211service.com
IBM nodrošina dziļu mācīšanos, izmantojot Watson jauninājumu
IBM Apdraudējums! - spēlē datorsistēmu, Vatsons , apvienoja divas atsevišķas mākslīgā intelekta pētniecības jomas ar uzvarošiem rezultātiem. Dabiskās valodas izpratne tika apvienota ar milzīgu, nestrukturētu teksta kaudžu statistisko analīzi, lai atrastu iespējamās atbildes uz noslēpumainajiem jautājumiem. Apdraudējums! norādes.
Tagad IBM mērķis ir Watson komerciālajai versijai pievienot vēl vienu jaudīgu AI tehniku, kas pazīstama kā dziļa mācīšanās. Šis solis varētu padarīt platformu ievērojami gudrāku un noderīgāku, kā arī norāda uz daudzsološu nākotnes virzienu AI pētniecībai.
Cenšoties komercializēt Watson, IBM ir izveidojis dažas no funkcijām, kas izstrādātas šim Apdraudējums! izaicinājums, kā arī daži jauni, kas izstrādātājiem ir pieejami, izmantojot mākoņa lietojumprogrammu programmēšanas saskarni (API). Tagad šai Watson API ir pievienotas trīs uz dziļām mācībām balstītas funkcijas: tulkošana, runas pārveidošana tekstā un teksta pārveidošana runā. Tos var izmantot, lai izveidotu, piemēram, lietotnes vai vietnes, kas piedāvā tulkošanas vai transkripcijas pakalpojumus. Taču izstrādātāji varētu tos savienot arī ar citiem Watson pakalpojumiem, kas analizē jautājumus un meklē atbildes lielā teksta daudzumā. Tādējādi var tikt izveidota lietotne, kas ļauj meklēt lielu skaitu dokumentu ar dabiski izrunātiem vaicājumiem.
Uzņēmums arī ir paziņojis, ka sadarbosies ar Jošua Bendžo , profesors Monreālas Universitātē Kanādā, ievērojama personība dziļās mācīšanās jomā.
Padziļināta mācīšanās ietver datora apmācību atpazīt bieži sarežģītus un abstraktus modeļus, ievadot lielu datu apjomu, izmantojot secīgus mākslīgo neironu tīklus, un uzlabojot veidu, kā šie tīkli reaģē uz ievadi. Pēdējos gados šī pieeja ir izrādījusies ļoti efektīva runāto vārdu vai cita audio atpazīšanai vai vizuālās informācijas klasificēšanai (sk. Breakthrough Technologies 2013: Deep Learning ).
Pēdējos gados ir panākts straujš progress dziļās mācīšanās jomā, pateicoties lielam klasificētu datu apjomam, kas kļuvis pieejams, jo īpaši tiešsaistē, un tāpēc, ka jaudīgi paralēlie grafikas procesori ir izrādījušies īpaši efektīvi nepieciešamo aprēķinu veikšanā. Daži no pasaulē lielākajiem tehnoloģiju uzņēmumiem vēlas pielietot padziļinātu mācīšanos komerciāli nozīmīgos veidos (skatiet sadaļu Facebook uzsāk AI centienus atrast jūsu ziņās jēgu un vai Google padziļinātās mācīšanās jomā apņem tirgu?). Google un Facebook ir arī nolīguši vadošos darbiniekus dziļās mācīšanās jomā, lai izmantotu tehnoloģiju savos uzņēmumos.
Tomēr, lai gan dziļās mācīšanās sistēmu rezultāti bieži ir iespaidīgi, atbildīgās sistēmas ir ārkārtīgi specializētas, un tās var izgāzties pārsteidzošos veidos, jo tās nesaprot pasauli ļoti jēgpilni. Ja dziļo mācīšanos var efektīvi apvienot ar citām AI metodēm, tas varētu radīt noapaļotākas, noderīgākas sistēmas.
Jūs varat iedomāties daudz dažādu lietošanas gadījumu, saka Džeroms Pesenti , Watson galveno tehnoloģiju viceprezidents. Pieņemsim, ka jums ir bankas vai apdrošināšanas produkts, jūs varat runāt pa tālruni un teikt: 'Čau, tā ir mana problēma', un jums ir kaut kas, kas faktiski mijiedarbojas ar jums automātiski vai atdod jūs reālam cilvēkam, kad sistēma to nedara. nezinu kā atbildēt. Tāda ir sistēma, ko mēs tur šobrīd ieviešam.
Atšķirīgu mākslīgā intelekta pētījumu virzienu apvienošana varētu kļūt par svarīgu tendenci nākamajos gados.
Mūsdienu mākslīgā intelekta galvenais izaicinājums ir apvienot jomu, kas ir gandrīz sadalījusies starp šīm metodoloģijām, saka Džeimss Hendlers , Rensselaer Politehniskā datu izpētes un lietojumu institūta direktors Trojā, Ņujorkā. RPI ir piekļuve agrīnai Watson versijai, ko universitātei ziedoja IBM, un Hendlers pasniedz kursus, kuru pamatā ir šī tehnoloģija. Viņš saka, ka galvenais par Vatsonu ir tas, ka tas pēc būtības ir saistīts ar dažādu lietu risinājumu meklēšanu un to integrēšanu, lai pieņemtu lēmumu.
Mācību pielietošana no vienas jomas, piemēram, redzes, citā, piemēram, runas, ir pazīstama kā multimodāla pieeja. Tas varētu padarīt nākotnes AI sistēmas daudz noderīgākas un sniegt fundamentālu ieskatu inteliģences būtībā.
Kad runa ir par šādu sasniegumu komercializāciju, IBM, pateicoties Watson, var gūt panākumus jaunu metožu integrēšanā noderīgos veidos. Pesenti stāsta, ka viņa komanda jau gūst panākumus šajā jomā. Ja es runāju ar jums par suni, ir ļoti grūti saprast, kas ir suns, ja jums nav pieredzes ar šo suni, ko jūs iegūstat, skatoties uz to multimodāli, viņš saka. Mēs uzskatām, ka patiesībā tā ir ļoti, ļoti liela daļa no mūsu stratēģijas.