211service.com
IBM en MIT wedden dat materialen en kwantumvooruitgang AI een boost zullen geven
IBM
Een nieuw centrum van $ 240 miljoen aan het MIT kan helpen het gebied van kunstmatige intelligentie vooruit te helpen door nieuwe apparaten en materialen te ontwikkelen om de nieuwste algoritmen voor machine learning aan te drijven. Het kan IBM misschien ook helpen zijn reputatie terug te winnen op het gebied van geavanceerde AI.
Het project, dat vandaag door IBM en MIT is aangekondigd, zal onderzoek doen naar nieuwe benaderingen in deep learning, een techniek in AI die heeft geleid tot grote vooruitgang op gebieden zoals machine vision en spraakherkenning. Maar het zal ook volledig nieuwe computerapparatuur, materialen en fysieke fenomenen onderzoeken, inclusief inspanningen om kwantumcomputers – exotische maar potentieel zeer krachtige nieuwe machines – te benutten om AI nog capabeler te maken.
Er vindt veel innovatie plaats met behulp van standaard silicium en architecturen, maar hoe zit het met de apparaten en de materiaalwetenschap? zegt Darius Gil , vice-president AI bij IBM Research. Het is een gebied dat niemand aanraakt, en het heeft het potentieel voor verbeteringen in de orde van grootte.
Het centrum zal ook kijken naar manieren waarop AI effectiever kan worden ingezet in sectoren als gezondheidszorg en beveiliging. En het zal de economische impact bestuderen van kunstmatige intelligentie en automatisering, een enorm belangrijk probleem voor de samenleving.
De verhuizing is belangrijk voor MIT. De universiteit liep in de jaren vijftig voorop in AI-onderzoek, maar het zwaartepunt van het veld is recentelijk naar het westen verschoven, met grote technologiebedrijven als Google, Facebook, Microsoft en Amazon die de leiding hadden.
De investering betekent ook een verschuiving voor IBM. Het bedrijf duwde AI vooruit door Deep Blue te ontwikkelen, een machine die in 1997 de wereldkampioen schaken, Garry Kasparov, versloeg (zie How the Chess Was Won). De Watson-supercomputer die de spelshow won Gevaar! gebruikten in 2010 geavanceerde machine learning en natuurlijke taalverwerkingstechnieken. In de afgelopen jaren hebben andere bedrijven echter de schijnwerpers in AI-onderzoek gestolen en het bedrijf is er soms van beschuldigd de AI-services die beschikbaar zijn onder het Watson-merk te overhypen.
Vooral focussen op hardware kan een goede manier zijn om opnieuw op te starten. Hoewel er de afgelopen jaren dramatische vooruitgang is geboekt op het gebied van AI, is het meeste te danken aan een handvol algoritmen, evenals de groeiende beschikbaarheid van krachtige supercomputers en grote hoeveelheden trainingsgegevens. Zelfs als er nieuwe benaderingen ontstaan, bieden nieuwe materialen en computerarchitecturen een enorm potentieel om deze AI-algoritmen te verbeteren.
De meeste geavanceerde machine learning wordt tegenwoordig gedaan op conventionele computerchips, of ze nu oorspronkelijk zijn ontworpen voor grafische verwerking of op maat zijn gemaakt om de benodigde berekeningen zo efficiënt mogelijk uit te voeren. Het heroverwegen van chiparchitecturen en het soort gebruikte componenten zou de prestaties aanzienlijk kunnen verbeteren. IBM heeft al een sterke onderzoeksfocus op materiaalwetenschap en nieuwe computerapparatuur. Hoe enthousiast we ook zijn over AI, het vakgebied heeft nog tientallen jaren voor de boeg, zegt Gil.
Rafael Reif, president van MIT (links), en John Kelly, senior vice-president cognitieve oplossingen en onderzoek bij IBM.
Een van die kansen zou kunnen komen van quantum computing. Het is al tientallen jaren een curiositeit op het gebied van onderzoek, maar het vordert nu naar praktische machines die in staat zijn om echte problemen aan te pakken, met name op gebieden zoals chemisch onderzoek. De mogelijke effecten op machine learning en AI zorgen voor fascinerende vragen.
Gil zegt dat het te vroeg is om te voorspellen hoe de dingen zullen uitpakken, maar hij gelooft dat experimenten voor verrassingen kunnen zorgen. Dat gebeurt alleen als je een verdomde kwantumcomputer hebt, en dat is wat we hebben, zegt hij.
Naast hardware-ontwikkelingen, zal het nieuwe MIT-centrum nieuwe soorten machine-learning-algoritmen onderzoeken. Het zal met name algoritmen onderzoeken waarmee computers kunnen leren van onbewerkte of niet-gelabelde gegevens en algoritmen die het mogelijk kunnen maken om leren van het ene domein naar het andere over te dragen.
Anantha Chandrakasan , decaan van de technische school van MIT, zegt dat onderzoeksinspanningen op het gebied van hardware en software idealiter met elkaar in verband moeten worden gebracht. We gaan geen algoritmen ontwerpen die volledig onafhankelijk zijn van de architecturen die we gaan gebruiken, zegt hij. We zullen denken op systeemniveau zien.
Het lab gaat ook onderzoeken hoe AI kan worden toegepast in specifieke domeinen, zoals de gezondheidszorg en computerbeveiliging. Chandrakasan zegt dat hij bijzonder enthousiast is om de praktische toepassingen van AI te verkennen, en hij hoopt dat het streven de komende jaren nieuwe spin-outbedrijven zal voortbrengen.
Dit interessegebied zou van bijzonder belang kunnen zijn voor de huidige activiteiten van IBM. Het bedrijf vond het moeilijker dan verwacht om Watson in te zetten op gebieden zoals de gezondheidszorg (zie A Reality Check for IBM's AI Ambitions).
De samenwerking zal ook onderzoek doen naar de implicaties van AI voor de wereldwijde welvaart. Francesca Rossi, een vooraanstaand onderzoeker bij de IBM T.J. Watson Research Center, zegt dat het project zal aansluiten bij het werk aan AI-algoritmen. Om gedeelde welvaart via AI te bevorderen, moet je ook de AI-algoritmen die je zou gebruiken, verbeteren, zegt ze.
In de focus op het gebruik van AI om economische en maatschappelijke voordelen te leveren, overlapt de inspanning in sommige opzichten met de Partnerschap op AI , een consortium dat IBM in september 2016 hielp oprichten om te onderzoeken hoe AI de samenleving beïnvloedt. Maar Rossi zegt dat de samenwerking tussen MIT en IBM onderzoek zal opleveren, terwijl het partnerschap een open platform biedt om deze kwesties te bespreken. Het Partnership on AI zou bijvoorbeeld kunnen aanbevelen dat elk AI-systeem zichzelf kan uitleggen, als algemene richtlijn. Maar AI-experts begrijpen nog steeds niet hoe algoritmen beslissingen nemen (zie The Dark Secret at the Heart of AI). MIT en IBM zouden manieren kunnen bedenken om dit raadsel aan te pakken door samen te werken, zegt Rossi.