0
Fare i pixies hanno indirizzi, e se lo fanno, si dovrebbe abbinare?
Probabilmente stai pensando che questa è una domanda strana da chiedere, e probabilmente lo è ancora di più preso fuori dal contesto. Si riferisce alla contrapposizione tra l’up-in-the-sky aspettative e le teorie associato con l’intelligenza artificiale (AI) e spesso banali lavori necessari per farlo funzionare nel mondo reale.
Profondo Elon Musk esiste, e non è quello che pensi tu
Profondo Elon Musk
Ad ogni modo, che suona come il tipo di domanda che potrebbe buttare giù un buco di coniglio. Così, quando ho twittato che un po ‘ di tempo fa, come un riferimento a un poi pubblicato la storia di AI nel mondo reale, non ero tutto ciò che sorpreso di ricevere una risposta dal Profondo Elon Musk.
Profondo Elon Musk è una IA twitter bot. Alla sua base c’è un algoritmo che impara a scrivere. È stato predisposto utilizzando un LSTM Ricorrenti Profondo di Rete Neurale, ed è allenato da dover leggere un sacco di CEO di Tesla Elon Musk discorsi più e più volte. Si potrebbe dire che ha preso una vita propria.
Profondo Elon Musk genera tweet e interagisce con gli altri utenti su Twitter da piacimento i loro tweets. Non andare, per quanto di aver completamente interattivo conversazioni, ma dato che è stato rilasciato solo nel febbraio 2017, e la creazione di un solitario AI appassionato, che è già un bel risultato. Anche se non cercare di ingannare nessuno, probabilmente, come certamente è più convincente che la maggior parte di bot.
Profondo Elon Musk è stato creato da PJ Bergeron, uno sviluppatore di software che ha costruito per vedere se l’IA potrebbe parlare come un essere umano. Ha preso di mira l’ironia di Muschio proprio la paura di AI, e di avere un ricco corpus di Muschio su come parlare in pubblico a disposizione di formazione il bot più facile.
Ma se qualcuno che non hai mai sentito parlare di è stato in grado di costruire qualcosa di Googles del mondo sarebbe orgoglioso di lavorare solo nella sua cantina con costo zero, quindi quali sono le effettive Googles in grado di fare, e che cosa significa questo?
Benvenuti nel deserto del quasi reale
Google ha introdotto la possibilità per rispondere alla tua e-mail per nel 2015, e c’è un 10 per cento di probabilità e-mail che avete ricevuto dai vostri contatti sono stati generati automaticamente. C’è anche una buona probabilità che alcuni dei vostri interazioni online, altrimenti professionale e/o di charme controparti non erano esattamente quello che si pensava.
Bergeron costruite in Profondità Elon Musk, perché avrebbe potuto, e perché ha pensato che sarebbe stato divertente. Per il professionista bot maker del mondo, la motivazione è diversa, e così è l’impatto potenziale.
Se si può fare per il Muschio, lo si può fare per chiunque, e qui le possibilità sono praticamente infinite: digitale assistenti personali che può diventare il vostro social media cloni per esempio, togliendo l’onere di interazione online.
Si potrebbe pensare che questo è inverosimile, e molti professionisti di pubbliche relazioni sarebbero d’accordo con te. Ma non impedire che altri utenti di automatizzare PR, o la creazione di cloni virtuali. Per Bergeron, la parte difficile è che devi avere un grande set di dati a formare il vostro IA:
Per creare un “clone” di te stesso, si dovrebbe scrivere un sacco. La soluzione potrebbe essere quella di addestrare il vostro IA un sacco di persone diverse, quindi treno un po ‘ sul proprio contenuto per farlo parlare come te. Allora, prima di tutto impara a scrivere in inglese, quindi imparare a scrivere come TE.
E come ti senti all’idea di avere le tue parole messe in qualcun altro di bocca e di farle leggere a loro come se fossero loro? Beh, che è assolutamente possibile, ancora una volta l’utilizzo di deep learning (DL) di competenza e di pubblico dominio i dati.
Sintesi Di Obama
Un team dell’Università di Washington (UW), ha fatto una spruzzata di recente con la pubblicazione di un di carta sul loro lavoro chiamato a Sintetizzare Obama. UW squadra, come Bergeron, usato un LSTM Ricorrenti Profondo Rete Neurale addestrata sui dati pubblici.
La capacità di sintetizzare il discorso con qualsiasi persona, disponibili al pubblico, filmato è reale, qui e ora. (Immagine: Università di Washington)
Supasorn Suwajanakorn, l’autore principale, sottolinea che questo è stato dimostrato di funzionare bene su molti elaborazione audio compiti come il riconoscimento vocale. Ha aggiunto che il loro approccio non è stato basato su di esso nella sua interezza, come loro DL di rete è solo una parte dell’intera pipeline.
Come Suwajanakorn spiegato, l’aspetto che distingue questo lavoro a parte è il fatto che in questo modo si abbassa la barra per il raggiungimento di tali risultati, per una serie di motivi: “La differenza principale è che siamo in grado di produrre risultati convincenti da imparare da soli esistente riprese di una singola persona.
