Exaflop time! (2018)

The [Chinese] government is aiming for China’s supercomputers to reach 100 petaflops in 2015, and then 1 exaflop (1,000 petaflops), in 2018, according to Zhang Yunquan, a professor at the Institute of Software Chinese Academy of Sciences, who also keeps track of China’s top supercomputers.

1 exaflop är i samma storleksordning som 50 människohjärnor. Om själva kartläggningen av hjärnans beräkningsalgoritmer fortsätter i samma takt som på sistone så kommer IBMs nuvarande Watson då framstå som en enkel damspelsdator i jämförelse med AI-systemen runt decennieskiftet. Sen har mänskligheten ändå ett decennium på sig att skapa en AI som klarar Turingtestet innan 2030 för att uppfylla Kurzweils prognoser.

Siri får se upp när Watson blir mobil

The supercomputer [IBM’sWatson] defeated two human champions on Jeopardy! in early 2011. And later that year, Watson gave his first practical demo in medicine and inked his first big contract with insurance firm, WellPoint.

Nu siktar Watson på att ta över andra områden samt anpassa sig till molnet och bli mobil. Siri får se upp.

Lite info om varför Watson behövs:

Broadly, medical information is doubling every five years, and yet it takes some 15 years to enter mainstream practice. Martin Kohn of IBM notes even if doctors “read one article every night, all year, that was relevant to [their] practice, at the end of the year, [they’d] be 10 years behind current information.”

Och varför Watsons teknik fungerar trots en massa gammal analog information:

And although the world’s information may not be digital just yet—we are closing in on that goal daily. Not to mention the shocking statistic that “90% of the world’s data is less than two years old” and therefore mostly digitized already.

Top 500 Supercomputers

Nr 1 på listan över superdatorsystem sedan juni 2012 är BlueGene med 16 petaflops. I listan anges även 20 PF som maxhastighet. Det är i samma storleksordning som den mänskliga hjärnan så nu kan racet mot stark AI börja på allvar.

Först snabbare system och sedan allt mindre system med samma hastighet. Parallellt med detta: forskning på hjärnans uppbyggnad och informationsbehandlingsalgoritmer. Det bådar gott för en relevant hjärnsimulering lagom till 2020-talets början.

Redan nu sprider sig IBMs Watsonteknologi (Jeopardydatorn som numera anänds som läkemedelsexpert och med planer på alla möjliga andra områden). Om 10 år lär vi ha fått se mycket spännande aktivitet på AI-området. Frågan är om vi kommer märka det eller om det smyger sig på oss så vi fortsätter att vara gravt oimponerande ända in i singulariteten.

Jag har en känsla av att 2020-talet blir fantastiskt.

Kartläggningen av hjärnans struktur accelererar

The Blue Brain Project har tagit ett rejält kliv framåt.

Resultat: (BBP) has identified key principles that determine synapse-scale connectivity.

Tillvägagångssätt: Each neuron in the circuit was reconstructed into a 3D model on a powerful Blue Gene supercomputer.

En av slutsatserna var: This means that neurons grow as independently of each other as physically possible and mostly form synapses at the locations where they randomly bump into each other.

Målet:  to reconstruct the brains of different species — including the human brain — in silico.

Smal AI-applikation för cancerdiagnos: IBM Watson

Memorial Sloan Kettering har startat ett projekt för att använda IBMs Jeopardy-system Watson för cancerdiagnos. Det är bara ett av flera exempel på hur Watsons maskinlärande kan användas för att få fram praktisk kunskap ur stora ostrukturerade datamängder. I det här fallet gör det att mindre erfarna cancerläkare kan agera som om de hade 1000-tals superspecialister på hundratals olika cancerformer med sig i rummet när diagnosen ställs.

NY Times Technology Timeline

NYT tech timeline finns här och kan justeras av läsaren själv. Tex spås just nu att de flesta människor kommer ha tillgång till förbättrad cybernetisk intelligens år 2034 och att vi kommer förstå djur 2071.

IBMs Blue Gene III siktar på 100 Petaflops nästa år, men först 20PF

Den nuvarande ettan kör på 10 Petaflops vilket kan vara tillräckligt för att simulera människohjärnan och utgöra grunden till stark AI.

The third generation in the Blue Gene family of supercomputers, Blue Gene/Q operates at an order of magnitude faster than previous systems, deploying 16 multi-processing core technology and a scalable peak performance up to 100 petaflops—a massive leap forward in parallel computing power. Applicable to a growing set of computationally intensive workloads within the scientific community, Blue Gene/Q is the ideal platform for highly complex projects in a broad range of areas from nuclear energy to climate modeling.

Introduktion till AI på (med) Stanford

Idag började Stanfords publika on-line-kurs i artificiell intelligens. Jag har tittat på videorna och gjort övningsexemplen. Första lektionen var mycket grundläggande och nästan onödig. En irriterande egenskap med videofrågorna var att mina svar oftast inte registrerades. Jag fick ett felmeddelande och klickade mig sen vidare till nästa video. Jag har ändå gott hopp om att det kommer bli bättre framöver.

Automated Insights = AI

Företaget AIs artikel-bot skriver över 15 000 sportkommentarer i månaden. Automatiskt. Artiklarna baseras på 2 miljarder datapunkter inom sport och databasen växer förstås med varje nytt sportresultat. Artiklarna kanske inte är djuplodande och insiktsfulla som skrivna av en intresserad journalist, men då de kan ta hänsyn till hela det historiska perspektivet (alla datapunkter) och göra samma goda research oavsett hur litet farmarlag det handlar om blir ett journalistiskt arbete uträttat som annars inte skulle utförts.

Smal AI som bara blir bredare med tiden…

AI-konferensen i augusti

Google var värd för årets stora AI-konferens, den fjärde årliga Artificial General Intelligence-konferensen (AGI-11). Ben Goertzel rapporterade, möjligen något besviken, från konferensen att den blivit (för) seriös och kanske mindre ambitiös och hoppfull, men var ändå glad att det öht finns en stor AGI-community:

”I think it’s fair to say that there were no dramatic breakthroughs presented. Rather, there was more of a feeling of steady incremental progress. Also, compared to previous years, there was less of a feeling of separate, individual research projects working in a vacuum — the connections between different AI approaches seem to be getting clearer each year”

”It may be that we need a scientific breakthrough in the rigorous theory of general intelligence before we can engineer an advanced AGI system. But … I presently suspect that we don’t. My current opinion is that it should be possible to create a powerful AGI system via proceeding step-by-step from the current state of knowledge — doing engineering inspired by an integrative conceptual, not quite fully rigorous understanding of general intelligence.”