Siri veidotāji demonstrē palīgu, kas uzņemas iniciatīvu

Mazā, tumšā telpā pie gara gaiteņa plašā ēku kompleksā Silīcija ielejā, masīvu plakano ekrānu displeju un videokameru klāsts. Smalku domātājs katra kustība. Denkers, vecākais datorzinātnieks bezpeļņas pētniecības un attīstības institūtā SRI , dižojas Gaišs , inteliģents palīgs, kas kādreiz varētu zināt, kāda informācija jums ir nepieciešama, pirms jūs to pat jautāsiet.

Uzraudzībā: Bright prototips izseko katru SRI datorzinātņu laboratorijas direktora Patrika Linkolna kustību.

Sākotnēji Bright ir paredzēts, lai samazinātu kognitīvo pārslodzi, ar ko saskaras strādnieki, kas strādā augsta stresa un datu ietilpīgos darbos, piemēram, reaģējot uz ārkārtas situācijām un tīkla drošību. Bright var, piemēram, palīdzēt tīkla administratoriem mēģināt apturēt strauji mainīga vīrusa izplatību, ātri sniedzot būtisku informāciju par infekciju, vai palīdzēt 911 operatoriem nosūtīt pareizo palīdzību uz negadījuma vietu. Bet tāpat kā daudzas citas SRI izstrādātās tehnoloģijas, piemēram, digitālais personīgais asistents Sīrija (tagad pieder Apple), Bright galu galā varētu nonākt klēpjdatoros un viedtālruņos. Tas var izpausties kā programmatūra, kas automātiski parādīs jūsu iecienītāko šovu sarakstus, kad domā, ka gatavojaties apsēsties un skatīties televizoru, vai meklē tīmeklī informāciju, kas attiecas uz jūsu jaunāko pētniecības projektu, nepaceļot pirkstu.

Jau dažas palīgprogrammatūras, piemēram, Google tagad Android viedtālruņiem mēģina paredzēt, kāda informācija lietotājam var būt nepieciešama, un automātiski to apkalpot. Tas tiek darīts, piemēram, atpazīstot, ka lietotājs gaida autobusa pieturā un piegādā autobusu kustības grafikus. Bright mērķis ir izstrādāt kaut ko vēl sarežģītāku un spējīgāku biroja vidē. Taču lielais izaicinājums Bright un līdzīgiem projektiem ir: kā mācīties no salīdzinoši neliela informācijas apjoma?

SRI International, ko sākotnēji izveidoja Stenfordas universitāte kā pētniecības iestāde 1946. gadā (kopš 1970. gada tā darbojas neatkarīgi), SRI International, kas atrodas Menloparkā, Kalifornijā, ir izstrādājusi galvenās tehnoloģijas, tostarp Datorpele , LCD , un pat pirmie interneta mirkļi, sauca ARPAnet . Pēdējos gados tas ir guvis panākumus mākslīgā intelekta jomā ar Siri, kas tika izveidots no projekta, ko SRI veica Aizsardzības departamenta Aizsardzības progresīvo pētījumu projektu aģentūrai jeb DARPA ar nosaukumu CALO (tas ir kognitīvais aģents, kas mācās un organizē. ).

Denkers raksturo Bright kā kognitīvu darbvirsmu un darbvirsmu, kas patiešām saprot, ko jūs darāt, un ne tikai jums, bet arī cilvēku sadarbības vidē. Pašreizējā iestatījumā uz viņu skatās trīs kameras; monitors parāda, kur viņa skatās, un parāda reāllaika žurnālu par katru viņas veikto darbību, kā arī pazīstama izskata datora darbvirsmu ar failiem un mapēm. Kad viņa izmanto priekšā esošo monitoru, lai atvērtu e-pastu no Wells Fargo bankas, kurā tiek pieprasīta tikšanās, piemēram, Braita reģistrē visas viņas darbības monitorā pa kreisi, atzīmējot, ka viņa atvēra ziņojumu, ka pavadīja laiku. skatoties uz to (nevis tikai skatoties citur ekrānā), un ka viņa to aizvēra.

Tā kā Denkers demonstrē Braita topošās iespējas, nav grūti iedomāties, ka tehnoloģija atvieglo visu, sākot no uzdevumu plānošanas līdz meklēšanai tīmeklī. Viņa skaidro, ka viņas komanda cenšas pielāgot esošās datorzinātņu metodes, kas cenšas palielināt efektivitāti, paredzot, kāda informācija būs nepieciešama nākamreiz, un iepriekš pārbaudot dažādas darbības, lai paātrinātu reakcijas laiku. Bright, viņa saka, izmanto tās pašas idejas, lai paredzētu, ko lietotājs vēlēsies darīt, tāpēc lietotāja uzraudzībai ir nepieciešams papildu aprīkojums. Skārienjutīgs displejs var izsekot pirkstu pieskārienus, un tiek izsekotas arī roku kustības, piemēram, vicināšana.

Kamēr tas tiek izstrādāts kiberdrošībai un ārkārtas reaģēšanai, Bright varētu būt pielāgots cita veida lietotājiem. Piemēram, skolās Braita varētu noteikt, ka skolēnam ir grūtības, un pielāgoties, lai labāk apmierinātu savas vajadzības.

Tomēr ir tāls ceļš ejams. Sistēma pašlaik ir vērsta uz kognitīvo indeksēšanu - mehānismu, kas saista dažādas norādes un pēc tam mēģina paredzēt, kas ir svarīgs. Bright komandai ir arī jāveido spēja paredzēt intereses un automatizēt uzdevumus. Un pirms to var ieviest jebkur, Bright ir jāiemācās izpētīt, kādam nolūkam izmantojat datoru.

Ir grūti iepazīt lietotāju, saka Bils Marks, SRI informācijas un skaitļošanas zinātņu viceprezidents un viens no galvenajiem CALO pētniekiem. Marks to sauc par mazo datu problēmu; Lai gan lielie datu centieni ir vērsti uz ieskatu gūšanu no informācijas kalniem, tādas sistēmas kā Bright meklē modeļus daudz mazākos daudzumos, un tas var būt ļoti sarežģīti. Viņš saka, ka ierobežotā datu kopa kopā ar lietotāju tendenci mainīt uzvedību ir ļoti nedraudzīga modeļu meklēšanas algoritmiem: mēs neievietojam tik daudz datu. Šiem mašīnmācības algoritmiem patīk vispārināt ļoti lielu datu apjomu.

Ir daudz citu izaicinājumu. Kšištofs Gajoss , Hārvardas datorzinātņu docents, kurš arī pavadīja gadu, strādājot pie CALO, atzīmē, ka viena no grūtībām viedo interaktīvo sistēmu izveidē ir izdomāt, kā atšķirt obligātus uzdevumus, piemēram, biroja darbu, no brīvprātīgiem uzdevumiem, piemēram, spēļu spēlēšanas. Viņš saka, ka ar biroju saistītiem uzdevumiem ir grūti izveidot automatizāciju tā, lai lietotājs varētu justies kontrolēt un šķiet lietderīgi izmantot, lai gan tas laiku pa laikam sabojājas.

Ja atskatāties uz tādām sistēmām kā Microsoft Clippy, jūs varat redzēt sistēmas piemēru, kurai tas neizdevās, saka Gajoss. Dažas reizes, kad tā neizdevās, bija tik apgrūtinoša, ka tas aizēnoja visas priekšrocības, ko sistēma varētu būt nodrošinājusi daudziem lietotājiem.

paslēpties