211service.com
Din neste datamaskin kan bli bedre med alderen
Jon Han
Vanligvis bremser datamaskiner ned når de blir eldre. Prosessorene deres sliter med å håndtere nyere programvare. Apple til og med bevisst bremser sine iPhones ettersom batteriene deres brytes ned. Men Google-forskere har publisert detaljer om et prosjekt som kan la en bærbar PC eller smarttelefon lære å gjøre ting bedre og raskere over tid.
Forskerne taklet et vanlig problem innen databehandling, kalt prefetching. Datamaskiner behandler informasjon mye raskere enn de kan hente den fra minnet for å bli behandlet. For å unngå flaskehalser prøver de å forutsi hvilken informasjon som sannsynligvis vil være nødvendig og trekke den på forhånd. Etter hvert som datamaskiner blir kraftigere, blir denne forutsigelsen stadig vanskeligere.
I et papir lagt ut på nettet denne uken, beskriver Google-teamet bruk av dyp læring – en AI-metode som bruker et stort simulert nevralt nettverk – for å forbedre forhåndshenting. Selv om forskerne ikke har vist hvor mye dette setter fart på ting, kan løftingen bli stor, gitt hva dyp læring har ført til andre oppgaver.
Arbeidet vi gjorde er bare toppen av isfjellet, sier Heiner Litz fra University of California, Santa Cruz, en gjesteforsker på prosjektet. Litz mener det bør være mulig å bruke maskinlæring på alle deler av en datamaskin, fra lavnivåoperativsystemet til programvaren som brukerne samhandler med.
Slike fremskritt ville være passende. Moores lov bremser endelig ned, og den grunnleggende utformingen av databrikker har ikke endret seg mye de siste årene. Tim Kraska , en førsteamanuensis ved MIT som også utforsker hvordan maskinlæring kan få datamaskiner til å fungere bedre, sier at tilnærmingen også kan være nyttig for algoritmer på høyt nivå. En database kan automatisk lære hvordan man håndterer økonomiske data i motsetning til sosiale nettverksdata, for eksempel. Eller en applikasjon kan lære seg selv å svare på en bestemt brukers vaner mer effektivt.
Vi pleier å bygge generelle systemer og maskinvare, sier Kraska. Maskinlæring gjør det mulig at systemet automatisk tilpasses, til kjernen, til de spesifikke dataene og tilgangsmønstrene til en bruker.
Kraska advarer om at bruk av maskinlæring forblir beregningsmessig dyrt, så datasystemer vil ikke endre seg over natten. Men hvis det er mulig å overvinne disse begrensningene, sier han, kan måten vi utvikler systemer på, endre seg fundamentalt i fremtiden.
Litz er mer optimistisk. Den store visjonen er et system som hele tiden overvåker seg selv og lærer, sier han. Det er virkelig starten på noe veldig stort.