Nul
Er is een plek ergens tussen de huidige machine learning technologie en in de toekomst “AI” dat is troebel en moeilijk en conflict.
In die strijd, IBM streeft ernaar om plaats zelf een stem van competentie en ervaring.
Op de prestigieuze NeurIPS machine learning conference in Montreal deze week, IBM managers John Smith, manager van AI-technologie van IBM, en Kush Varshney, een principal research scientist bij IBM Research, maakten het geval dat de vennootschap heeft een rol in hoe nog “broos” machine learning veld kan worden betrouwbaarder en “betrouwbaar”, afhankelijk van wat men bedoelt met die zin.
Ook: Er is geen rol voor de AI of data science: dit is een team inspanning
“Het is over het verplaatsen van het smalle AI, waar alle van deze krachtige technologie is zeer nauwkeurig, maar binnen een beperkt gebied van de toepassing, en om het iets breder, iets minder broos en iets verklaarbaar,” Smith tegen ZDNet.
IBM ‘ s stand op dit jaar NeurIPS machine learning conference in Montreal. Het bedrijf zocht voor het overbrengen van een aantal projecten die verder gaan dan “smalle AI’, zoals de wetenschappers verwijzen naar veel van het veld. (Afbeelding: Tiernan Ray voor ZDNet)
Misschien niet “Kunstmatig Algemene Intelligentie,” zegt Smith, maar iets dat ligt tussen die Heilige Graal van de AI en de huidige feitelijke implementaties van neurale netwerken.
Sommige van die inhoudt dat bepaalde oorspronkelijke technische realisaties, die IBM-onderzoekers bespreken deze week. Bijvoorbeeld, Lazaros C. Polymenakos, is de presentatie van de paper Kennis Geaard End-to-End Dialoog, die bouwt voort op eerder werk in het veld van de zin embeddings in natuurlijke taal. Het probeert om meer inzicht te machine learning modellen door de behandeling van de afzonderlijke entiteiten-instructies in natuurlijke taal, zoals het hebben van een eigen ruimte in het geheugen.
En dan is er werk dat verbreedt uit van de technische benaderingen om een idee van hoe men definieert het probleem in de machine-leren om te beginnen met. Een voorbeeld is het Project Debater, een computer systeem dat zich bezighoudt mensen in een heen-en-weer van de dialoog.
“We hebben op dit punt van hoe kan een computer zet samen argumenten,” zegt Smith. “Debater is over hoe doet de computer komen met deze problemen in de eerste plaats, hoe werkt de computer te gaan en alles van haar huiswerk?”
“Het interessante ding over Debater is, het is niet alleen te lezen maar te luisteren,” zegt Smith. “Luisteren naar hoe mensen zeggen dingen, het begrijpend luisteren.”
Hoewel Smith beschrijft Debater als “heel vroeg fundamentele werk” — er is een vlot van gepubliceerd onderzoek achter de inspanning, geplaatst door IBM in één grote collectie krijgen — het is niet een voorbeeld waar IBM is het maken van technologie vanuit het niets. “We bouwen op natuurlijke-taalverwerking tools hier,” legt hij uit.
“Als u op zoek bent naar een eenmalige end-to-end model, het is niet zo, het is de hele NLP pijpleiding, en het maken van al dat werk in deze situatie, en de oprichting van een baseline.”
Smith, opnieuw en opnieuw de kwestie van AI gaat terug naar het definiëren van een probleem. “Je kunt komen met een goed idee” vanuit een technisch oogpunt, “maar dan geen data, of niet iets te doen met de gegevens die interessant is.”
IBM managers John Smith, links, manager van AI-technologie van IBM, en Kush Varshney, een principal research scientist bij IBM Research, het geval dat de vennootschap heeft een rol in hoe nog “broos” machine learning veld kan worden betrouwbaarder en “betrouwbaar”, afhankelijk van wat men bedoelt met die zin (Afbeelding: Tiernan Ray voor ZDNet)
IBM heeft selectief geplukt gebieden waar het gelooft dat het kan helpen, zoals gevallen van afwijking, bijvoorbeeld. IBM stand op de show, het bedrijf weergegeven, controleert het beschrijven van inspanningen zoals een een verkenning van de voorspellingen van recidive onder criminelen in de VS.
