Когда в начале 80-х на моем рабочем месте появились первые два IBM PC с тремя программами, каждая на одной дискете 5–1/4 дюйма, плюс жесткий диск емкостью 10 МБ, на дискетах был AutoCAD для механического проектирования, PCAD для электронного проектирования и текстовый процессор MultiMate. Инженеры планировали использовать эти две машины вместо чертежных досок и пишущих машинок IBM Selectric, и быстро стало очевидно, что ПК — это сила, которая окажет огромное влияние на наш мир.
Перенесемся в 2020 год, когда мы недавно завершили разработку автономной газонокосилки с навигацией и зрением на основе ИИ, зубной щетки с зрением на основе ИИ и сверхлегких носимых устройств, использующих модели с искусственным интеллектом в Tensor Flow Lite. Хотя ни одно из этих усилий было бы невозможно без опоры на историю, которая началась с платформы ПК в 80-х годах, между ПК и ИИ существует более разрушительная общая нить.
Чтобы проиллюстрировать это, давайте рассмотрим два подхода к разработке прошивки для носимых устройств с отслеживанием активности:
Традиционный подход:
Напишите программу для определения начальной ориентации носимого устройства, затем разработайте процедуры для расшифровки ходьбы, бега и подъема по лестнице и т. д. Это требует многочасового использования носимого устройства при сборе данных, частых возвращений в лабораторию для анализа различий в формах сигналов для «вручную» расшифровать различия между этими видами деятельности.
Подход AI/ML:
Создайте мобильное приложение для подключения к носимым устройствам, позволяющее пользователям помечать любые действия, которые не распознаются носимыми устройствами. Дайте носимое устройство и приложение 10 пользователям, попросив их помечать свои действия при появлении соответствующего запроса от приложения. Каждый день приложение каждого пользователя загружает данные в облако, чтобы сопоставить собранные данные с «метками», предоставленными каждым приложением пользователя. Результатом этого анализа является обновленная модель машинного обучения, которая загружается в носимые устройства, что улучшает их коллективную способность распознавать, какое действие выполняется. Модель, загруженная в носимое устройство, распознает помеченные действия, поэтому для точной настройки способности распознавания движения носимого устройства не требуется программирование алгоритма встроенной платформы. Кроме того, возможности модели распознавания автоматически улучшаются благодаря постоянному использованию и маркировке действий всеми пользователями.
Точно так же, как IBM PC разрушил мир инженерии и привел к развитию Интернета, машинное обучение — это непреодолимая сила, которая меняет способы разработки продуктов и программирования. Те, кто не сможет адаптироваться к этому сдвигу, скорее всего, будут подорваны теми, кто использует ИИ и машинное обучение в своей работе. Образовательные системы также должны будут адаптироваться; осваиваем новые методы обучения моделированию/маркировке AI/ML «программированию» наших сотрудников и наших детей.
С этой точки зрения ИИ — это современный ПК, и он изменит абсолютно все!