211service.com
Uber uzsāk AI laboratoriju
Uber veido jaunu AI pētniecības laboratoriju, kuras mērķis ir izpētīt mašīnmācības robežas un izmantot galvenos sasniegumus savā biznesā.
Laboratorija atradīsies Silīcija ielejā, un to vadīs Gerijs Markuss , NYU profesors un izpilddirektors Ģeometriskā inteliģence , uzņēmums Uber iegādājas par neizpaužamu summu. Uber AI laboratorijā tiks nodarbināts arī cits pazīstams AI pētnieks, Zoubins Ghahramani , kurš saglabās nepilna laika profesora amatu Kembridžas Universitātē Apvienotajā Karalistē. Citi uzņēmuma līdzdibinātāji ir Kens Stenlijs , asociētais profesors Centrālās Floridas Universitātē un Dags Bemiss , nesen NYU absolvents ar doktora grādu neirolingvistikā.
Jaunajā laboratorijā būs 15 dibinātāji, un tā izpētīs virkni būtisku izaicinājumu, tostarp tādu mašīnmācīšanās veidu izstrādi, kam nepieciešams mazāk datu; apmācīt AI sistēmas, izmantojot ne tikai datus, bet arī skaidrus noteikumus; un mašīnmācības sistēmu projektēšana, kas izskaidro viņu lēmumus. Sasniegumi šajās jomās varētu būt ļoti svarīgi pašbraucošām automašīnām, taču tie var arī palīdzēt uzlabot Uber esošo uzņēmējdarbību, piemēram, palīdzot maršrutēt automašīnas vai efektīvāk saskaņot klientus Uber baseinā.
Treviss Kalaniks, Uber izpilddirektors, šodien emuāra ziņā paziņos par jauno nodaļu, ko sauc par Uber AI Labs. Lēmumu noteica AI pieaugošā nozīme Uber kā biznesam. Taču šķiet, ka tas atspoguļo arī atziņu, ka, neraugoties uz satriecošo progresu pēdējos gados, uzticamu bezvadītāja automašīnu izstrādei būs nepieciešami turpmāki fundamentāli sasniegumi (skatiet sadaļu Kas jāzina, pirms iekāpjat pašbraucošā automašīnā).
Paies ilgs laiks, pirms pašbraucošās automašīnas spēs izturēt visus iespējamos pasaules scenārijus, saka Džefs Holdens, Uber galvenais produktu virsnieks. Holdens norāda uz nākotnes sasniegumiem mašīnmācībā, kas ļaus mums darīt radikāli dažādas lietas. Viņš piebilst: Jautājums ir, kādu lomu mēs tajā spēlēsim?
Holdens saka, ka uzzināja par Markusu un ģeometrisko intelektu plkst MIT tehnoloģiju apskats Uz AI vērsts pasākums EmTech Digital, kas maijā notika Sanfrancisko.
Kopš dibināšanas 2009. gadā Uber ir audzis elpu aizraujošā ātrumā, pateicoties viedtālruņa lietotnei, kas ir pilnībā apgāzusi parasto taksometru nozari ASV un citur. Pavisam nesen uzņēmums ir ieguldījis lielus ieguldījumus pētniecībā tādās jomās kā automašīnas bez vadītājiem, cerot saglabāt strauju izaugsmi, izvairīties no traucējumiem un saglabāt labvēlīgu tēlu finansistu vidū, pieaugot zaudējumiem. Tā galvenokārt ir vērsta uz autonomai braukšanai nepieciešamās aparatūras un programmatūras izstrādi, lai gan Uber ir veicinājis arī citus pētījumus, tostarp lidojošus transportlīdzekļus un uz droniem balstītu reklāmu (skatiet Uber Ad-Toting Drones Are Heckling Drivers Stuck in Traffic).
