Информационно-вычислительная инфраструктура как золотой запас национальных экосистем искусственного интеллекта (ИИ)
Искусственный интеллект (ИИ) вызывает значительные структурные изменения в глобальной конкуренции и экономическом росте. ИИ может принести триллионы долларов в течение следующего десятилетия, но эту ценность будет нелегко зафиксировать или равномерно распределить между странами. Во многом это будет зависеть от того, как правительства инвестируют в базовую вычислительную инфраструктуру, которая делает возможным ИИ.
Однако первые признаки указывают на слепое пятно - отсутствие понимания, измерения и планирования. Это происходит в форме «вычислительного разделения», которое ограничивает инновации в академических кругах, стартапах и промышленности. Политики должны сделать вычисления ИИ ключевым компонентом своего стратегического планирования, чтобы полностью реализовать ожидаемые экономические выгоды.
Что такое вычисления ИИ?
Вычисления ИИ относятся к специализированной области оборудования и программного обеспечения, оптимизированного для приложений или рабочих нагрузок ИИ. Этот «компьютер» можно найти и получить к нему доступ различными способами (общедоступные облака, частные центры обработки данных, отдельные рабочие станции и т.д.) И использовать для решения сложных проблем в различных областях, от астрофизики до электронной коммерции и автономных транспортных средств.
Инфраструктура обычных информационных технологий (ИТ) теперь широко доступна в виде утилиты через поставщиков общедоступных облачных услуг. Эта идея «инфраструктуры как услуги» включает вычисления для искусственного интеллекта, поэтому достаточна распространена идея демократизацию доступа. В то же время это создало состояние самоуспокоенности, что ИИ-вычисления будут там, когда нам это нужно. Однако ИИ - это не то же самое, что ИТ.
Сегодня, когда страны планируют использовать ИИ, они игнорируют вычисления ИИ, а политики сосредоточены почти исключительно на данных и алгоритмах. Ни один правительственный руководитель не может ответить на три фундаментальных вопроса: сколько у страны внутренних вычислительных мощностей искусственного интеллекта? Как это соотносится с другими странами? И достаточно ли у страны возможностей для поддержки национальных амбиций в области ИИ? Отсутствие единообразных данных, определений и критериев лишает руководителей правительства (и их научных советников) возможности сформулировать всеобъемлющий план инвестиций в вычисления в области ИИ.
Измерение вычислительной мощности внутреннего ИИ - сложная задача, усугубляемая нехваткой надежных данных. Хотя существуют общепринятые стандарты измерения производительности отдельных систем ИИ, они используют высокотехнологичные показатели и не подходят для стран в целом. Существует также назойливый вопрос о производительности и эффективном использовании. Что, если страна приобретет достаточные вычислительные мощности ИИ, но не имеет навыков и экосистемы для их эффективного использования? В этом случае увеличение государственных инвестиций не может привести к большей общественной пользе.
Тем не менее, с июня 2017 года по декабрь 2020 года было сформулировано и опубликовано несколько десятков национальных стратегий ИИ. Эти планы в среднем составляют шестьдесят пять страниц и объединены вокруг общего набора тем, включая трансформацию унаследованных отраслей, расширение возможностей образования в области ИИ, продвижение ИИ в государственном секторе. принятие и продвижение обоснованных или заслуживающих доверия принципов искусственного интеллекта. Многие национальные планы амбициозны и недостаточно детализированы, чтобы их можно было реализовать. При проведении обзора сорока национальных планов ИИ и анализа объема и глубины контента, связанного с вычислениями ИИ, мы обнаружили, что в среднем в национальных планах ИИ было 23 202 слова, а в разделах по вычислениям ИИ в среднем всего 269 слов. Проще говоря, 98,8% содержания национальных стратегий ИИ сосредоточено на видении, и только 1,2% охватывает инфраструктуру, необходимую для реализации этого видения.
Двигатель экономического роста
Это было бы эквивалентом национальной транспортной стратегии, в которой дорогам, мостам и автомагистралям уделяется менее 2 процентов рекомендаций. Как и инвестиции в транспорт, вычислительные мощности искусственного интеллекта станут решающим фактором будущего благосостояния наций. Тем не менее, национальные планы ИИ обычно не включают подробных рекомендаций по этой теме. Конечно, есть исключения. Во Франции, Норвегии, Индии и Сингапуре были особенно подробные разделы по инфраструктуре ИИ, некоторые из которых содержали подробные рекомендации по вычислительным требованиям ИИ, производительности и размеру системы.
