0
För att parafrasera Arthur Schopenhauer, geni är att se vad alla andra ser och tänker det som ingen annan har tänkt. Uttryckt på ett annat sätt, geni är att bryta ner den vanliga silor att isolera idéer och kunskap i specifika områden och purviews.
Det är en elegant definition. Tack för att arbetet skall läggas fram av forskare vid Carnegie Mellon University ‘ s School of Computer Science och the Hebrew University of Jerusalem, det kan snart komma att tillämpas mot AI.
Forskarna har bara gett datorer kapacitet att mina databaser och andra forsknings-poster för att återanvända gamla idéer för att lösa nya problem. För att göra det, de måste ta fram en metod för att lära datorer att göra analogier.
“Efter decennier av försök, detta är första gången som någon har fått dragkraft beräkningsmässigt på analogt problem i stor skala,” sade Aniket Kittur, docent i CMU Människa-Dator-Interaktion-Institutet.
“När du kan söka efter analogier, du kan verkligen skruva upp hastigheten på innovation”, tillägger Dafna Shahaf, CMU alumn och datavetare vid Hebrew University. “Om du kan öka hastigheten på innovation, som löser en hel del andra problem nedströms.”
Analogier, som är ett sätt att jämförelser mellan saker som inte är enkelt att jämföra, ligger i hjärtat av innovation. En talesman för CMU erbjöd mig ett par belysande exempel, bland annat mål av Jorge Odon, en Argentinsk bilmekaniker som uppfann en enhet för att leverera barn som är mycket säkrare än tång. Idén kom till honom efter att ha sett någon använda ett trick att ta bort en lös korken ur en flaska vin.
Språnget det tar att flytta från fast korken till en svår förlossning, vilket kan ske spontant och omedvetet för människan, har visat sig vara svårfångade för maskiner. Problemet är att datorer inte förstår världen på djupt semantisk nivå vi gör.
“Forskare har försökt hantverk datastrukturer, men denna metod är tidskrävande och dyrt”, säger CMU talesman, “inte skalbar för databaser som kan innehålla nio miljoner US patent eller 70 miljoner vetenskapliga forskningsrapporter.”
Forskarna provat något annat. Kittur har tillbringat år med att studera hur crowdsourcing kan användas för att hitta analogier. Han och Shahaf, tillsammans med andra forskare, arbetstagare genom Amazon Mechanical Turk och bad dem att titta igenom produkter på Quirky.com en produkt innovation webbplats, och sedan hitta liknande produkter på en och samma plats. Arbetarna konstaterade sedan exakt vilka ord som orsakade dem att ansluta olika produkter, kartläggning av varje bana.
“Vi fick möjlighet att titta in i dessa människors hjärnor för att vi tvingade dem att visa sitt arbete”, förklarar Joel Chan, en post-doc forskare vid CMU.
Baserat på insikter utläsa från crowdsourcad forskning, datorer utrustade med djupt lärande AI kunde analysera ytterligare produkt beskrivningar och identifiera nya analogier. Genom att seeda processen med att bilda analogier i ett specifikt ekosystem som produkten webbplats, forskare på ett effektivt sätt lärde datorer för att efterlikna det mänskliga sinnet expansiva kapacitet för jämförelse.
Enligt lag, samma tillvägagångssätt kan användas för att skräddarsy datorprogram för att hitta analogier mellan patentansökningar och litteratur på problem som världen står inför. Det kan vara så att verktyg finns för att hjälpa till att lösa nya problem, och även om ingen har gjort dessa anslutningar.
Forskargruppen kommer att presentera sina resultat på torsdag, Augusti. 17, på KDD 2017, Konferens på Kunskap och Data Mining, i Halifax, Nova Scotia, där forskningen papper har vunnit båda Bästa Papper och Best Student Paper awards”.
Mer robotics
Roboten visar först bilder på lava-som kärnkraft skräp i Fukushima
Ställbar robotar kan krympa till resor
Robot möbler förvandlar liten lägenhet
Hur liten är “naturliga nanobots’ attackera cancerceller
0