211service.com
AI's zeer ontwrichtende tijd
Ryan Adams weet dat zijn timing perfect was. Professor in computerwetenschappen aan Harvard sinds 2011 en cohost van de machine-learning podcast Pratende Machines , leidde Adams een groep die onderzoek deed naar intelligente algoritmen toen zijn 15 maanden oude machine-learning startup, Whetlab, afgelopen zomer door Twitter werd gekocht.
De technologie van Whetlab automatiseert enkele van de moeilijkste onderdelen van het bouwen van grootschalige machine-learningsystemen. Het is gemaakt om moeilijke machine learning-uitdagingen aan te gaan, zoals herkenning van visuele bezwaren en spraakverwerking.
Ryan Adams
Onderzoekers van Harvard begonnen de tool te gebruiken in een breed scala aan projecten, van biomedische robots tot scheikundeproblemen, en Netflix gebruikte ook een vroege open-sourceversie om te experimenteren met deep learning.
Adams, nu met verlof van Harvard, sprak met Business Reports senior editor Nanette Byrnes op Twitter's kantoren in Cambridge, Massachusetts, over de exploderende interesse in machine learning.
Kunstmatige intelligentie is veranderd van een focus van academisch onderzoek naar een commercieel hulpmiddel. Wat drijft dat? Nieuwe algoritmen, snelle computers, tonnen beschikbare data?
Hoe dan ook, ik denk dat investeringen in AI een groot verschil hebben gemaakt. Op dit moment zijn er miljarden dollars aan investeringen gedaan door technologiebedrijven, en dat zorgt ervoor dat de zaken sneller gaan.
Zoals Twitter die je bedrijf koopt. Hoe kan machine learning Twitter beter maken? Kun je een voorbeeld geven?
Er zijn enorme mogelijkheden om de manier waarop Twitter-inhoud is georganiseerd te verbeteren, je te helpen nieuwe dingen te vinden die gaande zijn, je te helpen communities te ontdekken waarmee je kunt communiceren, en gewoon manieren waarop Twitter een betere ervaring voor zijn gebruikers kan zijn. Een van de uitdagingen die je je kunt voorstellen, is het combineren van de interessante informatie waar mensen links naar geven en proberen die inhoud te begrijpen in relatie tot de inhoud op Twitter.
Hoeveel van AI-technieken zoals deep learning zijn nog steeds een mysterie?
Op dit moment is deep learning erg empirisch. Je weet dat er duidelijk belangrijke dingen aan de hand zijn. Deze [deep-learning systemen] doen coole dingen. We begrijpen er heel weinig van, maar ze werken wel.
Het kan moeilijk zijn om AI te definiëren, en zelfs de juiste test van kunstmatige intelligentie staat ter discussie.
Waarom hebben deze bedrijven niet het gevoel dat ze de boerderij weggeven als ze hun code en hun ideeën weggeven? Omdat andere bedrijven de rekenkracht van Google niet hebben, de rekenkracht van Twitter niet en de data niet.
Een deel van de uitdaging hiervan is de noodzaak om het concept van intelligentie te antropomorfiseren. We gebruiken de term kunstmatige intelligentie, alsof intelligentie geen eigendom van de wereld is. We noemen vliegtuigen geen kunstmatige vogels en ze hebben geen kunstmatige vlucht. Ze hebben een echte vlucht, toch?
Dat is een zeer antropocentrische opvatting, dat als er nog iets intelligents was, het kunstmatig zou zijn. En dus denk ik dat het heel moeilijk is om een definitie van intelligentie te bedenken die niet antropocentrisch is, en die heb ik niet.
Als je terug zou gaan en 50 of 60 jaar geleden tegen een vroege denker over AI zei: Je zult altijd een apparaat bij je hebben, en in wezen kan het elke vraag beantwoorden die je wilt beantwoorden over een enorm scala aan onderwerpen; het kan je stem verstaan en een beeld geven van elke plek in de wereld, je vertellen hoe je van punt A naar punt B komt - als je in abstracto hebt uitgelegd wat je smartphone kan doen via Google en verschillende soorten kaarttools en Siri - ik denk dat die persoon zou zeggen: dat is AI. Maar wat we verwachten van de tools die we gebruiken, verandert in de loop van de tijd enorm.
Tot nu toe zijn bedrijven opmerkelijk open geweest over het delen van AI-inzichten, het vrijgeven van open-sourcesoftware, het toestaan van medewerkers om papers te publiceren en op conferenties te spreken, enzovoort. Hoe lang denk je dat dat gaat duren?
Het openstellen van de code is goed om weer bij te dragen aan de community, helpt bij het werven van toptalent op het gebied van machine learning en stelt bedrijven ook in staat te profiteren van verbeteringen die de grotere community aanbrengt in de tools.
Waarom hebben deze bedrijven niet het gevoel dat ze de boerderij weggeven als ze hun code en hun ideeën weggeven? Omdat andere bedrijven de rekenkracht van Google niet hebben, de rekenkracht van Twitter niet en de data niet, toch? Dus je kunt de ideeën hebben. Je mag de code hebben. Maar als je de gegevens niet hebt en de pk's niet, wat ga je er dan mee doen?
Welke vorm denkt u dat AI zal aannemen?
AI lijkt niet erg op een robot die voor mij ineens heel slim is, denk ik niet. Ik denk dat AI er gewoon uitziet als tools die steeds beter worden.
Een ding waar ik me wel zorgen over maak, is dat ik denk dat we op het punt staan om (met machine learning en AI) media te synthetiseren om iets te creëren dat heel moeilijk van echt te onderscheiden is. Dit zijn zeer gevaarlijke instrumenten om te hebben in een samenleving die in toenemende mate afhankelijk is van zaken als video om de waarheid weer te geven.