Экспоненциальный рост вычислительной мощности привел к поразительным улучшениям в возможностях ИИ, но также поднимает вопросы неравенства в распределении вычислений. Справедливость, инклюзивность и этика сейчас занимают центральное место в обсуждениях политики ИИ - и они применимы к вычислениям, хотя их часто игнорируют или отводят на второй план на крупных конференциях. Неравный доступ к вычислительной мощности, а также экологические затраты на обучение вычислительно сложных моделей требуют большего внимания.
Некоторые из наиболее популярных моделей искусственного интеллекта - это большие нейронные сети, работающие на современных машинах. Например, AlphaGo Zero и GPT-3 требуют миллионов долларов в вычислениях AI. Это привело к тому, что в исследованиях ИИ доминируют несколько участников, в основном связанных с крупными технологическими компаниями или элитными университетами. Правительствам, возможно, придется активизировать и сократить разрыв в вычислениях за счет разработки «национальных исследовательских облаков». В Европе и Китае реализуются инициативы по развитию собственных технологий высокопроизводительных вычислений и связанных с ними вычислительных цепочек, которые снижают их зависимость от иностранных источников и способствуют технологическому суверенитету.
Правительства США, Европы, Китая и Японии вкладывают значительные средства в соревнование по разработке суперкомпьютеров, способных производить один миллиард миллиардов (10 18 ) вычислений в секунду. Обоснование инвестиций в высокопроизводительные вычисления заключается в том, что выгоды теперь выходят за рамки научных публикаций и престижа, поскольку вычислительные возможности становятся необходимым инструментом для научных открытий и инноваций. Машины - двигатель экономического процветания.
Что могут сделать политики?
Понимание требований к вычислениям - нетривиальная задача. На микроуровне важно с научной точки зрения понять относительный вклад вычислений ИИ в продвижение ИИ, например, в понимании естественного языка, компьютерном зрении и открытии лекарств. На макроуровне страны и компании должны оценивать потребности в вычислениях с использованием подхода, основанного на данных, который учитывает будущие пути развития национальной экономики.
В 2019 году Стэнфордский университет организовал семинар с участием более ста междисциплинарных экспертов, чтобы лучше понять возможности и проблемы, связанные с измерениями в политике ИИ. В будущем мы рекомендуем правительствам разработать национальный план вычислений с использованием ИИ с подробными разделами о производительности, эффективности и устойчивости. • Производительность для ИИ включает общедоступное облако, суверенное облако (государственное или контролируемое), частное облако, корпоративные центры обработки данных, лаборатории искусственного интеллекта / центры передового опыта, рабочие станции и «пограничные кластеры» (небольшие суперкомпьютеры искусственного интеллекта, расположенные за пределами центра обработки данных). Понимание текущего состояния вычислительных мощностей ИИ во всем этом континууме может определять общественные приоритеты и инвестиции. Партнерские отношения с поставщиками общедоступных облачных сервисов расширяют доступ к вычислениям ИИ и должны рассматриваться как дополняющие (а не конкурирующие) с инвестициями во внутренние вычислительные мощности ИИ. Этот гибридный подход поможет сократить объем вычислений. В более долгосрочной перспективе при планировании мощностей следует учитывать переход от центра обработки данных к периферийным вычислениям. Например, беспилотные грузовики будут оснащены бортовыми суперкомпьютерами с искусственным интеллектом.
• Эффективность достигается за счет множества инициатив, от STEM-обучения до политики открытых данных. Примеры включают национальные молодежные соревнования по ИИ, отраслевые или правительственные хакатоны, программы переподготовки в середине карьеры, учебные лагеря и курсы профессиональной сертификации. Разнообразие всех этих программ является ключом к продвижению инклюзивности и созданию основы для надежного ИИ.
• Устойчивость означает, что страны должны иметь план обеспечения непрерывности вычислений ИИ и, возможно, стратегический резерв, чтобы обеспечить сохранение критически важных государственных исследований и функций управления ИИ. Также важно сосредоточить внимание на углеродном воздействии национальной инфраструктуры ИИ, учитывая, что крупномасштабные вычисления наносят все более тяжелый урон окружающей среде и, следовательно, экономике в целом. Оптимальной стратегией была бы гибридная модель с несколькими облаками, которая сочетает в себе государственную и частную составляющие с государственной или контролируемой (суверенной) инфраструктурой с подотчетностью для поощрения «зеленого ИИ».
Полнота национальной стратегии искусственного интеллекта позволяет прогнозировать способность страны конкурировать в цифровой глобальной экономике. Однако немногие национальные стратегии ИИ отражают четкое понимание внутренних вычислительных мощностей ИИ, того, как их эффективно использовать и как устойчиво структурировать. Странам необходимо действовать путем измерения и планирования вычислительной инфраструктуры, необходимой для реализации их амбиций в области ИИ. На карту поставлено будущее их экономик.