“Sparse, dat is de richting waar diep leren moeten uitbreiden”, zegt Gopi Prashanth, die vice-president engineering bij AI-opstarten Landing AI, gerund door voormalig Google-AI uitblinker Andrew Ng.
In een interview met ZDNet, Prashanth gereflecteerd op de uitdaging om iets gebouwd voor echt ‘big data’, de ‘machine learning’ – benadering genoemd diep leren en re-engineering voor zeer weinig gegevens, misschien slechts één sample tegelijk.
Het is niet een academische zorg. Het mandaat van Ng en zijn team is om AI te werken voor het bedrijfsleven. Dat vereist het gebruik van technieken zoals machine learning in sommige instellingen waar er worden zeer weinig goede voorbeelden van een probleem is te gebruiken bij het trainen van de machine.
Overweeg een productielijn voor auto ‘ s of andere afgewerkt product. Ze zijn systemen die zijn gebouwd voor betrouwbaarheid, en dus zijn er niet tal van voorbeelden van het falen van te leren.
Ook: Andrew Ng ziet het eeuwige lente voor AI
Gopi Prashanth, VP engineering bij LandingAI.
LandingAI.
“Stel, je bent een visuele kwaliteit van de inspecteur, en een deel komt naar je toe” op de productie lijn, biedt Prashanth. “Je maakt een beslissing door glooiende dat deel in je hand en naar te kijken om te bepalen of het acceptabel is of niet.”
“Misschien één op de 1.000 producten gebrekkig zijn, twee aan twee, de mens kan in de twee voorbeelden en generaliseren van hen zeer goed. Maar om een machine te gebruiken een paar voorbeelden van gegevens is een moeilijk technisch probleem op te lossen-het is een van de belangrijkste uitdagingen waar we aan moeten werken.”
Prashanth iets weet over systemen die werken in de echte wereld. Bij Amazon, werkte hij op de “Amazon Go” – project dat gebouwd winkels waar mensen kon gewoon lopen in en pak spullen en gaan, en zijn de totale kosten worden gefactureerd aan hen later, met een nieuwe combinatie van sensoren en machine vision engineering.
Wanneer Ng reikte naar hem, terwijl hij bij Amazon, “ik was niet op zoek te verlaten, maar het was een zeer persoonlijke benadering,” zegt hij. “Hij [Ng] spraken minder over de mogelijkheid, en meer over mij, hij had besteed tijd aan het zoeken op mijn carrière en mijn cv te begrijpen mijn sterke en zwakke punten; hij maakte het heel persoonlijk, en dat is echt sloeg een koord met mij.”
“We praatten en ik vonden dat we deelden een zeer gelijkaardige visie.”
Ook: IBM, Apple en Facebook vertegenwoordigen nieuwe kantelen in de richting van het bedrijfsleven voor eerbiedwaardige AI conferentie
De visie is er één van het oplossen van ‘ veel problemen voor het bedrijfsleven, het denken van tien tot vijftien jaar vooruit,” zegt Prashanth. Toegepaste wetenschap is de focus, hoe om te transformeren van een geheel bedrijf, of een geheel veld, zoals de productie of de gezondheidszorg.
“We gaan in gebieden die van oudsher niet tech-zwaar, als de productie”, zegt hij. “Onze hypothese is, dan zullen wij ontdekken van problemen kunnen we oplossen, zelfs de klant niet op de hoogte, over de optimalisatie en kostenbesparing en alles dat — dat is onze veronderstelling voor de toekomst.” (Lees het interview met ZDNet Ng in December.)
Het probleem van de sparse gaat naar het hart van waar diep leren en andere AI benaderingen te breken, Prashanth suggereert.
“Diep leren is heel klein,” zegt hij. “Het is heel goed in het nemen van grote hoeveelheden gegevens, in principe passend dat een multidimensionale oppervlak in hyperspace — een spruitstuk,” zegt hij, verwijzend naar het concept van een niet-Euclidische meetkunde die staat voor verbindingen tussen de punten.
Ook: Kan IBM eventueel tamme AI voor ondernemingen?
“Deep learning door middel van meer en meer van deze stapel troep, zoals ze het noemen. De deep learning network zet dingen in, en het model gaat uit,” vat hij de basisfuncties van diep leren. “Als het model verkeerd is, dan is het verzamelen van meer gegevens, je roer de stapel weer, en je traint het netwerk van die fout.”
“Maar, niet veel mensen zijn op zoek naar het probleem van een veralgemening van de schaarse gegevens.”
Moet lezen
‘AI is heel, heel stom,’ zegt Google AI leider (CNET)Hoe krijg je al die Google Assistent van de nieuwe stemmen nu (CNET)Unified Google AI afdeling een duidelijk signaal van AI ‘ s toekomst (TechRepublic)Top 5: Dingen om te weten over AI (TechRepublic)
In de productie, de aanname is altijd geweest om te verwijderen “onregelmatigheden” van het systeem, vandaar de weinige voorbeelden in de controle van de kwaliteit van iets dat verkeerd is.
De Landing AI niet per se nodig om het uitvinden van nieuwe diep leren kaders of hulpmiddelen. Dingen zoals TensorFlow, die beschikbaar zijn voor Prashanth en het team, “zijn al vrij uitgebreid.”
“Nu, we hebben het nog niet op een punt waar we moeten opnieuw uitvinden van de tools.”
Wat is nodig, zegt hij, “is om te leren een netwerk op te generaliseren”, gebaseerd op het onderzoek “wat zijn de kenmerken van doen mensen waarnemen, en hoe train je een model om hetzelfde te doen.”
Die reis is net begonnen. Hoe zal de Landing AI het probleem op te lossen?
“Als ik het al opgelost, het zou makkelijker te beantwoorden,” zegt Prashanth met een lach. “Dat gaat om de geheime saus”.
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 artikelen:
Google AI surft op het “gamescape” te veroveren spel theorie
Dit is wat AI eruit ziet (zoals geschetst door AI)
Google DeepMind teams met toonaangevende 3D-game dev platform
DeepMind AI plekken vroege tekenen van de ziekte van het oog
Verwante Onderwerpen:
Big Data Analytics
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software