211service.com
De ellende van Uber toont aan hoe moeilijk het is om AI te commercialiseren
De inspanningen van Uber om de concurrentie een stap voor te blijven door fors te investeren in robotica en AI-onderzoek vertonen tekenen van problemen.
In de afgelopen maanden verloor Uber verschillende senior leden van zijn Advanced Technologies Group, een zelfrijdende auto-project met hoofdkantoor in Pittsburgh. En het hoofd van het nieuwe AI-lab, Gary Marcus, stopte ook met zijn functie na slechts een paar maanden de leiding te hebben gehad. Deze maken deel uit van een groter geheel dat de uitdagingen benadrukt die gepaard gaan met het commercialiseren van technologie die uiterst complex en hypermodern blijft.
Uber heeft in december zijn AI-lab opgericht na de overname van Geometric Intelligence, een startup onder leiding van Marcus, een cognitief wetenschapper van de New York University. Marcus, die nog steeds een adviseur op het gebied van AI voor Uber is, zal de uitdagingen bespreken die vandaag de dag nog bestaan op het gebied van kunstmatige intelligentie op EmTech Digital, een conferentie georganiseerd door MIT Technologie Review.
De nieuwste tegenslag van Uber kwam vorige week, toen het genoodzaakt was om het testen van zijn zelfrijdende voertuigen in Arizona stop te zetten nadat een auto was betrokken bij een ongeval met een ander voertuig. Er zijn nog geen aanwijzingen dat de zelfrijdende auto in gebreke is gebleven.
Zoals Marcus zal uitleggen, blijft het een enorme uitdaging om computers zo slim te maken als mensen in kritieke situaties zoals autorijden. Zelfrijdende auto's kunnen nog niet reageren op eventuele gebeurtenissen die ze onderweg tegenkomen, en ze hebben enorme hoeveelheden data nodig om te leren.
Uber haastte zich om geautomatiseerde voertuigen te ontwikkelen uit angst dat de technologie de taxi-industrie gemakkelijk zou kunnen ontwrichten. Het bedrijf kwam snel op snelheid en heeft zelfrijdende auto's op de wegen van verschillende steden. maar als MIT Technology Review ontdekt, werken deze systemen nog niet perfect, ook niet in gewone rijsituaties.
Er zijn ook grote technische uitdagingen. Het is bijvoorbeeld niet duidelijk hoe je zelfrijdende auto's kunt laten omgaan met gedegradeerde sensoren, of hoe actieve systemen zoals lidar, een soort lasersysteem, met elkaar zouden kunnen interfereren als er veel zelfrijdende auto's op de weg zouden zijn ( zie Wat u moet weten voordat u in een zelfrijdende auto stapt).
Marcus is een uitgesproken criticus van wat hij ziet als een te grote afhankelijkheid van op neurale netwerken gebaseerde machine learning-benaderingen in kunstmatige intelligentie. Hij richtte in 2014 Geometric Intelligence op om alternatieve benaderingen te onderzoeken (zie Can This Man Make AI More Human?).
Geometrische Intelligentie zocht onder meer naar efficiëntere manieren waarop machines kunnen leren. Terwijl een mens een nieuw verkeersbord heel snel kan leren herkennen, heeft een computer vele duizenden voorbeelden nodig met behulp van de beste machine-learningbenaderingen van vandaag.
Andere bedrijven die werken aan geautomatiseerd rijden, hebben ook langzamere vooruitgang geboekt dan ze hadden gehoopt. Google heeft een bedrijf, Waymo genaamd, voortgebracht uit zijn zelfrijdende auto-project, maar de technologie is nog niet commercieel beschikbaar.