Markuss ir ievērojama figūra mākslīgā intelekta pasaulē, kas dažkārt ir izraisījis strīdus, kritizējot jomas fokusu uz pieejām, kurās ir daudz datu un kas balstās uz neironu tīkliem vai dziļu mācīšanos. Viņš nodibināja ģeometrisko izlūkošanu, lai īstenotu citus ceļus, tostarp pieejas, ko iedvesmojuši kognitīvās zinātnes pētījumi, kas varētu būt daudz mazāk izsalkuši no datiem (Markuss sniedza MIT tehnoloģiju apskats ekskluzīva piekļuve viņa uzņēmumam pagājušajā gadā; Skatiet sadaļu Vai šis cilvēks var padarīt AI cilvēcīgāku?).
Markuss saka, ka viņa komanda turpinās koncentrēties uz problēmām, kuras esošās sistēmas nevar atrisināt. Mūs īpaši interesē malu korpusi — tas, kas notiek, ja apgaismojums ir atšķirīgs vai tas ir transportlīdzeklis, kuru jūs iepriekš neesat redzējis, viņš saka. Mēs daudz strādāsim pie šīm problēmām.
Markuss nav atklājis daudz detaļu par to, ko ģeometriskais intelekts ir izstrādājis, un uzņēmums nav publicējis nevienu savu darbu. Bet cita starpā viņa komanda ir strādājusi pie padziļinātas mācīšanās veida, kas prasa mazāk datu (skatiet sadaļu Algoritmi, kas mācās ar mazāku datu daudzumu, kas varētu paplašināt AI jaudu ). Viņš saka, ka šādas pieejas varētu izrādīties noderīgas gan Uber pašreizējam biznesam, gan tā ilgtermiņa pētniecības mērķiem. Vienmēr būs gadījumi, kad jums nav pietiekami daudz datu. Iespējams, jums ir pietiekami daudz informācijas, lai paredzētu, kas notiek deviņos no rīta, bet kas notiek pulksten 2:00 un datu ir mazāk? Markuss saka. Un [automatizētajā braukšanā] nav tik daudz datu, kad nokļūstat visprogresīvākos gadījumos.
Markuss ir arī ieinteresēts apvienot jaunas AI jomas, piemēram, dziļo mācīšanos (mašīnmācīšanās veids, kas pēdējos gados ir izrādījies ļoti spēcīgs), ar vecākām AI tradīcijām, tostarp pieejām, kas ietver skaidru noteikumu piešķiršanu mašīnām. Viņš saka, ka tas varētu būt svarīgi pašbraucošai automašīnai, ļaujot tai mācīt par vietējiem ceļu satiksmes noteikumiem.
Turklāt viņa komanda centīsies izstrādāt mašīnmācības sistēmas, kas spēj izskaidrot viņu lēmumus vai darbības, piebilst Markuss. Šī ir kļuvusi par svarīgu pētniecības jomu, kas varētu būt ļoti svarīga, lai veidotu uzticēšanos pašbraucošām automašīnām. Mūs ļoti interesē caurskatāmība un interpretējamība — kā iegūt sistēmu, kurā jūs saprotat, kāpēc tā darīja to, ko tā darīja? viņš saka.
Ir skaidrs, ka pastāv būtiskas tehniskas problēmas, kas skar daudzas problēmas, ar kurām saskaras Uber, saka Kārlis Iagnemma , bijušais MIT pētnieks un uzņēmuma dibinātājs un izpilddirektors nuTonomija , kas testē pašbraucošus taksometrus Singapūrā un ASV. Šo problēmu identificēšana un atrisināšana dotu Uber ievērojamas konkurences priekšrocības salīdzinājumā ar pārējo jomu.
Bet tas nebūt nav droši, ka fundamentālie pētījumi atmaksāsies, saka Iagnemma. Viņš piebilst, ka tās ir ļoti lielas bruņošanās sacensības. Ja to dara jūsu konkurenti, pat ja neesat pārliecināts par iespējamību, ka fundamentālie pētījumi būtiski ietekmēs jūsu produktu, jūs nevarat atļauties nekonkurēt.