IBM debatēs mākslīgais intelekts tikko ir kļuvis daudz tuvāks tam, lai kļūtu par noderīgu rīku

IBM Debater sistēma Kembridžā IBM izpēte

Datori mūs ir veduši uz Mēnesi un atpakaļ, taču tie nevar mums palīdzēt pieņemt lielākos lēmumus, ar kuriem šodien saskaramies. Vai Donaldam Trampam vajadzētu impīčmentu un atcelt no amata? Vai Lielbritānijai vajadzētu izstāties no ES? Vai Austrālijai vajadzētu pārtraukt fosilā kurināmā eksportu? Uz šādiem jautājumiem nav viegli atbildēt ar jā vai nē, lai arī cik vilinoši ir domāt citādi.

Mēs pieņemam lēmumus, izsverot plusus un mīnusus. Mākslīgais intelekts var mums palīdzēt ar to, izsijājot arvien pieaugošos datu kaudzēm. Bet, lai tas būtu patiesi noderīgs, tam ir vairāk jādomā kā cilvēkam. Mēs izmantojam pārliecinošu valodu un visa veida pamatzināšanas, kuras ir ļoti grūti modelēt AI, saka Džekijs Visers no Dandī universitātes, Apvienotās Karalistes, Argumentu tehnoloģiju centra. Šis ir bijis viens no svētajiem grāliem, kopš cilvēki sāka domāt par AI.

Pamatmetode, ko izmanto, lai palīdzētu mašīnām izdomāt, kas pazīstama kā argumentu ieguve, ietver programmatūras izveidi, lai analizētu rakstiskus dokumentus un izvilktu galvenos teikumus, kas sniedz pierādījumus par vai pret konkrēto prasību. Pēc tam tos var apvienot argumentā. Šādus rīkus var izmantot ne tikai, lai palīdzētu mums pieņemt labākus lēmumus, bet arī viltus ziņu uztveršanai — lai mazinātu viltus apgalvojumus un pamatotu faktus — vai filtrētu tiešsaistes meklēšanas rezultātus, atgriežot atbilstošus apgalvojumus, nevis veselus dokumentus.

Citu grupu darbs pie argumentu ieguves ir vērsts uz īpašiem tekstu veidiem, piemēram, juridiskiem dokumentiem vai studentu esejām, kas parasti satur daudz strukturētu argumentu, ar ko sākt. Tas ir noderīgi, ja, piemēram, vēlaties iegūt visu pierādījumu kopsavilkumu par daudziem dažādiem dokumentiem juridiskās lietās. Bet galīgais mērķis ir izveidot sistēmu, kas var izmantot pēc iespējas vairāk informācijas avotu un izveidot argumentu, izmantojot visus iespējamos pierādījumus.

IBM tikko spēra lielu soli šajā virzienā. Uzņēmuma Project Debater komanda ir pavadījusi vairākus gadus, izstrādājot AI, kas var veidot argumentus. Pagājušajā gadā IBM demonstrēja savu nepabeigto tehnoloģiju tiešraidē debatēs pret pasaules čempionu cilvēku debatētāju, kas ir līdzvērtīgs Vatsona idejai. Apdraudējums! kāršu atklāšana. Šādi triki ir jautri, un tas sniedza koncepcijas pierādījumu. Tagad IBM pārvērš savu rotaļlietu par patiesi noderīgu rīku.

Tiešraides debatēs izmantotā Project Debater versija ietvēra jaunākās sistēmas pamatelementus, piemēram, iespēju meklēt simtiem miljonu jaunu rakstu. Taču pēdējo mēnešu laikā komanda ir plaši pielāgojusi izmantotos neironu tīklus, uzlabojot to pierādījumu kvalitāti, ko sistēma var atklāt. Viens svarīgs papildinājums ir BERT , neironu tīkls Google, kas izveidots dabiskās valodas apstrādei, kas var atbildēt uz jautājumiem. Darbs tiks prezentēts Mākslīgā intelekta attīstības asociācijas konferencē Ņujorkā nākammēnes.

Lai apmācītu savu AI, vadošais pētnieks Noams Slonims un viņa kolēģi no IBM Research Haifā, Izraēlā, izmantoja 400 miljonus dokumentu, kas iegūti no LexisNexis laikrakstu un žurnālu rakstu datubāzes. Tas viņiem deva aptuveni 10 miljardus teikumu, kas ir dabiskās valodas korpuss, kas ir aptuveni 50 reizes lielāks nekā Vikipēdijā. Viņi apvienoja šo plašo pierādījumu kopumu ar apgalvojumiem par vairākiem simtiem dažādu tēmu, piemēram, asins ziedošanai jābūt obligātai vai Mums vajadzētu atteikties no Valentīna dienas.

