“Gleshet, som är den riktning där djupt lärande ska expandera, säger Gopi Prashanth, som är vice president of engineering vid AI-start-Landning AI, som drivs av före detta Google-AI lysande Andrew Ng.
I en intervju med ZDNet, Prashanth återspeglas på utmaningen av att ta något byggd för riktigt stora uppgifter, maskininlärning strategi som kallas deep learning, och re-engineering är det för mycket lite data, kanske bara en enda prov på en gång.
Det är inte en akademisk angelägenhet. Mandatet för Ng och hans team är att sätta AI att arbeta för företag. Som kräver hjälp av tekniker som maskininlärning i vissa miljöer där det kan bli väldigt få bra exempel på ett problem att använda för att utbilda maskinen.
Överväga en produktionslinjen för bilar eller annan slutade bra. De är system som bygger på tillförlitlighet och så att det finns inte många exempel på fel som att lära sig.
Också: Andrew Ng ser en evig våras för AI
Gopi Prashanth, VP of engineering med LandingAI.
LandingAI.
“Säg att du är en visuell kvalitet, inspektör, och en del kommer till dig” på produktionslinjen, erbjuder Prashanth. “Du gör ett beslut genom att rulla som en del i handen och tittar på det för att avgöra om det är acceptabelt eller inte.”
“Kanske en på 1000 produkter är felaktig, två på mest; människor kan ta två exempel och generalisera från dem mycket väl. Men att lära en maskin för att använda ett par prover av data är ett mycket svårt tekniskt problem att lösa-det är en av de viktigaste utmaningar vi har att arbeta på.”
Prashanth vet något om system som kan samverka i den verkliga världen. På Amazon, arbetade han på “Amazon Gå” – projekt som byggt butiker där människor kan bara gå in och ta tag i saker och gå, och har summan faktureras på dem senare, med hjälp av en ny kombination av sensorer och machine vision engineering.
När Ng nått ut till honom, medan han var på Amazon, “jag var inte ute efter att lämna, men det var en mycket personlig strategi”, säger han. “Han [Ng] talade mindre om möjligheten, och mer om mig, han hade tillbringat tid att titta på min karriär och mitt cv för att förstå mina styrkor och svagheter, att han gjorde det mycket personligt, och som verkligen slog an en sträng hos mig.”
“Vi pratade och jag hittade vi delade på en mycket likartad syn.”
Också: IBM, Apple och Facebook utgör nya tilt mot företag för ärevördiga AI-konferens
Visionen är en av lösa många problem för företag, att tänka tio till femton år framåt, säger Prashanth. Tillämpad vetenskap är i fokus, hur man kan förändra ett helt företag eller ett helt område, till exempel tillverkning eller hälso-och sjukvård.
“Vi kommer in på områden som traditionellt inte tech-tung, som tillverkning, säger han. – Vår utgångspunkt är att vi kommer att avslöja problem kan vi lösa att det även kunden inte är medveten om, saker om optimering och kostnadsbesparingar och alla som — som är vårt antagande att gå framåt.” (Läs ZDNet intervju med Ng i December.)
Problemet med gleshet går till hjärtat där djupt lärande och andra AI-metoder att bryta ner, Prashanth antyder.
“Djupt lärande är mycket i sin linda, säger han. “Det är mycket bra på att ta in stora mängder data, i grunden är passande att en flerdimensionell yta i hyperrymden — ett grenrör,” säger han, med hänvisning till begreppet av en icke-Euklidisk geometri som motsvarar anslutningar mellan datapunkterna.
Också: IBM Kan möjligen tämja AI för företag?
“Djupt lärande är att gå igenom mer och mer av denna hög av skräp, som de kallar det. Den djupa lärande nätverk sätter saker i, och modellen kommer ut,” är hur han sammanfattar de grundläggande funktionerna i djup inlärning. “Om modellen är fel, kan du samla in mer data, du rör högen igen, och du tränar nätverket av detta fel.”
“Men, det är inte många människor som tittar på problemet med att generalisera från glesa data.”
Måste läsa
‘AI är mycket, mycket dumt”, säger Googles AI ledare (CNET)Hur man får alla Google Assistant nya röster just nu (CNET)Enhetlig Google AI division en tydlig signal om att AI: s framtid (TechRepublic)Topp 5: Saker att veta om AI (TechRepublic)
I tillverkningsindustrin, antagande har alltid varit att ta bort “avvikelser” från systemet, därav de mycket få exempel på kvalitetskontroll av något som är fel.
Landning AI inte nödvändigtvis måste uppfinna nya djup inlärning ramar eller verktyg. Saker som TensorFlow, som är tillgängliga för Prashanth och laget, “är redan ganska en nyhet.”
“Just nu, vi har inte drabbats en punkt där vi måste uppfinna verktyg.”
Vad som krävs, säger han, “är att lära ett nätverk för att generalisera” bygger på att undersöka “vilka funktioner som gör människor uppfattar, och hur gör du för att träna en modell för att göra samma sak.”
Den resan är bara början. Hur kommer Landning AI lösa problemet?
“Om jag hade redan löst det, skulle det vara lättare att svara på, säger Prashanth med ett skratt. “Det kommer att vara den hemliga sås.”
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 artiklar:
Googles AI surfar “gamescape” att erövra spelteori
Detta är vad AI ser ut (som skissat av AI)
Googles DeepMind lag med ledande 3D-spel dev plattform
DeepMind AI fläckar tidiga tecken på ögonsjukdom
Relaterade Ämnen:
Big Data Analytics
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem