Sztuczna inteligencja Google i Microsoft Talk

Google i Microsoft nie często dzielą scenę, stając się coraz bardziej zaciekłymi konkurentami w takich obszarach, jak wyszukiwarka internetowa, urządzenia mobilne i przetwarzanie w chmurze. Ale rywale mogą się zgodzić w pewnych kwestiach, takich jak znaczenie sztucznej inteligencji dla przyszłości technologii.

Spotkanie umysłów: Peter Norvig (na górze) i Eric Horvitz zgadzają się, że sztuczna inteligencja jest kluczem do przyszłości technologii.

Peter Norvig , dyrektor ds. badań w Google, oraz Eric Horvitz , wybitny naukowiec z Microsoft Research, niedawno przemawiał wspólnie z publicznością na Muzeum Historii Komputerów w Palo Alto w Kalifornii, o obietnicy AI. Następnie para rozmawiała z Przegląd technologii redaktor działu IT, Tom Simonite, o tym, co sztuczna inteligencja może dziś zrobić i co według nich będzie zdolna do jutra. Sztuczna inteligencja to złożony temat, a niektóre odpowiedzi zostały zredagowane dla zwięzłości.

Przegląd technologii : Oboje mówiliście na scenie o tym, jak sztuczna inteligencja została zaawansowana w ostatnich latach dzięki wykorzystaniu technik uczenia maszynowego, które pobierają duże ilości danych i ustalają takie rzeczy, jak tłumaczenie tekstu lub transkrypcja mowy. A co z obszarami, w których sztuczna inteligencja ma pomóc, w których nie ma zbyt wielu danych, z których można się uczyć?

Peter Norvig: To, co robimy, to jak szukanie pod latarnią upuszczonych kluczy, ponieważ tam jest światło. Poradziliśmy sobie naprawdę dobrze z tekstem i mową, ponieważ na wolności jest dużo danych. Parsowanie [rozkładanie elementów gramatycznych zdań] nigdy nie występuje naturalnie, być może w czyjejś pracy domowej z lingwistyki, więc musimy się tego nauczyć bez [oznaczonych] danych. Jeden z moich kolegów próbuje obejść ten problem, sprawdzając, które fragmenty tekstu internetowego zostały utworzone jako linki — co może sygnalizować, gdzie znajduje się konkretna część zdania.

Eric Horvitz: Często myślałem, że gdybyś miał na niebie usługę w chmurze, która rejestrowała każde żądanie przemówienia i to, co wydarzyło się później — na przykład każdą rozmowę w każdej taksówce w Pekinie — byłoby możliwe, aby sztuczna inteligencja nauczyła się, jak to zrobić. wszystko.

A poważniej, jeśli uda nam się znaleźć sposoby na przechwytywanie dużej ilości danych w sposób, który chroni prywatność, moglibyśmy to umożliwić.

Czy nie jest trudno korzystać z uczenia maszynowego, jeśli dane treningowe nie są jeszcze oznaczone i wyjaśnione, aby dać sztucznej inteligencji prawdę, od której można zacząć?

Horvitz: Nie musisz być całkowicie oznaczony. Obszar znany jako uczenie częściowo nadzorowane pokazuje nam, że nawet jeśli 1 procent lub mniej danych jest otagowanych, możesz użyć tego do zrozumienia reszty.

Ale brak etykiet to wyzwanie. Jednym z rozwiązań jest płacenie ludziom niewielkiej kwoty, aby pomóc systemowi z danymi, których nie może zrozumieć, wykonując mikrozadania, takie jak oznaczanie obrazów lub inne drobiazgi. Myślę, że używanie ludzkich obliczeń do zwiększania AI to naprawdę bogaty obszar.

Inną możliwością jest zbudowanie systemów, które rozumieją wartość informacji, co oznacza, że ​​mogą automatycznie obliczyć, jakie jest następne najlepsze pytanie, które należy zadać, lub jak uzyskać największą wartość z dodatkowego znacznika lub informacji dostarczonej przez człowieka.

Norvig: Nie musisz wszystkiego mówić systemowi uczenia się. Istnieje rodzaj uczenia się zwany uczeniem się przez wzmacnianie, w którym po prostu dajesz nagrodę lub karę na koniec zadania. Na przykład przegrałeś grę w warcaby i nie powiedziano Ci, gdzie popełniłeś błąd i musisz nauczyć się, co zrobić, aby następnym razem otrzymać nagrodę.

Wszystko to bardzo różni się od początków sztucznej inteligencji, w latach 50. i 60., kiedy badacze dokonywali śmiałych prognoz dotyczących dopasowania ludzkich zdolności i próbowali wykorzystać reguły wysokiego poziomu do tworzenia inteligencji. Czy Twoje systemy uczenia maszynowego same sobie wypracowują te same zasady wysokiego poziomu?

