Mark Zuckerberg denkt dat hij het dus verkeerd begrepen
ZDNet ‘s Chris Matyszczyk vertelt Karen Roby dat Facebook’ s CEO, zegt werknemers moeten voortdurend uitleggen critici die Facebook heeft hun belangen behartigt. Lees meer: https://zd.net/2M96j2h
Het is al gezegd dat ingenieurs-en sommige wetenschappers, maar vooral ingenieurs-kan visualiseren in hun gedachten dat die bestaat nog niet lang voordat ze gaan zitten op de bank om te bouwen van iets.
Facebook het hoofd van de kunstmatige intelligentie, Yann LeCun, lijkt te kloppen met dat profiel een T.
“Ik werk meestal door intuïtie,” schrijft hij in Wanneer de Machine Leert, een nieuw boek dat deel uitmaakt biografie, deel science lezing, onderdeel AI geschiedenis, gepubliceerd woensdag in het frans als Quand la machine apprend.
“Ik project in mijn hoofd de grensgevallen, die Einstein noemde het ‘gedachte-experimenten’,” schrijft LeCun.
Ook: LeCun, Hinton, Bengio: AI samenzweerders bekroond met de prestigieuze Turing prijs
LeCun animatie op het podium, duidelijk energiek door te proberen om dingen over te brengen aan de randen van AI die afkomstig zijn van zijn gedachte-experimenten.
Tiernan Ray voor ZDNet
Dat vermogen om te verbeelden dat iets niet bestaat, misschien wel op de limiet van wat over het algemeen gedacht dat haalbaar is, is het teken van ingenieurs en vernieuwers. LeCun is iets van een zeldzaamheid onder de AI menigte, een wetenschapper die thuis is in het algoritme design, maar heeft ook één voet stevig in computer engineering.
LeCun, die dit jaar won de ACM Turing Award voor zijn bijdragen aan de wetenschap van de computer, is het best bekend voor de bevordering en de raffinage en het maken van de praktische convolutional neurale netwerk, of CNN, in de jaren 1990. Hij was niet de uitvinder van de zaak, vanuit het niets, maar hij maakte CNNs praktisch, werkbaar. Ze vormden de basis van de revolutie in machine learning die LeCun bekendheid in de afgelopen tien jaar samen met zijn landgenoten, fellow award winnaars Geoffrey Hinton en Yoshua Bengio.
LeCun de ingenieur was op het podium woensdag aan het Institute for Advanced Study in Princeton, NJ, om uit te leggen wat klonk als intuïtie, maar een goed uitgebreid ingevuld intuïtie. De setting was een drie-daagse workshop op diep leren, met name de theorie van diep leren. Georganiseerd door Instituut professor wiskunde Sanjeev Arora, het evenement trok veel AI armaturen, met inbegrip van Nvidia ‘ s hoofd van AI onderzoek, Anima Anandkumar, en LeCun de collega Facebook geleerde Léon Bottou.
LeCun de dia-presentatie over een thema dat hij de laatste tijd genomen op de weg naar vele lezingen: Hoe krijgen we dan de gelabeld opleiding voorbeelden van conventionele diep leren. “We zijn niet van plan om intelligentie als algemene als mensen’ met toezicht of met multi-task leren,” zei hij tegen het publiek. “We gaan naar iets anders.”
Dat iets anders, LeCun gelooft, is onbegeleid leren. En mogelijk te maken onbegeleid leren, het hele veld kan het nodig zijn om meer te werken aan een aanpak die bekend staat als energie-based learning.
Energie functies zijn rond in AI voor decennia. De bioloog John Hopfield eerste gepopulariseerd de aanpak in de jaren 1980 met wat bekend kwam te staan als de “Hopfield Netwerk.” Het was een doorbraak in machine learning in de tijd, en het heeft geleid tot andere vormen van leren van algoritmen die te maken hebben met opvattingen van een energie veld dat moet worden geoptimaliseerd, zoals de “Boltzmann Machine” nagestreefd door Hinton.
Ook op: Facebook ‘ s Yann LeCun reflecteert op de aantrekkingskracht van de windingen
“Energie-based learning heeft al een tijdje rond,” merkte LeCun, “en het komt terug onlangs tot mijn bewustzijn, omdat het moet doen, minder toezicht.”
De details worden duistere snel, maar het basis-idee is dat in plaats van het creëren van ton van gelabeld gegevens, zoals foto ‘ s van katten en honden, of duizenden uren het spelen van het schaakspel, zoals DeepMind de AlphaZero, neem gewoon wat overvloedige raw-gegevens, zoals veel van YouTube-clips, en het te voeden met de machine.
“De machine echt groot en het kijken naar YouTube of Facebook Leven van alle dag,” zei LeCun.
De machine kan getraind worden om te voorspellen wat de volgende stap na elk frame van de video. De compatibiliteit tussen een voorspelling en de realiteit is wat heet een energie-niveau. Lagere energie is beter, meer compatibel, wat betekent, meer nauwkeurige, dus een neuraal net probeert te bereiken van een ideaal lage-energie-toestand.
Ook op: Facebook ‘ s Yann LeCun zegt ‘interne activiteit’ opbrengst op AI chips
LeCun heeft veel energie op het podium en een duidelijk genoegen met de nuances van het onderwerp. Hij toonde onzekerheid voor het publiek voor zich uit te staren eenvoudig, het bewegen van zijn armen heen en weer. “Bent u op zoek naar me nu, je bent het opnemen van een video van mij en de achtergrond verandert niet, de camera beweegt niet,” zei LeCun.
“Het enige dat er gebeurt is dat ik mijn hoofd in de ene of de andere richting, ik kan mijn spieren op verschillende manieren, en het spruitstuk van alle foto’ s van mijn hoofd tijdens dit gesprek nu is een laag-dimensionale spruitstuk dat is boven begrensd door het aantal spieren in mijn hoofd.”
LeCun de boodschap was vrij radicaal in het kader van machine learning. Energie functies weg te doen met probabilistische voorspelling, in LeCun versie. “Ik denk dat het juiste kader voor dit is eigenlijk het gooi de probabilistische kader omdat het verkeerd is.” De typische neurale net zou hebben om “oneindig gewichten,” zei hij, die is ‘ gewoon verkeerd, het is ook nutteloos.”
Duidelijk, LeCun is in zijn element te verbeelden wat er nog niet gemaakt en probeert te communiceren. Maar sommige van die zou moeten wachten voor een andere dag. LeCun stapte op een vliegtuig later naar Parijs voor een ontmoeting met journalisten te bespreken boek. Hij staat op de cover van deze week van een glossy franse tijdschrift l’Obs (de Nouvel Observateur) in gesprek over de belofte en risico van AI. Hij is de rattenvanger van een beweging wil iedereen enthousiast over of bang over. Voor decennia, LeCun en anderen het konden zien, maar het spul werkt niet. Het lijkt er nu op aan het werk te goed. Iemand moet de ombudsmannen. Dat is LeCun.
Kunstmatige Intelligentie
Wells Fargo: Kunstmatige intelligentie en machine learning een ‘tweesnijdend zwaard’
Nee, dit AI nog niet onder de knie achtste leerjaar wetenschap
Wat is AI? Alles wat u moet weten over Kunstmatige Intelligentie
Nieuwe AI banen groter is dan het aantal verloren banen (ZDNet YouTube)
Elon Musk zegt AI zal banen irrelevant (CNET)
Het toevoegen van kunstmatige intelligentie om uw 2020 HET budget (TechRepublic)
Verwante Onderwerpen:
Big Data Analytics
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software