211service.com
Ķīniešu meklēšanas milzis Baidu nolīgst cilvēku, kas darbojas Google smadzenēs
Baidu jau sen tiek dēvēts par Ķīnas Google, jo tas valstī dominē tīmekļa meklēšanā. Šodien salīdzinājums kļuva precīzāks: Baidu ir atvēris jaunu mākslīgā intelekta pētniecības laboratoriju Silīcija ielejā, ko pārraudzīs Endrjū Ng , Stenfordas profesors, kuram Google bija galvenā loma jomā, ko sauc par dziļo mācīšanos. Viņš bija arī tiešsaistes izglītības uzņēmuma Coursera līdzdibinātājs.
Nesenie sasniegumi ir izraisījuši tehnoloģisku bruņošanās sacensību Silīcija ielejā, kur lielie tīmekļa uzņēmumi sacenšas par labāko akadēmisko talantu. Tāpat kā Google, Facebook un citi uzņēmumi, kas steidzas ieguldīt padziļinātā izglītībā, Baidu motivē solījums par dramatisku mākslīgā intelekta attīstību.
Dziļā mācīšanās ļauj mašīnām apstrādāt lielus datu apjomus, izmantojot simulētus vienkāršu neironu tīklus, kas rupji modelēti pēc tiem, kas atrodami bioloģiskajās smadzenēs. Šī pieeja ir radījusi ievērojami uzlabotu programmatūru tādiem uzdevumiem kā attēla un runas atpazīšana (skatiet Padziļināto apmācību), un tā galu galā ļautu lietotnēm, ierīcēm un interneta pakalpojumiem saprast tādas lietas kā attēli un teksts, kā to dara cilvēki.
Lai gan nesenais dziļās mācīšanās uzplaukums ir radies akadēmiskajās aprindās, interese strauji pieauga 2012. gadā pēc tam, kad Google pētnieki, sadarbojoties ar Ng, paziņoja par izrāvienu projektā ar nosaukumu Google Brain. Viņi izveidoja programmatūru, kas analizēja 10 miljonus fotoattēlu, kas uzņemti no YouTube videoklipiem, un iemācījās atpazīt tūkstošiem objektu, tostarp cilvēku un kaķu sejas, bez cilvēka vadības (skatiet informāciju par pašmācības programmu).
Kopš tā laika ASV tehnoloģiju giganti ir sacentušies, lai pieņemtu darbā vadošās figūras salīdzinoši mazajā jomā (skatiet sadaļu Vai Google virza padziļinātas mācīšanās tirgu? un Facebook uzsāk uzlaboto AI piepūli), un viņi ir sākuši demonstrēt, kā šī pieeja var veicināt viņu piedāvātās tehnoloģijas. piedāvāt patērētājiem. Google un Microsoft ir izmantojuši padziļinātu mācīšanos, lai uzlabotu runas atpazīšanu un tulkošanu (skatiet sadaļu Google ievieš virtuālo smadzeņu tehnoloģiju un Microsoft atdzīvina Star Trek balss tulkotāju ). Tikmēr Facebook padziļināti izglītojoši pētnieki nesen demonstrēja sejas apstrādes programmatūru, kas ir tuvu cilvēka veiktspējai (skatiet sadaļu Facebook programmatūra atbilst sejām gandrīz tikpat labi kā jūs).
Pirms izlēma atvērt savu jauno laboratoriju, kas atrodas Saniveilā, Baidu bija sasniegusi labus rezultātus, kopš 2012. gada beigām pievienojot padziļinātu mācīšanos vairākiem produktiem, saka Kai Yu, uzņēmuma Pekinas padziļinātās apmācības laboratorijas direktors. Tehnoloģiju var redzēt Baidu tulkošanas lietotnē, kas identificē viedtālrunī uzņemtos objektus ar to nosaukumiem ķīniešu un angļu valodā. To izmanto arī uzņēmuma reklāmu mērķauditorijas atlases tehnoloģijā. Mēs saņēmām tūlītēju atdevi, pievienojot mūsu reklāmu sistēmai padziļinātu apmācību, saka Yu. Tas ievērojami palielināja vidējo klikšķu skaitu.