Het onderzoeksbureau ProPublica had gedaan van een studie, in 2016, van voorspellingen van recidive, dat werd uitgevoerd met behulp van een eigen algoritme, “COMPAS”, worden verkocht aan de handhaving van de wet door de firma genaamd Northpointe. ProPublica de studie had gevonden dat de Afro-Amerikanen, bijvoorbeeld, waren voorspeld door het algoritme te hebben hogere tarieven van de recidive dan de andere leden van de bevolking, die was niet daadwerkelijk wordt ondersteund door historische recidive gegevens — een exemplaar van de race bias.
Varshney maakt een gebaar naar de resultaten op het scherm dat bleek IBM kan herzien deze gegevens om te komen met de voorspellingen waren zeer nauwkeurig, maar ook niet de hoge bias. Waarom dit moeilijk is, en waarom het de voordelen van IBM-technologie, zegt hij. “Het probleem is de afhankelijkheid tussen de statistische elementen”, zegt Varshney. “Je moet gaan door en vind alle manieren die er zijn afhankelijkheden die actief zijn die leiden tot vooroordelen, zelfs als u expliciet verwijderd deze variabelen van ras, geslacht, etc., of expliciet gecompenseerd voor hen.” (Meer op de inspanning in de originele blog post over de kwestie.)
Buiten deze geïsoleerde incidenten, Varshney, zegt een toenemend probleem dat hij en anderen zullen aanpakken is de algemene vraag: wat maakt statistieken betrouwbaar zijn. Machine learning is een van de toepassingen van de statistieken, en of het wordt gebruikt ternauwernood of in het algemeen, is er nog de vraag van hoe goed de statistieken kunnen gebruikt worden om conclusies over populaties en gedrag en toekomstige gebeurtenissen.
Een ander voorbeeld van het zetten van zaken in de praktijk wordt het werk uitgevoerd met het Memorial Sloan Kettering Cancer Center te analyseren kanker patiënt gegevens en adviseren behandelmethoden. De technologie heeft ontvangen, met een aantal kritische beoordelingen in de pers. Bijvoorbeeld, vorig jaar, De Boston Globe ‘ s onderzoek dochteronderneming, STAT, vertelde dat haar onderzoek gevonden dat de “Watson Oncologie” inspanning was gevallen ver achter bij de verwachtingen.
Moet lezen
IBM maakt AI te vernietigen de mens… in het debat (CNET)Hoe IBM Watson is een revolutie in 10 industrieën (TechRepublic)
Varshney is optimistisch, zeggende dat “hopelijk krijgen we die in de kliniek verblijven.” Het idee van een AI-assisted arts is een decennia-oude droom, is hij op de hoogte is, maar “eerst moeten we voor de nauwkeurigheid die nodig is – het komt terug naar vertrouwen AI.”
Dergelijke voorbeelden van partnerschap komt terug naar Smith ‘ s een grotere punt van het definiëren van het probleem.
“Het is een gesprek dat we hebben de hele tijd met experts, als we met elkaar praten, dat is wanneer ideeën ontstaan.”
Hij merkt op dat met IBM hebben meer dan 400.000 werknemers “in elke branche … we krijgen veel van de echte wereld problemen bij ons terug komt.”
Vorige en aanverwante dekking:
Wat is AI? Alles wat je moet weten
Een executive gids voor kunstmatige intelligentie, van machine learning en algemene AI-neurale netwerken.
Wat is diep leren? Alles wat je moet weten
De lowdown op diep leren: van hoe het zich verhoudt tot het bredere veld van machine-leren door te zien hoe aan de slag met het.
Wat is machine learning? Alles wat je moet weten
In deze gids wordt uitgelegd wat ‘machine learning’ is, hoe het is in verband met kunstmatige intelligentie, hoe het werkt en waarom het belangrijk is.
Wat is cloud computing? Alles wat u moet weten over
Een introductie van cloud computing recht vanaf de basis tot IaaS en PaaS -, hybride -, public en private cloud.
Verwante Onderwerpen:
Big Data Analytics
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
0