Facebook ideāls, neiespējams tērzēšanas robots

Tims Liedtke

Amazon Alexa var izsaukt Uber un apmierināt četrgadīga bērna pieprasījumu pēc farta trokšņiem. Siri var kontrolēt jūsu internetam pievienoto termostatu. Katrs no tiem katru dienu apkalpo miljoniem lietotāju. Taču laimīgā grupa, kurā ir aptuveni 10 000 cilvēku, galvenokārt Kalifornijā, zina, ka Facebook palīgs M ir gudrākais.

Vai ieteikt un rezervēt romantisku viesnīcu Marokā, kas ir piemērota arī maziem bērniem? Nekādu problēmu. Vai saņemt piedāvājumus no vietējiem darbuzņēmējiem par sava pagalma labiekārtošanu? Uzskatiet, ka tas ir izdarīts. Facebook eksperimentālais palīgs, kas tiek piedāvāts uzņēmuma Messenger lietotnē, parāda, cik vērtīgs ir īsts digitālais sulainis jūsu kabatā. Tā vietā, lai tikai izgūtu vienkāršas informācijas daļas no datu bāzēm, M var saprast sarežģītus pasūtījumus un veikt darbības, piemēram, rezervēt teātra biļetes vai sazināties ar uzņēmumiem, lai iegūtu informāciju.

M ir tik gudrs, jo tas krāpjas. Tas darbojas tāpat kā Siri, jo, pieskaroties ziņai M, algoritmi mēģina izdomāt, ko vēlaties. Tomēr, ja viņi to nevar, M neatgriežas pie meklēšanas tīmeklī vai nesaka, ka atvainojos, es nesaprotu jautājumu. Tā vietā cilvēks nemanāmi pārņem vadību, atbildot uz jūsu pieprasījumu tā, it kā algoritmi joprojām būtu pie stūres. (Facebook atteicās pateikt, cik no šiem darbiniekiem tajā ir, vai padarīt M pieejamu, lai to izmēģinātu.)

Šis dizains ir pārāk dārgs, lai to pielāgotu 1,2 miljardiem cilvēku, kuri izmanto Facebook Messenger, tāpēc Facebook 2015. gadā piedāvāja M dažiem tūkstošiem lietotāju kā sava veida daļēji publisku pētniecības un attīstības projektu. Cilvēku darbinieku un algoritmu sapīšana bija paredzēta, lai atklātu, kā cilvēki reaģētu uz visuzinošu virtuālo asistentu, un sniegtu datus, kas ļautu algoritmiem iemācīties pārņemt savu cilvēku treneru darbu.

Ikviens šajā jomā sapņo izveidot palīgu, kurš beidzot būs ļoti, ļoti, ļoti gudrs, saka Alekss Lebruns, kurš uzsāka projektu. M ir paredzēts atvērt ceļu, lai to patiesi darītu.

Tagad divus gadus pa šo ceļu Facebook pētniecības projektu var pamatoti saukt par veiksmīgu. Lietotāji, piemēram, M, un teorija, ka programmatūra varētu iemācīties pārņemt kādu darbu no cilvēku treneriem, ir apstiprināta. Tomēr M joprojām ir tālu no punkta, kurā tas varētu būt īsts produkts, kas tiek piedāvāts pārējiem 99,9 procentiem Messenger lietotāju, un progress ir bijis grūtāks, nekā gaidīts.

Mēs zinājām, ka tas ir milzīgs izaicinājums, bet tas ir vēl lielāks, nekā es domāju, saka Lebruns. Mācīšanās ātrums, automatizācijas izaugsme — mēs esam redzējuši, ka tas būs lēnāks, nekā mēs cerējām. M stāsts ir atgādinājums par to, cik tālu mākslīgais intelekts ir ticis pēdējos gados un cik tālu tam ir jāiet.

M ir paredzēts moonshot

Cilvēki ir pārsteidzoši spēle runāt ar mēmām mašīnām. Pirmo tērzēšanas robotu 1964. gadā izveidoja MIT profesors Džozefs Vaizenbaums. Tas rikšoja nospraustās līnijas, atbildot uz konkrētiem atslēgvārdiem, visveiksmīgāk pildot terapeita lomu. Par Veizenbauma īgnumu daudzi cilvēki, kas to izmēģināja, tostarp viņa paša sekretāre, bija satriekti, lai gan zināja, ka robots, ko sauca Elīza, neko nezināja. Es nebiju sapratis, ka ārkārtīgi īsa ekspozīcija salīdzinoši vienkāršai datorprogrammai diezgan normālos cilvēkos var izraisīt spēcīgu maldīgu domāšanu, viņš vēlāk rakstīja.

