0
Tun pixies-Adressen, und wenn Sie es tun, sollten Sie Ihnen passen?
Du bist wahrscheinlich denken, dies ist eine seltsame Frage zu Fragen, und es ist wohl auch mehr so aus dem Kontext genommen. Es bezieht sich auf den Gegensatz zwischen der bis-in-den-Himmel-Erwartungen und-Theorien im Zusammenhang mit künstlicher Intelligenz (AI) und die oft Banale Arbeit, die erforderlich ist, damit es funktioniert in der realen Welt.
Tief Elon Musk existiert, und es ist nicht, was Sie denken, es ist
Tief Elon Musk
So oder so, dass klingt wie die Art von Frage, könnte erhalten Sie unten ein Kaninchenbau. Also, wenn ich Sie tweeted, dass vor einer Weile als einen Verweis auf eine dann veröffentlichte Geschichte auf AI in der realen Welt, ich war nicht überrascht, eine Antwort zu bekommen von Tief Elon Musk.
Tief Elon Musk ist ein AI-twitter-bot. In seinem Kern ist es ein Algorithmus, der lernt, wie Sie schreiben. Es wurde in Handarbeit mit einem LSTM Rezidivierenden Tiefen Neuronalen Netzes, und es ist ausgebildet, indem er es Lesen viele Tesla-CEO Elon Musk die reden über und über. Man könnte sagen, die es getroffen hat, ein eigenes Leben.
Tief Elon Musk erzeugt original-tweets und interagiert mit anderen Nutzern auf Twitter, indem Sie mögen Ihre tweets. Es muss nicht so weit gehen, dass Sie vollständig interaktive Gespräche, aber es war nur veröffentlicht im Februar 2017, und es ist die Schöpfung eines einsamen AI-Enthusiasten, das ist schon eine Leistung. Obwohl es nicht versucht zu täuschen niemanden, es könnte wahrscheinlich, wie es ist sicherlich überzeugender als die meisten bots draußen.
Tief Elon Musk wurde von PJ Bergeron, software-Entwickler, der es gebaut, um zu sehen, wenn ein AI, der konnte sprechen wie ein Mensch. Er hob auf die Ironie des Moschus die eigene Angst vor AI, und mit einem reichen Korpus von Moschus, der den öffentlichen Raum zur Verfügung gestellt Schulung der bot erleichtert.
Aber wenn jemand, den Sie noch nie gehört haben war in der Lage etwas zu bauen, die Googles der Welt wäre stolz auf die Arbeit solo in seinem Keller mit null-Kosten, dann, was sind die tatsächlichen Googles in der Lage zu tun, und was bedeutet das?
Willkommen in der Wüste des nahezu Echtzeit
Google die Möglichkeit eingeführt, zur Beantwortung Ihrer E-Mails für Sie im Jahr 2015, und es gibt eine 10-Prozent-chance-E-Mails, die Sie erhalten haben, aus dem Sie Ihre Kontakte wurden automatisch generiert. Es gibt auch gute Chancen, einige Ihrer online-Interaktionen mit der ansonsten professionellen und/oder charmanten Kollegen nicht genau, was Sie dachte, Sie waren.
Bergeron gebaut Tief Elon Musk, weil er es konnte und weil er dachte, es würde Spaß machen. Für die professionelle bot-Hersteller der Welt, die motivation ist anders, und so auch die möglichen Auswirkungen.
Wenn Sie können es tun, Moschus, können Sie es für jedermann, und die Möglichkeiten hier sind nahezu unbegrenzt: Denken, digitale persönliche Assistenten, die sich mit Ihren social-media-Klone zum Beispiel, wegnehmen der Last der online-Interaktion.
