Człowiek i maszyna

Inżynierowie na Pintereście nieustannie tworzą nowe algorytmy sztucznej inteligencji, aby pomóc użytkownikom znaleźć to, czego szukają wśród miliardów zdjęć żywności, produktów, domów i innych przedmiotów. Dopasowywanie zapytań do odpowiednich obrazów jest kluczowe, aby użytkownicy wracali. Ale do zeszłego roku testowanie skuteczności każdego nowego algorytmu mogło zająć kilka dni.

Aby dostroić uczenie maszynowe i szybciej zapewnić lepsze wyniki wyszukiwania, Pinterest zwrócił się do nieoczekiwanego źródła: ludzkiej inteligencji. Zatrudniła firmy crowdsourcingowe, takie jak CrowdFlower, aby zmobilizować ludzi do szybkiego wykonywania mikrozadań, takich jak oznaczanie zdjęć i ocena jakości wyników wyszukiwania. W ciągu godziny pracownicy mogli wspólnie przetestować setki wyszukiwanych haseł, aby sprawdzić, czy wyniki są wystarczająco dopasowane.

Pomimo wszystkich ostatnich postępów w sztucznej inteligencji, ludzie są bardziej biegli niż maszyny w odróżnianiu, powiedzmy, mozaiki kafelkowej od podobnego wzoru na kocu. Minie jeszcze długa droga, zanim maszyny będą w stanie to zrobić, mówi Mohammad Shahangian, zajmujący się danymi z Pinterestu.

Doświadczenie Pinteresta ujawnia czasami zapomnianą prawdę: sztuczna inteligencja i uczenie maszynowe zależą w takim samym stopniu od ludzi, jak od matematyki. Wyszukiwarka i system reklamowy Google wykorzystują tysiące ludzi oceniających jakość wyników wyszukiwania opartych na sztucznej inteligencji i pomagają identyfikować fałszywe reklamy. Oprogramowanie do rozpoznawania twarzy Facebooka prosi ludzi o oznaczenie swoich zdjęć, aby poprawić dokładność. Głębokie uczenie , gałąź sztucznej inteligencji odpowiedzialna za ostatnie przełomy w rozpoznawaniu mowy, tłumaczeniu języka i analizie obrazu, może wymagać intensywnego szkolenia ludzi na ręcznie dobranych zestawach danych.

Podobnie jak Pinterest, wiele firm zatrudnia CrowdFlower, Amazon's Mechanical Turk lub inne usługi crowdsourcingowe, aby oczyścić dane, które muszą zostać wprowadzone do większości systemów AI, aby nauczyć ich pojęć i relacji, które muszą znać do poszczególnych zadań. Pracownicy wykonują takie zadania, jak analizowanie nastrojów językowych na Twitterze i usuwanie obraźliwych zdjęć lub filmów generowanych przez użytkowników.

Doświadczenie Pinteresta ujawnia czasami zapomnianą prawdę: sztuczna inteligencja i uczenie maszynowe zależą w takim samym stopniu od ludzi, jak od matematyki.

Czasami firmy ustalają zadania, aby ludzie wykonywali je, nawet nie zdając sobie z tego sprawy. Na przykład wpisz kwotę czeku, który wpłacasz, którego bankomat nie mógł odczytać, i ulepszasz system banku.

Ale nawet jeśli ludzie mogą obecnie wykonywać niektóre z tych zadań dokładniej niż maszyny, wydaje się prawdopodobne, że sztuczna inteligencja powinna w końcu być wystarczająco inteligentna, aby nadrobić zaległości. To chwilowe zakłopotanie, mówi badacz neuronauki Jeff Hawkins, współzałożyciel firmy zajmującej się wywiadem maszynowym Numenta – chociaż tymczasowe może przedłużyć się do lat, a nawet dziesięcioleci, twierdzą eksperci.

Niektórzy badacze sztucznej inteligencji uważają, że najbardziej użytecznym modelem będzie system hybrydowy zaprojektowany na początku, aby maszyny i ludzie współpracowali ze sobą jako bardziej równorzędni partnerzy. Na przykład organizacja non-profit Intermountain Healthcare w Salt Lake City prowadzi program pilotażowy mający na celu wspieranie młodych pacjentów z cukrzycą, którzy zaczynają żyć samodzielnie, gdy mają problemy z opieką. Aplikacja na smartfona zapewnia spersonalizowane porady w czasie rzeczywistym dzięki systemowi przetwarzania w chmurze firmy CognitiveScale z Austin. Wykorzystując dane dotyczące czynników, takich jak zachowanie i dieta pacjenta, może określić, co najbardziej wpływa na poziom glukozy we krwi pacjenta w danym momencie, sugerując, kiedy jeść, a nawet dostarczając recenzje odpowiednich pobliskich restauracji.

Inni łączą ludzką inteligencję i sztuczną inteligencję w jeszcze bardziej intymny sposób. W przeciwieństwie do Siri firmy Apple, wirtualny asystent Facebooka M wykorzystuje ludzi do podejmowania decyzji. Po tym, jak sztuczna inteligencja wybierze na przykład trzy lokalne restauracje, trenerzy mogą wskoczyć, aby zapytać, czy dana osoba chce określonego rodzaju jedzenia lub miejsca przy oknie, a następnie zarezerwować stolik online. Trenerzy, których działania są śledzone i wprowadzane z powrotem do systemu, pomagają sztucznej inteligencji nauczyć się robić więcej samodzielnie.

Ostatecznym marzeniem wielu badaczy sztucznej inteligencji jest stworzenie maszyn, które potrafią myśleć równie dobrze jak ludzie. Ale dzisiaj ludzki osąd i kreatywność pozostają niezbędne. Nawet jeśli masz fajny samochód, zauważa John Giannandrea, wiceprezes ds. inżynierii w Google, nadal musisz zdecydować, dokąd się udać.

ukryć