211service.com
Software, der lærer af brugerne
Det, der gør computere til en enorm smerte for alle, siger Pedro søndage , en lektor i datalogi ved University of Washington, er, at du skal forklare dem hver eneste lille detalje af, hvad de skal gøre. Det er virkelig irriterende, joker Domingos. De er dumme.
Det er derfor, Domingos deltager i NED , et massivt, fire år gammelt kunstig intelligens-projekt, der skal hjælpe computere med at forstå deres menneskelige brugeres intentioner. Finansieret af Agenturet for Forsvars Avancerede Forskningsprojekter (DARPA), og koordineret af SRI International , baseret i Menlo Park, Californien, samler projektet forskere fra 25 universiteter og virksomheder inden for mange områder af kunstig intelligens, herunder maskinlæring, naturlig sprogbehandling og semantiske webteknologier. Hver gruppe arbejder på stykker af CALO, som står for kognitiv assistent, der lærer og organiserer.
Adam Cheyer, programdirektør for centret for kunstig intelligens på SRI, forklarer, at CALO forsøger at hjælpe brugerne på tre måder: ved at hjælpe dem med at administrere information om nøglepersoner og projekter, ved at forstå og organisere information fra møder og ved at lære og automatisere rutiner. opgaver. For eksempel kan CALO lære om de mennesker og projekter, der er vigtige for en brugers arbejdsliv, ved at være opmærksom på e-mail-mønstre. Den kan derefter kategorisere og prioritere information til brugeren, baseret på kilden til informationen og de projekter, den er forbundet med. Systemet kan også anvende denne type forståelse på møder, ved at bruge dets talegenkendelsessystem til at lave en transskription af, hvad der bliver sagt der, og dets forståelse af brugerens projekter og kontakter til at bearbejde transskriptionen intelligent til to-do-lister og aftaler. Endelig kan en bruger undervise i CALO rutineopgaver såsom at købe bøger online og søge efter bed-and-breakfasts, der opfylder specifikke kriterier. CALO kan interagere med andre mennesker og påtage sig opgaver såsom planlægning af møder, koordinering mellem folks tidsplaner og træffe beslutninger, såsom at beslutte at omlægge et møde, hvis et nøglemedlem bliver forhindret i at deltage.
Det er en fantastisk stor ting, og det er sindssygt ambitiøst, siger Domingos. Men hvis CALO lykkes, vil det være noget af en revolution. Selvom det ikke gør det, sker der så meget god forskning under det, at det stadig vil have været umagen værd.
Målet er at bygge en kunstig intelligens, der kan tjene som en personlig assistent for nogen – ikke noget med en stiv struktur, som det kan være nyttigt, som den animerede papirklip-assistent, der findes i Microsoft Office-produkter, men et system, der kan lære om en brugers miljø og behov, og tilpasse sig dem, uden at skulle programmeres på ny af ingeniører. Det, der er anderledes og aldrig er blevet gjort før på denne måde, er den virkelig integrerede tilgang til at bringe alle disse teknologier og alle disse muligheder i et enkelt system, siger Cheyer. Det kræver et system af denne størrelse at give dig noget, der kan forstå og organisere så meget information.
Projektet kan virke bredt i sine mål, men forskerne mener, at systemet i sidste ende vil drage fordel af, at flere teknologier arbejder sammen. Overvej mødetransskriptionsfunktionen, siger William Mark, vicepræsident for informations- og datalogiafdelingen hos SRI. Selv de bedste talegenkendelsessystemer ville have problemer med at producere en nøjagtig udskrift af et møde uden hjælp, siger han, men i vores sammenhæng har CALO på grund af informationsstyring dyb og rig viden om, hvem der er personerne i lokalet, og hvad der er. de dokumenter og vendinger og slang brugt i sammenhæng.
Da CALO har mange læringssystemer, er en udfordring at integrere dem, så CALO har en konsistent struktur for information, som den kan bruge til at træffe beslutninger baseret på de støjende, usikre data, den uddrager fra sine forskellige interaktioner. Domingos og andre har arbejdet på en sandsynlighedskonsistensmotor, som forener to traditionelle tilgange til kunstig intelligens: logik og sandsynlighed.
Alan Qi , en assisterende professor i datalogi ved Purdue University, som ikke er involveret i CALO, siger, at foreningen af logik og sandsynlighed er en vigtig bestræbelse for området kunstig intelligens. At kombinere disse to tilgange, siger Qi, er langt bedre end at bruge begge alene. Probabilistiske tilgange kan håndtere støj og usikkerhed godt, mens en logisk struktur er bedst til at håndtere mening.
Selvom CALOs tilgang er meget vidtrækkende, har SRI lavet en version, kaldet CALO Express, der koger nogle af de funktioner i CALO, der næsten er klar til implementering. CALO Express er en letvægtsversion af real deal, der integreres med Microsoft-produkter som Outlook og PowerPoint. Cheyer siger, at det omfatter dele af de tre hovedfunktioner i informationsstyring, mødeassistance og opgavestyring. Han fortæller, at CALO Express nu er ved at blive evalueret til brug hos DARPA. Selvom det er usikkert, om CALO Express bliver et kommercielt produkt tilgængeligt uden for militæret, er der stadig håb om, at den gennemsnitlige person kan få adgang til teknologier af denne type. Forskningen har allerede frembragt et par produkter, som f.eks Smart Desktop , som er et informationsstyringssystem, der stammer fra opgavesporingsprojektet udført af Oregon State University som en del af CALO. Radar netværk , skabere af Semantic Web-produktet Sejlgarn , har også arbejdet på nogle af CALOs semantiske fundament. (Se The Semantic Web Goes Mainstream .)