0
Gör pixies har adresser, och om de gör det, bör du matcha dem?
Du är förmodligen tänker att detta är en konstig fråga att ställa, och det är nog det, ännu mer så tas ur sitt sammanhang. Det hänvisar till motsatsen mellan up-in-the-sky förväntningar och teorier i samband med artificiell intelligens (AI) och ofta vardagliga arbete som krävs för att få det att fungera i den verkliga världen.

Djupt Elon Musk finns, och det är inte vad du tror att det är
Djupt Elon Musk
Antingen sätt, att det låter som den typ av frågor som kan få dig ner i ett kaninhål. Så, när jag twittrade att för ett tag sedan som referens för att sedan publicerades en berättelse om AI i den verkliga världen, jag var inte så förvånad över att få ett svar från Djupt Elon Musk.
Djupt Elon Musk är en AI twitter bot. I sin kärna, det är en algoritm som lär sig att skriva. Det har varit utformad med en LSTM Återkommande Djupa Neurala Nätverk, och det är tränad av att ha det att läsa en hel del av Teslas VD Elon Musk är tal om och om igen. Man kan säga att det har tagit ett eget liv.
Djupt Elon Musk genererar ursprungliga tweets och interagerar med andra användare på Twitter genom att gilla deras tweets. Det behöver inte gå så långt som att ha fullt interaktiva samtal, men med tanke på att det var bara släpps i februari 2017, och det är skapandet av en ensam AI-entusiast, det är redan ganska en prestation. Även om den inte försöker lura vem som helst, det skulle troligen kunna, som det säkert är mer övertygande än de flesta robotar ute.
Djupt Elon Musk skapades av PJ Bergeron, en systemutvecklare som byggt den för att se om en AI som kunde tala som en människa. Han plockade på ironi av Mysk egen rädsla av AI, och att ha en rik samling av Musk tala offentligt tillgängliga utbildning bot lättare.
Men om någon du aldrig hört talas om var kan bygga något Googles världen skulle vara stolta över att arbeta solo i sin källare med noll kostnad, vad är de faktiska Googles kunna göra, och vad betyder detta?
Välkommen till öknen i stort sett riktiga
Google introducerade möjligheten att besvara din e-post för att du i och med 2015, och det är en 10-procentig chans de e-postmeddelanden du har fått från dina kontakter genereras automatiskt. Det finns också goda chanser att bli en del av din online interaktioner med annars professionell och/eller charmiga motsvarigheter var inte precis vad du trodde att de var.
Bergeron byggt Djup Elon Musk eftersom han kunde, och eftersom han trodde att det skulle vara kul. För den professionella bot beslutsfattare i världen, motivationen är olika, och så är den potentiella påverkan.
Om du kan göra det för Mysk, du kan göra det för någon, och möjligheterna här är nästan oändliga: Tror personliga digitala assistenter som kan bli din sociala medier-kloner till exempel, att ta bort bördan av interaktion online.
Du kanske tror att det är långsökt, och många pr-proffs skulle hålla med dig. Men det hindrar inte andra från att ställa upp för att automatisera PR, eller skapa virtuella kloner. För Bergeron, det svåra är att du måste få en stor dataset för att träna din AI:
För att skapa en “klon” av dig själv att du skulle behöva skriva en hel del. Lösningen skulle kunna vara att träna din AI på en massa olika personer, för att sedan träna lite på ditt eget innehåll att göra det tala som du. Så, för det första, lär dig hur man skriver på engelska, och sedan lära sig att skriva som DU.
Och hur skulle du känna om tanken på att ha dina ord sätta in i någon annans mun, och med dem läsa ut dem som om de vore deras egna? Tja, det är absolut möjligt, återigen med hjälp av djupt lärande (DL) kunskap och public domain data.
Syntes Obama
Ett team vid University of Washington (UW) gjorde ett plask nyligen genom att publicera en uppsats om deras arbete kallas Syntes Obama. UW laget, som Bergeron, används en LSTM Återkommande Djupa Neurala Nätverket tränas på offentliga data.
Förmågan att syntetisera tal med hjälp av någon person från offentligt tillgängliga bilder är verkliga, här och nu. (Bild: University of Washington)
Supasorn Suwajanakorn, papper främsta författare, och påpekar att detta har visat sig fungera väl på många ljud uppgifter som taligenkänning. Han tillade att deras strategi inte var baserad på den i sin helhet, eftersom deras DL nätverk är bara en del av hela ledningen.
Som Suwajanakorn förklarade den aspekt som skiljer detta arbete förutom det faktum att detta avsevärt sänker ribban för att uppnå sådana resultat, för ett antal skäl: “Den stora skillnaden är att vi kan producera övertygande resultat genom lärande från bara befintliga bilder av en enda person.
