211service.com
Nieszczęścia Ubera pokazują trudności w komercjalizacji AI
Wysiłki Ubera, aby pozostać o krok przed konkurencją, inwestując znaczne środki w robotykę i badania nad sztuczną inteligencją, wykazują oznaki problemów.
W ostatnich miesiącach Uber stracił kilku starszych członków swojej Grupy Zaawansowanych Technologii, projektu autonomicznego samochodu z siedzibą w Pittsburghu. Szef nowego laboratorium sztucznej inteligencji, Gary Marcus, również zrezygnował ze swojej roli po zaledwie kilku miesiącach kierowania. Stanowią one część szerszego obrazu, który podkreśla wyzwania związane z komercjalizacją technologii, która pozostaje niezwykle złożona i najnowocześniejsza.
Uber stworzył laboratorium AI w grudniu po przejęciu Geometric Intelligence, startupu kierowanego przez Marcusa, kognitywisty z New York University. Marcus, który pozostaje doradcą Ubera ds. sztucznej inteligencji, omówi dziś wyzwania, jakie pozostają w sztucznej inteligencji na EmTech Digital, konferencji organizowanej przez Przegląd technologii MIT.
Najnowsza porażka ze strony Ubera nastąpiła w zeszłym tygodniu, kiedy został zmuszony do wstrzymania testów swoich autonomicznych pojazdów w Arizonie po tym, jak jeden samochód został zniszczony. uczestniczył w wypadku innym pojazdem. Na razie nic nie wskazuje na to, że winny był autonomiczny samochód.
Jak wyjaśni Marcus, tworzenie komputerów tak inteligentnych jak ludzie w sytuacjach krytycznych, takich jak prowadzenie pojazdu, pozostaje ogromnym wyzwaniem. Samochody autonomiczne nie potrafią jeszcze reagować na ewentualność, jaką mogą napotkać na drodze, a do nauki wymagają ogromnych ilości danych.
Uber pospieszył z opracowaniem zautomatyzowanych pojazdów w obawie, że technologia może łatwo zakłócić branżę taksówkarską. Firma szybko nabrała rozpędu i posiada autonomiczne samochody na drogach kilku miast. Ale jako Przegląd technologii MIT Odkryto, że systemy te nie działają jeszcze idealnie, nawet w zwykłych sytuacjach drogowych.
Istnieją również poważne wyzwania inżynieryjne. Na przykład nie jest jasne, jak sprawić, by autonomiczne samochody radziły sobie z uszkodzonymi czujnikami ani w jaki sposób aktywne systemy, takie jak lidar, rodzaj systemu laserowego, mogą zakłócać się nawzajem, gdyby na drogach znajdowało się wiele autonomicznych samochodów ( zobacz, co musisz wiedzieć, zanim wsiądziesz do samochodu autonomicznego ).
Marcus był szczerym krytykiem tego, co uważa za nadmierne poleganie na podejściach do uczenia maszynowego opartego na sieciach neuronowych w sztucznej inteligencji. Założył Geometryczną Inteligencję w 2014 roku, aby zbadać alternatywne podejścia (patrz Czy ten człowiek może uczynić sztuczną inteligencję bardziej ludzką? ).
Inteligencja geometryczna poszukiwała między innymi bardziej wydajnych sposobów uczenia się maszyn. Podczas gdy człowiek może bardzo szybko nauczyć się rozpoznawać nowy znak drogowy, komputer wymaga wielu tysięcy przykładów wykorzystujących najlepsze współczesne metody uczenia maszynowego.
Inne firmy pracujące nad zautomatyzowaną jazdą również stwierdziły, że postęp jest wolniejszy, niż mogły się spodziewać. Google wydzieliło firmę Waymo z projektu autonomicznego samochodu, ale jej technologia nie jest jeszcze dostępna na rynku.