Horvitz: Systemy uczenia się mogą wyprowadzać wysokopoziomowe reguły sytuacyjne dotyczące działania, na przykład, aby zebrać zestaw objawów [fizjologicznych] i wyników testów i postawić diagnozę. Ale to nie to samo, co ogólne zasady inteligencji.

Może się zdarzyć, że praca na niższym poziomie, którą wykonujemy dzisiaj, pewnego dnia spełni odgórne idee oddolne. Rewolucja, w której Peter i ja byliśmy częścią sztucznej inteligencji, polegała na tym, że podejmowanie decyzji w warunkach niepewności było tak ważne i można je było przeprowadzić za pomocą podejścia probabilistycznego. Wraz z probabilistyczną rewolucją w sztucznej inteligencji pojawia się perspektywa: jesteśmy bardzo ograniczonymi agentami, a niekompletność jest nieunikniona.

Norvig: Na początku istniała logika, która wyróżniała sztuczną inteligencję i pytanie brzmiało, jak jej używać. Badanie stało się badaniem tego, do czego te narzędzia są przydatne, na przykład w szachy. Ale wtedy możesz mieć tylko rzeczy, które są prawdziwe lub fałszywe i nie możesz zrobić wielu rzeczy, które chcemy robić, więc poszliśmy w kierunku prawdopodobieństwa. Trochę zajęło tej dziedzinie rozpoznanie innych dziedzin, takich jak prawdopodobieństwo i teoria decyzji, które istniały. Połączenie tych dwóch podejść jest wyzwaniem.

Ponieważ widzimy bardziej bezpośrednie dowody sztucznej inteligencji w prawdziwym życiu, na przykład Siri, wydaje się, że powstał pewien problem projektowy. Ludzie tworzący sztuczną inteligencję muszą sprawić, by były przyswajalne dla naszej własnej inteligencji.

Norvig: To właściwie zestaw problemów na różnych poziomach. Znamy na przykład system widzenia człowieka i co może oznaczać robienie przycisków w różnych kolorach. Na wyższym poziomie oczekiwania w naszej głowie dotyczące czegoś i tego, jak powinno się zachowywać, opierają się na tym, co myślimy, że to jest i jak myślimy o jego związku z nami.

Horvitz: Sztuczna inteligencja coraz bardziej przecina się z dziedziną interakcji między komputerami [badania psychologii tego, jak używamy i myślimy o komputerach]. Pomysł, że będziemy mieli bardziej inteligentne rzeczy, które będą ściśle współpracować z ludźmi, naprawdę zwraca uwagę na potrzebę opracowania nowych metod na przecięciu inteligencji ludzkiej i inteligencji maszynowej.

O czym musimy wiedzieć więcej, aby sztuczna inteligencja była bardziej kompatybilna z ludźmi?

Horvitz: Jedną z rzeczy, które moja grupa badawcza naciskała, aby dać komputerom, jest ogólnosystemowe zrozumienie ludzkiej uwagi, aby wiedzieć, kiedy najlepiej komuś przerwać. Był to temat badań między nami, badaczami, a zespołami produktowymi.

Norvig: Myślę, że chcemy również znacznie lepiej zrozumieć ludzkie ciało i możesz zobaczyć w Microsoft Kinect sposób, aby to zrobić. Istnieje wiele możliwości, aby systemy zrozumiały nasze zachowanie i mowę ciała.

Czy w Kinect jest jakaś sztuczna inteligencja?

Horvitz: U podstaw tego leży całkiem sporo uczenia maszynowego. Myślę, że pomysł, że możemy wykorzystać najnowocześniejszą sztuczną inteligencję i opracować urządzenie konsumenckie, które będzie sprzedawać się szybciej niż jakiekolwiek inne w historii, mówi coś o dziedzinie sztucznej inteligencji. Uczenie maszynowe odgrywa również kluczową rolę w wyszukiwaniu Bing i mogę tylko przypuszczać, że jest również ważne w ofercie wyszukiwania Google. Tak więc ludzie przeszukujący sieć używają sztucznej inteligencji w swoim codziennym życiu.

Ostatnie pytanie: czy możesz mi powiedzieć ostatnie demo technologii AI, które zrobiło na Tobie wrażenie?

Norvig: Niedawno przeczytałem artykuł kogoś z Google, który zamierzał wrócić do Stanford na temat uczenia się bez nadzoru, obszaru, w którym krzywe naszych postępów w czasie nie wyglądały tak dobrze. Ale osiąga naprawdę dobre wyniki i wygląda na to, że uczenie się, gdy nie wiesz nic z góry, może być znacznie lepsze.

Horvitz: Jestem pod wielkim wrażeniem uczenia się przez praktykanta, gdzie system uczy się na przykładzie. Ma wiele zastosowań. Zarówno Berkeley, jak i Stanford mają grupy, które naprawdę to robią: na przykład helikoptery, które uczą się latać na plecach [do góry nogami] od [obserwacji] ludzkiego eksperta.

ukryć