211service.com
Din nästa dator kan bli bättre med åldern
Jon Han
I allmänhet saktar datorer ner när de åldras. Deras processorer kämpar för att hantera nyare mjukvara. Apple till och med medvetet saktar ner sina iPhones eftersom deras batterier försämras. Men Google-forskare har publicerat detaljer om ett projekt som kan låta en bärbar dator eller smartphone lära sig att göra saker bättre och snabbare med tiden.
Forskarna tog itu med ett vanligt problem inom datoranvändning, kallat prefetching. Datorer bearbetar information mycket snabbare än de kan hämta den från minnet för att bearbetas. För att undvika flaskhalsar försöker de förutse vilken information som sannolikt kommer att behövas och dra den i förväg. När datorer blir kraftfullare blir denna förutsägelse allt svårare.
I ett papper publicerat online den här veckan beskriver Google-teamet hur man använder djupinlärning – en AI-metod som använder ett stort simulerat neuralt nätverk – för att förbättra förhämtning. Även om forskarna inte har visat hur mycket detta påskyndar saker och ting, kan uppsvinget bli stort, med tanke på vad djupinlärning har lett till andra uppgifter.
Arbetet som vi gjorde är bara toppen av ett isberg, säger Heiner Litz från University of California, Santa Cruz, en gästforskare i projektet. Litz anser att det borde vara möjligt att tillämpa maskininlärning på alla delar av en dator, från lågnivåoperativsystemet till programvaran som användarna interagerar med.
Sådana framsteg vore lämpliga. Moores lag saktar äntligen ner, och den grundläggande designen av datorchips har inte förändrats mycket under de senaste åren. Tim Kraska , en docent vid MIT som också undersöker hur maskininlärning kan få datorer att fungera bättre, säger att tillvägagångssättet också kan vara användbart för högnivåalgoritmer. En databas kan automatiskt lära sig hur man hanterar finansiell data i motsats till sociala nätverksdata, till exempel. Eller så kan en applikation lära sig att svara på en viss användares vanor mer effektivt.
Vi tenderar att bygga generella system och hårdvara, säger Kraska. Maskininlärning gör det möjligt att systemet automatiskt anpassas, till sin kärna, till en användares specifika data och åtkomstmönster.
Kraska varnar för att användningen av maskininlärning förblir beräkningsmässigt dyr, så datorsystem kommer inte att förändras över en natt. Men om det är möjligt att övervinna dessa begränsningar, säger han, kan sättet vi utvecklar system på i grunden förändras i framtiden.
Litz är mer optimistisk. Den stora visionen är ett system som ständigt övervakar sig själv och lär sig, säger han. Det är verkligen början på något riktigt stort.