Apple iegūst savu pirmo AI direktoru

Apple pieņem darbā uzlecošo zvaigzni dziļās mācīšanās pasaulē, lai tā būtu pirmais AI pētniecības direktors. Ruslans Salahutdinovs , asociētais profesors Kārnegija Melona Universitātē Pitsburgā, ieņems jauno amatu, kura mērķis ir palīdzēt uzņēmumam pārliecināties, ka Siri un citi tā produkti izmanto fundamentālos sasniegumus, kas izriet no akadēmiskās AI pētniecības. Salakhutdinovs runās par saviem pētījumiem EmTech MIT 2016, MIT Technology Review konferencē, kas notika šonedēļ.

Salakhutdinovs pēta ļoti lielus neironu tīklus, ko izmanto tehnoloģijā, ko sauc par dziļo mācīšanos, kas ļauj datoram iemācīties veikt sarežģītu uzdevumu, patērējot daudz apmācības piemēru. Viņš turpinās strādāt nepilnu darba laiku CMU un nolīgs pētnieku komandu darbam ar viņu Apple.

Šis solis ir daļa no Apple centieniem panākt sacensībā ar Google, Facebook, Amazon un citiem tehnoloģiju uzņēmumiem, lai iegūtu priekšrocības, pateicoties nesenajiem sasniegumiem AI un mašīnmācībā. Jo īpaši kļūst arvien svarīgāk, lai programmatūra pati varētu iemācīties veikt uzdevumu, izmantojot tādas metodes kā dziļa mācīšanās. Jaunākās mākslīgā intelekta metodes tiek izmantotas, piemēram, Google jaunajā viedtālrunī Pixel. Tā balss palīgs, ko sauc par palīgu, sadarbosies ar Apple Siri, izmantojot mašīnmācīšanos, lai mēģinātu izprast lietotāju izrunātos vaicājumus.

Salakhutdinova darbs pie progresīvām mašīnmācīšanās metodēm varētu palīdzēt virzīt progresu AI, un to varētu izmantot daudzās dažādās jomās, tostarp datorredzē, dabiskās valodas apstrādē un pat robotikā.

Nesen runājot, Salakhutdinovs teica, ka ir trīs lielas jomas, kurās AI attīstās: labākas valodas izpratnes nodrošināšana datoriem; dodot viņiem iespēju mācīties, atkārtojot un pozitīvi pastiprinot; un izstrādāt veidus, kā mašīnām mācīties no nemarķētiem datiem. Viņš arī uzsvēra darbu, ko viņš veic, mācot mašīnas, lai mācītos no nestrukturētiem datiem tīmeklī, kas varētu palīdzēt padarīt tādu produktu kā Siri viedāku.

Viņš teica, ka mēs strādājam pie idejas mēģināt izmantot ārējās zināšanu bāzes. Ja es jums kaut ko jautāju par konkrētu lietu, vai jūsu sistēma pamatā var atvērt Vikipēdiju, izlasīt dažus dažādus rakstus, uzzināt dažus faktus par pasauli un sniegt jums pareizo atbildi?

Salakhutdinova nesenais darbs ir vērsts arī uz to, lai mašīnas varētu mācīties no dažāda veida datiem, kā arī uz veidiem, kā vienā kontekstā apgūtās lietas var izmantot pilnīgi jaunā kontekstā — jomās, kas attiecīgi zināmas kā multimodāla mācīšanās un pārneses mācīšanās. Viņš arī sadarbojās projektā, kurā, iedvesmojoties no kognitīvās zinātnes, tika parādīts, kā datori var mācīties no salīdzinoši neliela datu apjoma (sk. Šis AI algoritms apgūst vienkāršus uzdevumus tikpat ātri kā mēs ).

Pēdējos gados konkurenti, piemēram, Google un Facebook, ir nolīguši vadošās personas dziļās mācīšanās jomā, lai vadītu savus AI centienus. Apple ir daudz mazāk pamanāms AI pētniecības darbs nekā konkurentiem, un daži ir norādījuši, ka tā tradicionālā slepenība ir apgrūtinājusi uzņēmuma labāko pētnieku pieņemšanu darbā šajā jomā.

Pēdējos gados padziļināta mācīšanās ir kļuvusi nozīmīgāka pēc tam, kad tā ir izrādījusies ļoti laba, ļaujot mašīnām atpazīt objektus attēlos un runātos vārdus audio. Google un Facebook izmanto tehnoloģiju, lai automātiski parakstītu attēlus. Un tas ir ļāvis Siri un citiem ar balsi aktivizējamiem produktiem labāk atpazīt vārdus. Tomēr šo vārdu nozīmes analīze joprojām ir lielāks izaicinājums (skatiet AI valodas problēmu).

paslēpties