Exploiter évolution avec l’IA
Tonya Hall et le Dr James Champ, fondateur et chef de la direction de LabGenius, parler du processus de maîtrise de l’évolution par la puissance de l’IA pour créer des molécules d’ADN.
L’une des plus stupides et les caractéristiques de l’éducation moderne sont des tests standardisés, qui nécessitent des élèves à régurgiter les informations sont généralement commis à la mémoire dans le cœur de la mode. Heureusement, une machine a été fait qui peut compléter les questions du test sur ainsi que la moyenne des étudiants, peut-être de libérer les êtres humains de plus intéressant types d’apprentissage.
Il suffit de ne pas être confus qu’il n’a rien à voir avec l’apprentissage que vous considérez généralement d’elle.
Des chercheurs de l’Institut Allen pour l’Intelligence Artificielle de Seattle a annoncé mercredi une nouvelle profondeur de l’apprentissage du réseau de neurones programme, appelé “Aristo” (une sorte de jeu sur Aristote), en lui donnant une bonne trompette appel avec une histoire dans Le New York Times, ce qui suggère la chose peut effectivement raison à propos de la science. Ce qu’ils ont fait était de faire un programme qui permet de sélectionner les réponses correctes à des questions à choix multiples pour le lycée, Régents de l’examen de New York, avec une précision de 80% à 90%.
Hélas, il n’y a pas beaucoup de tout raisonnement qui se passe ici, et c’est pas comme si cette chose ne sait réellement de la science. Ce qui s’est passé, c’est que l’apprentissage en profondeur réseau a calculé une assez bonne distribution de probabilité de la langue pour prédire les mots utilisés dans la réponse appropriée lorsqu’ils sont confrontés avec quatre réponses possibles. Ils l’ont fait en utilisant une version modifiée de Google populaire “Bert” en langage naturel un algorithme.
Exemple d’une “inférence solveur” au travail, l’une des techniques utilisées dans le Allen de l’Institut Aristo programme pour répondre aux Régents de l’examen.
Allen Institut pour l’IA
Comme expliqué dans l’article, “à Partir de” F ” à ” A ” sur la NY Régents de la Science des Examens: Un Aperçu de l’Aristo Projet,” affichée sur l’arXiv pré-serveur d’impression, l’apprentissage en profondeur n’est pas encore au point de vue du raisonnement à propos de la science. Ou quoi que ce soit d’autre. (Il y a aussi un blog avec de nombreuses pièces supplémentaires.)
Dans la conclusion du livre, écrit par Peter Clark, Oren Etzioni, Tushar Khot, Bhavana Dalvi Mishra, Kyle Richardson, Ashish Sabharwal, Carissa Schoenick, Oyvind Tafjord, Niket Tandon, Sumithra Bhakthavatsalam, Dirk Groeneveld, et Michal Guerquin, les auteurs ont essentiellement punt sur la question de savoir s’il y a un raisonnement qui se passe ici.
“Beaucoup de l’indice de référence des questions intuitivement semblent avoir besoin de raisonnement pour répondre,” ils écrivent, et ensuite poser la question “dans quelle mesure est-Aristo raisonnement pour répondre à des questions?”
Leur réponse repousse la question. “Aujourd’hui, nous ne disposons pas de suffisamment fine de la notion de raisonnement pour répondre à cette question précisément,” ils ont déclaré, ajoutant, “mais nous pouvons observer l’étonnante performance de répondre à des questions scientifiques.” À partir de cela, l’équipe conclut, “Cela suggère que la machine a en effet appris quelque chose au sujet de la langue et le monde, et comment manipuler que du savoir, ni symboliquement, ni de la même manière.”
Le mot “apprendre” est un terme familier, mais n’ont également un sens technique du terme, de l’apprentissage automatique des champs, et c’est dans ce dernier sens que le travail est une superbe réalisation, cependant, vous caractérisent. Les auteurs ont pris Bert, qui dérive à partir de 2017, réseau neuronal qui a pris le monde par la tempête, appelé “Transformateur.” Bert calcule une distribution de probabilité de la co-occurrence des mots dans les phrases. Leur “AristoBERT” modifie Bert de manière très intéressante. Il faut un deuxième morceau de code, appelé une “information retrieval solveur,” qui cherche des documents pertinents pour voir si les mots de la question et la réponse dans ces documents (à l’aide d’Amazon “ElasticSearch” boîte à outils.)
