Fogalomtisztázás
Amikor a Huawei az előző generációs Kirin rendszerchipbe belerámolt egy NPU-t, amely a mesterséges intelligenciával kapcsolatos feladatok hatékonyabb megoldását segítette elő, akkor ezzel egy időben azt kezdték kommunikálni, hogy megérkezett az AI az okostelefonokba. Ez akkor nagy dolognak tűnt és azóta már nem csak a kínai gyártó igyekszik minél többféle megoldást mutatni arra, hogy ezt a technológiát miképp lehet kiaknázni, ám egy kicsit elszállt a szuperintelligens telefonokkal kapcsolatos marketing abba az irányba, ami azt sugallja, hogy magától tanul és old meg feladatokat a kezünkben levő termék.
Érdemes ezt az egész témát inkább azzal kezdeni, hogy megpróbálunk valamiféle rendet tenni a fogalmak között, mert az AI (artifficial intelligence) sokkal összetettebb tudományág, mintsem azt el lehetne intézni azzal, hogy van benne NPU, tehát akkor ez már egy AI-telefon. Egyrészt az AI nem egy friss kifejezés. Már sok-sok éve használjuk olyan esetekre, amikor egy szoftver egy ismert adatmennyiség alapján bizonyos algoritmusokat használva reagál egy-egy történésre. Erre a korabeli számítógépes játékok is jó példák: főleg stratégiai játékoknál volt mindig egyfajta minőségi mérce, hogy mennyire “okos” az AI, magyarán mennyire életszerűen reagált a gépi ellenfél a mi cselekedeteinkre, már egy sima sakkautomata is innen nézve AI volt. (És egyébként a sakk összetettsége sokáig óriási kihívás volt programozói oldalról és az adott technikai színvonalhoz képest irgalmatlan erőforrásokkal lehetett olyan szoftvert készíteni, amely méltó ellenfele volt az embernek.)
1997-ben Gary Kasparovot elverte az IBM Deep Blue szuperszámítógépe sakkban (forrás: The Guardian) [+]
Szóval AI-nak nevezzük már azt is, amikor egy előre betáplált adathalmaz és eseményrendszer alapján a szoftver döntéseket tud hozni. A mostanában AI-ként marketingelt funkciók és megoldások viszont az AI-nak egy specifikus ágát jelentik, amit gépi tanulásnak hívunk (machine learning), ami abban más, hogy nem előre definiált események és adatokra ad egy fix választ a szoftver, hanem az általa ismert (megtanult) minták alapján kalkulál egy reakciót. Alapvetően ez is egy szoftveres megoldás, de valóban nem árt, ha van mögötte olyan hardver, amit specifikusan erre a fajta feladatra alkottak meg (ez lehet az NPU, amiről lesz részletesen is szó a következő oldalon), mert így tud gyorsan döntéseket hozni és reagálni például az okostelefonunk is. Tegyük azt is hozzá, hogy a gépi tanulás messze nem olyan szexi kifejezés, mint a mesterséges intelligencia, amely az átlagemberek zöménél automatikusan sci-fi asszociációkat indít el, az öntudatra ébredő és az emberiséget elpusztító gépekkel a legvégső esetben.
Erről nem csak hogy szó nincs, hanem a jelenlegi technológiai tudásunk fényévekkel el van ettől maradva, szóval nem kell rettegni attól, hogy elindult egy olyan folyamat, aminek belátható időn belül az a vége, hogy a telefonunk hirtelen átveszi az irányítást a mindennapjaink felett. A gépi tanulás viszont egy irgalmatlanul hasznos dolog tud lenni egy csomó esetben, ráadásul ezt pont a Huawei kezdte el még implementálni akkor, amikor nem is volt NPU a rendszerchip mellett, a Mate 10-ben például már bevezettek egy olyan, a háttérben futó megoldást, ami a felhasználó szokásait, alkalmazáshasználatát és tevékenységeit megfigyelve (és ezekről adatokat gyűjtve, analizálva) igyekezett abban, hogy úgy optimalizálja a rendszer erőforrásait, hogy a készülék akkor se lassuljon be az idő előrehaladtával, ha a júzer nem nullázza ki időnként a rendszert, hanem csak gyűlnek az alkalmazások és az adatok. És ez egyébként kifejezetten jól is működött, csak hát kicsit nehéz volt reklámkampányt építeni köré, ez ugyanis nem csak egy óriásplakáton jól mutató szám (mint a kamera felbontása), hanem némi magyarázatra is szorult.
Úgyhogy nyilván ilyen szempontok is közrejátszottak abban, hogy mindaz, amit most a készülékgyártók és a beszállítók (főleg rendszerchip oldalról) AI-nak hívnak, az igazából gépi tanulás. Nem nevezhető hibásnak az, hogy ehelyett az AI kifejezés van előtérbe tolva, mert az AI egy nagy gyűjtőterület, amelynek valóban az egyik ága a machine learning, és valóban jobban felfigyelnek erre a vásárlók, kicsit misztikus, kicsit jövőbelinek hat, pedig annyira nem durva, mint ahogyan azt a piaci szereplők sejtetik, egy hosszú evolúciós fázis egy olyan lépcsőfoka, amikor már ténylegesen lehet mutatni végfelhasználói szempontból is olyan megoldásokat, amelyeket ennek köszönhetünk.
A cikk még nem ért véget, kérlek, lapozz!