Yu Pekinas laboratorija ir vērsta uz padziļinātu apmācību piemērošanu esošajiem Baidu produktiem un tiem, kas drīzumā tiks ieviesti. Viņš saka, ka jaunā Silīcija ielejas laboratorija strādās pie fundamentālākiem pētījumiem. Cerams, ka šī plašā joma un Ng zvaigžņu kvalitāte apvienojumā ar ietilpīgajiem Baidu attēlu, teksta un video krātuvēm piesaistīs vadošos talantus. Silikona ielejā ir milzīgs talantu kopums, kas ir tik unikāls, saka Yu. Mēs patiešām vēlamies, lai no laboratorijas nāk kaut kas revolucionārs.
Ng vadīs šos centienus savā jaunajā Baidu pētniecības vadītāja amatā, pārraugot Silīcija ielejas laboratoriju, Yu laboratoriju un citu laboratoriju Pekinā, kas ir veltīta lielajiem datiem. Viņš strādās no Sunnyvale laboratorijas, kurā Baidu saka, ka piecu gadu laikā ieguldīs 300 miljonus USD.
Laboratorijas pētījumu vada Adams Koutss, kurš iepriekš bija doktorants un pēcdoktorantūras pētnieks Ng's Stanford pētniecības grupā. Koutss saka, ka galvenā uzmanība tiks pievērsta programmatūras izveidei, kas mācās bez cilvēka ieguldījuma, kā to darīja Google Brain sistēma — pieeja, kas pazīstama kā neuzraudzīta mācīšanās.
Neuzraudzītas sistēmas prasa mazāk pūļu no programmētājiem, taču līdz šim tām ir salīdzinoši slikta precizitāte, vismaz salīdzinājumā ar cilvēkiem. Piemēram, Google kaķu atpazīšanas sistēma sasniedza aptuveni 70 procentu precizitāti. Lielākais atklātais jautājums ir “Kā var izmantot bez uzraudzības mācīšanos, lai sasniegtu cilvēka līmeņa veiktspēju?” saka Koutss. Bet atlīdzībai par kaut nelielu uzlabošanos vajadzētu būt lielai. Viņš saka, ka daudzi produkti, kurus mēs vēlamies izveidot, ir lietas, kuras mēs vēlamies mijiedarboties ar pasauli. Tas ir piemērojams robotiem un autonomām automašīnām un mobilajām lietotnēm.
Eugenio Kulurciello , Purdue universitātes pētnieks, kurš strādā ar mikroshēmām ar iebūvētiem neironu tīkliem (skatiet AI mikroshēmu, lai palīdzētu datoriem saprast attēlus), saka, ka satraukums par dziļu mācīšanos ir pamatots. Viņš norāda, kā tās metodes ir apgāzušas etalonus, ko pētnieki izmanto, lai ranžētu mašīnmācības programmatūru. Parasti jūs uzlabojat par 2 procentiem salīdzinājumā ar to, kas bija iepriekš, viņš saka. Šie puiši ir uzlabojušies par 10 vai 20 procentiem.
Šādu rezultātu dēļ Facebook izpilddirektors Marks Cukerbergs uzstājās ar pārsteigumu NIPS konference par neironu tīklu pētījumiem pagājušajā gadā. tomēr Maikls Mozers Kolorādo universitātes profesors Boulderā un NIPS fonda valdes loceklis norāda, ka neironu tīklu izmantotie galvenie algoritmi ir gandrīz tādi paši kā tie, kas astoņdesmito gadu beigās izraisīja optimismu par mākslīgo intelektu. Nesenie sasniegumi ir gūti, meklējot trikus, kas ļauj šos algoritmus izmantot daudz plašākā mērogā, saka Mozers. Viņš saka, ka cilvēki, kas pie tā palika, tagad pelnīti gūst labumu, taču padziļināta mācīšanās šajā jomā nav tik liels solis uz priekšu, kā dažkārt tiek uzskatīts.
Pagaidām salīdzinoši maz cilvēku pārzina trikus, kas nepieciešami, lai padziļināta mācīšanās darbotos labi, saka Kulurčiello. Ja vēlaties tagad pārspēt pūli, jums ir jāmēģina iegādāties cilvēkus, kuri patiešām zina šo lietu, pretējā gadījumā jūs atpaliksit dažus gadus, viņš saka.