211service.com
Je beste teamgenoot kan ooit een algoritme zijn
PAAR
Google lanceert een poging waarvan het hoopt dat het van mensen en intelligente machines productieve werkmaatjes kan maken.
Via een project genaamd People + AI Research, of PAIR, zal Google tools vrijgeven die zijn ontworpen om de interne werking van AI-systemen transparanter te maken. Het bedrijf lanceert ook verschillende onderzoeksinitiatieven die gericht zijn op het vinden van nieuwe manieren waarop mensen en AI-systemen effectief kunnen samenwerken.
De laatste tijd is er veel aandacht besteed aan het potentieel van kunstmatige intelligentie om banen te elimineren en mensen te vervangen, maar in werkelijkheid kan de technologie vaak dienen als een krachtig nieuw soort hulpmiddel dat slechts een deel van iemands werk kan automatiseren.
Uitzoeken hoe mensen en AI-algoritmen effectief kunnen samenwerken, zou van grote economische betekenis kunnen zijn, en het zou de manier kunnen bepalen waarop het personeel wordt opgeleid. Het kan ook een rol spelen bij het temperen van negatieve reacties op de groeiende rol van automatisering in veel omgevingen (zie Vernietigt technologie banen? en Wie zal de robots bezitten? ).
Barbara Grosz , een professor aan de Harvard University die al lang betoogt dat computerwetenschappers AI-systemen moeten ontwerpen om mensen aan te vullen in plaats van te vervangen, zegt dat deze aanpak nodig is omdat AI nog steeds zo beperkt is in wat het kan doen. Grosz voegt eraan toe dat de mogelijkheden van mens en machine kunnen oplopen tot meer dan de som der delen. AI-systemen moeten, zoals alle computers, worden ontwikkeld voor de mensen die ze gaan gebruiken, zegt ze.
Een idee van hoe AI-algoritmen kunnen samenwerken met mensen, is te zien in games. Schaken of Go-spelers kunnen samenwerken met computerprogramma's om op een hoger niveau te presteren. Dit vereist een nieuwe reeks vaardigheden en een nieuwe benadering van elk spel.
De afgelopen jaren hebben snelle vorderingen gemaakt op het gebied van machine learning, met dramatische verbeteringen in technische prestaties, schreven de onderzoekers in een blogpost waarin het initiatief werd aangekondigd. Maar we geloven dat AI veel verder kan gaan - en nuttiger kan zijn voor ons allemaal - als we systemen bouwen met mensen in het achterhoofd aan het begin van het proces.
PAIR wordt geleid door Fernanda Viégas en Martin Wattenberg, onderzoekers die gespecialiseerd zijn in het ontwikkelen van visualisaties die complexe informatie begrijpelijker maken. Viégas en Wattenberg ontwikkelden eerder een reeks tools om het gedrag van complexe en abstracte machinale leermodellen op te helderen. De ondoorzichtigheid van dergelijke modellen is een groeiende zorg voor diegenen die ze in een breder scala aan omgevingen willen inzetten (zie The Dark Secret at the Heart of AI ).
Het PAIR-project wordt vandaag vrijgegeven twee gereedschappen voor het visualiseren van het soort grote datasets dat wordt gebruikt om een machine learning-model te trainen om bruikbare voorspellingen te doen. Deze visualisaties kunnen een datawetenschapper helpen afwijkingen in trainingsgegevens te identificeren.
Grosz zegt dat het vooral een uitdaging is om AI-systemen te bouwen die goed werken met mensen, deels omdat die systemen misschien complex en ondoorzichtig zijn, maar ook omdat intelligent omgaan met een mens een grote uitdaging is. In elke situatie moet je de mentale toestand van een persoon kunnen modelleren, zegt ze.