IBM wprowadza głębokie uczenie dzięki uaktualnieniu Watson

IBM Niebezpieczeństwo! - komputer do gry, Watson , połączył dwa oddzielne obszary badań nad sztuczną inteligencją ze zwycięskimi wynikami. Rozumienie języka naturalnego zostało połączone z analizą statystyczną ogromnych, nieustrukturyzowanych stosów tekstu, aby znaleźć prawdopodobne odpowiedzi na tajemnicze Niebezpieczeństwo! wskazówki.

Teraz IBM zamierza dodać kolejną potężną technikę sztucznej inteligencji, znaną jako głębokie uczenie, do komercyjnej wersji Watsona. Posunięcie to może sprawić, że platforma stanie się znacznie inteligentniejsza i bardziej użyteczna, a także wskazuje obiecujący przyszły kierunek badań nad sztuczną inteligencją.

Starając się skomercjalizować Watsona, IBM stworzył niektóre z funkcji opracowanych dla Niebezpieczeństwo! wyzwanie, a także kilka nowych, dostępnych dla programistów za pośrednictwem interfejsu programowania aplikacji w chmurze (API). Do interfejsu API Watson dodano teraz trzy funkcje oparte na głębokim uczeniu: tłumaczenie, zamianę mowy na tekst i zamianę tekstu na mowę. Można je wykorzystać na przykład do tworzenia aplikacji lub witryn oferujących usługi tłumaczenia lub transkrypcji. Ale programiści mogą również połączyć je z innymi usługami Watson, które analizują pytania i wyszukują odpowiedzi w dużych ilościach tekstu. Może to doprowadzić do powstania aplikacji, która umożliwi przeszukiwanie dużej liczby dokumentów z naturalnie wypowiadanymi zapytaniami.

Firma zapowiedziała również, że będzie współpracować z Yoshua Bengio , profesor Uniwersytetu Montrealskiego w Kanadzie, wybitna postać w dziedzinie głębokiego uczenia się.

Głębokie uczenie polega na uczeniu komputera rozpoznawania często złożonych i abstrakcyjnych wzorców poprzez podawanie dużych ilości danych przez kolejne sieci sztucznych neuronów i dopracowywanie sposobu, w jaki te sieci reagują na dane wejściowe. W ostatnich latach podejście to okazało się bardzo skuteczne w rozpoznawaniu wypowiadanych słów lub innych dźwięków lub klasyfikowaniu informacji wizualnych (patrz Przełomowe technologie 2013: Głębokie uczenie ).

W ostatnich latach poczyniono szybkie postępy w uczeniu głębokim dzięki udostępnieniu dużych ilości tajnych danych, zwłaszcza w Internecie, a także dzięki temu, że wydajne równoległe procesory graficzne okazały się szczególnie skuteczne w wykonywaniu niezbędnych obliczeń. Niektóre z największych na świecie firm technologicznych chętnie stosują głębokie uczenie w sposób komercyjnie odpowiedni (patrz Facebook wprowadza sztuczną inteligencję w celu znalezienia znaczenia w twoich postach i czy Google zdobywa rynek w zakresie głębokiego uczenia? ). Google i Facebook zatrudniły również czołowe postacie w dziedzinie głębokiego uczenia się, aby zastosować tę technologię w swoich firmach.

Jednak chociaż wyniki uzyskiwane przez systemy głębokiego uczenia się są często spektakularne, odpowiedzialne systemy są niezwykle wyspecjalizowane i mogą zawieść w zaskakujący sposób, ponieważ nie rozumieją świata w bardzo znaczący sposób. Jeśli uczenie głębokie można skutecznie połączyć z innymi technikami sztucznej inteligencji, może to stworzyć bardziej zaokrąglone, użyteczne systemy.

Możesz sobie wyobrazić wiele różnych przypadków użycia, mówi Jerome Pesenti , wiceprezes ds. podstawowych technologii w firmie Watson. Załóżmy, że masz produkt bankowy lub ubezpieczeniowy, możesz porozmawiać przez telefon i powiedzieć „Hej, to mój problem” i mieć coś, co faktycznie wchodzi w interakcję z tobą automatycznie lub przekazuje cię rzeczywistemu człowiekowi, gdy system nie nie wiem, jak odpowiedzieć. To jest rodzaj systemu, który właśnie tam wprowadzamy.

Łączenie różnych wątków badań nad sztuczną inteligencją może stać się ważnym trendem w nadchodzących latach.

Kluczowym wyzwaniem dla nowoczesnej sztucznej inteligencji jest ponowne połączenie dziedziny, która prawie rozpadła się wśród tych metodologii, mówi James Hendler , dyrektor Rensselaer Polytechnic Institute for Data Exploration and Applications w Troy w stanie Nowy Jork. RPI ma dostęp do wczesnej wersji Watsona przekazanej uniwersytetowi przez IBM, a Hendler prowadzi kursy oparte na tej technologii. Kluczową rzeczą w Watsonie, mówi, jest to, że z natury chodzi o przyjmowanie wielu różnych rozwiązań i integrowanie ich w celu podjęcia decyzji.

Stosowanie uczenia się z jednego obszaru, takiego jak wzrok, do innego, takiego jak mowa, jest znane jako podejście multimodalne. Może sprawić, że przyszłe systemy sztucznej inteligencji staną się znacznie bardziej użyteczne i zapewnią fundamentalny wgląd w naturę inteligencji.

Jeśli chodzi o komercjalizację takich postępów, IBM może dzięki firmie Watson mieć przewagę nad integracją nowych technik w użyteczny sposób. Pesenti mówi, że jego zespół już robi postępy w tej dziedzinie. Jeśli mówię ci o psie, bardzo trudno jest zrozumieć, czym jest pies bez doświadczenia z tym psem, które można uzyskać dzięki multimodalnemu spojrzeniu na to, mówi. Wierzymy, że jest to naprawdę duża część naszej strategii.

ukryć