Ir daudz grūtāk izveidot tērzēšanas robotu, kas palīdz paveikt lietas, nevis darboties tikai kā skaņu dēlis vai biktstēvs. Kad virtuālajam kalpam tiek lūgts kaut ko darīt, neskaidra vai novirzoša atbilde to neizjauc. Mūsdienu programmatūra nespēj saprast valodu un pasauli, tāpēc virtuālie palīgi, piemēram, Siri vai Alexa, ir skaidri jāieprogrammē, lai veiktu jebkuru uzdevumu.

Tāpēc tirgū esošajām robotprogrammatūrām ir ierobežots repertuārs. Un tas, iespējams, izskaidro, kādēļ Microsoft, Facebook un dažu tehnoloģiju investoru atbalstītie ieteikumi pagājušajā gadā, ka tērzēšanas roboti tika iestatīti, lai pārveidotu to, kā mēs lietojam datorus, tāpat kā to darīja mobilās lietotnes, ir bijuši pārāk mazi. Boti šobrīd ir izmisuma dziļumā, saka Gregs Kons, Burner izpilddirektors, mobilo sakaru privātuma uzņēmums, kas ir sācis palīdzēt Airbnb saimniekiem izveidot vienkāršu robotprogrammu, lai atbildētu uz bieži uzdotiem viesu jautājumiem. Nozares vērotājiem šķiet, ka viņi ir pārspīlēti un nesniedz rezultātus.

Lebruns uzbūvēja M, jo viņš vairāk nekā desmit gadus bija pavadījis tradicionālu, šauru tērzēšanas robotu veidošanā un sapņoja piedāvāt daudz vairāk. Viņš pievienojās Facebook 2015. gada sākumā, kad sociālais tīkls iegādājās Wit.ai — uzņēmumu, kuru viņš līdzdibināja, lai palīdzētu uzņēmumiem izveidot tērzēšanas robotus tādām funkcijām kā klientu atbalsts. Lebruns iepriekš bija pārdevis tērzēšanas robotu uzņēmumu runas atpazīšanas gigantam Nuance.

Katrs robots tirgū, tostarp mans, bija balstīts uz noteikumiem, un jūs zināt, ka kādu dienu jūs sasniegsit griestus un nekad netiksit cauri, saka Lebruns. Mūsu bērni nestrādā saskaņā ar noteikumiem vai skriptiem, un kādu dienu viņi kļūst gudrāki par jums.

M sākotnēji tika piedāvāts tikai Facebook darbiniekiem, bet pēc tam dažiem smagiem Messenger lietotājiem Kalifornijā. Un nebija vajadzīgs ilgs laiks, lai pierādītu, ka algoritmi patiešām var iemācīties veikt daļu no darba, ko veic cilvēki, kas darbina palīgu.

Tims Liedtke

Facebook mākslīgā intelekta pētniecības grupa izmantoja M, lai pārbaudītu jauna veida mācību programmatūru, ko sauc par atmiņas tīklu, kas bija parādījis spēju atbildēt uz jautājumiem par vienkāršiem stāstiem. Programmatūra izmanto sava veida darba atmiņu, lai saglabātu svarīgu informāciju vēlākai lietošanai. Google testē arī dizainu, lai uzlabotu programmatūras spriešanas prasmes.

Veizenbaums jau 1964. gadā bija izteicis domu, ka kaut kas tāds varētu padarīt Elīzu gudrāku, un dažu nedēļu laikā tas izdevās M. Lebrūns atceras, ka bija pārsteigts pēc pateicības asistentei par kino biļešu pasūtījumu. Tas automātiski ģenerēja atbildi, laipni lūdzam. Izbaudi filmu. M bija iemācījies atcerēties un izmantot tā uzdevuma kontekstu, kurā tas palīdzēja. Mēs bijām patiešām pārsteigti, saka Lebruns. Neviens nav uzrakstījis programmu, lai to izdarītu.

Atmiņas tīkli turpināja darīt vairāk. Tie tagad sāk darboties, ja kāds lūdz M, lai tiktu piegādāti ziedi, piemēram, automātiski izmantojot galveno informāciju no pieprasījuma, piemēram, budžetu vai adresi, lai ģenerētu ieteikumus no tiešsaistes floristi. Cilvēku treneris pēc tam izvēlas, ko piedāvāt lietotājam.

Citi atklājumi ir bijuši mazāk priecīgi. Viens no tiem ir milzīgā apetīte, ko M atklāj tā lietotājiem. Izmantojot ierobežotus, pilnībā automatizētus palīgus, piemēram, Siri vai Alexa, cilvēki mēdz izmantot dažas funkcijas, kas viņiem šķiet uzticamas. Ar M viņi to nedara.

Cilvēki mēģina vispirms pajautāt par laikapstākļiem rīt; tad viņi saka: 'Vai ir pieejams itāļu restorāns?' Tālāk viņiem ir jautājums par imigrāciju, un pēc kāda laika viņi lūdz M noorganizēt viņu kāzas, stāsta Lebruns. Mēs zinājām, ka tas būs bīstami, un tas pārsniedz mūsu cerības.

