Het benutten van evolutie met AI
Tonya Hall en Dr. James Veld, oprichter en CEO van LabGenius, praten over het proces van het benutten van evolutie door de kracht van AI om aangepaste DNA-moleculen.
Een van de meest hersenloze kenmerken van het moderne onderwijs zijn gestandaardiseerde testen, waarbij de leerlingen regurgitate informatie meestal toegewijd aan geheugen in het slaafs de mode. Gelukkig, een machine is nu dat kan vul de vragen op een test over evenals de gemiddelde student, misschien is het vrijmaken van mensen voor meer de moeite waard types van leren.
Gewoon niet verward worden dat het iets te maken heeft met leren als je meestal denken.
Onderzoekers van het Allen Institute for Artificial Intelligence in Seattle op woensdag aangekondigd een nieuwe diepe leren neurale netwerk-programma, genaamd “Aristo” (een soort van spelen op Aristoteles), waardoor het een goede trompet gesprek met een verhaal in De New York Times suggereert het ding daadwerkelijk kunnen redeneren over de wetenschap. Wat ze deed was het maken van een programma dat u kunt selecteren van de juiste antwoorden op de multiple-choice vragen voor de hoge school Regenten examen voor New York City, met een nauwkeurigheid van 80% tot 90%.
Ach, er is niet veel van een redenering aan de hand hier, en het is niet alsof dit ding eigenlijk weet de wetenschap. Wat er gebeurde is dat de deep learning network heeft berekend dat een goed genoeg kansverdeling van taal bij het voorspellen van de woorden die worden gebruikt in de juiste antwoord wanneer ze geconfronteerd worden met vier mogelijke antwoorden. Ze deed het met behulp van een aangepaste versie van Google ‘ s populaire “Bert” natuurlijke taal-algoritme.
Voorbeeld van een “inference oplosser” op het werk, één van de verschillende technieken die gebruikt worden bij het Allen Institute ‘ s Aristo-programma voor het beantwoorden van de Regenten examen.
Allen Institute for AI
Zoals uitgelegd in de formele papier, “Van ‘F’ voor ‘Een’ op de NY Regenten Wetenschap Examens: Een Overzicht van de Aristo-Project” geplaatst op het arXiv pre-print server, diep leren is nog niet op het standpunt van het redeneren over wetenschap. Of veel van iets anders. (Er is ook een blog met uitgebreide aanvullende materialen.)
In de conclusie van het paper, geschreven door Peter Clark, Oren Etzioni, Tushar Khot, Bhavana Dalvi Mishra, Kyle Richardson, Ashish Sabharwal, Carissa Schoenick, Oyvind Tafjord, Niket Tandon, Sumithra Bhakthavatsalam, Dirk Groeneveld, en Michal Guerquin, de auteurs een fundamenteel punt op de vraag of de redenering van hier gebeurt.
“Veel van de benchmark vragen intuïtief lijkt het nodig redenering te beantwoorden,” schrijven ze, en dan de vraag, “in hoeverre is Aristo redenering om vragen te beantwoorden?”
Hun antwoord duwt terug de vraag. “Vandaag, we hebben niet een voldoende fijnmazig begrip van redeneren om deze vraag te beantwoorden precies,” verklaarden ze, toe te voegen, “maar we kunnen waarnemen verrassende prestaties op het beantwoorden van de wetenschap vragen.” Het team concludeert: “Dit suggereert dat de machine heeft inderdaad iets geleerd over de taal en de wereld, en het manipuleren van die kennis, zij het noch symbolisch noch discreet.”
Het woord “geleerd” is een informele term maar doet ook een technische betekenis, in machine learning velden, en het is in de laatste zin van dat het werk is een schitterende prestatie, maar je omschrijft het. De auteurs nam Bert, die is afgeleid van een in 2017 neural net, dat heeft de wereld door de storm, genaamd “de Transformator.” Bert berekent een kansverdeling van de co-voorkomen van woorden in zinnen. Hun “AristoBERT” wijzigt Bert in een aantal interessante manieren. Het duurt een tweede stuk van de code, een zogenaamde “information retrieval oplosser,” welke zoekopdrachten relevante documenten te zien als de werkelijke woorden van de vraag en het antwoord zijn in deze documenten (via Amazon ‘ s “ElasticSearch” toolkit.)