“Un altro lavoro richiede alla persona di essere analizzati in un laboratorio e deve attentamente costruire un database vocale che consiste di molte persone che dicono di pre-scelto frasi. Questo è ciò che ci contraddistingue e che permette alla nostra tecnica in scala chiunque con molto meno sforzo.”
Per quanto riguarda le risorse e il know-how necessario per questo? Suwajanakorn ha detto ci sono voluti circa un anno, e avevano bisogno di un cluster di computer per scaricare i dati e un computer di fascia alta per la ricerca.
Tenete a mente, però, era la prima volta che questo è stato fatto, e la UW squadra ha dovuto pagare il prezzo per spianare la strada. Quando è stato chiesto se qualcuno che conosce il loro modo per aggirare il machine learning (ML) e ha accesso a moderata di risorse potrebbe fare qualcosa di simile a questo, Suwajanakorn è stato positivo.
Si e i dati di scienza dell’esercito?
La differenza fondamentale con Bergeron lavoro è che in questo caso i dati di allenamento era filmati (Obama settimanale indirizzi per la nazione), e l’obiettivo finale è di avere il testo esistente (di Obama discorsi) sintetizzato.
Ma c’è qualcosa che ti impedisce la combinazione di questi approcci per creare, diciamo, di false notizie, AI pop star, e Max Headroom con gli steroidi? No, non proprio, sostiene Michal Kosinski.
Kosinski è diventato un po ‘ un nome di famiglia per essere accreditato con la creazione del psicografiche modello Cambridge Analytica presumibilmente utilizzati per online campagne politiche per il Brexit e Briscola campagne.
Kosinski ha sviluppato ML algoritmi che richiedono molto poco in termini di richieste di dati e potenza di elaborazione per produrre profili personali con straordinaria precisione. Presumibilmente, questi profili possono predire il comportamento più preciso anche che il più vicino e le persone più care.
Kosinski ha presentato alcuni nuovi risultati della sua ricerca nel suo CeBIT keynote un paio di mesi fa. Egli mostra come l’uso di semplici e facilmente reperibili punti dati come mi piace”, i commenti, le immagini, le caratteristiche personali e caratteriali che può essere desunta con elevato grado di precisione. E lo ha fatto che non utilizzo di supercomputer in cloud, ma il suo computer portatile.
Il suo punto di vista? Anche se è possibile regolare il GAFAs del mondo, non si è mai potuto regolare lupo solitario, e c’è molto di più che è possibile, di quello che pensi di sapere. La fine della privacy è qui; facciamo solo trattare con esso.
Sì, ci vuole esperienza e il tempo per fare questo, ma tenete a mente che il processo di sviluppo è di per sé essere automatizzato e può essere previsto per essere mercificato, come molti altri prima di esso. Presto, potrebbe non prendere il metaforico dati della scienza esercito per arrivare a risultati come questo.
Quando si discute di possibili usi del suo lavoro, Bergeron ha detto potrebbe perseguire alcuni di loro. Nessuna di quelle brutte, e ‘ concesso. Ma non ci sarebbe molto di fermare lui aveva scelto di andare per quelli.
“Da fuori sembra sempre più paura”
Quindi, nessun regolamento, senza controllo, senza una chiara direzione. Dovremmo essere preoccupati per ciò che è possibile fare con la tecnologia come questo, e si dovrebbe semplicemente fiducia Googles del mondo per non essere male?
Suwajanakorn tesi ruota intorno a queste domande: Quali sono gli aspetti di una persona si può dedurre da solo guardando le loro foto e i video? Possibile modello di qualcuno di persona e di creare un digitale, umano, che guarda, parla e agisce come uno di loro?
Suwajanakorn verrà a far parte di Google e ha intenzione di continuare su questa linea di lavoro, che è parte di un più ampio progetto che coinvolge Samsung, Google e Intel, anche se ha detto che il suo movimento è indipendente da questo. Non suona altrettanto impressionante e preoccupante?
Potrebbe essere che la nostra capacità di progresso tecnologico è molto più grande della nostra capacità di etica e sociale di sviluppo, o che dovremmo semplicemente smettere di pensare per un po ‘ prima di marcia di new tech heights?
Suwajanakorn detto che questo è un problema complicato e di solito tutto ciò che non è chiaro: “credo che i ricercatori dovrebbero prendere le preoccupazioni di natura etica in considerazione e discussione pubblica e la paura devono essere informati dai tecnici di ricerca.
“Posso vedere come dall’esterno sembra sempre più spaventosa. C’è un potenziale di abuso, ma posso vedere molti modi in [questa] può essere evitata, e molte più sfide prima ancora di raggiungere quel punto.”
Chi davvero possiede il vostro Internet delle Cose?
In un mondo dove sempre di più gli oggetti sono in linea e i fornitori coinvolti nella catena di fornitura, come si può tenere traccia di ciò che è tuo e ciò che non lo è?
0