211service.com
5 grote voorspellingen voor kunstmatige intelligentie in 2017
Vorig jaar was enorm voor vooruitgang in kunstmatige intelligentie en machine learning. Maar 2017 levert misschien nog meer op. Hier zijn vijf belangrijke dingen om naar uit te kijken.
Positieve bekrachtiging
AlphaGo's historische overwinning op een van de beste Go-spelers aller tijden, Lee Sedol, was een mijlpaal op het gebied van AI, en in het bijzonder voor de techniek die bekend staat als diepversterking leren.
Reinforcement learning is geïnspireerd op de manier waarop dieren leren hoe bepaald gedrag meestal resulteert in een positief of negatief resultaat. Met behulp van deze benadering kan een computer bijvoorbeeld uitvinden hoe hij met vallen en opstaan door een doolhof moet navigeren en vervolgens de positieve uitkomst - het verlaten van het doolhof - associëren met de acties die ertoe hebben geleid. Hierdoor kan een machine leren zonder instructie of zelfs expliciete voorbeelden. Het idee bestaat al tientallen jaren, maar de combinatie met grote (of diepe) neurale netwerken biedt de kracht die nodig is om het te laten werken aan echt complexe problemen (zoals het spel van Go). Door niet aflatende experimenten, evenals analyse van eerdere games, heeft AlphaGo voor zichzelf ontdekt hoe het spel op expertniveau kan worden gespeeld.
De hoop is dat versterkend leren nu nuttig zal zijn in veel situaties in de echte wereld. En de recente release van verschillende gesimuleerde omgevingen zou de voortgang van de noodzakelijke algoritmen moeten stimuleren door het scala aan vaardigheden te vergroten dat computers op deze manier kunnen verwerven.
In 2017 zullen we waarschijnlijk pogingen zien om versterkend leren toe te passen op problemen zoals geautomatiseerd rijden en industriële robotica. Google heeft al opgeschept over het gebruik van diepgaande versterkingsleer om zijn datacenters efficiënter maken . Maar de aanpak blijft experimenteel en vereist nog steeds tijdrovende simulatie, dus het zal interessant zijn om te zien hoe effectief deze kan worden ingezet.
Neurale netwerken duelleren
Op de banner AI-academische bijeenkomst die onlangs in Barcelona werd gehouden, de Neural Information Processing Systems-conferentie, ging veel van het geroezemoes over een nieuwe machine-learningtechniek die bekend staat als generatieve vijandige netwerken .
Generatieve adversariële netwerken, of GAN's, zijn uitgevonden door Ian Goodfellow, nu onderzoeker bij OpenAI, en zijn systemen die bestaan uit een netwerk dat nieuwe gegevens genereert na het leren van een trainingsset, en een ander netwerk dat probeert onderscheid te maken tussen echte en nepgegevens. Door samen te werken kunnen deze netwerken zeer realistische synthetische data produceren. De aanpak kan worden gebruikt om videogamelandschap te genereren, gepixelde videobeelden te vervagen of stilistische veranderingen toe te passen op door de computer gegenereerde ontwerpen.
Yoshua Bengio, een van 's werelds toonaangevende experts op het gebied van machine learning (en PhD-adviseur van Goodfellow aan de Universiteit van Montreal), zei bij NIPS dat de aanpak vooral opwindend is omdat het een krachtige manier biedt voor computers om te leren van niet-gelabelde gegevens - iets wat velen geloven kan de sleutel zijn om computers de komende jaren een stuk intelligenter te maken.
China's AI-boom
Dit kan ook het jaar zijn waarin China begint te lijken op een grote speler op het gebied van AI. De technische industrie van het land verschuift van het kopiëren van westerse bedrijven en heeft AI en machine learning geïdentificeerd als de volgende grote innovatiegebieden.
Het toonaangevende zoekbedrijf van China, Baidu, heeft al geruime tijd een op AI gericht laboratorium en plukt de vruchten in termen van verbeteringen in technologieën zoals spraakherkenning en natuurlijke taalverwerking, evenals een beter geoptimaliseerd advertentiebedrijf. Andere spelers zijn nu aan het klauteren om de achterstand in te halen. Tencent, dat de enorm succesvolle mobile-first messaging- en netwerkapp WeChat aanbiedt, opende vorig jaar een AI-lab en het bedrijf was druk bezig met het werven van talent bij NIPS. Didi, de carpoolgigant die eerder dit jaar de Chinese activiteiten van Uber kocht, bouwt ook een laboratorium en werkt naar verluidt aan zijn eigen auto's zonder bestuurder.
Chinese investeerders storten nu geld in AI-gerichte startups, en de Chinese regering heeft de wens geuit om de AI-industrie van het land te zien bloeien, belooft ongeveer $ 15 miljard te investeren tegen 2018.
Taal leren
Vraag AI-onderzoekers wat hun volgende grote doelwit is, en ze zullen waarschijnlijk taal noemen. De hoop is dat technieken die een spectaculaire vooruitgang hebben geboekt op het gebied van onder meer spraak- en beeldherkenning, computers ook kunnen helpen om taal effectiever te ontleden en te genereren.
Dit is een al lang bestaand doel in kunstmatige intelligentie, en het vooruitzicht dat computers via taal met ons communiceren en interactie hebben, is fascinerend. Een beter taalbegrip zou machines een stuk nuttiger maken. Maar de uitdaging is formidabel, gezien de complexiteit, subtiliteit en kracht van taal.
Verwacht niet dat je een tijdje een diep en zinvol gesprek met je smartphone zult voeren. Maar er worden enkele indrukwekkende vorderingen gemaakt en u kunt in 2017 verdere vooruitgang op dit gebied verwachten.
Weerslag op de hype
Naast echte vooruitgang en opwindende nieuwe toepassingen, bereikte de hype rond kunstmatige intelligentie in 2016 onstuimige nieuwe hoogten. Hoewel velen vertrouwen hebben in de onderliggende waarde van technologieën die tegenwoordig worden ontwikkeld, is het moeilijk om te ontsnappen aan het gevoel dat de publiciteit rond AI een beetje uit de hand loopt.
Sommige AI-onderzoekers zijn duidelijk geïrriteerd. Tijdens NIPS werd een lanceringsfeest georganiseerd voor een nep-AI-startup genaamd Raket AI , naar hoogtepunt de groeiende manie en onzin rond echt AI-onderzoek. Het bedrog was niet erg overtuigend, maar het was een leuke manier om de aandacht te vestigen op een echt probleem.
Een echt probleem is dat hype onvermijdelijk leidt tot een gevoel van teleurstelling wanneer grote doorbraken niet plaatsvinden, waardoor overgewaardeerde startups mislukken en investeringen opdrogen. Misschien zal 2017 een soort van verzet bieden tegen de AI-hypemachine - en misschien zou dat niet zo'n slechte zaak zijn.