспортът на стоки и хора ще се извърша от автономни превозни средства. На много места дори ще бъде забранено хора да управляват автомобили.
Всяка „ниско квалифицирана“ работа ще бъде заместена от машини – в резултат ще има огромен социален срив. Очаква се над 60% от работните места да изчезнат. Сами може да се досетите какъв удар ще понесат социално-осигурителните системи.
Земеделието и животновъдството ще е 100% автоматизирано.
Вследствие на голямото отпадане на хора от работните процеси нуждата от администрация във фирмите ще намалее значително, а и голяма част ще бъде автоматизирана.
Ако смятате, че това са глупости, това е ваш избор, но например Foxconn, една огромна компания за производство на електроника в Китай, уволни 5 милиона свои служители заедно със свои под изпълнители уволниха 1.5 милиона служителя и ги замени с роботи.
Роботът не се разболява, роботът не участва в синдикати, роботът няма почивка, за да спи, яде или да си види роднините. Всички големи корпорации инвестират в самоуправляеми превозни средства и те може да се видят по улиците на Америка, Китай, Германия и Русия (в Русия все още ги тестват на закрити полигони). Boston Dynamics демонстрираха неведнъж автономни роботи, способни да се ориентират сами, да преместват обекти, отварят врати и дори да готвят и чистят.
Ясно е какво ще стане, ясно е, че може да стане, просто трябва малко подобрение на алгоритмите и малко по-голяма изчислителна мощност.
Затова ако тепърва избирате вашето професионално развитие, помислете накъде искате да се развиете и помислете няколко пъти, ако изборът ви присъства в долния списък:
- доставки и транспорт
- индустриално земеделие и животновъдство
- индустриално производство
- грижа за болни и стари хора
- строителство
- административни услуги
- обслужване на клиенти и продажби
- охрана и контрол
- минно дело и преработка.
Позициите които няма да бъдат силно засегнати до 2030 г. са:
- мениджмънт и бизнес
- компютърни и инженерни науки
- образование
- юридически услуги
- изкуство
- медицински специалности като хирургия и терапия*.
Ние сме 100 години назад
Някой ще си каже, че докато това дойде в България, ще изтече много вода. А какъв телефон използвате в момента? Този, който се продава в целия свят, най-вероятно последен модел. Какви сериали гледате? Тези, които се гледат навсякъде. Какви компютри, софтуер и инструменти използвате сега? Същите, които се използват навсякъде.
Не сме 100 години назад.
Промените носят огромни икономии на фирмите. Тези, които откажат да ги приемат, просто няма да бъдат конкурентни и ще бъдат заменени от фирми, използващи новите технологии и способи.
Не очаквайте всичко да стане за една вечер, това не е революция в смисъла, че някой ще стреля с пушка и ще развее едно знаме. Нещата стават постепенно, но с бързи темпове. Тенденцията е ясна, всички почват да се адаптират и подготвят. Няма да ни подмине.
Как ще се промени обществото
Тук мога само да спекулирам. Много групи се опитват да предвидят в детайли, но дори и академици, отдали се на това с години, заявяват, че не могат да отговорят с точност. Но за едно всички са съгласни – личното пространство ще бъде намалено почти до нула, контролът върху масите ще бъде силно засилен, но не явен. Ще бъде „тих тоталитаризъм“. Нашето развитие като личности и професионалисти ще се определя от много фактори, върху които нямаме пряк контрол. След първоначалния шок и стрес хората ще консумират повече, но с по-малък избор. Ще има огромни неразбиваеми монополи – тези, които държат знанията и инфраструктурата на самообучаващите се системи. Ще започне изравняване на социалния статус. Ще има една много малка група с почти неограничена власт и една група от „средна класа“. Бедността и мизерията (в развитите страни) ще е минимална. Масите ще започнат да деградират културно и интелектуално. До 2050 г. населението на Земята ще спадне под 5 милиарда души.
*Диагностицирането и лабораторната работа ще е почти напълно автоматизирана, но решенията за лечение ще се взимат от хора спрямо препоръка на машини.