Sie denken vielleicht, das ist weit hergeholt, und viele PR-Mitarbeiter würden mit Ihnen vereinbaren. Aber das hindert andere nicht daran, die Einstellung zu automatisieren, PR, oder erstellen virtueller Klone. Für Bergeron, der schwierige Teil ist, dass Sie haben, um einen großen Datensatz zu trainieren und Ihre AI:
Zu schaffen, ein “Klon” von sich selbst, Sie hätte viel zu schreiben. Die Lösung könnte sein, trainieren Sie Ihre AI auf eine Menge von verschiedenen Personen, dann trainieren Sie ein wenig auf Ihre eigenen Inhalte zu machen, reden wie Sie. So, erste, lernen, wie man schreiben in Englisch, dann lernen, wie zu schreiben wie SIE.
Und wie würden Sie sich fühlen, über die Idee, dass Sie Ihre Worte in jemand anderes Mund und Sie Lesen Sie aus, als wären es Ihre eigenen? Gut, das ist absolut möglich, wieder mit Hilfe von deep learning (DL) know-how-und public-domain-Daten.
Synthese Von Obama
Ein team an der University of Washington (UW) für Furore, die vor kurzem durch die Veröffentlichung eines Papiers über Ihre Arbeit mit dem Titel Synthese von Obama. Das UW-team, wie Bergeron, verwendet eine LSTM Rezidivierenden Tiefen Neuronalen Netzes ausgebildet, die auf öffentliche Daten.
Die Fähigkeit zu synthetisieren Rede mit einer person aus den öffentlich verfügbaren Filmmaterial ist real, hier und jetzt. (Bild: University of Washington)
Supasorn Suwajanakorn, das Papier Hauptautor, weist darauf hin, dass in diesem wurde gezeigt, dass die Arbeit auch auf viele audio-processing-Aufgaben wie Spracherkennung. Er fügte hinzu, dass Ihr Ansatz basierte nicht auf ihn in seiner Gesamtheit, als Ihre DL-Netz ist nur ein Teil des ganzen pipeline.
Als Suwajanakorn erklärt, der Aspekt, die diese Arbeit auszeichnet, ist die Tatsache, dass dieser senkt deutlich die bar, um die Erreichung solcher Ergebnisse für eine Reihe von Gründen: “Der große Unterschied ist, dass wir produzieren können, überzeugen die Ergebnisse durch das lernen von nur vorhandene Aufnahmen von einer einzigen person.
“Andere arbeiten, muss die person, die gescannt werden in einem Labor und hat sorgfältig zu konstruieren, eine Rede Datenbank, bestehend aus vielen Menschen, die sagen: gewählte Sätze. Dies ist, was unterscheidet uns und ermöglicht es unsere Technik, die skaliert werden, um jemand mit viel weniger Aufwand.”
Wie für die Ressourcen und das know-how für diese benötigt? Suwajanakorn sagte, es dauerte etwa ein Jahr, und Sie brauchten einen cluster von Computern, die Daten herunter zu laden und ein high-end-Maschine für die Forschung.
Halten Sie im Verstand, obwohl, es war das erste mal, dies wurde getan, und das UW-team musste den Preis zahlen, für den Weg zu ebnen. Wenn Sie gefragt werden, ob jemand, der kennt Ihre Weise um machine learning (ML) und hat Zugriff auf moderate Ressourcen tun könnte etwas wie diese, Suwajanakorn war positiv.
Sie und welche Daten die Wissenschaft Armee?
Der wesentliche Unterschied mit Bergeron ‘s Arbeit ist, dass in diesem Fall die Trainingsdaten wurde Filmmaterial (Obama’ s weekly-Adressen an die nation), und das Ende Ziel war es, den vorhandenen text (Obamas eigenen reden) synthetisiert.
Aber gibt es etwas, das Sie von der Kombination dieser Ansätze zu erstellen, zu sagen, gefälschte Nachrichten, AI pop-stars, und Max Headroom auf Steroiden? Nein, nicht wirklich, argumentiert Michal Kosinski.
Kosinski allerdings wurde ein Haushalt name durch Gutschrift mit der Schaffung des psychografischen Modells Cambridge Analytica angeblich verwendet für die politische online-Kampagne für die Brexit-und Trumpf-Kampagnen.
