Bardzo zakłócający czas AI

Ryan Adams wie, że jego wyczucie czasu było idealne. Profesor informatyki na Harvardzie od 2011 roku i współprowadzący podcast o uczeniu maszynowym Mówiące Maszyny Adams kierował grupą badającą inteligentne algorytmy, kiedy jego 15-miesięczny start-up zajmujący się uczeniem maszynowym, Whetlab, został kupiony przez Twitter zeszłego lata.

Technologia Whetlab automatyzuje niektóre z najtrudniejszych części budowy wielkoskalowych systemów uczenia maszynowego. Został stworzony, aby sprostać trudnym wyzwaniom związanym z uczeniem maszynowym, takim jak wizualne rozpoznawanie sprzeciwów i przetwarzanie mowy.

Ryan Adams

Naukowcy z Harvardu zaczęli używać tego narzędzia w wielu różnych projektach, od robotów biomedycznych po problemy chemiczne, a Netflix wykorzystał wczesną wersję open source do eksperymentowania również z głębokim uczeniem.

Teraz, na urlopie z Harvardu, Adams rozmawiał ze starszym redaktorem Business Reports Nanette Byrnes w biurze Twittera w Cambridge w stanie Massachusetts o rosnącym zainteresowaniu uczeniem maszynowym.

Sztuczna inteligencja przekształciła się z przedmiotu badań akademickich w narzędzie komercyjne. Co to napędza? Nowe algorytmy, szybkie komputery, tony dostępnych danych?

Jak cokolwiek innego, myślę, że inwestycja w sztuczną inteligencję zrobiła dużą różnicę. W tym momencie firmy technologiczne zainwestowały miliardy dolarów, a to przyspiesza sprawę.

Jak Twitter kupując Twoją firmę. Jak uczenie maszynowe może ulepszyć Twittera? Czy możesz podać przykład?

Istnieją ogromne możliwości poprawy sposobu organizacji treści na Twitterze, pomagania w znajdowaniu nowych rzeczy, pomagania w odkrywaniu społeczności, z którymi możesz wchodzić w interakcje, i po prostu sposobów, w jakie Twitter może być lepszym doświadczeniem dla jego użytkowników. Jednym z wyzwań, które możesz sobie wyobrazić, jest połączenie interesujących informacji, do których ludzie podają linki, i próba zrozumienia tych treści w odniesieniu do treści na Twitterze.

Ile technik sztucznej inteligencji, takich jak głębokie uczenie, wciąż pozostaje tajemnicą?

W tej chwili uczenie głębokie jest bardzo empiryczne. Wiesz, że wyraźnie dzieją się ważne rzeczy. Te [systemy głębokiego uczenia się] robią fajne rzeczy. Niewiele to rozumiemy, ale działają.

Definiowanie sztucznej inteligencji może być trudne, a nawet właściwy test sztucznej inteligencji jest przedmiotem dyskusji.

Dlaczego te firmy nie czują się tak, jakby oddały farmę, kiedy oddają swój kod i pomysły? Ponieważ inne firmy nie mają mocy obliczeniowej Google, nie mają mocy obliczeniowej Twittera ani danych.

Częścią tego wyzwania jest potrzeba antropomorfizacji pojęcia inteligencji. Używamy wyrażenia sztuczna inteligencja, jakby inteligencja nie była własnością świata. Nie nazywamy samolotów sztucznymi ptakami, a one nie mają sztucznego lotu. Mają rzeczywisty lot, prawda?

To bardzo antropocentryczny pogląd, że gdyby istniała inna inteligentna rzecz, byłaby to sztuczna. Dlatego myślę, że bardzo trudno jest wymyślić definicję inteligencji, która nie jest antropocentryczna, a ja takiej nie mam.

Jeśli wróciłeś i powiedziałeś początkującemu myślicielowi o sztucznej inteligencji, 50 czy 60 lat temu, będziesz mieć przy sobie przez cały czas urządzenie, które zasadniczo może odpowiedzieć na każde pytanie, na które chciałbyś odpowiedzieć poprzez ogromny zakres tematów; może zrozumieć Twój głos i zapewnić widok na dowolne miejsce na świecie, podpowiedzieć Ci, jak dostać się z punktu A do punktu B – jeśli wyjaśnisz w skrócie, co Twój smartfon jest w stanie zrobić za pomocą Google i różnego rodzaju narzędzi mapowych i Siri – myślę, że ta osoba powiedziałaby: To AI. Jednak to, czego oczekujemy od narzędzi, z których korzystamy, zmienia się z czasem masowo.

Do tej pory firmy były niezwykle otwarte na dzielenie się spostrzeżeniami AI, wypuszczanie oprogramowania open source, umożliwianie pracownikom publikowania artykułów i przemawiania na konferencjach i tak dalej. Jak myślisz, jak długo to potrwa?

Otwarcie kodu jest dobre dla wniesienia wkładu do społeczności, pomaga rekrutować najlepsze talenty w zakresie uczenia maszynowego, a także pozwala firmom korzystać z ulepszeń, jakie większa społeczność wprowadza do narzędzi.
Dlaczego te firmy nie czują się tak, jakby oddały farmę, kiedy oddają swój kod i pomysły? Ponieważ inne firmy nie mają mocy obliczeniowej Google, nie mają mocy obliczeniowej Twittera i nie mają danych, prawda? Więc możesz mieć pomysły. Możesz mieć kod. Ale jeśli nie masz danych i nie masz mocy, co zamierzasz z nimi zrobić?

Jak myślisz, jaką formę przybierze sztuczna inteligencja?

Sztuczna inteligencja nie wygląda zbytnio jak robot, który nagle staje się dla mnie bardzo inteligentny, nie sądzę. Myślę, że sztuczna inteligencja po prostu wygląda jak narzędzia, które cały czas stają się coraz lepsze.

Jedną rzeczą, o którą się martwię, jest to, że myślę, że jesteśmy na krawędzi możliwości (z uczeniem maszynowym i sztuczną inteligencją) syntezy mediów w celu stworzenia czegoś, co bardzo trudno odróżnić od rzeczywistości. Są to bardzo niebezpieczne narzędzia w społeczeństwie, które w coraz większym stopniu zależy od takich rzeczy, jak wideo, które przedstawia prawdę.

ukryć