211service.com
Chińskie wyszukiwanie Giant Baidu zatrudnia człowieka za mózgiem Google
Baidu od dawna nazywany jest chińskim Google, ponieważ dominuje w wyszukiwarkach internetowych w tym kraju. Dzisiaj porównanie stało się bardziej trafne: Baidu otworzył nowe laboratorium badawcze sztucznej inteligencji w Dolinie Krzemowej, które będzie nadzorowane przez Andrzej Ng , profesor Stanford, który odegrał kluczową rolę w Google w dziedzinie zwanej uczeniem głębokim. Był także współzałożycielem firmy edukacyjnej online Coursera.
Ostatnie postępy wywołały technologiczny wyścig zbrojeń w Dolinie Krzemowej, w którym wielkie firmy internetowe rywalizują o najlepsze talenty akademickie. Podobnie jak Google, Facebook i inne firmy spieszące się z inwestycjami w głębokie uczenie, Baidu motywuje obietnica dramatycznych postępów w sztucznej inteligencji.
Głębokie uczenie umożliwia maszynom przetwarzanie dużych ilości danych przy użyciu symulowanych sieci prostych neuronów, z grubsza wzorowanych na tych znajdujących się w mózgach biologicznych. Podejście to zaowocowało znacznie ulepszonym oprogramowaniem do zadań, takich jak rozpoznawanie obrazu i mowy (patrz Głębokie uczenie ), i może ostatecznie umożliwić aplikacjom, urządzeniom i usługom internetowym zrozumienie takich rzeczy, jak obrazy i tekst, tak samo jak ludzie.
Chociaż niedawny boom na głębokie uczenie ma swoje początki w środowisku akademickim, zainteresowanie eksplodowało w 2012 roku, po tym, jak badacze Google współpracujący z Ng ogłosili przełom w projekcie o nazwie Google Brain. Zbudowali oprogramowanie, które przeanalizowało 10 milionów zdjęć zrobionych z filmów na YouTube i nauczyli się rozpoznawać tysiące obiektów, w tym twarze ludzi i kotów, bez ludzkiego przewodnictwa (patrz Oprogramowanie samouków).
Od tego czasu amerykańscy giganci technologiczni rywalizowali o zatrudnienie czołowych osobistości w stosunkowo niewielkiej dziedzinie (patrz Czy Google zdobywa rynek w zakresie głębokiego uczenia? i Facebook wprowadza zaawansowaną sztuczną inteligencję) i zaczęli demonstrować, w jaki sposób podejście to może ulepszyć technologię, którą oferować konsumentom. Google i Microsoft wykorzystały głębokie uczenie, aby poprawić rozpoznawanie i tłumaczenie mowy (zobacz Google wykorzystuje technologię wirtualnego mózgu do pracy i Microsoft wprowadza w życie tłumacza głosowego Star Trek ). Tymczasem badacze głębokiego uczenia Facebooka zademonstrowali niedawno oprogramowanie do przetwarzania twarzy, które jest bliskie wydajności ludzkiej (zobacz Oprogramowanie Facebooka dopasowuje się do twarzy prawie tak samo jak Ty).
Przed podjęciem decyzji o otwarciu nowego laboratorium, zlokalizowanego w Sunnyvale, Baidu osiągnął dobre wyniki, dodając głębokie uczenie do kilku produktów od końca 2012 r., mówi Kai Yu, dyrektor laboratorium głębokiego uczenia się firmy w Pekinie. Technologię tę można zobaczyć w aplikacji tłumaczeniowej Baidu, która identyfikuje obiekty zrobione smartfonem z ich chińskimi i angielskimi nazwami. Jest również używany w technologii kierowania reklam firmy. Uzyskaliśmy natychmiastowy zwrot z dodania głębokiego uczenia do naszego systemu reklamowego – mówi Yu. To znacznie zwiększyło współczynnik klikalności.