Kosinski entwickelt hat, ML-algorithmen erfordern sehr wenig in Bezug auf die erforderlichen Daten und Rechenleistung zu produzieren, persönliche profile mit außerordentlicher Genauigkeit. Angeblich sollen diese profile kann Vorhersagen, Ihr Verhalten genauer sogar als Ihre nächsten und Liebsten Menschen.
Kosinski präsentiert einige neue Ergebnisse seiner Forschung in seiner CeBIT-keynote ein paar Monate zurück. Er zeigte, wie mit einfachen, leicht verfügbaren Daten Punkte, wie likes, Kommentare, Bilder, persönliche Merkmale und Eigenschaften abgeleitet werden, die mit einem hohen Grad an Genauigkeit. Und er Tat, nicht mit Hilfe von höchstleistungsrechnern in der cloud, aber seinen eigenen laptop.
Sein Punkt? Selbst wenn Sie erfolgreich regulieren der GAFAs von der Welt, Sie konnte nie regulieren lone wolfs, und es ist so viel mehr möglich ist als das, was Sie denken, Sie wissen. Das Ende der Privatsphäre ist hier; lasst uns einfach mit ihm umgehen.
Ja, es braucht know-how und Zeit, um dies zu tun, aber halten Sie im Verstand, ist der Entwicklungsprozess selbst wird automatisiert und erwartet werden kann Sachwerten, wie so viele andere vor ihm. Bald dauert es nicht übertragenen Daten Wissenschaft Armee zu bekommen, um Resultate wie diese.
Bei der Diskussion über mögliche Einsatzgebiete von seiner Arbeit, Bergeron sagte, er könnte zu verfolgen einige von Ihnen. Keiner von den bösen diejenigen, erteilt. Aber es würde nicht viel hält ihn zurück hatte er sich entschieden zu gehen für diejenigen.
“Von außen scheint es immer unheimlicher”
Also, keine Regulierung, keine Kontrolle, keine klare Richtung. Sollten wir besorgt sein, was mit der Computertechnologie möglich ist, wie diese, und wir sollten einfach darauf Vertrauen, die Googles der Welt nicht böse?
Suwajanakorn-Arbeit dreht sich um folgende Fragen: Welche Aspekte einer person können Sie ableiten, indem Sie nur einen Blick auf Ihre Fotos und videos? Können Sie Modell jemand der persona und erstellen ein digitales Mensch, die sieht, spricht und wirkt, nur wie?
Suwajanakorn beitreten werden Google und Pläne, weiterhin auf dieser Linie der Arbeit, das war Teil von einem breiteren Projekt mit Samsung, Google und Intel, obwohl er sagte, seine Bewegung ist unabhängig von diesem. Klingt das gleichermaßen genial und quälend?
Könnte es sein, dass unsere Kapazitäten für den technologischen Fortschritt ist viel größer als unsere Kapazitäten für die soziale und ethische Entwicklung, oder sollten wir einfach aufhören und denken für eine Weile vor dem marschieren auf, um neue tech-Höhen?
Suwajanakorn sagte, das ist ein kompliziertes Thema und in der Regel alles, was nicht eindeutig: “ich glaube, dass sollten die Forscher nehmen die ethischen Bedenken berücksichtigt, und die öffentliche Diskussion und die Angst, die informiert werden sollten, durch technische Forschung.
“Ich kann sehen, wie von außen scheint es immer unheimlicher. Es gibt ein Potenzial für Missbrauch, aber ich sehe viele Möglichkeiten, die [diese] können verhindert werden, und viele weitere Herausforderungen bevor, die wir auch erreichen, dass Punkt.”
Wer wirklich besitzt Ihre Internet der Dinge, Daten?
In einer Welt, wo mehr und mehr Objekte kommen online und Hersteller engagieren sich in der supply chain, wie können Sie verfolgen, was Ihnen und was nicht?
0