“Annat arbete som kräver att den person som ska skannas i ett labb och har att omsorgsfullt konstruera ett tal databas som består av många människor som säger att på förhand utvalda meningar. Detta är vad som särskiljer oss och gör vår teknik för att skalas till någon med mycket mindre ansträngning.”
Som för de resurser och det kunnande som krävs för detta? Suwajanakorn sa att det tog dem ungefär ett år, och de behövde ett kluster av datorer för att hämta data och en high-end maskin för forskning.
Hålla i åtanke, men det var första gången detta skedde, och UW-team var tvungen att betala priset för att bana väg. När jag frågade om vem som helst som känner sig runt i machine learning (ML) och har tillgång till måttlig resurser skulle kunna göra något sådant här, Suwajanakorn var positivt.
Du och vad för data vetenskap armén?
Den viktigaste skillnaden med Bergeron s arbete är att i detta fall utbildning data var film (Obama ‘ s weekly adresser till nationen, och slutet var målet att befintlig text (Obamas egna tal) syntetiseras.
Men är det något som hindrar dig från att kombinera dessa metoder för att skapa, säg, falska nyheter, AI popstjärnor, och Max Headroom på steroider? Nej, inte riktigt, menar Michal Kosinski.
Kosinski blev något av ett känt namn genom att krediteras med skapandet av den psykografiska modell Cambridge Analytica påstås användas för online-politiska kampanjer för Brexit och Trump kampanjer.
Kosinski har utvecklat ML algoritmer som kräver mycket lite i form av uppgifter som krävs och processorkraft för att producera personliga profiler med extra noggrannhet. Påstås, att dessa profiler kan förutspå ditt beteende mer exakt än till din närmaste och käraste människor.
Kosinski presenteras några nya resultat från sin forskning i sin CeBIT keynote några månader tillbaka. Han visade hur man med hjälp av enkla, lättillgängliga uppgifter punkter som gillar, kommentarer, bilder, personliga egenskaper och karaktärsdrag kan härledas med en hög grad av noggrannhet. Och han gjorde det inte med hjälp av superdatorer i molnet, men hans egen bärbar dator.
Hans poäng? Även om du lyckas kan reglera GAFAs av världen, du aldrig skulle kunna reglera lone wolfs, och det finns så mycket mer som är möjligt än vad du tror att du vet. I slutet av privatlivet är här, låt oss bara ta itu med det.
Ja, det tar kompetens och tid för att göra detta, men ha i åtanke utvecklingsprocessen är att själv vara automatiserade och kan förväntas vara standardiserad, precis som så många andra före det. Snart kan det inte ta den metaforiska data vetenskap armén för att komma till resultat som denna.
När man diskuterar potentiella användningar av sitt arbete, Bergeron sa att han kan fortsätta några av dem. Ingen av de otäcka sådana, som beviljas. Men det skulle inte vara mycket att stoppa honom om han hade valt att gå för dem.
“Från utanför det alltid verkar skrämmande”
Så, nr förordning, ingen kontroll, ingen tydlig riktning. Bör vi vara oroliga för vad som är möjligt med den teknik som den här, och ska vi bara lita på Googles världen att inte vara onda?
Suwajanakorn avhandling kretsar kring dessa frågor: Vilka aspekter av en person kan man sluta sig till genom att bara titta på deras foton och videoklipp? Kan du modell någons personlighet och skapa en digital människa som ser ut, talar och agerar precis som dem?
Suwajanakorn kommer att ansluta sig till Google och planerar att fortsätta på denna linje av arbete, som var en del av ett större projekt med Samsung, Google, Intel, även om han sa att hans drag är oberoende av denna. Låter detta lika awesome och oroande?
Kan det vara så att vår förmåga till tekniska framsteg är mycket större än vår förmåga till sociala och etiska utveckling, eller att vi ska bara stanna upp och tänka ett tag innan han marscherade vidare mot nya tech höjder?
Suwajanakorn sade att detta är en komplicerad fråga och oftast allt är inte entydig: “jag anser att forskare bör ta etiska hänsyn och offentlig diskussion och rädsla bör informeras av teknisk forskning.
“Jag kan se hur utifrån det alltid verkar skrämmande. Det finns en risk för missbruk men jag kan se många sätt att [detta] kan förhindras och många fler utmaningar innan vi ens nått fram till den punkten.”
Vem som egentligen äger din Internet of Things data?
I en värld där fler och fler objekt kommer online och leverantörer får delta i leveranskedjan, hur kan du hålla koll på vad som är ditt och vad är inte?
0