A Facebook szoftverfejlesztő részlege új igényeket fogalmazott meg a minap. A szakemberek szeretnék elérni, hogy valós időben szűrhessék a különböző felkerülő tartalmakat, legyen szó posztokról, képekről vagy éppen videókról. A tervekről a Paris Technology Conference alkalmával esett szó: a vállalat lényegében olyan saját processzorokat szeretne fejleszteni, amelyekkel kamatoztatni lehet a gépi tanulásban rejlő lehetőségeket.
A Facebook mesterséges intelligenciával foglalkozó kutatórészlegének vezetője, Yann LeCun szerint azért van szükség efféle chipekre, mert a Facebook szeretné minél hamarabb eltávolítani az offenzív videókat. Ilyen tartalmak lehetnek a gyilkosságot vagy öngyilkosságot közvetítő élő bejelentkezések, amelyek sokakat kavarhatnak fel. Ezeket pedig elég nehéz valós időben szűrni, hiszen óriási számítási teljesítmény kell a gyors felismerésükhöz és eltávolításukhoz, de ezzel együtt az is probléma, hogy a kiszolgáló infrastruktúra rengeteget fogyaszt, ami újabb kihívások elé állítja a fejlesztőket.
Éppen ezért olyan energiahatékony chipek fejlesztésébe kezdett a cég, amely az adott feladatokat hatékonyan, minél alacsonyabb fogyasztás mellett tudja elvégezni – gyakorlatilag speciális célhardver készül a munkára. Ez persze nem egyedülálló a piacon, hiszen sok egyéb vállalat is hasonló célhardverek fejlesztésén dolgozik, gondoljunk csak a Samsungra, az Intelre vagy éppen az Nvidiára. A piacon annyi változott, hogy most már a kisebb vállalatok is szeretnének maguknak olyan speciális, saját igényeikre szabott chipeket, amelyek az adott feladatokat a lehető leghatékonyabban és leggyorsabban végzik el.
A gépi tanulásra támaszkodó valós idejű tartalomszűrő igazán hatékony fegyver lehet a nem kívánt tartalmak gyors kiszűrésére, ami igen-igen jó ötletnek tűnik és hasznosságához sem igazán férhet kérdés. Ugyanakkor egy efféle rendszert nem csak az erőszakos videók, a gyűlöletbeszéd és az egyéb, kártékony tartalmak gyors eltávolítására lehet használni. Akár cenzúra alapjaként is működhet viszont: villámgyorsan el lehet hallgattatni bizonyos szónokokat, de egyéb nem-agresszív tartalmakat is el lehet tüntetni, ha aztegyes érdekek úgy kívánják. Ez azért is veszélyes, mert az emberek így nem veszik majd észre, ha fontos tartalmakat cenzúráz, vagy éppen tüntet el a Facebook, kivéve, ha közzétevőjük felemeli a szavát az igazságtalan bánásmóddal szemben.
A gépi tanulást gyorsító célhardver fejlesztése korábban már a Google szakembereiben is felmerült igényként, így a gondolatokat tett követte, 2015-ben elkészült az első Tensor Processing Unit, ami végül 2016-ban mutatkozott be. Az AlphaGo AI futtatására és a vállalat szolgáltatásainak bővítésére, gyorsítására specializálódott célhardver akkoriban egy nagy előrelépést képviselt a Tesla K80-as gyorsítókkal szemben, hiszen rögtön három generációnyi ugrásnak bizonyult, több nagyságrenddel nagyobb teljesítménnyel, mint amire az Nvidia hardver képes volt. Később, 2017 folyamán elkészült a TPU 2.0, ami már a tanulási folyamat gyorsítására fókuszált, de már a TPU 3.0-s kiadását is bejelentette a Google, ami ismét nagy előrelépést hoz teljesítmény terén.
Az online szolgáltatások mellett egyéb területeken is aktívan érdeklődnek a gépi tanulás iránt. Ide tartoznak az okostelefon-gyártók, akik az akkumulátoridő menedzseléséhez, a fotók minőségének javításához, a képek rendezéséhez, illetve egyéb feladatokhoz is bevetik a gépi tanulást, hogy a felhasználói élményt új szintre emeljék. És a technológia iránt a későbbiekben sem csökken majd az érdeklődés, éppen ellenkezőleg: egyre több és több eszközbe kerülhet mesterséges intelligencia, legyen szó konzumer termékekről, vagy éppen adatközpontokba szánt megoldásokról.
