211service.com
Google en Microsoft praten over kunstmatige intelligentie
Google en Microsoft delen niet vaak een podium, omdat ze steeds fellere concurrenten zijn op gebieden zoals zoeken op het web, mobiel en cloud computing. Maar de rivalen kunnen het over sommige dingen eens zijn, zoals het belang van kunstmatige intelligentie voor de toekomst van technologie.
Ontmoeting van de geesten: Peter Norvig (boven) en Eric Horvitz zijn het erover eens dat AI een sleutel is tot de toekomst van technologie.
Peter Norvig , onderzoeksdirecteur van Google, en Eric Horvitz , een vooraanstaande wetenschapper bij Microsoft Research, sprak onlangs samen voor een publiek op de Computergeschiedenismuseum in Palo Alto, Californië, over de belofte van AI. Daarna sprak het paar met Technologie beoordeling ’s IT-editor, Tom Simonite, over wat AI vandaag kan doen en wat ze denken dat het morgen kan. Kunstmatige intelligentie is een complex onderwerp en sommige antwoorden zijn kortheidshalve bewerkt.
Technologie beoordeling : Jullie spraken allebei op het podium over hoe AI de afgelopen jaren is gevorderd door het gebruik van machine learning-technieken die grote hoeveelheden gegevens opnemen en dingen uitvinden zoals het vertalen van tekst of het transcriberen van spraak. Hoe zit het met de gebieden waarvan we willen dat AI helpt waar er niet veel gegevens zijn om van te leren?
Peter Norvig: Wat we doen is als onder de lantaarnpaal kijken naar je gevallen sleutels omdat het licht er is. We hebben het heel goed gedaan met tekst en spraak omdat er veel gegevens in het wild zijn. Parsing [de grammaticale elementen van zinnen opsplitsen] komt nooit van nature voor, misschien in iemands taalkundig huiswerk, dus we moeten dat leren zonder [gelabelde] gegevens. Een van mijn collega's probeert dat te omzeilen door te kijken naar welke delen van online tekst links zijn gemaakt - die kunnen aangeven waar een bepaald deel van een zin staat.
Eric Horvitz: Ik heb vaak gedacht dat als je een cloudservice in de lucht had die elk spraakverzoek registreerde en wat er daarna gebeurde - elk gesprek in elke taxi in Peking bijvoorbeeld - het mogelijk zou kunnen zijn om AI te laten leren hoe je alles.
Sterker nog, als we manieren kunnen vinden om veel gegevens vast te leggen op een manier die de privacy behoudt, kunnen we dat mogelijk maken.
Is het niet moeilijk om machine learning te gebruiken als de trainingsgegevens niet al zijn gelabeld en uitgelegd, om de AI een waarheid te geven om mee aan de slag te gaan?
Horvitz: Je hoeft het niet volledig te labelen. Een gebied dat bekend staat als semi-gesuperviseerd leren, laat ons zien dat zelfs als 1 procent of minder van de gegevens is getagd, u dat kunt gebruiken om de rest te begrijpen.
Maar een gebrek aan labels is een uitdaging. Een oplossing is om mensen een klein bedrag te betalen om een systeem te helpen met gegevens die het niet kan begrijpen, door microtaken uit te voeren, zoals het labelen van afbeeldingen of andere kleine dingen. Ik denk dat het gebruik van menselijke berekeningen om AI te vergroten een heel rijk gebied is.
Een andere mogelijkheid is om systemen te bouwen die de waarde van informatie begrijpen, wat betekent dat ze automatisch kunnen berekenen wat de volgende beste vraag is om te stellen, of hoe ze de meeste waarde kunnen halen uit een extra tag of stukje informatie dat door een mens wordt verstrekt.
Norvig: Je hoeft een leersysteem niet alles te vertellen. Er is een vorm van leren die versterkingsleren wordt genoemd, waarbij je aan het einde van een taak gewoon een beloning of straf geeft. Je hebt bijvoorbeeld een spelletje dammen verloren en je krijgt niet te horen waar je fout bent gegaan en moet leren wat je moet doen om de volgende keer de beloning te krijgen.
Dit alles is heel anders dan de begindagen van kunstmatige intelligentie, in de jaren '50 en '60, toen onderzoekers gewaagde voorspellingen deden over het matchen van menselijke vaardigheden en probeerden regels op hoog niveau te gebruiken om intelligentie te creëren. Werken uw machine-learningsystemen dezelfde regels op hoog niveau voor zichzelf uit?
