Как пересекаются и различаются ИИ и GenAI

02.05.2024 | Фекла Дербинова

Генеративный искусственный интеллект (GenAI) переживает настоящий момент, но, несмотря на все внимание к нему, он составляет лишь малую часть ИИ и машинного обучения, которые выполняются сегодня.

В своей основе ИИ - это автоматизация, позволяющая системам выполнять действия без участия человека. Интеллект выражается в сложности задач, которые могут быть выполнены автоматически, и способности принимать решения.

Термин «ИИ» не следует трактовать как черно-белое событие, - сказал Энди Хиллиард, генеральный директор Accelerance, в интервью Fierce Electronics. По его словам, появление ИИ не является единичным разрушительным событием - это эволюционный путь, подобный промышленной революции, когда машины постепенно перенимали человеческую деятельность. Со временем это машинное обучение получило название ИИ.

По словам Хиллиарда, разработчики программного обеспечения создают продукты, которые становятся все более интеллектуальными. По его словам, электронная таблица Excel - это отличный пример того, что было бумажным, а теперь имеет интеллектуальный интерфейс, который делает ее более динамичной и простой в использовании.

По словам Хиллиарда, GenAI помогает ускорить разработку программного обеспечения, потому что он может помочь создать лучшие скрипты, проверить ошибки и порекомендовать структуру кодирования. Это пример того, как разработка программного обеспечения демократизируется, и ИИ идет по тому же пути». По его словам, скорость эволюции кажется революционной, потому что она происходит так быстро.

По словам Хиллиарда, возможности ИИ все еще ограничены из-за сложности взаимосвязи множества переменных, которые происходят одновременно, поэтому вождение еще не полностью автоматизировано.

Что реально, а что нет

Существует множество типов ИИ, но большинство из них остаются сугубо теоретическими. Компания IBM, известная по сайту watsonx.ai, выделила множество широких категорий и подкатегорий ИИ.

«ИИ с теорией разума» звучит как нечто из научно-фантастического романа - он сможет понимать мысли и эмоции других существ, что позволит ему имитировать взаимодействие с людьми. Аналогично, «самосознающий ИИ» также является теоретическим и имеет свой собственный набор эмоций, потребностей и убеждений.

Эти типы ИИ подпадают под более широкие категории общего ИИ или супер ИИ, которые оба являются теоретическими. Любой существующий сегодня ИИ, будь то развивающийся или широко распространенный, известен как искусственный узкий ИИ - он не может работать за пределами своей определенной задачи, поэтому он узкий.

GenAI относится к категории, известной как «ИИ с ограниченной памятью», и может предсказывать слова, фразы или визуальные элементы по генерируемому контенту - хорошим примером является ChatGPT. Виртуальные помощники и чат-боты, такие как Alexa и Seri, также относятся к этой категории, сочетая ИИ с ограниченной памятью и обработку естественного языка (NLP), чтобы понимать и отвечать на вопросы и действовать в соответствии с запросами пользователей. Причина, по которой самоуправляемые автомобили могут быть автономными, заключается в том, что они используют ИИ с ограниченной памятью для понимания окружающей обстановки и принятия решений в режиме реального времени, но автономным автомобилям потребовалось больше времени, чтобы стать обычным явлением.

Реактивные машины ИИ менее интеллектуальны, чем ИИ с ограниченной памятью - системы этой категории не имеют памяти и предназначены для выполнения исключительно специфических задач на основе данных, доступных в данный момент, например, рекомендательные системы, используемые сайтами электронной коммерции и стриминговыми сервисами.

Большинство используемых узких ИИ имеют практическое применение - компьютерное зрение, которое можно обучить визуальной идентификации и классификации объектов на изображениях и видеозаписях для их обнаружения и отслеживания. Помимо самоуправляемых автомобилей, компьютерное зрение также используется в промышленных роботах для оптимизации производства и складской логистики. Обнаружение присутствия и распознавание лиц могут использоваться для обеспечения безопасности и контроля окружающей среды.

Создание более четкой картины

Несмотря на то, что в некоторых отраслях искусственный интеллект, кажется, совершит революцию в одночасье, во многих он развивается медленно, а его возможности постоянно совершенствуются с течением времени. Приложения для обработки изображений являются отличным примером того, как распространен и более развит ИИ.

Компания Visidon была основана в 2006 году и занимается разработкой программного обеспечения для аппаратно-независимой обработки изображений. Ее алгоритмы встроены в более чем миллиард смартфонов и других устройств, таких как ноутбуки, системы видеоконференций и камеры безопасности.

