Google un citi veido AI sistēmas, kas par sevi šaubās

Saimans Čovs

Visspēcīgākā pieeja AI, dziļa mācīšanās, iegūst jaunas iespējas: nenoteiktības sajūtu.

Uber un Google pētnieki strādā pie divu populārāko padziļināto mācību sistēmu modifikācijām, kas ļaus viņiem rīkoties ar varbūtību. Tas nodrošinās iespēju gudrākajām AI programmām izmērīt viņu uzticību pareģojumam vai lēmumam — būtībā, lai uzzinātu, kad viņiem vajadzētu šaubīties par sevi.

Padziļināta mācīšanās, kas ietver piemēru datu padevi lielam un jaudīgam neironu tīklam, pēdējos gados ir guvusi milzīgus panākumus, ļaujot mašīnām atpazīt objektus attēlos vai gandrīz perfekti pārrakstīt runu. Bet tas prasa daudz apmācības datu un skaitļošanas jaudas, un tas var būt pārsteidzoši trausls.

Nedaudz pretēji, šī pašapziņa piedāvā vienu labojumu. Jaunā pieeja varētu būt noderīga kritiskos scenārijos, kas saistīti ar pašbraucošām automašīnām un citām autonomām mašīnām.

Jūs vēlētos sistēmu, kas ļauj novērtēt, cik tā ir droša, saka Dastins Trans, kurš strādā pie šīs problēmas Google. Ja pašbraucoša automašīna nezina savu nenoteiktības līmeni, tā var pieļaut fatālu kļūdu, un tas var būt katastrofāli.

Darbs atspoguļo atziņu, ka nenoteiktība ir galvenais cilvēka spriešanas un inteliģences aspekts. Tā pievienošana AI programmām varētu padarīt tās gudrākas un mazāk pakļautas kļūdām, saka Zoubins Ghahramani , ievērojams mākslīgā intelekta pētnieks, kurš ir Kembridžas universitātes profesors un Uber galvenais zinātnieks.

Tas var izrādīties ļoti svarīgi, jo AI sistēmas tiek izmantotas arvien kritiskākos scenārijos. Mēs vēlamies izveidot stingru pamatu padziļinātām mācībām, taču cilvēkiem būtu vieglāk atspoguļot nenoteiktību, Ghahramani man teica nesen pie kafijas vienā rītā lielajā AI konferencē Longbīčā, Kalifornijā.

Tās pašas AI konferences laikā kādu pēcpusdienu pētnieku grupa pulcējās tuvējā bārā, lai apspriestu Pyro, jaunu Uber izdoto programmēšanas valodu, kas apvieno dziļo mācīšanos ar varbūtības programmēšanu.

Tikšanos Longbīčā organizēja Noa Gudmens , Stenfordas profesors, kurš arī ir saistīts ar Uber AI Lab. Ar cirtainiem, izspūrušiem matiem un atpogātu kreklu viņu varētu viegli sajaukt ar jogas skolotāju, nevis AI ekspertu. Starp sapulcē esošajiem bija Trans, kurš arī ir veicinājis Pyro attīstību.

Gudmens skaidro, ka padziļinātas mācīšanās spēja rīkoties ar varbūtību var padarīt to gudrāku vairākos veidos. Tas, piemēram, varētu palīdzēt programmai atpazīt lietas ar saprātīgu noteiktības pakāpi tikai no dažiem piemēriem, nevis no daudziem tūkstošiem. Piedāvājot noteiktības pakāpi, nevis atbildi jā vai nē, vajadzētu palīdzēt arī sarežģītu sistēmu inženierijā.

Un, lai gan parastā padziļinātās apmācības sistēma mācās tikai no datiem, kas tiek ievadīti, Pyro var izmantot arī, lai izveidotu sistēmu, kas iepriekš ieprogrammēta ar zināšanām. Tas varētu būt noderīgi gandrīz jebkurā scenārijā, kurā pašlaik varētu parādīties mašīnmācīšanās.

Saistīts stāsts

Saistīts stāsts Alfabēts, mūsu 50 gudrāko uzņēmumu saraksta 5. vieta, uzskata, ka tas var atņemt mākoņdatošanas tirgu no Amazon, palīdzot uzņēmumiem izmantot mašīnmācīšanos ar rīku TensorFlow.

Gadījumos, kad jums ir priekšzināšanas, kuras vēlaties iekļaut modelī, varbūtības programmēšana ir īpaši noderīga, saka Gudmens. Cilvēki izmantos Pyro visu veidu lietām.

Edvards ir vēl viena programmēšanas valoda, kas ietver nenoteiktību. Šī valoda tika izstrādāta Kolumbijas universitātē ar DARPA finansējumu. Gan Pyro, gan Edvards joprojām atrodas agrīnā attīstības stadijā, taču nav grūti saprast, kāpēc Uber un Google ir ieinteresēti.

Uber izmanto mašīnmācīšanos neskaitāmās jomās, sākot no vadītāju maršrutēšanas līdz paaugstinātas cenas noteikšanai, un, protams, savās pašbraucošajās automašīnās. Uzņēmums ir ieguldījis lielus ieguldījumus AI, pieņemot darbā vairākus ekspertus, kas strādā pie jaunām idejām. Google ir pārveidojis visu savu biznesu, balstoties uz AI un padziļinātu mācīšanos pēdējā laikā.

Deivids Blajs , Kolumbijas universitātes statistikas un datorzinātņu profesors un Tran padomnieks, saka, ka dziļās mācīšanās un varbūtības programmēšanas apvienošana ir daudzsološa ideja, kurai nepieciešams vairāk darba. Principā tas ir ļoti spēcīgs, viņš saka. Taču ir daudz, daudz tehnisku izaicinājumu.

Tomēr, kā atzīmē Gudmens, Pyro un Edward ir arī nozīmīgi, lai apvienotu divas konkurējošas AI skolas, no kurām viena koncentrējas uz neironu tīkliem, bet otra uz varbūtību.

Pēdējos gados neironu tīklu skola ir bijusi tik dominējoša, ka citas idejas ir palikušas aiz muguras. Lai virzītos uz priekšu, laukam, iespējams, būs jāpieņem šīs citas idejas.

Interesants stāsts šeit ir tāds, ka jums nav jādomā par šīm nometnēm kā atsevišķām, saka Gudmens. Tie var sanākt kopā — patiesībā tie sanāk kopā — rīkos, ko mēs tagad veidojam.

Jūs pat varētu teikt, ka viņi kļūst gudrāki, daļēji apgūstot to, ko viņi nezina.

paslēpties