Bert voegen ze andere dingen, zoals een aangepaste versie van Bert dat Paul Allen, School of Computer Science en Facebook gezamenlijk worden ontwikkeld en onthulde eerder dit jaar, genaamd “RoBerta.” RoBerta verbeterde Bert door dingen zoals drastisch uitbreiden van de training data-set 160 gb van Wikipedia en het nieuws, de artikelen en andere zaken, tien keer de grootte van de oorspronkelijke Bert, en door het uitvoeren van de training langer.
De snelle vooruitgang op vraag beantwoorden nam een grote sprong voorwaarts met de toevoeging van de laatste verwerking van natuurlijke taal-benaderingen, zoals Google ‘ s Bert.
Allen Institute for AI.
De AristoBert en AristoRoBerta netwerken worden gecombineerd met de IR-oplosser en diverse andere oplosser programma ‘ s in een ensemble, en voila, het resultaat is behoorlijk opwindend. De verzameling van programma ‘ s kregen het juiste antwoord voor het achtste leerjaar wetenschap vragen 91.6% van de tijd, en 83% van de tijd voor de 12de rang onderwerpen. “Het momentum van deze taak is opmerkelijk,” de auteurs observeren, “met de nauwkeurigheid van het verplaatsen van ongeveer 60% tot meer dan 90% in slechts drie jaar” versus hun eerdere inspanningen.
Zo elegant als deze collage van programma ‘ s is, is het niet de redenering, per se. Als het ware te vergelijken met een menselijke activiteit, het is meer zoals het onthouden van miljarden lijnen van het schrijven en het houden van verenigingen van woorden of zinnen in het hoofd en vervolgens in staat te herinneren dat alles met een hoge mate van betrouwbaarheid. Het is als een super-proppen-sessie. De toevoeging van Bert en Roberta, in het bijzonder, een impuls van het systeem vraag beantwoorden, ver boven wat de wetenschappers waren in staat om met de eenvoudiger oplosser programma ‘ s die alleen maar proberen om naar antwoorden te zoeken. Dat betekent dat je een meer uitgebreide waarschijnlijkheid model van het mede-optreden van woorden werd de grote element dat hier aan het werk.
Wat de Aristo kan niet verklaren waarom sommige leerlingen echt kunnen doen erg weinig te studeren, zeker met veel minder tekst, en toch nog achterhalen van de antwoorden op de vragen op de dag van de test. In tegenstelling tot de mens, er is geen aanwijzing Aristo zou zeggen, schrijf een essay verkennen van wat geleerd werd over de wetenschap. Aristo kon zelfs niet zeggen waarom het woord “energie” en de vergelijking met de “e = mc2” show up in combinatie in veel teksten, maar het kan geven u een maatregel van de “dichtheid” met die die expressies co-optreden in miljoenen documenten.
Er is geen wetenschap die kennis hier, dan is er een domein-specifieke kaart van de taal, die de snijkant. En dat is zeker een prestatie waarvoor de auteurs trots op kan zijn. Het kan belangrijke voorziening in gebruik door het bedrijf van A. I. Denk dat van alle interacties eigen voltooiing van standaard processen in de front-office en back-office van een bedrijf dat geautomatiseerd kan worden als de juiste woordenschat kan worden accuraat en snel gepresenteerd.
Ernstiger is, Aristo kan op een dag over te nemen van de gehele test het nemen van de activiteit, waardoor het arme student van één van de meest saaie activiteiten in alle van het onderwijs.
Kunstmatige Intelligentie
Nvidia claimt wereld records in de conversatie AI training
IBM biedt verklaarbaar AI toolkit, maar het is open voor interpretatie
Wat is AI? Alles wat u moet weten over Kunstmatige Intelligentie
MIT vindt diepe betekenis voor AI in het breien van sokken (ZDNet YouTube)
Aan de AI die kunnen vervangen uw honkbal scheidsrechter (CNET)
Hoe big data en AI helpt online retailers concurreren (TechRepublic)
Verwante Onderwerpen:
Big Data Analytics
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software