Horvitz: Leersystemen kunnen situationele regels op hoog niveau afleiden voor actie, bijvoorbeeld om een reeks [fysiologische] symptomen en testresultaten te nemen en een diagnose uit te spreken. Maar dat is niet hetzelfde als algemene regels van intelligentie.
Het kan zijn dat het meer low-level werk dat we vandaag doen, op een dag zal voldoen aan de top-down ideeën van onderop. De revolutie waar Peter en ik deel van uitmaakten in AI was dat besluitvorming onder onzekerheid zo belangrijk was en kon worden gedaan met probabilistische benaderingen. Samen met de probabilistische revolutie in de AI komt perspectief: we zijn zeer beperkte agenten en onvolledigheid is onontkoombaar.
Norvig: Vroeger was er logica die kunstmatige intelligentie onderscheidde, en de vraag was hoe die te gebruiken. De studie werd de studie van waar deze tools goed voor waren, zoals schaken. Maar je kunt dan alleen dingen hebben die waar of onwaar zijn en je kunt niet veel dingen doen die we willen doen, dus gingen we naar waarschijnlijkheid. Het duurde even voordat het veld herkende dat die andere velden, zoals kansrekening en beslissingstheorie, er waren. Het is een uitdaging om die twee benaderingen samen te brengen.
Naarmate we meer direct bewijs van AI in het echte leven zien, bijvoorbeeld Siri, lijkt het erop dat er een soort ontwerpprobleem is ontstaan. Mensen die AI's maken, moeten ze verteerbaar maken voor onze eigen intelligentie.
Norvig: Dat is eigenlijk een reeks problemen op verschillende niveaus. We kennen het menselijke zichtsysteem en wat bijvoorbeeld het maken van verschillende kleuren van knoppen kan betekenen. Op een hoger niveau zijn de verwachtingen in ons hoofd van iets en hoe het zich zou moeten gedragen, gebaseerd op wat we denken dat het is en hoe we denken over de relatie met ons.
Horvitz: AI kruist steeds meer het gebied van computer-menselijke interactie [de psychologie bestuderen van hoe we computers gebruiken en erover denken]. Het idee dat we intelligentere dingen zullen hebben die nauw samenwerken met mensen, vestigt echt de aandacht op de noodzaak om nieuwe methoden te ontwikkelen op het snijvlak van menselijke intelligentie en machine-intelligentie.
Waar moeten we meer over weten om AI's beter compatibel te maken met mensen?
Horvitz: Een van de dingen die mijn onderzoeksgroep heeft aangedrongen om computers te geven, is een systeembreed begrip van menselijke aandacht, om te weten wanneer iemand het beste kan worden onderbroken. Het is een onderwerp van onderzoek geweest tussen ons onderzoekers en de productteams.
Norvig: Ik denk dat we het menselijk lichaam ook veel meer willen begrijpen, en je kunt in Microsoft's Kinect een manier zien om dat te doen. Er is veel potentieel om systemen ons gedrag en lichaamstaal te laten begrijpen.
Zit er AI in Kinect?
Horvitz: De kern ervan is vrij veel machine learning. Ik denk dat het idee dat we geavanceerde AI kunnen gebruiken en een consumentenapparaat kunnen ontwikkelen dat sneller verkocht dan enig ander in de geschiedenis, iets zegt over het gebied van AI. Machine learning speelt ook een centrale rol in Bing-zoekopdrachten en ik kan alleen maar aannemen dat dit ook belangrijk is in het zoekaanbod van Google. Dus mensen die op internet zoeken, gebruiken AI in hun dagelijks leven.
Nog een laatste vraag: kun je me een recente demo van AI-technologie vertellen die indruk op je heeft gemaakt?
Norvig: Ik las onlangs een paper van iemand bij Google die op het punt stond terug te gaan naar Stanford over leren zonder toezicht, een gebied waar de curves van onze verbetering in de loop van de tijd er niet zo goed uitzagen. Maar hij behaalt een aantal hele goede resultaten, en het lijkt erop dat leren als je niets van tevoren weet, op het punt staat een stuk beter te worden.
Horvitz: Ik ben erg onder de indruk van leerlingleren, waarbij een systeem leert door het voorbeeld te geven. Het heeft veel toepassingen. Berkeley en Stanford hebben beide groepen die dat echt bevorderen: bijvoorbeeld helikopters die leren op hun rug [ondersteboven] te vliegen van [observatie] van een menselijke expert.