211service.com
Uber uruchamia laboratorium AI
Uber tworzy nowe laboratorium badawcze AI, którego celem jest badanie granic uczenia maszynowego i wdrażanie kluczowych postępów w swojej działalności.
Laboratorium będzie zlokalizowane w Dolinie Krzemowej i będzie prowadzone przez Gary Marcus , profesor na NYU i dyrektor generalny Inteligencja geometryczna , spółka Uber nabywa za nieujawnioną sumę. Laboratorium Uber AI zatrudni również innego znanego badacza AI, Zoubin Ghahramani , który zachowa stanowisko profesora w niepełnym wymiarze godzin na Uniwersytecie Cambridge w Wielkiej Brytanii. Pozostali współzałożyciele firmy to Ken Stanley , profesor nadzwyczajny na Uniwersytecie Centralnej Florydy oraz Doug Bemis , niedawny absolwent NYU z doktoratem z neurolingwistyki.
Nowe laboratorium będzie miało 15 członków założycieli i będzie badać szereg podstawowych wyzwań, w tym opracowywanie form uczenia maszynowego, które wymagają mniej danych; szkolenie systemów SI z wykorzystaniem nie tylko danych, ale także jednoznacznych zasad; oraz projektowanie systemów uczenia maszynowego, które wyjaśniają ich decyzje. Postępy w tych obszarach mogą mieć kluczowe znaczenie dla autonomicznych samochodów, ale mogą również pomóc ulepszyć istniejącą działalność Ubera, na przykład pomagając w bardziej efektywnym trasowaniu samochodów lub dopasowywaniu klientów do puli Ubera.
Travis Kalanick, dyrektor generalny Ubera, ogłosi dzisiaj nowy dział o nazwie Uber AI Labs w poście na blogu. Decyzja była podyktowana rosnącym znaczeniem sztucznej inteligencji dla Ubera jako firmy. Ale wydaje się również odzwierciedlać świadomość, że pomimo oszałamiającego postępu w ostatnich latach, opracowanie niezawodnych samochodów bez kierowcy będzie wymagało dalszych fundamentalnych postępów (patrz Co należy wiedzieć, zanim wsiądziesz do samochodu autonomicznego).
Jeff Holden, dyrektor ds. produktu w Uber, mówi, że minie dużo czasu, zanim autonomiczne samochody poradzą sobie ze wszystkimi możliwymi scenariuszami na świecie. Holden wskazuje na przyszłe postępy w uczeniu maszynowym, które pozwolą nam robić radykalnie różne rzeczy. I dodaje: Pytanie brzmi, jaką rolę w tym będziemy odgrywać?
Holden mówi, że dowiedział się o Marcusie i inteligencji geometrycznej w Przegląd technologii MIT skoncentrowane na sztucznej inteligencji wydarzenie EmTech Digital, które odbyło się w maju w San Francisco.
Uber rozwijał się w zapierającym dech w piersiach tempie od momentu powstania w 2009 roku, dzięki aplikacji na smartfony, która całkowicie przewróciła konwencjonalną branżę taksówkową w Stanach Zjednoczonych i innych krajach. Ostatnio firma zainwestowała znaczne środki w badania w takich obszarach, jak samochody bez kierowcy, mając nadzieję na utrzymanie szybkiego wzrostu, aby uniknąć zakłóceń i utrzymać korzystny wizerunek wśród finansistów w miarę wzrostu strat. Koncentrowała się przede wszystkim na opracowywaniu sprzętu i oprogramowania wymaganego do autonomicznej jazdy, chociaż Uber promował również inne wysiłki badawcze, w tym pojazdy latające i reklamę opartą na dronach (patrz Uber Ad-Toting Drones Are Heckling Drivers Stuck in Traffic).
Marcus jest wybitną postacią w świecie sztucznej inteligencji, która czasami budziła kontrowersje, krytykując skupienie się w tej dziedzinie na podejściach z dużą ilością danych, które opierają się na sieciach neuronowych lub głębokim uczeniu. Założył inteligencję geometryczną, aby podążać innymi ścieżkami, w tym podejściami inspirowanymi badaniami kognitywistyki, które mogą być znacznie mniej głodne danych (Marcus podał Przegląd technologii MIT wyłączny dostęp do jego firmy w zeszłym roku; zobacz Czy ten człowiek może uczynić sztuczną inteligencję bardziej ludzką?).
Marcus mówi, że jego zespół będzie nadal koncentrował się na wyzwaniach, których nie mogą rozwiązać istniejące systemy. Szczególnie interesują nas skrajne przypadki — co się dzieje, gdy oświetlenie jest inne lub jest to pojazd, którego wcześniej nie widziałeś — mówi. Będziemy dużo pracować nad tymi problemami.
Marcus nie ujawnił wielu szczegółów na temat tego, co rozwija Geometric Intelligence, a firma nie opublikowała żadnej ze swoich prac. Ale między innymi jego zespół pracował nad formą głębokiego uczenia, która wymaga mniej danych (patrz Algorytmy, które uczą się z mniejszą ilością danych, mogą zwiększyć moc sztucznej inteligencji). Mówi, że takie podejście może okazać się przydatne zarówno dla obecnej działalności Ubera, jak i jego długoterminowych celów badawczych. Zawsze będą przypadki, w których nie będziesz mieć wystarczającej ilości danych. Możesz mieć wystarczająco dużo informacji, aby przewidzieć, co stanie się o dziewiątej rano, ale co dzieje się o 2 w nocy, a danych jest mniej? mówi Marek. A [w zautomatyzowanej jeździe] w skrajnych przypadkach nie ma tak dużo danych.
Marcus jest również zainteresowany połączeniem nowszych obszarów sztucznej inteligencji, takich jak głębokie uczenie (forma uczenia maszynowego, która w ostatnich latach okazała się bardzo potężna) ze starszymi tradycjami sztucznej inteligencji, w tym podejściami, które polegają na nadaniu maszynom wyraźnych zasad. Twierdzi, że może to być ważne dla autonomicznego samochodu, ponieważ umożliwi nauczenie go o lokalnych zasadach ruchu drogowego.
Ponadto jego zespół będzie dążyć do opracowania systemów uczenia maszynowego, które będą w stanie wyjaśnić ich decyzje lub działania, dodaje Marcus. Stało się to ważnym obszarem badań, który może mieć kluczowe znaczenie dla budowania zaufania do autonomicznych samochodów. Bardzo interesuje nas przejrzystość i interpretowalność — jak uzyskać system, w którym rozumiesz, dlaczego zrobił to, co zrobił? on mówi.
Oczywiste jest, że istnieją podstawowe problemy techniczne, które dotyczą wielu problemów, z którymi boryka się Uber, mówi Karol Iagnemma , były naukowiec w MIT oraz założyciel i dyrektor generalny firmy o nazwie nuTonomy , który testuje autonomiczne taksówki w Singapurze i Stanach Zjednoczonych. Zidentyfikowanie i rozwiązanie tych problemów zapewniłoby Uberowi znaczną przewagę konkurencyjną w porównaniu z resztą branży.
Ale nie ma pewności, czy badania podstawowe się opłaci, mówi Iagnemma. Dodaje, że to bardzo wyścig zbrojeń. Jeśli twoi konkurenci to robią, nawet jeśli nie masz pewności, czy badania podstawowe doprowadzą do znaczącego wpływu na twój produkt, nie możesz sobie pozwolić na to, by nie konkurować.