Noll
Den så kallade svarta lådan av artificiell intelligens har varit föremål för mycket debatt de senaste åren. Kan neurala nätverk vars funktion innehåller “dolda lager” att trotsa enkel förklaring någonsin bli betrodda med den mest känsliga uppgifter som samhället kan ställa på dem?
En läkare har en orubblig “ja,” insisterar äldre metoder för att statistik och sannolikhet är inte nödvändigtvis mer öppet än i dag är djupt lärande.
Nitzan Mekel-Bobrov för ett år sedan gick McLean, Va.-baserat Capital One Finansiella dess artificiell intelligens chef.
På $36 miljarder i börsvärde -, Kapital-och En är i skuggan av retail bankings konkurrenter som JP Morgan Chase och Bank of America, men företaget tar stolthet i sin användning av teknik i hela sin verksamhet, och Mekel-Bobrov förklaras i en timme lång intervju med ZDNet hur maskininlärning är sprider sig i hela delar av organisationen.
Också: IBM Kan möjligen tämja AI för företag?
Han erbjöd också utökade kommentarer om några av de negativa spin om djupt lärande, som han ser det.
Myten om AI som Mekel-Bobrov kommer inte att tolerera är uppfattningen att dagens djupt lärande är för mystiska, för mycket av en svart låda för att användas i känsliga ekonomiska tillämpningar.
“Jag köper inte in i begreppet det är en svart låda och så du kan inte använda det,” sade Mekel-Bobrov i en intervju denna vecka.
“Om jag tar en mycket enkel linjär regression [en äldre form av statistiska ekvationslösning], men nu ska jag skapa 10 000 av dessa över en mycket komplexa uppgifter ekosystem, nu har jag skapat något som är väldigt svårt att förstå.”
Mekel-Bobrov nyligen återvänt från prestigefyllda NeurIPS AI-konferensen i Montreal, där han deltog i en paneldiskussion med andra medlemmar av den ekonomiska gemenskapen, inbegripet en bedömning av frågor om jäv och rättvisa och explainability.
“Det ena lägret sade djupt lärande som till sin natur är mer av en svart låda, och sedan en annan camp sa att Slumpmässiga Skogar [en äldre statistisk metod] är mer så.”
Också: IBM, Apple och Facebook utgör nya tilt mot företag för ärevördiga AI-konferens
Men, “jag är i lägret som säger att det är komplexiteten som skapar otydlighet.”
“Ett bra djup lärande skulle kunna ge oss mer komfort som vi vet vad som händer i systemet än att ha 1000 av dessa mänskligt skapade regler, skapat över 20 år.”
Det var lite av ett skämt, sa han, vid workshop: vi tror faktiskt att det nuvarande tillståndet i bank-och kredit är “mycket lätt att förstå för konsumenterna?”
“Jag har fått avslag för kredit, och det är svårt för mig att förstå varför, säger Mekel-Bobrov. “Med maskininlärning, vi känner att vi faktiskt kan höja ribban. Den mänskliga beslut bit är mycket suddig. Du kan plocka ut och göra saker och ting mycket mer tolkningsbara.”
Djupt lärande är “bara nu tillämpas i stor skala och med heterogenitet,” konstaterar han. “Det är därför jag är optimistisk när det gäller vår förmåga att retas förutom det inre arbetet i klassificerare,” mening, neurala nätverk.
“Med systematisering, jag känner starkt att vi kunde göra saker och ting mer svårförklarligt och tolkningsbara.”
I bank -, naturligtvis, frågan om den svarta lådan är inte en rent akademisk diskussion: Capital One har mer än en tillsynsmyndighet, konstaterar han. Även om det faktiskt är “en utmaning”, säger han, “det är också en möjlighet för oss att ta ledningen.”
Också: Google säger ” exponentiell tillväxt av AI är föränderliga natur beräkna
“Vi har incitament att ta ledningen här, där tech-företag som inte gör det.”
“Vi bara rulla ut maskinen lärande där vi känner oss bekväma finns det inga fördomar eller avsaknad av insyn och utmaningar-både från ett inre riskperspektiv, och från en extern reglering och välbefinnande perspektiv.”