Laboratorium Yu w Pekinie koncentruje się na zastosowaniu głębokiego uczenia się w istniejących produktach Baidu i tych, które zostaną wkrótce wprowadzone. Nowe laboratorium w Dolinie Krzemowej będzie pracować nad bardziej podstawowymi badaniami, mówi. Mamy nadzieję, że ta szeroka kompetencja i gwiazdorska jakość Ng w połączeniu z pojemnymi zasobami zdjęć, tekstu i wideo Baidu zwabi wybitne talenty. W Dolinie Krzemowej jest ogromna pula talentów, która jest tak wyjątkowa, mówi Yu. Naprawdę chcemy, aby laboratorium wyszło coś rewolucyjnego.
Ng pokieruje tymi wysiłkami na swoim nowym stanowisku szefa badań Baidu, nadzorując laboratorium w Dolinie Krzemowej, laboratorium Yu i inne laboratorium w Pekinie poświęcone big data. Będzie pracował w laboratorium Sunnyvale, w którym Baidu zainwestuje 300 milionów dolarów w ciągu pięciu lat.
Badaniami laboratoryjnymi kieruje Adam Coates, wcześniej doktorant i badacz z tytułem doktora w grupie badawczej Ng Stanford. Coates mówi, że główny nacisk zostanie położony na tworzenie oprogramowania, które uczy się bez udziału człowieka, tak jak zrobił to system Google Brain – podejście znane jako uczenie się bez nadzoru.
Systemy nienadzorowane wymagają mniej wysiłku od programistów, ale jak dotąd mają stosunkowo słabą dokładność, przynajmniej w porównaniu z ludźmi. Na przykład system rozpoznawania kotów Google osiągnął około 70 procent dokładności. Największe otwarte pytanie brzmi: „Jak można wykorzystać nienadzorowaną naukę, aby osiągnąć wydajność na poziomie człowieka?”, mówi Coates. Ale zysk za choćby niewielką poprawę powinien być duży. „Tak wiele produktów, które chcemy zbudować, to rzeczy, które chcemy wchodzić w interakcje ze światem”, mówi. Ma zastosowanie do robotów i samochodów autonomicznych oraz aplikacji mobilnych.
Eugenio Culurciello , naukowiec z Purdue University, który pracuje nad chipami z wbudowanymi sieciami neuronowymi (zobacz AI Chip pomagający komputerom zrozumieć obrazy ), mówi, że ekscytacja głębokim uczeniem jest uzasadniona. Wskazuje, w jaki sposób jego metody pokonały testy porównawcze wykorzystywane przez badaczy do oceniania oprogramowania do uczenia maszynowego. Zwykle poprawia się o 2 procent w stosunku do tego, co było wcześniej, mówi. Ci faceci poprawili się o 10 lub 20 procent.
Takie wyniki sprawiły, że CEO Facebooka, Mark Zuckerberg, niespodziewanie pojawił się na NIPS konferencja poświęcona badaniom sieci neuronowych w zeszłym roku. Jednakże, Michael Mozer Profesor na Uniwersytecie Kolorado w Boulder i członek zarządu Fundacji NIPS wskazuje, że podstawowe algorytmy wykorzystywane przez sieci neuronowe są bardzo podobne do tych, które wywołały falę optymizmu w kwestii sztucznej inteligencji pod koniec lat osiemdziesiątych. Ostatnie przełomowe odkrycia nastąpiły dzięki znalezieniu sztuczek, które pozwalają na stosowanie tych algorytmów na znacznie większą skalę, mówi Mozer. Ludzie, którzy się z tym utknęli, teraz zasłużenie czerpią korzyści, mówi, ale głębokie uczenie się nie jest tak wielkim krokiem naprzód w tej dziedzinie, jak się czasem uważa.
Jak na razie stosunkowo niewiele osób jest zaznajomionych ze sztuczkami potrzebnymi do tego, by głębokie uczenie się dobrze działało, mówi Culurciello. Jeśli chcesz teraz pokonać tłum, musisz spróbować kupić ludzi, którzy naprawdę znają się na rzeczy – w przeciwnym razie zostaniesz kilka lat w tyle, mówi.