211service.com
Chinese zoekgigant Baidu huurt man in achter het Google-brein
Baidu wordt al lang China's Google genoemd omdat het de zoekopdracht op internet in het land domineert. Vandaag werd de vergelijking toepasselijker: Baidu heeft een nieuw onderzoekslaboratorium voor kunstmatige intelligentie geopend in Silicon Valley dat zal worden gecontroleerd door Andrew Ng , een Stanford-professor die een sleutelrol speelde bij Google op een gebied dat deep learning wordt genoemd. Hij was ook medeoprichter van het online onderwijsbedrijf Coursera.
Recente ontwikkelingen hebben geleid tot een technologische wapenwedloop in Silicon Valley, waarbij grote internetbedrijven strijden om het beste academische talent. Net als Google, Facebook en andere bedrijven die zich haasten om te investeren in deep learning, wordt Baidu gemotiveerd door de belofte van dramatische vooruitgang in kunstmatige intelligentie.
Deep learning maakt het voor machines mogelijk om grote hoeveelheden gegevens te verwerken met behulp van gesimuleerde netwerken van eenvoudige neuronen, grof gemodelleerd naar die in biologische hersenen. De aanpak heeft sterk verbeterde software opgeleverd voor taken zoals beeld- en spraakherkenning (zie Deep Learning), en het zou uiteindelijk apps, apparaten en internetdiensten in staat kunnen stellen om dingen als afbeeldingen en tekst net zo goed te begrijpen als mensen.
Hoewel de recente hausse in deep learning zijn oorsprong vindt in de academische wereld, explodeerde de belangstelling in 2012 nadat Google-onderzoekers in samenwerking met Ng een doorbraak aankondigden in een project met de naam Google Brain. Ze bouwden software die 10 miljoen foto's van YouTube-video's analyseerde en duizenden objecten leerde herkennen, inclusief gezichten van mensen en katten, zonder menselijke begeleiding (zie Autodidactische software).
Sindsdien hebben Amerikaanse techreuzen geconcurreerd om leidende figuren in het relatief kleine veld in dienst te nemen (zie Is Google Cornering the Market on Deep Learning? consumenten bieden. Google en Microsoft hebben deep learning gebruikt om spraakherkenning en vertaling te verbeteren (zie Google Puts Its Virtual Brain Technology to Work en Microsoft Brings Star Trek's Voice Translator to Life). Ondertussen hebben de deep-learning-onderzoekers van Facebook onlangs gezichtsverwerkingssoftware gedemonstreerd die de menselijke prestaties benadert (zie Facebook-software komt overeen met gezichten die bijna net zo goed zijn als jij).
Voordat Baidu besloot om zijn nieuwe lab in Sunnyvale te openen, had Baidu sinds eind 2012 goede resultaten behaald door deep learning toe te voegen aan verschillende producten, zegt Kai Yu, directeur van het deep learning-lab van het bedrijf in Peking. De technologie is te zien in de vertaalapp van Baidu, die objecten identificeert die op een smartphone zijn geklikt met hun Chinese en Engelse namen. Het wordt ook gebruikt in de technologie voor advertentietargeting van het bedrijf. We kregen onmiddellijk resultaat van het toevoegen van deep learning aan ons advertentiesysteem, zegt Yu. Het verhoogde de doorklikratio aanzienlijk.
Yu's lab in Beijing is gericht op het toepassen van deep learning op bestaande Baidu-producten en producten die binnenkort zullen worden geïntroduceerd. Het nieuwe lab in Silicon Valley gaat werken aan meer fundamenteel onderzoek, zegt hij. De hoop is dat deze brede opdracht en Ng's sterkwaliteit, gecombineerd met Baidu's ruime opslag van afbeeldingen, tekst en video, toonaangevend talent zal lokken. In Silicon Valley is er een enorme talentenpool die zo uniek is, zegt Yu. We willen echt dat er iets revolutionairs uit het lab komt.
Ng zal die inspanning leiden in zijn nieuwe functie als Baidu's hoofd onderzoek, waarbij hij toezicht houdt op het laboratorium in Silicon Valley, het laboratorium van Yu en een ander laboratorium in Peking dat zich toelegt op big data. Hij zal werken vanuit het Sunnyvale-lab, waarin Baidu zegt dat het over vijf jaar $ 300 miljoen zal investeren.
Het onderzoek van het lab wordt geleid door Adam Coates, eerder een PhD-student en postdoctoraal onderzoeker in de Stanford-onderzoeksgroep van Ng. Coates zegt dat een belangrijke focus zal liggen op het bouwen van software die leert zonder menselijke tussenkomst, zoals het Google Brain-systeem deed, een benadering die bekend staat als leren zonder toezicht.
Systemen zonder toezicht vergen minder inspanning van programmeurs, maar tot nu toe hebben ze een relatief lage nauwkeurigheid, tenminste in vergelijking met mensen. Het kattenherkenningssysteem van Google bereikte bijvoorbeeld een nauwkeurigheid van ongeveer 70 procent. De grootste open vraag is: 'Hoe kun je leren zonder supervisie gebruiken om prestaties op menselijk niveau te bereiken?', zegt Coates. Maar de beloning voor het verbeteren van zelfs een beetje zou groot moeten zijn. Zoveel van de producten die we willen bouwen, zijn dingen die we willen communiceren met de wereld, zegt hij. Het is van toepassing op robots en autonome auto's en mobiele apps.
Eugenio Culurciello , een onderzoeker aan de Purdue University die werkt aan chips met ingebouwde neurale netwerken (zie AI-chip om computers te helpen afbeeldingen te begrijpen), zegt dat de opwinding over deep learning terecht is. Hij wijst op hoe zijn methoden de benchmarks hebben omvergeworpen die onderzoekers gebruiken om machine learning-software te rangschikken. Meestal verbeter je met 2 procent op wat er eerder was, zegt hij. Deze jongens zijn met 10 of 20 procent verbeterd.
Dergelijke resultaten zijn de reden waarom Facebook-CEO Mark Zuckerberg een verrassende verschijning maakte op de NIPS conferentie voor onderzoek naar neurale netwerken vorig jaar. Echter, Michael Mozer , een professor aan de Universiteit van Colorado, Boulder, en een bestuurslid van de NIPS Foundation, wijst erop dat de kernalgoritmen die de neurale netwerken gebruiken grotendeels dezelfde zijn als die welke aan het eind van de jaren tachtig een golf van optimisme over kunstmatige intelligentie veroorzaakten. Recente doorbraken zijn voortgekomen uit het vinden van trucs waarmee deze algoritmen op veel grotere schaal kunnen worden gebruikt, zegt Mozer. De mensen die eraan vasthielden, plukken er nu terecht de vruchten van, zegt hij, maar deep learning is niet zo'n grote sprong voorwaarts voor het vakgebied als soms wordt beweerd.
Vooralsnog zijn relatief weinig mensen thuis in de trucs die nodig zijn om deep learning goed te laten werken, zegt Culurciello. Als je nu de massa wilt verslaan, moet je proberen de mensen te kopen die dit spul echt kennen - anders loop je een paar jaar achter, zegt hij.