211service.com
Google un Microsoft Talk mākslīgais intelekts
Google un Microsoft bieži nedalās vienā posmā, jo kļūst arvien sīvāki konkurenti tādās jomās kā meklēšana tīmeklī, mobilā skaitļošana un mākoņdatošana. Taču konkurenti var vienoties par dažām lietām, piemēram, mākslīgā intelekta nozīmi tehnoloģiju nākotnē.
Prātu tikšanās: Pīters Norvigs (augšā) un Ēriks Horvics piekrīt, ka mākslīgais intelekts ir tehnoloģiju nākotnes atslēga.
Pēteris Norvigs , Google pētniecības direktors un Ēriks Horvics , izcilais Microsoft Research zinātnieks, nesen kopīgi runāja ar auditoriju konferencē Datoru vēstures muzejs Palo Alto, Kalifornijā, par AI solījumu. Pēc tam pāris sarunājās ar Tehnoloģiju apskats IT redaktors Toms Simonīts par to, ko AI var paveikt šodien un ko, viņuprāt, tas spēs rīt. Mākslīgais intelekts ir sarežģīts temats, un dažas atbildes ir rediģētas īsuma labad.
Tehnoloģiju apskats : Jūs abi uz skatuves runājāt par to, kā mākslīgais intelekts pēdējos gados ir attīstījies, izmantojot mašīnmācības metodes, kas uzņem lielu datu apjomu un izdomā, piemēram, kā tulkot tekstu vai pārrakstīt runu. Kā ir ar jomām, kurās vēlamies, lai AI palīdzētu, kur nav daudz datu, no kuriem mācīties?
Pīters Norvigs: Tas, ko mēs darām, ir kā meklēt zem laternas staba, vai nav nomestas atslēgas, jo tur ir gaisma. Mums ļoti labi veicās ar tekstu un runu, jo savvaļā ir daudz datu. Parsēšana [teikumu gramatisko elementu sadalīšana] nekad nenotiek dabiski, iespējams, kāda lingvistikas mājasdarbā, tāpēc mums tas ir jāapgūst bez [iezīmētiem] datiem. Viens no maniem kolēģiem cenšas to apiet, aplūkojot, kuras tiešsaistes teksta daļas ir izveidotas kā saites, kas var norādīt, kur atrodas konkrēta teikuma daļa.
Ēriks Horvics: Es bieži esmu domājis, ka, ja jums būtu mākoņpakalpojums debesīs, kas ierakstītu katru runas pieprasījumu un to, kas notika tālāk, piemēram, katru sarunu katrā taksometrā Pekinā, AI varētu iemācīties to darīt. viss.
Nopietnāk runājot, ja mēs varam atrast veidus, kā iegūt daudz datu, saglabājot privātumu, mēs to varētu padarīt iespējamu.
Vai nav grūti izmantot mašīnmācīšanos, ja apmācības dati vēl nav marķēti un izskaidroti, lai sniegtu AI patiesību, no kuras sākt?
Horvics: Jums nav nepieciešams, lai tas būtu pilnībā marķēts. Joma, kas pazīstama kā daļēji uzraudzīta mācīšanās, parāda, ka pat tad, ja ir atzīmēts 1 procents vai mazāk datu, varat to izmantot, lai izprastu pārējos datus.
Taču etiķešu trūkums ir izaicinājums. Viens no risinājumiem ir maksāt cilvēkiem nelielu summu, lai palīdzētu sistēmai ar datiem, ko tā nevar saprast, veicot mikrouzdevumus, piemēram, attēlu marķēšanu vai citas mazas lietas. Es domāju, ka cilvēka aprēķinu izmantošana AI palielināšanai ir patiešām bagāta joma.
Vēl viena iespēja ir izveidot sistēmas, kas izprot informācijas vērtību, kas nozīmē, ka tās var automātiski aprēķināt, kāds ir nākamais labākais jautājums, ko uzdot, vai kā iegūt vislielāko vērtību no cilvēka sniegtās papildu atzīmes vai informācijas.
Norvigs: Jums nav jāstāsta mācību sistēmai viss. Ir mācīšanās veids, ko sauc par pastiprināšanu, kad uzdevuma beigās jūs vienkārši piešķirat atlīdzību vai sodu. Piemēram, jūs zaudējāt dambretes spēli un jums netiek pateikts, kur esat kļūdījies, un jums ir jāiemācās, kā rīkoties, lai nākamajā reizē saņemtu atlīdzību.
Tas viss ļoti atšķiras no mākslīgā intelekta agrīnajiem laikiem 50. un 60. gados, kad pētnieki izteica drosmīgas prognozes par cilvēka spēju saskaņošanu un mēģināja izmantot augsta līmeņa noteikumus, lai radītu intelektu. Vai jūsu mašīnmācības sistēmas pašas izstrādā tos pašus augsta līmeņa noteikumus?
