IBM og MIT satser på, at materialer og kvantefremskridt vil overlade AI

IBM

Et nyt $240 millioner center på MIT kan hjælpe med at fremme kunstig intelligens ved at udvikle nye enheder og materialer til at drive de nyeste maskinlæringsalgoritmer. Det kunne måske også hjælpe IBM med at genvinde sit ry for at lave banebrydende kunstig intelligens.

Projektet, der blev annonceret af IBM og MIT i dag, vil forske i nye tilgange inden for deep learning, en teknik inden for kunstig intelligens, der har ført til store fremskridt inden for områder som maskinsyn og stemmegenkendelse. Men den vil også udforske helt nye computerenheder, materialer og fysiske fænomener, herunder bestræbelser på at udnytte kvantecomputere – eksotiske, men potentielt meget kraftfulde nye maskiner – for at gøre AI endnu mere dygtig.

En masse innovation sker ved hjælp af standard silicium og arkitekturer, men hvad med enhederne og materialevidenskaben? siger Darius Gil , vicepræsident for AI hos IBM Research. Det er et område, ingen rører ved, og det har potentiale til forbedringer i størrelsesordener.

Centret vil også se på måder, hvorpå kunstig intelligens kan implementeres mere effektivt i brancher som sundhedspleje og sikkerhed. Og det vil studere den økonomiske virkning af kunstig intelligens og automatisering, et enormt vigtigt spørgsmål for samfundet.

Flytningen er vigtig for MIT. Universitetet var på forkant med AI-forskning i 1950'erne, men feltets tyngdepunkt har bevæget sig mod vest på det seneste, med store teknologivirksomheder som Google, Facebook, Microsoft og Amazon førende.

Investeringen signalerer også et skift for IBM. Virksomheden skubbede AI frem ved at udvikle Deep Blue, en maskine, der slog verdensmesteren i skak, Garry Kasparov, i 1997 (se Hvordan skak blev vundet). Watson-supercomputeren, der vandt spilshowet Fare! i 2010 brugte banebrydende maskinlærings- og natursprogsbehandlingsteknikker. I de senere år har andre virksomheder imidlertid stjålet rampelyset inden for AI-forskning, og virksomheden er nogle gange blevet beskyldt for at overhype de AI-tjenester, der er tilgængelige under Watson-mærket.

Fokus på hardware, især, kan være en god måde at genstarte. Selvom der har været dramatiske fremskridt inden for kunstig intelligens i de senere år, er det meste kommet takket være en håndfuld algoritmer, samt den voksende tilgængelighed af kraftfulde supercomputere og store mængder træningsdata. Selv når nye tilgange dukker op, tilbyder nye materialer og computerarkitekturer et enormt potentiale til at forbedre disse AI-algoritmer.

Det meste af banebrydende maskinlæring udføres i dag på konventionelle computerchips, uanset om de oprindeligt er designet til grafikbehandling eller specialfremstillet til at håndtere de nødvendige beregninger så effektivt som muligt. At genoverveje chiparkitekturer og den slags komponenter, der anvendes, kan øge ydeevnen betydeligt. IBM har allerede et stærkt forskningsfokus på materialevidenskab og nye computerenheder. Lige så begejstrede vi alle er for kunstig intelligens, har feltet flere årtier foran sig, siger Gil.

Rafael Reif, præsident for MIT (til venstre), og John Kelly, senior vicepræsident for kognitive løsninger og forskning hos IBM.

En af disse muligheder kunne komme fra kvantecomputere. En forskningskuriositet i årtier, det er nu på vej mod praktiske maskiner, der er i stand til at tackle reelle problemer, især inden for områder som kemisk forskning. Dets mulige effekter på maskinlæring og AI giver fascinerende spørgsmål.

Gil siger, at det er for tidligt at forudsige, hvordan tingene vil udvikle sig, men han mener, at eksperimenter kan give nogle overraskelser. Det vil kun ske, hvis du har en forbandet kvantecomputer, og det har vi, siger han.

Udover hardwarefremskridt vil det nye MIT-center forske i nye former for maskinlæringsalgoritmer. Det vil især undersøge algoritmer, der lader computere lære af rå eller umærkede data og dem, der kunne gøre det muligt at overføre læring fra et domæne til et andet.

Anantha Chandrakasan , dekan for MIT's ingeniørskole, siger, at forskningsindsatsen inden for hardware og software ideelt set bør indgå i hinanden. Vi kommer ikke til at designe algoritmer, der er fuldstændig uafhængige af de arkitekturer, vi skal bruge, siger han. Vi vil se tænkning på systemniveau.

Laboratoriet vil også undersøge, hvordan AI kan anvendes på specifikke domæner, såsom sundhedspleje og computersikkerhed. Chandrakasan siger, at han er særligt begejstret for at udforske de praktiske anvendelser af AI, og han håber, at bestræbelsen vil afføde nye spinout-virksomheder i de kommende år.

Dette interesseområde kan vise sig at være særligt vigtigt for IBMs nuværende forretning. Virksomheden har fundet det sværere end forventet at implementere Watson på områder som sundhedspleje (se A Reality Check for IBM's AI Ambitions).

Samarbejdet vil også forfølge forskning i implikationerne af AI for global velstand. Francesca Rossi, en fremtrædende forsker ved IBM T.J. Watson Research Center, siger, at projektet vil passe sammen med arbejdet med AI-algoritmer. For at fremme delt velstand gennem AI skal du også fremme de AI-algoritmer, du ville bruge, siger hun.

I sit fokus på at bruge kunstig intelligens til at levere økonomiske og samfundsmæssige fordele overlapper indsatsen på nogle måder med Partnerskab om AI , et konsortium, som IBM var med til at stifte i september 2016 for at studere, hvordan kunstig intelligens påvirker samfundet. Men Rossi siger, at MIT-IBM-samarbejdet vil producere forskning, mens partnerskabet giver en åben platform til at diskutere disse spørgsmål. For eksempel kan Partnership on AI anbefale, at hvert AI-system kan forklare sig selv, som en generel retningslinje. Men AI-eksperter forstår stadig ikke, hvordan algoritmer træffer beslutninger (se The Dark Secret at the Heart of AI). MIT og IBM kunne udtænke måder at løse denne gåde ved at arbejde sammen, siger Rossi.

skjule