Pour Bert ils ajouter d’autres choses, comme une version modifiée de Bert que la Paul Allen, l’École de Science Informatique et de Facebook conjointement développé, et a révélé plus tôt cette année, appelée “RoBerta.” RoBerta amélioré Bert par des choses telles que le renforcement considérable de l’ensemble de données de formation de 160 gigaoctets de Wikipédia et des articles de nouvelles et d’autres choses, dix fois la taille de l’original Bert, et par l’exécution de la formation pour les plus.
Les progrès rapides sur la question en répondant a pris un grand bond en avant, avec l’ajout de la dernière de traitement du langage naturel des approches telles que Google Bert.
Allen Institut pour l’IA.
Le AristoBert et AristoRoBerta réseaux sont combinées avec l’IR solveur et divers autres solveur de programmes dans un ensemble, et le tour est joué, le résultat est assez saisissant. La collection de programmes a obtenu le droit de réponse pour la huitième grade de questions de sciences, de 91,6% du temps, et de 83% du temps pour la 12e année les sujets. “L’élan de cette tâche a été remarquable”, les auteurs font observer, “avec précision le déplacement de près de 60% à plus de 90% en seulement trois ans” par rapport à leurs travaux antérieurs.
Élégant, ce collage de programmes, il n’est pas de raisonnement, en soi. Si elle devait être comparé à une activité humaine, il est plus comme la mémorisation des milliards de lignes de l’écriture et de garder des associations de mots ou de phrases dans la tête et ensuite être capable de se rappeler tout cela avec un haut degré de fiabilité. C’est plutôt comme un super-bachotage session. L’ajout de Bert et Roberta, en particulier, a fait passer le système de question-réponse moyen au-dessus de ce que les scientifiques ont été en mesure de réaliser avec le plus simple solveur de programmes que juste essayer de chercher des réponses. Que signifie avoir une plus grande probabilité modèle de la co-occurrence de mots a été le grand élément à l’œuvre ici.
Ce que l’Aristo ne peut pas le faire, c’est expliquer pourquoi certains élèves peuvent vraiment faire très peu de choses à étudier, avec certainement beaucoup moins de texte, et pourtant, toujours à comprendre les réponses aux questions sur le jour de l’épreuve. Contrairement aux humains, il n’y a aucune indication Aristo pourrait, dire, écrire un essai d’explorer ce qui a été appris au sujet de la science. Aristo ne pouvais même pas dire pourquoi le mot “énergie” et l’équation e = mc2″ apparaissent conjointement dans de nombreux textes, mais il pourrait vous donner une mesure de la “densité” de ces expressions co-se produisent dans des millions de documents.
Il n’y a pas de connaissances scientifiques ici, alors, il y a un domaine spécifique à la carte de langue que de l’arête de coupe. Et c’est certainement un accomplissement dont les auteurs peuvent être fiers. Il peut avoir d’importantes utilité dans l’utilisation d’affaires A. I. de Penser à toutes les interactions nécessitant l’achèvement de la norme dans les processus de front-office et back-office d’une société qui peut être automatisé si le vocabulaire peut être précisément et rapidement présenté.
Plus profondément, Aristo peut-être un jour prendre sur l’ensemble de test de la prise de l’activité, de libérer le pauvre étudiant de l’une des plus ennuyeux activités dans l’ensemble de l’éducation.
L’Intelligence Artificielle
Nvidia affirme records du monde dans la conversation IA formation
IBM propose des explicable AI trousse à outils, mais il est ouvert à l’interprétation
Qu’est-ce que l’IA? Tout ce que vous devez savoir à propos de l’Intelligence Artificielle
MIT trouve une signification profonde pour l’IA dans le tricot de chaussettes (ZDNet YouTube)
Répondre à l’IA qui pourrait remplacer votre arbitre de baseball (CNET)
Comment les big data et de l’IA de l’aide en ligne, les détaillants en concurrence (TechRepublic)
Rubriques Connexes:
Big Data Analytics
Transformation Numérique
CXO
L’Internet des objets
L’Innovation
Des Logiciels D’Entreprise