Horvics: Mācību sistēmas var iegūt augsta līmeņa situācijas noteikumus darbībai, piemēram, lai noteiktu [fizioloģisko] simptomu kopumu un testa rezultātus un izspļautu diagnozi. Bet tas nav tas pats, kas vispārīgie izlūkošanas noteikumi.
Var gadīties, ka zemāka līmeņa darbs, ko mēs šodien darām, kādreiz atbilst idejām no augšas uz leju no apakšas. Revolūcija, kurā mēs ar Pēteri piedalījāmies mākslīgā intelekta jomā, bija tā, ka lēmumu pieņemšana nenoteiktības apstākļos bija tik svarīga un to varēja izdarīt, izmantojot varbūtības pieeju. Līdz ar varbūtības revolūciju mākslīgajā intelektā parādās perspektīva: mēs esam ļoti ierobežoti aģenti, un nepabeigtība ir neizbēgama.
Norvigs: Pirmajās dienās bija loģika, kas atšķīra mākslīgo intelektu, un jautājums bija par to, kā to izmantot. Pētījums kļuva par pētījumu par to, kam šie rīki ir piemēroti, piemēram, šahs. Bet tad jums var būt tikai lietas, kas ir patiesas vai nepatiesas, un jūs nevarat darīt daudzas lietas, ko mēs vēlamies darīt, tāpēc mēs virzījāmies uz varbūtību. Laukam bija vajadzīgs zināms laiks, lai atpazītu, ka citi lauki, piemēram, varbūtības un lēmumu teorija, ir pieejami. Šo divu pieeju apvienošana ir izaicinājums.
Tā kā reālajā dzīvē redzam tiešākus AI pierādījumus, piemēram, Siri, šķiet, ka ir radīta sava veida dizaina problēma. Cilvēkiem, kas veido AI, tie jāpadara patīkami mūsu pašu intelektam.
Norvigs: Tas patiesībā ir dažādu līmeņu problēmu kopums. Mēs zinām cilvēka redzes sistēmu un to, ko, piemēram, varētu nozīmēt dažādu krāsu pogu izgatavošana. Augstākā līmenī cerības, kas mūsu galvā ir par kaut ko un kā tam vajadzētu uzvesties, ir balstītas uz to, kas, mūsuprāt, ir un kā mēs domājam par tā attiecībām ar mums.
Horvics: AI arvien vairāk krustojas ar datoru cilvēku mijiedarbības jomu [pētot psiholoģiju, kā mēs lietojam un domājam par datoru]. Ideja, ka mums būs daudz inteliģentākas lietas, kas cieši sadarbojas ar cilvēkiem, patiešām pievērš uzmanību nepieciešamībai izstrādāt jaunas metodes cilvēka intelekta un mašīnu intelekta krustpunktā.
Kas mums būtu jāzina vairāk, lai mākslīgais intelekts būtu saderīgāks ar cilvēkiem?
Horvics: Viena lieta, ko mana pētnieku grupa ir centusies sniegt datoriem, ir visas sistēmas izpratne par cilvēka uzmanību, lai zinātu, kad vislabāk pārtraukt cilvēku. Tā ir bijusi izpētes tēma starp mums, pētniekiem un produktu komandām.
Norvigs: Es domāju, ka mēs arī vēlamies daudz vairāk izprast cilvēka ķermeni, un Microsoft Kinect var redzēt veidu, kā to izdarīt. Pastāv liels potenciāls, lai sistēmas saprastu mūsu uzvedību un ķermeņa valodu.
Vai programmā Kinect ir AI?
Horvics: Tās pamatā ir diezgan daudz mašīnmācības. Manuprāt, ideja, ka mēs varam izmantot vadošo AI un izstrādāt patērētāju ierīci, kas tika pārdota ātrāk nekā jebkura cita agrāk vēsturē, kaut ko saka par AI jomu. Mašīnmācībai ir arī galvenā loma Bing meklēšanā, un es varu tikai pieņemt, ka tā ir svarīga arī Google meklēšanas piedāvājumā. Tātad cilvēki, kuri meklē tīmeklī, savā ikdienas dzīvē izmanto AI.
Pēdējais jautājums: vai varat pastāstīt man vienu neseno AI tehnoloģijas demonstrāciju, kas jūs iespaidoja?
Norvigs: Nesen izlasīju kādu no Google darbiniekiem, kuri grasījās atgriezties Stenfordā, par nekontrolētu mācīšanos — jomu, kurā mūsu uzlabojumu līknes laika gaitā nav izskatījās tik labi. Bet viņš gūst patiešām labus rezultātus, un šķiet, ka mācīšanās, kad neko nezināt iepriekš, varētu kļūt daudz labāka.
Horvics: Mani ļoti iespaidoja mācekļu mācības, kurās sistēma mācās ar piemēru. Tam ir daudz lietojumprogrammu. Gan Bērklijā, gan Stenfordā ir grupas, kas to patiešām virza uz priekšu: piemēram, helikopteri, kas mācās lidot uz muguras [apgriezti], [novērojot] cilvēku ekspertu.