Суа Чо, один из разработчиков фреймворка PyTorch, провёл параллель между текущим состоянием индустрии искусственного интеллекта и ранними этапцами компьютерных технологий. По его словам, сегодня специалисты фактически «программируют ИИ на ассемблере» — пишут низкоуровневый, трудоёмкий и плохо масштабируемый код, хотя конечная цель индустрии лежит гораздо выше.

В качестве второго сравнения Чо привёл интернет 1991 года — за год до появления первого веб-браузера и до того, как Всемирная паутина стала массовым явлением. Тогда уже существовали протоколы, сети и серверы, но не было удобного слоя поверх них, который превратил бы технологию в повседневный инструмент. Сейчас, по логике сравнения, индустрия ИИ находится в похожей точке: базовые механизмы работают, однако не хватает более абстрактного, удобного уровня, который сделает работу с моделями массовой.

Ассемблер в этой аналогии — это ручная оптимизация вычислений, тонкая настройка моделей и инфраструктуры, с которой сегодня приходится иметь дело исследователям и инженерам. Разработчику на ассемблере приходится вручную контролировать регистры, память и каждую инструкцию; большинство современных программистов такой работой не занимается благодаря языкам высокого уровня и компиляторам. В мире ИИ аналогичный «высокий уровень» пока не сформирован, и специалисты вынуждены спускаться глубоко в технические детали ради прироста производительности.

Сравнение с интернетом 1991 года усиливает мысль: то, что сегодня выглядит сырым и нишевым, через несколько лет может лечь в основу повседневных продуктов. В 1991-м интернетом пользовались в основном академические учреждения и узкие профессиональные сообщества; появление веба и браузеров превратило его в глобальную инфраструктуру. По схожей траектории, по мысли Чо, может пойти и искусственный интеллект, когда появятся более удобные инструменты поверх существующих моделей.

Из контекста высказывания следует, что индустрия нуждается в новом уровне абстракции — программных слоях, способных скрыть от разработчиков сложность низкоуровневой работы и сосредоточить их на прикладных задачах. Пока такого слоя нет, прогресс упирается в дефицит специалистов, способных работать на стыке исследований и инженерии, и в высокую стоимость экспериментов. Создание более доступных инструментов способно расширить круг тех, кто может вносить вклад в развитие ИИ, и ускорить переход от лабораторных прототипов к массовым продуктам.

Сам Чо известен прежде всего как один из ключевых контрибьюторов PyTorch — открытого фреймворка машинного обучения, который используется для обучения и запуска нейросетей и де-факто стал одним из стандартных инструментов в индустрии. Его оценка отражает взгляд человека изнутри исследовательского сообщества, а не маркетинговый прогноз компании. Тем интереснее, что даже инженеры, стоящие у истоков современных инструментов ИИ, говорят о необходимости нового технологического слоя поверх уже существующих решений.