Utnyttja utvecklingen med AI
Tonya Hall och Dr. James Området, grundare och VD för LabGenius, tala om arbetet med att utnyttja utvecklingen genom kraften av AI för att skapa egna DNA-molekyler.
En av de mest meningslösa funktioner i modern utbildning är standardiserade tester, som kräver av eleverna att tröska information vanligtvis åtagit sig att minnet i rote mode. Lyckligtvis, en maskin har nu gjorts som kan fylla på frågor på ett test om liksom den genomsnittliga studenten, kanske frigöra människor för att det är mer fördelaktigt typer av lärande.
Bara inte förväxlas med att det har något att göra med att lära sig som man vanligtvis tänker på det.
Forskare vid Allen Institute for Artificial Intelligence i Seattle på onsdagen ett nytt djupt lärande neurala nätverk-programmet, som kallas “Aristo” (en typ av spela om Aristoteles), vilket ger en bra basun med en berättelse i New York Times antyder en sak som faktiskt kan resonera om vetenskap. Vad de gjorde var att göra ett program som kan välja rätt svar på flervalsfrågor för gymnasiet Regents examen för New York City, med en noggrannhet på 80% till 90%.
Tyvärr, det finns inte mycket av någon resonemang som händer här, och det är inte som om denna sak faktiskt vet vetenskap. Vad är det som har hänt är att djupt lärande nätverk har beräknat en tillräckligt bra sannolikhetsfördelningen av språket för att förutsäga ord används på rätt svar när de konfronteras med fyra möjliga svar. De gjorde det med hjälp av en modifierad version av Googles populära “Bert” naturligt språk algoritm.
Exempel på en “slutsats solver” på jobbet, som en av flera tekniker som används i Allen Institute Aristo program för att svara i Regents examen.
Allen Institute for AI
Som förklaras i den formella papper, “Från” F “till” A “på NY Regents Science-Examina: En Översikt av den Aristo-Projektet”, publicerad på arXiv pre-print server, djupt lärande är ännu inte i ljuset av resonemanget om vetenskap. Eller mycket av något annat. (Det är också en blogg med omfattande ytterligare material.)
I slutsatsen att den på papper, skrivet av Peter Clark, Oren Etzioni, Tushar Khot, Bhavana Dalvi Mishra, Kyle Richardson, Ashish Sabharwal, Carissa Schoenick, Øyvind Tafjord, Niket Tandon, Sumithra Bhakthavatsalam, Dirk Groeneveld, och Michal Guerquin författarna i princip punt på frågan om huruvida det resonemang som händer här.
“Många av de riktmärke frågor intuitivt verkar kräva resonemang att svara,” skriver de, och sedan ställa frågan: “i vilken utsträckning är Aristo resonemang för att svara på frågor?”
Deras svar skjuter tillbaka frågan. “Vi i dag inte har en tillräckligt finkornig begreppet resonemang för att svara på denna fråga, just,” förklarade de, och tillade, “men vi kan iaktta överraskande prestanda svara på vetenskap frågor.” Från att laget avslutar: “Detta tyder på att maskinen har verkligen lärt sig något om språket och världen, och hur man manipulera denna kunskap, om än varken symboliskt eller diskret.”
Ordet “lärt sig” är ett vardagligt begrepp, men har också en teknisk mening, i machine learning områden, och det är i den senare meningen att arbetet är en fantastisk prestation, men du beskriva det. Författarna tog Bert, som härrör från en 2017 neurala nät som har tagit världen med storm, som kallas “Transformator.” Bert beräknar en sannolikhet distribution av samtidig förekomst av ord i meningar. Deras “AristoBERT” ändrar Bert på en del intressanta sätt. Det tar en andra bit kod, en så kallad “information retrieval solver,” vilka sökningar som är relevanta dokument för att se om de faktiska orden i frågan och svaret finns i de dokument (med hjälp av Amazons “ElasticSearch” verktygslåda.)
Att Bert de lägga till andra saker, till exempel en modifierad version av Bert att Paul Allen Skolan för datavetenskap och Facebook som utvecklats gemensamt, och avslöjade tidigare i år, som kallas “RoBerta.” RoBerta förbättrad Bert av saker som dramatiskt utöka utbildningen data 160 gigabyte Wikipedia och nyhetsartiklar och andra saker, tio gånger större än den ursprungliga Bert, och genom att köra utbildning för längre.
Den snabba utvecklingen på fråga att besvara tog ett stort språng med tillägg av den senaste behandling av naturligt språk metoder som Google ‘ s Bert.
Allen Institute for AI.
Den AristoBert och AristoRoBerta nätverk kombineras med IR-lösare och diverse andra lösare program i en ensemble, och voila, resultatet är ganska spännande. Insamling av program fick rätt svar för åttonde klass vetenskap frågor 91.6% av tiden, och 83% av tiden för 12: e klass ämnen. “Takten i detta arbete har varit anmärkningsvärd,” författarna observera, “med noggrannhet för att flytta från ungefär 60% till över 90% på bara tre år” jämfört med deras tidigare arbete.
Lika elegant som denna collage av program är, det är inte ett resonemang, per se. Om det skulle vara jämfört med en mänsklig aktivitet, det är mer som att memorera miljarder rader att skriva och hålla sammanslutningar av ord eller fraser i huvudet och sedan kunna minnas allt detta med en hög grad av tillförlitlighet. Det är snarare som en super-plugga-session. Tillägg av Bert och Roberta, i synnerhet, stärkt system för att besvara frågor, långt över vad forskarna kunde uppnå med enklare lösare program som bara prova att söka efter svar. Det betyder att ha en mer omfattande sannolikhet modell av samtidig förekomst av ord var stor del i arbetet här.
Vad Aristo inte kan göra är att förklara varför vissa elever verkligen kan göra mycket lite för att studera, säkert med långt mindre text, och ändå klura ut svaren på de frågor som på dagen för testet. Till skillnad från människor, det är ingen indikation Aristo kan, säga, skriva en uppsats utforskar vad som hade lärt sig om vetenskap. Aristo kunde inte ens säga varför ordet “energi” och ekvationen “e = mc2” visa upp tillsammans i många texter, men det kan ge dig ett mått på “tätheten” som dessa uttryck samarbete sker i miljontals dokument.
Det finns inga vetenskapliga kunskap här, då det är en domän-specifika karta över språk som är mer “cutting edge”. Och det är sannerligen en bedrift för vilken författarna kan vara stolta över. Det kan ha viktiga verktyg i företagens användning av A. I. Tänk på alla de interaktioner som kräver tillägg av standardiserade processer i front-office och back-office i ett bolag som kan automatiseras om rätt ord kan vara exakt och snabbt fram.
Mer djupt, Aristo en dag kan ta över hela test-ta aktivitet, att frigöra fattig student i en av de mest tråkiga aktiviteter i all utbildning.
Artificiell Intelligens
Nvidia hävdar världsrekord i konversera AI utbildning
IBM erbjuder förklaras AI verktygslåda, men det är öppet för tolkning
Vad är AI? Allt du behöver veta om Artificiell Intelligens
MIT finner djupt betydelse för AI i stickning av strumpor (ZDNet YouTube)
Uppfyller AI som skulle kunna ersätta din baseball domaren (CNET)
Hur big data-och AI-hjälp-online-återförsäljare tävla (TechRepublic)
Relaterade Ämnen:
Big Data Analytics
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem