AI's meget forstyrrende tid

Ryan Adams ved, at hans timing har været perfekt. Professor i datalogi ved Harvard siden 2011 og medvært for machine-learning podcast Talende maskiner , Adams stod i spidsen for en gruppe, der forskede i intelligente algoritmer, da hans 15 måneder gamle maskinlæringsopstart, Whetlab, blev købt af Twitter sidste sommer.

Whetlabs teknologi automatiserer nogle af de sværeste dele af at bygge store maskinlæringssystemer. Den blev skabt til at tage svære maskinlæringsudfordringer som visuel indsigelsesgenkendelse og talebehandling.

Ryan Adams

Harvard-forskere begyndte at bruge værktøjet i en lang række projekter, fra biomedicinske robotter til kemiproblemer, og Netflix brugte også en tidlig open source-version til at eksperimentere med deep learning.

Nu på orlov fra Harvard talte Adams med Business Reports seniorredaktør Nanette Byrnes på Twitters kontorer i Cambridge, Massachusetts, om den eksploderende interesse for machine learning.

Kunstig intelligens er flyttet fra at være et fokus for akademisk undersøgelse til et kommercielt værktøj. Hvad driver det? Nye algoritmer, hurtige computere, tonsvis af tilgængelige data?

Så meget som noget andet, tror jeg, at investeringer i kunstig intelligens har gjort en stor forskel. På dette tidspunkt har teknologivirksomheder investeret milliarder af dollars, og det får tingene til at gå hurtigere.

Som at Twitter køber din virksomhed. Hvordan kan maskinlæring gøre Twitter bedre? Kan du give et eksempel?

Der er enorme muligheder for at forbedre måden, Twitter-indhold er organiseret på, hjælpe dig med at finde de nye ting, der foregår, hjælpe dig med at opdage fællesskaber, som du kan interagere med, og bare måder, hvorpå Twitter kan være en bedre oplevelse for sine brugere. En af de udfordringer, du kan forestille dig, er at kombinere den interessante information, folk giver links til, og forsøge at forstå det indhold, som det relaterer til det indhold, der er på Twitter.

Hvor meget af AI-teknikker som deep learning er stadig et mysterium?

Lige nu er deep learning meget på den empiriske ende af tingene. Du ved, at der helt klart foregår vigtige ting. Disse [deep-learning-systemer] laver seje ting. Vi forstår det meget lidt, men de virker.

Det kan være svært at definere AI, og selv den rigtige test af kunstig intelligens er til debat.

Hvorfor føler disse virksomheder ikke, at de giver gården væk, når de giver deres kode og deres ideer væk? Fordi andre virksomheder ikke har Googles computerkraft, har de ikke Twitters computerkraft, og de har ikke dataene.

En del af udfordringen ved dette er behovet for at antropomorfisere begrebet intelligens. Vi bruger udtrykket kunstig intelligens, som om intelligens ikke er en ejendom i verden. Vi kalder ikke flyvemaskiner for kunstige fugle, og de har ikke kunstig flyvning. De har faktisk flyvning, ikke?

Det er en meget antropocentrisk opfattelse, at hvis der var en anden intelligent ting, ville den være kunstig. Så jeg synes, det er meget svært at komme med en definition af intelligens, der ikke er antropocentrisk, og det har jeg ikke.

Hvis du gik tilbage, og du sagde til en tidlig tænker om kunstig intelligens, for 50 eller 60 år siden, vil du altid have en enhed med dig, og i det væsentlige kan den besvare ethvert spørgsmål, du gerne vil besvare på tværs af en stort udvalg af emner; den kan forstå din stemme og give et overblik over et hvilket som helst sted i verden, fortælle dig, hvordan du kommer fra punkt A til punkt B – hvis du i det abstrakte forklarede, hvad din smartphone er i stand til via Google og forskellige slags kortlægningsværktøjer og Siri – jeg tror, ​​den person ville sige, det er AI. Men hvad vi forventer af de værktøjer, vi bruger, ændrer sig bare massivt over tid.

Hidtil har virksomheder været bemærkelsesværdigt åbne med hensyn til at dele AI-indsigt, frigive open source-software, give personalet mulighed for at udgive artikler og tale ved konferencer og så videre. Hvor længe tror du, det vil vare?

Åbning af koden er god til at bidrage tilbage til fællesskabet, hjælper med at rekruttere top maskinlæringstalenter og lader også virksomheder drage fordel af forbedringer, som det større fællesskab foretager til værktøjerne.
Hvorfor føler disse virksomheder ikke, at de giver gården væk, når de giver deres kode og deres ideer væk? Fordi andre virksomheder ikke har Googles computerkraft, har de ikke Twitters computerkraft, og de har ikke dataene, vel? Så du kan få ideerne. Du kan få koden. Men hvis du ikke har dataene, og du ikke har hestekræfterne, hvad skal du så med dem?

Hvilken form tror du, AI vil tage?

AI ligner ikke så meget en robot, der pludselig er meget smart for mig, tror jeg ikke. Jeg synes, at AI bare ligner værktøjer, der hele tiden bliver bedre og bedre.

En ting, jeg bekymrer mig om, er, at jeg tror, ​​vi er på nippet til at have evnen (med maskinlæring og AI) til at syntetisere medier for at skabe noget, der er meget svært at skelne fra den ægte vare. Disse er meget farlige værktøjer at have i et samfund, der i stigende grad afhænger af ting som video for at repræsentere sandheden.

skjule