“Sparsity, det er den retning, hvor dyb læring bør udvide,” siger Gopi Prashanth, der er vice president of engineering hos AI-start LandingAI, der drives af den tidligere Google-AI-koryfæet Andrew Ng.
I et interview med ZDNet, Prashanth afspejles på den udfordring, at tage noget der er bygget til virkelig at big data machine learning tilgang, der kaldes dyb læring, og re-engineering er det for meget lidt data, måske bare en enkelt prøve på et tidspunkt.
Det er ikke en akademisk interesse. Mandatet for Ng og hans team er ved at sætte AI til at arbejde for erhvervslivet. Der kræver brug af teknikker som machine learning i nogle indstillinger, hvor der kan være meget få gode eksempler på, at et problem at bruge til at træne maskinen.
Overveje en produktionslinje for biler eller anden færdige godt. De er systemer der er bygget til pålidelighed, og så der er ikke mange eksempler på svigt, hvorfra at lære.
Også: Andrew Ng mener, at det evige forår i AI
Gopi Prashanth, VP of engineering med LandingAI.
LandingAI.
“Siger du er en visuel kvalitet inspektør, og en del kommer til dig” på produktionslinjen. “Du træffe en afgørelse af rullende, at en del i hånden og kigger på det at afgøre, om det er acceptabelt eller ej.”
“Måske en i 1.000 produkter, der er defekte, to på de fleste; mennesker kan tage to eksempler og generalisere fra dem meget godt. Men for at lære en maskine at bruge et par prøver af data er en meget hård teknisk problem at løse-det er en af de centrale udfordringer, vi har at arbejde på.”
Prashanth ved noget om de systemer, der interagerer i den virkelige verden. På Amazon, han arbejdede på “Amazon Gå” projekt, der er bygget butikker, hvor folk bare kunne gå ind og få fat i ting og gå, og har i alt faktureret til dem senere, ved hjælp af en ny kombination af sensorer og machine vision engineering.
Når Ng nåede ud til ham, mens han var på Amazon, “jeg var ikke ønsker at forlade, men det var en meget personlig tilgang,” siger han. “Han talte mindre om den mulighed, og mere om mig; han havde brugt tid på at kigge på min karriere og mit cv til at forstå mine styrker og svagheder; han gjorde det meget personligt, og som virkelig slog en snor med mig.”
“Vi talte, og jeg fandt vi delte en meget lignende vision.”
Også: IBM, Apple og Facebook repræsenterer nye tilt mod forretning for ærværdige AI konference
Visionen er en af løse “mange problemer for erhvervslivet, tænker ti til femten år frem i tiden,” siger Prashanth. Anvendt videnskab er fokus, hvordan man kan omdanne hele virksomheden eller et helt felt, som sundhedsydelser.
“Vi går ind på områder, der ikke traditionelt tech-tunge, som fremstiller,” siger han. “Vores antagelse er, at vi vil afdække problemer, som vi kan løse, at selv den kunde, der ikke er klar over, ting om optimering og omkostningsbesparelser og alt det der-det er vores antagelse, at gå fremad.” (Læs interview med ZDNet Ng i December.)
Problemet med sparsity går til hjertet af, hvor dyb læring og andre AI tilgange bryde ned, Prashanth antyder.
“Dyb læring er meget i sin vorden,” siger han. “Det er meget god til at tage i store mængder af data, dybest set passende, at en multidimensional overflade i hyperspace — en manifold,” siger han med henvisning til begrebet om en ikke-Euklidisk rum, der repræsenterer forbindelser mellem datapunkter.
Også: Kan IBM eventuelt tamme AI for virksomheder?
“Dyb læring kommer igennem mere og mere af denne bunke skrammel, som de kalder det. Den dybe læring network sætter ting i, og modellen kommer ud,” er, hvordan han opsummerer de grundlæggende operationer i dyb læring. “Hvis modellen er forkert, kan du indsamle flere data, du røre bunken igen, og du tog nettet ud af, at fejl.”
“Men, ikke mange mennesker søger ind i problemet med at generalisere fra sparsomme data.”
Skal læse
“AI er meget, meget dum, “siger Google’ s AI-leder (CNET), Hvordan man får alle Google Assistant ‘s nye stemmer lige nu (CNET)Samlet Google AI division et klart signal om, at AI’ s fremtid (TechRepublic)Top 5: Ting at vide om AI (TechRepublic)
I produktion, den antagelse, har altid været at fjerne “afvigelser” fra systemet, dermed meget få eksempler i kvalitetskontrol af noget, der er forkert.
LandingAI ikke nødvendigvis behøver at opfinde nye dybe læring rammer eller værktøjer. Ting som TensorFLow, der er til rådighed til at Prashanth og holdet, “er allerede temmelig omfattende.”
“Lige nu, vi har ikke ramt et punkt, hvor vi er nødt til at opfinde værktøjer.”
Hvad der kræves, siger han, “er at undervise i et netværk for at generalisere”, der er baseret på at undersøge “hvilke funktioner der gør mennesker opfatter, og hvordan trænes en model til at gøre de samme ting.”
At rejse er lige begyndt. Hvordan vil Landing løse problemet?
“Hvis jeg allerede havde løst det, ville det være nemmere at besvare,” siger Prashanth med et grin. “Det kommer til at være den hemmelige sauce”.
Tidligere og relaterede dækning:
Hvad er AI? Alt, hvad du behøver at vide
En executive guide til kunstig intelligens, fra machine learning og generelt AI til neurale netværk.
Hvad er dyb læring? Alt, hvad du behøver at vide
Den lowdown på en dyb læring: fra hvordan det relaterer til det bredere felt af machine learning igennem til, hvordan du kommer i gang med det.
Hvad er machine learning? Alt, hvad du behøver at vide
Denne vejledning forklarer, hvad machine learning er, hvordan det er relateret til kunstig intelligens, hvordan det fungerer, og hvorfor det er vigtigt.
Hvad er cloud computing? Alt, hvad du behøver at vide om
En introduktion til cloud computing-lige fra det grundlæggende op til IaaS og PaaS, hybrid, offentlige og private cloud.
Relaterede historier:
Google ‘ s AI surfer “gamescape” for at erobre game theory
Dette er, hvad AI ligner (som skitseret ved AI)
Google ‘ s DeepMind hold med førende 3D spil dev platform
DeepMind ‘ s AI pletter tidlige tegn på øjensygdom
Relaterede Emner:
Big Data Analytics
Digital Transformation
CXO
Tingenes Internet
Innovation
Virksomhedens Software