Pēc tam viņi lūdza pūļa strādniekiem platformas Astoņas figūra marķēt teikumus atkarībā no tā, vai viņi sniedz pierādījumus par vai pret noteiktām prasībām. Marķētie dati tika ievadīti uzraudzītā mācību algoritmā.

The iegūtais neironu tīkls var apstrādāt vaicājumus par dažādām tēmām, atgriežot teikumus, kas ir atbilstošāki nekā iepriekšējās sistēmās identificētie. Tas sarindo atrastos teikumus atkarībā no tā, cik labi tie ir pierādījumi. Piemēram, ņemot vērā apgalvojumu, ka asins ziedošanai jābūt obligātai, programmatūra atrada teikumu. Pētījumā, kas publicēts American Journal of Epidemiology, konstatēts, ka asins donoriem ir par 88 procentiem mazāks risks saslimt ar sirdslēkmi un insultu.

Liels izaicinājums ir pateikt teikumus, kas sniedz pierādījumus no tiem, kas to nesniedz, lai gan tajos ir vienādi termini. Projekts Debater arī atrada šo teikumu, piemēram, saistībā ar prasību par asins nodošanu, taču varēja pateikt, ka tas to neatbalsta, ne arī to mazināja: Nakasero asins bankas statistika liecina, ka studenti ir galvenie asins donori, kas sniedz apmēram 80 procentus visā pasaulē savāktās asinis.

Nav skaidrs, kas tieši ir par šiem teikumiem, ko neironu tīkls uztver, lai padarītu savu klasifikāciju, saka Slonims. Tomēr testēšanas laikā Project Debater sasniedza 95% precizitāti 50 populārākajiem teikumiem par 100 dažādām tēmām, viņš saka, piebilstot: Šie skaitļi ir nedzirdēti. Citas sistēmas ir tikušas galā ar tikai dažiem desmitiem tēmu. Tas ir arī liels uzlabojums salīdzinājumā ar tiešraides debašu sistēmu, ko Slonim demonstrēja pagājušajā gadā.

Arī citi pētnieki, ar kuriem es runāju, tostarp Vissers un Oana Cocarascu, kas studē argumentācijas programmatūru un dabiskās valodas apstrādi Londonas Imperiālajā koledžā, bija pārsteigti par jauno sistēmu. Cocarascu visvairāk aizrauj reālās pasaules lietojumprogrammu potenciāls. Sistēma, kas ir apmācīta par juridiskiem dokumentiem, nevarēs tikt galā ar daudziem dažādiem tiešsaistē atrodamiem pierādījumu veidiem. Slonim komanda ir parādījusi, ka Project Debater var apstrādāt šo plašo avotu klāstu. Tas padara to lielisku, saka Cocarascu.

Komanda tagad izdod savus apmācības datus, lai citi varētu strādāt. Vissers vēlas izveidot argumentu ieguves rīkus, piemēram, Project Debater, kas var novērtēt argumentu kvalitāti, pievēršot uzmanību tādām lietām kā kognitīvā novirze. Viņš un viņa kolēģi ir izmantojuši AI, lai novērtētu argumentu kvalitāti, piemēram, 2016. gada ASV prezidenta debatēs.

IBM pats dara kaut ko līdzīgu. Izmantojot papildinājumu ar nosaukumu Speech by Crowd, Project Debater var apkopot argumentus par un pret priekšlikumam un pēc tam automātiski novērtē iesniegto argumentu kvalitāti izmantojot neironu tīklu, kas apmācīts, pamatojoties uz datu kopu, kurā ir aptuveni 30 000 argumentu, kuru kvalitāti iepriekš novērtējuši cilvēki.

IBM plāno piedāvāt Project Debater kā platformu uzņēmumiem un valdībām. Mēs redzam Project Debater nākotni kā AI mākoņpakalpojumu, saka uzņēmuma pārstāvis Christopher Sciacca. Vienā lietojumprogrammas piemērā IBM savāca 3500 viedokļus no Lugāno (Šveice) pilsoņiem par to, vai pilsētai vajadzētu ieguldīt autonomos transportlīdzekļos, un izmantoja AI, lai iegūtu un novērtētu argumentus par un pret priekšlikumu. Pašvaldība varētu izmantot rezultātus, lai palīdzētu pieņemt politisku lēmumu.

Bet Slonim tas viss ir saistīts ar mūsu mijiedarbības ar AI uzlabošanu personīgā līmenī. Argumentiem ir liela nozīme cilvēku saziņā: mēs uzskaitām savas izvēles iemeslus, lūdzam padomu, pārliecinām un pierunājam. Runāšana ar virtuālajiem palīgiem, kas varētu sarunāties tādā līmenī, būtu daudz dabiskāka. Viņš saka, ka tas, ko mēs darām, skar kaut ko būtisku mūsu dzīvē. Mēs cenšamies apvienot valodas izpratnes tehnoloģijas, lai palīdzētu cilvēkiem pieņemt labākus lēmumus.

paslēpties