211service.com
Siris skabere demonstrerer en assistent, der tager initiativet
I et lille, mørkt rum ud for en lang gang i et vidtstrakt kompleks af bygninger i Silicon Valley, sporer en række massive fladskærme og videokameraer Grimtænker hver bevægelse. Denker, en senior datalog ved nonprofit R&D-instituttet SRI , viser sig frem Lyse , en intelligent assistent, der en dag kunne vide, hvilke oplysninger du har brug for, før du overhovedet spørger.
Under overvågning: En Bright prototype sporer hver eneste bevægelse foretaget af Patrick Lincoln, direktør for SRI's datalogiske laboratorium.
I første omgang er Bright beregnet til at skære ned på den kognitive overbelastning, som arbejdere står over for i højstressede, dataintensive job som nødberedskab og netværkssikkerhed. Bright kan for eksempel hjælpe netværksadministratorer med at forsøge at stoppe spredningen af en virus, der bevæger sig hurtigt, ved hurtigt at levere vigtige infektionsoplysninger eller hjælpe 911-operatører med at sende den rigtige form for assistance til ulykkesstedet. Men ligesom mange andre teknologier udviklet på SRI, såsom den digitale personlige assistent syrien (nu ejet af Apple), kunne Bright med tiden sive ned til bærbare computere og smartphones. Det kan tage form af software, der automatisk viser lister over dine yndlingsprogrammer, når det tror, du er ved at sætte dig ned og se tv, eller søger på nettet efter information, der er relevant for dit seneste forskningsprojekt, uden at du behøver at løfte en finger.
Allerede noget assistentsoftware, som f.eks Google nu for Android-smartphones, forsøger at forudsige, hvilken information en bruger kan have brug for og servere den automatisk. Det gør den ved for eksempel at genkende, at brugeren venter ved et busstoppested og leverer buskøreplaner. Målet med Bright er at udvikle noget endnu mere sofistikeret og dygtigt i et kontormiljø. Men den store udfordring for Bright og lignende projekter er: hvordan lærer man af en relativt lille mængde information?
Oprindeligt oprettet af Stanford University som en forskningsinstitution i 1946 (det har fungeret uafhængigt siden 1970), SRI International, baseret i Menlo Park, Californien, har udviklet nøgleteknologier, herunder computermus , det LCD , og selv de første glimt af internettet, kaldet ARPAnet . I de senere år har det haft succes inden for kunstig intelligens med Siri, som blev spundet ud af et projekt, SRI lavede for Department of Defense's Defense Advanced Research Projects Agency, eller DARPA, kaldet CALO (det er kognitiv agent, der lærer og organiserer ).
Denker beskriver Bright som et kognitivt skrivebord og et skrivebord, der virkelig forstår, hvad du laver, og ikke kun for dig, men også i et samarbejdsmiljø for mennesker. I dens nuværende opsætning stirrer tre kameraer ud på hende; en skærm viser, hvor hun kigger, og viser en log i realtid over hver handling, hun foretager sig, såvel som et velkendt computerskrivebord med filer og mapper. Når hun bruger monitoren foran hende til at åbne en e-mail fra Wells Fargo bank, der for eksempel anmoder om et møde, registrerer Bright alle sine handlinger på en monitor ude til venstre og bemærker, at hun åbnede beskeden, at hun brugte tid kigger på den (i stedet for bare at se andre steder på skærmen), og at hun lukkede den.
Da Denker demonstrerer Brights begyndende evner, er det ikke svært at forestille sig, at teknologien letter alt fra planlægning af opgaver til søgning på nettet. Hun forklarer, at hendes team forsøger at tilpasse eksisterende computervidenskabelige teknikker, der forsøger at øge effektiviteten ved at forudse, hvilken information der vil være brug for næste gang og afprøve forskellige handlinger på forhånd for at fremskynde responstiden. Bright, siger hun, bruger de samme ideer til at forudse, hvad brugeren vil gøre, så det kræver ekstra udstyr til at overvåge brugeren. En berøringsfølsom skærm kan spore fingerberøringer, og håndbevægelser - såsom vinke - spores også.
Mens det udvikles til cybersikkerhed og nødberedskab, kunne Bright skræddersyes til andre typer brugere. I skoler kan Bright for eksempel være i stand til at fastslå, at en elev kæmper og tilpasse sig til bedre at imødekomme hans eller hendes behov.
Der er dog lang vej igen. Systemet er i øjeblikket fokuseret på kognitiv indeksering - den mekanisme, der binder forskellige spor sammen og derefter forsøger at forudsige, hvad der er vigtigt. Holdet bag Bright skal også opbygge sine evner til at forudsige interesser og automatisere opgaver. Og før det kan rulles ud hvor som helst, skal Bright lære at studere, hvad du bruger din computer til.
Det er svært at lære en bruger at kende, siger Bill Mark, vicepræsident for information og datalogi hos SRI og en af hovedefterforskerne bag CALO. Mark kalder dette for smådataproblemet; mens big data-indsatsen fokuserer på at få indsigt fra bjerge af information, leder systemer som Bright efter mønstre i meget mindre mængder, og det kan være meget vanskeligt. Det begrænsede datasæt, kombineret med brugernes tendens til at ændre adfærd, er meget uvenligt over for mønsterfindende algoritmer, siger han: Vi lægger ikke så meget data ind. Disse maskinlæringsalgoritmer kan lide at generalisere over meget store mængder data.
Der er masser af andre udfordringer. Krzysztof Gajos , en assisterende professor i datalogi ved Harvard, som også brugte et år på CALO, bemærker, at en af vanskelighederne ved at bygge intelligente interaktive systemer er at finde ud af, hvordan man kan skelne obligatoriske opgaver som kontorarbejde fra frivillige opgaver som at spille spil. Til kontorrelaterede opgaver, siger han, er det svært at designe automatisering på en måde, så brugeren føler sig i kontrol og virker værd at bruge, selvom det indimellem vil skrue op.
Hvis du ser tilbage på systemer som Microsoft Clippy, kan du se et eksempel på et system, der fejlede ved det, siger Gajos. De få gange, det fejlede, var bare så skærpende, at det overskyggede alle fordele, som systemet kunne have givet mange brugere.