Машинное зрение и зондирование существовали задолго до появления ИИ, но сейчас они дополняются им. Вайда Ясулайтите, директор по развитию бизнеса, рассказал Fierce Electronics, что алгоритм компании не только улучшает качество обработки изображений, но и решает проблему нехватки энергии, поскольку устройства становятся все умнее, в том числе работающие на границе.

Алгоритмы Visidon обеспечивают повышение качества и снижение уровня шума за счет использования интеллектуального масштабирования при обработке пикселей, что полезно в ситуациях, когда в поле зрения присутствуют тени и слабое освещение, что важно для приложений безопасности, говорит Ясулайтите. «Мы не создаем новые детали, но удаляем шум, искажающий изображение».

Алгоритмы компании также используются для видеоаналитики, съемки с беспилотников и сбора данных для обнаружения дефектов.

По словам Джасулайтите, при достаточной вычислительной мощности ИИ может улучшить традиционное компьютерное зрение, но алгоритмы все равно должны быть небольшими. «Они должны быть специально обучены для устройства, в которое они встроены, и работать в режиме реального времени; они должны быть хорошо оптимизированы».

Для приложений безопасности обработка должна производиться на камере на границе, чтобы она могла выполняться в режиме реального времени.

Дополнение к краю

Бережливые алгоритмы и программное обеспечение могут выиграть от оптимизации аппаратного обеспечения. Компания Infineon Technologies недавно представила микроконтроллеры для поддержки пограничных AI/ML-приложений и устранения задержек, возникающих при отправке данных в облако.

Стив Татеосян (Steve Tateosian), старший вице-президент подразделения потребительских, промышленных и IoT MCU, IoT, вычислительных и беспроводных устройств Infineon Technologies, говорит, что его MCU предоставляют разработчикам больше возможностей, оставаясь при этом в пределах установленной мощности, что позволяет сделать больше искусственного интеллекта на границе.

По его словам, важно понимать, что даже когда основная часть данных отправляется обратно в облако для обработки, само устройство платит за это цену, поскольку включение и выключение радиоприемника для отправки и ожидания этих данных сказывается на энергопотреблении. По словам Татеосяна, Infineon рассматривает свою серию MCU PSOC Edge как революционное решение, поскольку они могут обеспечить гораздо больше возможностей при той же или даже немного меньшей мощности.

Одной из ключевых проблем GenAI сегодня является энергопотребление, поэтому можно подумать, что GenAI не окажется на границе, но Татеосян считает, что умные устройства будут становиться все умнее, и пользователи смогут задавать им вопросы, чтобы управлять ими - например, умный термостат сможет использовать языковые модели, чтобы проинструктировать пользователей о том, как подключать, управлять и использовать его.

По его словам, «генеративный искусственный интеллект будет более целенаправленно применяться на границе, потому что продукты на границе известны». «Мой термостат знает, что это термостат. Моя стиральная машина знает, что это стиральная машина. Мой робот на сборочном цехе знает, что он устанавливает окна в автомобили. Это все, что он делает».

Мэтт Джонс, руководитель отдела IP-ядер компании Rambus, говорит, что GenAI в его нынешнем виде привлек внимание к ИИ в целом, поскольку он эволюционирует от 1.0 - рекомендательных систем и интерактивных голосовых приложений, таких как Siri и Alexa, - к 2.0, когда ИИ применяется более широко и практически - менее сексуальные сценарии использования, такие как инспекция сборочных линий и профилактическое обслуживание.

По словам Джонса, следующая волна ИИ будет направлена на расширение штата сотрудников, что, конечно, сопровождается опасениями, что ИИ вытеснит рабочую силу. Но он также отметил, что мощность остается главным препятствием, особенно на фронте GenAI.

Вытеснение людей, энергопотребление остаются проблемами

Стивен Ву (Steven Woo), научный сотрудник и выдающийся изобретатель компании Rambus, говорит, что перемещение данных потребляет много энергии и часто составляет основную часть потребления при использовании типов памяти, предпочтительных для ИИ, таких как память с высокой пропускной способностью (HBM). «Перемещение данных - это большая проблема для ИИ, и она становится только хуже».

По его словам, одним из решений является увеличение плотности вычислений, что кажется не совсем интуитивным, поскольку это приведет к росту энергопотребления, но при этом снижается частота перемещения данных. Ву сказал, что архитектура Blackwell компании Nvidia для GenAI является хорошим примером такого подхода.