Ca 70 procent av tiden, Inkomst Man använder maskininlärning som en “konsument” av tekniken, säger Mekel-Bobrov. De övriga 30 procent, “vi är ML producenter”, vilket innebär, att föra innovationer till den grundläggande tekniken.
Även om bolaget arbetar med populära AI ramar, till exempel Googles TensorFlow, “Det är inget vi kan ta precis som det är; det finns massor av nytt arbete och optimering som har att hända.”
“Till exempel, med ett naturligt språk, det finns vissa förutsägelser vi vill göra för att hjälpa våra kunder att nå sina finansiella mål som baseras på ordet embeddings som finns-de är mycket unikt för våra omständigheter.”
Ett område där Kapitalet är “verkligen driver the cutting edge” i användningen av maskinen lärande är i “anpassning” av service, säger Mekel-Bobrov. Han gör en analogi till Netflix eller Amazon rekommendation motorer. “Vi beundra en hel del av vad de gör, men de säljer en enda produkt, vi är inte i branschen för att sälja en produkt, vi är i branschen av relationer, och vi måste förstå kunden djupt och kontinuerligt.”
Det innebär att du studerar en hel uppsjö av “heterogenous” data poäng dras från sms, e-post, telefonsamtal, och många sådana “ostrukturerad data. Saker som “lång-och kortsiktiga minne” – nät, eller LSTM, som är specialiserade på behandling sekventiell data, kan vara till hjälp i att spåra poäng av interaktion under många år, säger han. Men det är bara början. “Vi vet inte vad vi har för roll” till ett neuralt nätverk i förhållande till kunden, “Vi vill att aktivt lära sig dem. Vi vill verkligen att använda AI för att efterlikna det förhållandet att två personer skulle ha.”
Måste läsa
‘AI är mycket, mycket dumt”, säger Googles AI ledare (CNET)Baidu skapar Kunlun kisel för AIUnified Google AI division en tydlig signal om att AI: s framtid (TechRepublic)
Ett område han är entusiastisk, men bevakad, om, är bedrägeri upptäckt och förebyggande aktioner.
“Bedrägeri på en känga har väsentligt förbättrad maskin-lärande som bygger ramar, säger Mekel-Bobrov. Tryckt på för att ge en förklaring eller en detaljerad beskrivning, Mekel-Bobrov demures, att säga, “du skulle bli förvånad av sofistikerade bedragare, läsa något [i en artikel] och testa dessa försvar… Låt oss bara säga att det bygger på ett antal saker, bland annat det nätverk som modell, vikter, parametrar, de har teknik, men också riktigt hålla arkitekturen mycket nära till affärer problemet.”
Frågade om banken väntar på något särskilt framsteg inom det bredare området maskininlärning, Mekel-Bobrov säger, “Det största jag kan tänka på är mobila.”
“Det finns vissa saker i mobilen som kommer att frigöra oss nyare funktioner i vår app och vår mobila plattformar.” Till exempel, att han skulle vilja se en möjlighet för real-tid “poängsättning” av neurala nätverk i en mobil app. En annan är “modell personalisering, en framtid där det är en [nätverk] modell för en individ.”
“Det är möjligt nu, men inte på ett praktiskt sätt, inte förrän beräkna blir ännu bättre än det är nu, både i form av slutledning och utbildning.”
Tidigare och relaterade täckning:
Vad är AI? Allt du behöver veta
En verkställande guide till artificiell intelligens, från maskininlärning och allmänna AI att neurala nätverk.
Vad är djupt lärande? Allt du behöver veta
Lowdown på djupt lärande: från hur det förhåller sig till de bredare fält av maskinen lärande genom hur man kommer igång med det.
Vad är lärande? Allt du behöver veta
Denna guide förklarar vad lärande är, hur den är relaterad till artificiell intelligens, hur det fungerar och varför det är viktigt.
Vad är cloud computing? Allt du behöver veta om
En introduktion till cloud computing rätt från grunderna upp till IaaS och PaaS, hybrid, offentliga och privata moln.
Relaterade Ämnen:
Affärssystem
Digital Omvandling
CXO
Sakernas Internet
Innovation
Smarta Städer
0