Egy Wired-tanulmány margójára

Kódolók helyett gépitanulás-tanárok?

2016. május 25. 08:45

Paradigmaváltás az ember-számítógép viszonyban: a gépi tanulás elterjedésével kevésbé fontos a kódolás, programozás, és a programozó sem érti teljesen saját fejlesztését.

42

A telekommunikációs és techszektorban rendkívül aktív Xavier Niel francia befektető többek között az Iliad internetszolgáltató alapítója és többségi részvényese, a Le Monde társtulajdonosa, a Monaco Telecom tulajdonosa. Legújabb projektje a 100 millió dolláros 42, a szilícium-völgyi kódoló-egyetem kakukktojás lesz a felsőoktatási intézmények között: öt év alatt 10 ezer 18 és 30 közötti diákot tanítanak meg ingyen programozni, kódot írni. A felvételi sem hagyományos (most kezdődik a jelentkezés, novemberben indul a suli): bevett tudásfelmérő tesztek helyett a jelentkezők négy hetet megerőltető logikai és más feladatok megoldásával töltenek el, majd a legjobbak elkezdhetik tanulmányaikat. Nincsenek tanárok, nincsenek tantermek, a diákok 3-5 év alatt sajátítják el a szoftvermérnökséghez szükséges ismereteket. A bentlakásos iskola szakértői értékelésekről, kódolási projektekről és játékosításról (gamification) szól.

 
Nem ez az első 42, Párizsban 2013 óta működik hasonló, ott 2500 diák tanul.
„Ha kontrolláljuk a kódot, kontrolláljuk a világot” – véli Marc Goodman biztonsági szakértő és jövőkutató.

Valóban? És mennyire lesz szükség programozási mindentudásra, amikor az első szilícium-völgyi diákok végeznek?

Mindent átír a gépi tanulás

Jason Tanz, a Wired szerkesztője szerint talán már egyáltalán nem, mert „hamarosan nem fogunk számítógépet programozni. Úgy trenírozzuk majd őket, mint a kutyákat.”

Az utóbbi néhány év valószínűleg legfontosabb számítástudományi trendjére hívja fel a figyelmet: az elosztott rendszerekkel, hatalmas számítási kapacitással és a mély ideghálók megjelenésével reneszánszát élő gépi tanulás körüli hatalmas felhajtással, kutatásával és alkalmazásaival számítógépeink „más nyelven kezdenek el beszélni”, amit még a legjobb programozók sem értenek teljesen. Explicit, lépésről lépésre kiadott és követett utasítások, utasítássorok helyett tanítják őket (algoritmusokat, ideghálókat stb.) – kép- és beszédfelismerésre, természetesnyelv-feldolgozásra és sok más mesterségesintelligencia-szakterületre. A big data korában stílszerűen irdatlan adatmennyiségen gyakorolnak, ha oroszlánt kell azonosítaniuk, ezernyi, tízezernyi képet mutatnak neki az állatról, aztán előbb-utóbb felismeri. Ha összekeveri egy tigrissel vagy gepárddal, addig nézeget fotókat, amíg egyszer sem hibázik. Semmiféle kódot nem kell átírni, hagyományos szabályokat nem kell írni hozzá.

A Facebook, a Microsoft Skype-fordítója, a Google Photos és most már a keresőmotor is használja, egyre nagyobb mértékben függ az MI-kutatások legújabb paradigmaváltását jelentő gépi tanulástól.

Isten után szülők és partnerek

Csakhogy az ideghálók sokhelyütt átláthatatlan és rejtélyes fekete dobozként működnek; valahogy úgy, mint mintaadójuk, az ember agy. Végzik dolgukat, és a tervezők sem értik pontosan, hogyan. Vége annak a világnak, amikor a programozó mindent átlátott, kvázi-istenként kezelhette teremtményeit. A teremtmények mind több és fontosabb feladatot kiviteleznek, (bigdata-alapú) döntéseket hoznak. Szimbólumok, szabályok követése helyett adatokból, számokból és még több számból pallérozódnak, elemezhetetlenné válik a gépi nyelv, előrejelezhetetlen emergens viselkedésformák jönnek létre (mint a természetben), valami kezdetleges tudatféle. Sokrétűbbé, bonyolultabbá válik az ember-gép viszony, átalakul a szoftvermérnök szerepe, mert a mély ideghálókban – Tanz szerint – „matematikai óceánt, masszív, többszintes számítási problémasorokat lát, amelyek a milliárdnyi adatpont közötti kapcsolatokból eredően folyamatos találgatásokat generálnak a világról.”

Ezekhez az ideghálókhoz másfajta munkaerőre lesz szükség, kevesebb kódolással – „a kód kevésbé fontos, mint a trenírozáshoz használt adatok” (Tanz) –, a rendszerek betanításához nélkülözhetetlen metaismeretekkel.

A munka oroszlánrészét úgyis a gépi tanulás oldja meg.

„A rendszerekből kihozni a legjobbat, olyan mint a művészet. Igazán csak párszázan értenek hozzá az egész világon” – jelentette ki a gobajnokokat verő AlphaGo (Google DeepMind) fejlesztését vezető Demis Hassabis.

Belőlük kellene sokkal többet képezni, amire alighanem a 42-ben is rájönnek.

A bejegyzés trackback címe: http://digit.mandiner.hu/trackback/22689