Zero
C’è un posto da qualche parte tra oggi apprendimento automatico di tecnologia e futuro “AI” che è oscuro e difficile e conflittuale.
In tale violazione, IBM si sforza di inserire una voce di competenza e di esperienza.
Presso il prestigioso NeurIPS di apprendimento automatico e conferenza a Montreal questa settimana, IBM dirigenti John Smith, direttore dell’IA tecnologia di IBM, e Kush Varshney, principale ricercatore IBM Research, stavano facendo il caso che la società ha un ruolo nel modo in cui una ancora molto “fragile” machine learning campo può essere più affidabile e “affidabile”, a seconda di ciò che s’intende dire con quella frase.
Inoltre: non C’è un ruolo per IA o i dati della scienza: questo è un lavoro di squadra
“Si tratta di muoversi da strette AI, dove tutto questo è davvero potente tecnologia è stata molto precisa, ma all’interno di una zona limitata di applicazione, e che lo rende qualcosa di più ampio, qualcosa di meno fragile e qualcosa di spiegabile,” Smith ha detto di ZDNet.
IBM stand di quest’anno NeurIPS di apprendimento automatico e conferenza a Montreal. La società ha cercato di trasmettere una serie di progetti che vanno oltre le “strette AI,” la società, gli scienziati si riferiscono a gran parte del campo. (Immagine: Tiernan Ray per ZDNet)
Forse non “Artificiale l’Intelligenza Generale,” dice Smith, ma qualcosa che si trova tra il Santo Graal di AI e di oggi, le effettive realizzazioni di reti neurali.
Alcuni di che richiede una particolare originale conquiste tecniche, quali IBM, i ricercatori discutere di questa settimana. Per esempio, Lazaros C. Polymenakos, presenta la carta di Conoscenza Radicata End-to-End di Dialogo, che si basa sul precedente lavoro nel campo della frase incorporamenti in linguaggio naturale. Cerca di dare una maggiore comprensione di apprendimento automatico di modelli di trattamento dei singoli enti in linguaggio naturale dichiarazioni come avere un loro spazio in memoria.
E poi c’è il lavoro che si allarga dal tecnico approcci alla nozione di come si definisce il problema di apprendimento automatico per cominciare. Un esempio è il Progetto Dialettica, un sistema di computer che coinvolge le persone in un back-e-indietro il dialogo.
“Siamo arrivati a questo punto di come un computer che mette insieme argomenti,” dice Smith. “Debater è circa come il computer venire con questi problemi, in primo luogo, come il computer, andare e fare tutto il suo dovere?”
“La cosa interessante di Dialettica, non solo la lettura ma in ascolto”, dice Smith. “L’ascolto come sono le persone che dicono cose come, l’ascolto e la comprensione.”
Anche se Smith descrive Dialettica come “molto presto il lavoro fondamentale” – c’è una serie di ricerche pubblicate, dietro lo sforzo, inviato da IBM in una grande collezione — non è un esempio in cui IBM è la creazione di tecnologia da zero. “Stiamo costruendo il linguaggio naturale, l’elaborazione di strumenti di qui”, spiega.
“Se siete alla ricerca di un singolo, end-to-end del modello, non è che è tutta la PNL pipeline, e di che lavoro in questa situazione, e stabilire una linea di base.”
Per Smith, di nuovo e di nuovo la questione di IA torna per la definizione di un problema. “Puoi venire con una grande idea” da un punto di vista di tecnologia”, ma poi non hanno i dati, o non hanno nulla a che fare con i dati che interessante.”
IBM dirigenti John Smith, a sinistra, manager di AI la tecnologia IBM, e Kush Varshney, principale ricercatore IBM Research, fare il caso che la società ha un ruolo nel modo in cui una ancora molto “fragile” machine learning campo può essere più affidabile e “affidabile”, a seconda di ciò che s’intende dire con quella frase (Immagine: Tiernan Ray per ZDNet)
IBM ha raccolti in modo selettivo le aree dove si ritiene possa aiutare, come ad esempio i casi di bias, per esempio. IBM stand in fiera, la società visualizzati i monitor che descrive gli sforzi come un’esplorazione delle previsioni di recidiva tra felons in NOI.
La società di ricerche di ProPublica aveva fatto uno studio, nel 2016, di previsioni di recidiva che è stata eseguita utilizzando un privato algoritmo, “COMPAS,” venduti per l’applicazione della legge da parte dell’impresa denominata Northpointe. ProPublica studio ha scoperto che gli Afro-Americani, per esempio, sono stati previsti dall’algoritmo a più alti tassi di recidiva di altri membri della popolazione, che non è stato effettivamente sostenuto da storico il rischio di recidiva di dati — un’istanza di polarizzazione della corsa.
Varshney indicò i risultati sul display che mostrava IBM potrebbe rivedere tali dati, con previsioni che sono state molto accurate, ma anche non avere il bias. Perché questo è difficile, perché beneficia di IBM tecnologia”, dice. “La difficoltà è la dipendenza tra la statistica elementi”, dice Varshney. “Si deve passare attraverso e trovare tutti i modi che ci sono delle dipendenze che operano che causano bias anche se è stato rimosso in modo esplicito queste variabili di razza, di genere, ecc…. o esplicitamente compensato per loro.” (Il più sforzo in originale post di blog sull’argomento.)
Al di là di tali riferito di casi isolati, Varshney dice un crescente problema per lui e gli altri non potranno affrontare è la questione di ciò che rende statistiche affidabili. Machine learning è una applicazione di statistiche, e se si è utilizzato stretto o in senso lato, c’è ancora la questione fondamentale di come la statistica può essere invocata per fare inferenze sulla popolazione e il comportamento e quelli futuri.
Un altro esempio di mettere le cose in pratica il lavoro è condotto con il Memorial Sloan Kettering Cancer Center di analizzare il cancro, i dati del paziente e consigliare metodi di trattamento. La tecnologia ha ricevuto alcune critiche valutazioni sulla stampa. Per esempio, l’anno scorso, Il Boston Globe ha un lavoro investigativo controllata, STAT, ha riferito che la sua le indagini che “il Watson di Oncologia” sforzo era sceso molto al di sotto delle aspettative.
Deve leggere
IBM crea AI distruggere gli esseri umani… nel dibattito (CNET)Come IBM Watson sta rivoluzionando 10 industrie (TechRepublic)
Varshney è ottimista, dicendo che “speriamo di arrivare in clinica presto.” L’idea di un’intelligenza artificiale assistita medico è un vecchio sogno, egli è consapevole, ma “per prima cosa abbiamo bisogno di ottenere la precisione richiesta – si torna ad avere fiducia AI.”
Tali esempi di partnership torna Smith, il più grande punto di definire il problema.
“E’ una discussione che abbiamo tutto il tempo con gli esperti della materia, quando si parla ad un altro che quando emergono le idee.”
Egli osserva che con IBM con oltre 400.000 dipendenti “in ogni settore … abbiamo un sacco di problemi del mondo reale, tornando a noi.”
Precedente e relativa copertura:
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Argomenti Correlati:
Big Data Analytics
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0