Cilvēku treneri spēlējot dara visu iespējamo, saņemot tādus sarežģītus jautājumus kā Vienojieties, lai papagailis apciemo manu draugu , bet dažreiz viņi atsakās palīdzēt vispār. Pat ja M automātiski noraidītu vissarežģītākos lietotāju vaicājumus, viņu pieprasījumu daudzveidība apgrūtina mērķi panākt, lai algoritmi pārņemtu cilvēku apmācītājus. Paņēmiens, ko sauc par dziļo mācīšanos, nesen ir padarījis mašīnmācīšanos jaudīgāku (piemēram, atmiņas tīkli). Taču mācīšanās rīkoties ar dažādiem sarežģītiem scenārijiem, par kuriem ir maz datu, jo tie nerodas bieži, nav tā problēma, ar ko izceļas dziļa mācīšanās. Tas ir daudz gudrāks, un tas var apgūt ļoti sarežģītus uzdevumus, taču tam ir nepieciešams daudz datu, saka Lebruns.

Tālbrauciens

Lēnāks, nekā gaidīts, progress ir licis Facebook pārdomāt savu projektu. Pagājušajā nedēļā programmā Messenger parādījās funkcija ar nosaukumu M Suggestions, kas pēc funkcijām ir līdzīga ierobežoto robotu veidiem, kurus M paredzēts izspiest. Tas aplūko jūsu tērzēšanas sarunas ar draugiem, lai noskaidrotu, ka jūs varētu vēlēties veikt tādas darbības kā, piemēram, pasūtīt braucienu ar Uber vai nosūtīt kādam naudu, un piedāvā pogu, lai ar vienu pieskārienu sasniegtu šos mērķus.

Mēs nolēmām atrast izmantošanas gadījumu, lai varētu paātrināt vērtības nodrošināšanu lietotājiem, saka Lorāns Lendovskis, kurš pievienojās Facebook kopā ar Lebrun kā Wit.ai līdzdibinātājs un tagad pārrauga M. (Lebruns janvārī atgriezās savā dzimtajā Francijā, pievienojoties Facebook AI pētījumiem. laboratorija Parīzē.)

Sākotnējais, no cilvēka atkarīgs M joprojām ir pieejams, sniedzot daudz lielāku vērtību saviem dažiem laimīgajiem lietotājiem. Facebook saka, ka ir apņēmusies īstenot projektu, un pašreizējais mākslīgā intelekta brīdis ir labs ilgtermiņa derībām. Pēdējos pāris gados dziļā mācīšanās ir mainījusi iedibinātās metodes un cerības uz programmatūru, kas apstrādā valodu, saka Džastīna Kasela , Kārnegija Melona profesors. Mēs esam šo jauno mašīnmācīšanās algoritmu slavas dienās, viņa saka. Patiešām, Google tulkojumu precizitāte nesen pieauga līdz gandrīz cilvēka līmenim.

Tas nenozīmē, ka programmatūra var iemācīties spēlēt sulaini, skatoties, kā cilvēki to dara, ir jau iepriekš pieņemts secinājums. Es domāju, ka mēs vēl nezinām, saka Kasels. Taču Facebook pētnieki saka, ka viņiem ir daudz ideju, ko izpētīt.

Viens no tiem ir panākt, lai M automatizētā puse mācītos no pozitīvām vai negatīvām atsauksmēm lietotāju sūtītajos ziņojumos, izmantojot paņēmienu, ko iedvesmojis dzīvnieku apmācības process ar atlīdzību (skatiet sadaļu 10 Breakthrough Technologies 2017: Enforcement Learning ). M varētu virzīties uz priekšu ātrāk, ja tas nebūtu atkarīgs tikai no pērtiķa, ko dara tās līgumslēdzēji. Lai rosinātu idejas plašākā pētnieku aprindās, Facebook komanda ir izlaidusi rīkus, kas palīdz citiem pārbaudīt un salīdzināt neskriptētos palīgrotus. Un daudzsološās jaunas metodes tagad var pārbaudīt arī plašākā mērogā programmā M Suggestions.

Lebruns un Landovskis domā, ka viņi joprojām ir ceļā, lai galu galā nodotu īsto M masām. Dažreiz mēs sakām, ka tie ir trīs gadi vai pieci gadi, bet varbūt tas ir 10 gadi vai vairāk, saka Landovskis.

Lebruns piebilst: Tas ir tik grūti, un mēs progresējam lēnām, bet es domāju, ka mums ir viss, kas mums nepieciešams. Viņam varētu būt taisnība, taču varat arī iedomāties, ka kāds, kurš satika Elīzu 1964. gadā, saka gandrīz to pašu.

paslēpties