По его словам, сами модели, обучение которых обходится недешево, становятся все более ценными, а значит, безопасность приобретает еще большее значение.

Однако в обозримом будущем основная активность в области ИИ будет связана не с GenAI. Скорее, это то, что Карлос Моралес, вице-президент по ИИ в Ambiq, называет «контролируемым» ИИ. Как и Infineon, Ambiq предлагает MCU, позволяющие выполнять больше ИИ на границе, оставаясь при этом в пределах желаемой мощности.

Обучение GenAI предполагает передачу ему большого количества контента, в то время как контролируемый ИИ предполагает маркировку данных - именно так ЭКГ распознает сердечный приступ. «GenAI очень сексуален и сейчас привлекает к себе все внимание», - говорит он.

По словам Моралеса, хотя GenAI будет весьма разрушительным, все остальные виды ИИ растут в три-четыре раза быстрее, потому что они управляют всем, а качество данных имеет решающее значение, чтобы избежать «попадания мусора».

По его словам, контролируемое обучение для небольших задач ИИ должно быть более осторожным с данными, особенно в случае использования в медицине. «Вы не хотите, чтобы в них попадал мусор».

По словам Моралеса, при применении обучения с подкреплением необходимо присутствие человека, который смотрит на первые несколько результатов, чтобы выявить ошибки.

Это обучение может быть применено в краевых приложениях ИИ, которые не будут эффективны, если данные придется отправлять обратно в облако, например, для обнаружения падений пожилых людей, живущих самостоятельно, что, по словам Моралеса, является распространенным фоновым ИИ, который делает жизнь лучше благодаря интеллектуальной автоматизации. «Он работает повсюду».

Рост практического, реального ИИ опережает рост GenAI

Прогнозная аналитика на основе машинного обучения - еще одно безыскусное, реальное применение ИИ, которое проникло во многие отрасли.

В то время как более быстрое и эффективное оборудование имеет решающее значение для развития более сложного ИИ, для практического применения необходимо программное обеспечение для оптимизации процессов принятия решений в сложных средах, таких как цепочки поставок, включая производственные предприятия и склады.

Cosmo Tech предлагает инструмент для моделирования ИИ, который помогает организациям принимать решения на основе данных, полученных с помощью 360-градусного двойника корпоративной организации. Соучредитель Cosmo Tech Мишель Морван говорит, что ИИ стал важным инструментом для поиска путей снижения затрат, повышения эффективности и прибыли, а также повышения устойчивости и стабильности.

На все это может повлиять одно решение или сбой в цепочке поставок - например, судно, застрявшее в Суэцком канале.

Хотя предсказать, что судно может заблокировать канал, невозможно, сказал Морван, можно смоделировать сценарий, при котором канал станет недоступен для транзита.

По словам Морвана, прогностические возможности ИИ могут помочь подготовиться к последствиям серьезных сбоев и многочисленных неопределенностей в цепочке поставок. «Необходимо адаптироваться к событиям в реальном времени».

Если организация хочет увеличить прибыль и сократить выбросы углекислого газа, теперь можно определить, какие решения необходимо принять, а также связанные с ними неопределенности и каскадные эффекты.

Цифровые двойники стали обычным явлением при разработке микросхем, но Морван отмечает, что Cosmo Tech использует предиктивный ИИ для создания цифрового двойника будущего, а не просто моментального снимка текущей системы. «Мы можем показать, как будет развиваться система, что очень важно, когда вы хотите принять решение».

По словам Морвана, использование прошлых данных для прогнозирования будущего имеет свои ограничения, поэтому никто не предсказал, что судно застрянет в Суэцком канале. «Необходимо использовать больше данных, потому что нужно прогнозировать». По его словам, ИИ может моделировать последствия потенциальных событий, которые не произошли в прошлом.

По словам Морвана, использование предиктивного и предписывающего ИИ может помочь принимать более разумные решения для оптимизации цепочки поставок и понимания того, как локальное событие может иметь каскадный эффект, но он должен постоянно отслеживать ключевые параметры, которые могут повлиять на цепочку поставок, чтобы предложить соответствующую реакцию.

По словам Морвана, когда пользователи смогут запрашивать систему на естественном языке, этот тип предиктивного ИИ и GenAI встретятся. «Не GenAI будет делать предсказания или предписания».