2014 i Computing: Breakthroughs in Artificial Intelligence

Den artificiella intelligensens heliga graal – att skapa mjukvara som är nära att efterlikna mänsklig intelligens – ligger långt borta. Men 2014 sågs stora framsteg inom maskininlärningsprogramvara som kan få förmågor från erfarenhet. Företag inom sektorer från bioteknik till datorer vände sig till dessa nya tekniker för att lösa svåra problem eller utveckla nya produkter.

De mest slående forskningsresultaten inom AI kom från området djupinlärning, som innebär att man använder grova simulerade neuroner för att bearbeta data.

Arbete med djupinlärning fokuserar ofta på bilder, som är lätta för människor att förstå men mycket svåra för programvara att tyda. Forskare på Facebook använde det tillvägagångssättet för att skapa ett system som nästan lika bra som en människa kan säga om två olika foton föreställer samma person. Google visade upp ett system som kan beskriva scener med korta meningar.

Resultat som dessa har fått ledande datorföretag att konkurrera hårt om AI-forskare. Google betalade mer än 600 miljoner dollar för en maskininlärningsstart som heter DeepMind i början av året. När MIT Technology Review träffade företagets grundare, Demis Hassabis, senare under året, förklarade han hur DeepMinds arbete formats av banbrytande forskning om den mänskliga hjärnan.

Sökföretaget Baidu, med smeknamnet Kinas Google, spenderade också mycket på artificiell intelligens. Det startade ett labb i Silicon Valley för att utöka sin befintliga forskning om djupinlärning och för att konkurrera med Google och andra om talang. Stanford AI-forskaren och tidigare Google-samarbetspartner Andrew Ng anställdes för att leda det arbetet. I vår långa profil förklarade han hur artificiell intelligens kan göra människor som aldrig har varit på webben till användare av Baidus webbsökning och andra tjänster.

Maskininlärning var också en källa till nya produkter i år från datorjättar, små startups och företag utanför datorindustrin.

Microsoft utnyttjade sin forskning om taligenkänning och språkförståelse för att skapa sin virtuella assistent Cortana, som är inbyggd i den mobila versionen av Windows. Appen försöker föra en fram och tillbaka dialog med människor. Det är avsett både för att göra det mer förtjusande och för att hjälpa det att lära sig vad som gick fel när det gör ett misstag.

Startups lanserade produkter som använde maskininlärning för så olika uppgifter som att hjälpa dig att bli gravid, låta dig styra hushållsapparater med din röst och göra planer via sms.

Några av de mest intressanta tillämpningarna av artificiell intelligens kom inom hälso- och sjukvården. IBM är nu nära att se en version av dess Jeopardy! Den vinnande Watson-mjukvaran hjälper cancerläkare att använda genomisk data för att välja personliga behandlingsplaner för patienter. Genom att tillämpa maskininlärning på en genetisk databas kunde ett bioteknikföretag uppfinna ett icke-invasivt test som förhindrar onödiga operationer.

Att använda artificiell intelligens på genetisk data kommer sannolikt att bli mycket vanligare nu när Google, Amazon och andra stora datorföretag börjar lagra digitaliserade genom.

Den mest avancerade mjukvaran för maskininlärning måste dock tränas med stora datamängder, något som är mycket energikrävande, även för företag med sofistikerad infrastruktur. Det är motiverande arbete med en ny typ av neuromorfa chips löst modellerade på idéer från neurovetenskap. Dessa marker kan köra maskininlärningsalgoritmer mer effektivt.

I år började IBM producera en prototyp av hjärninspirerat chip som det säger skulle kunna användas i stort antal för att bygga en sorts superdator specialiserad för inlärning. Ett mer kompakt neuromorft chip, utvecklat av General Motors och Boeing-ägda forskningslaboratoriet HRL, flyger i ett litet drönarflygplan.

Alla dessa snabba framsteg inom artificiell intelligens fick vissa människor att fundera över de möjliga nackdelarna och de långsiktiga konsekvenserna av tekniken. En mjukvaruingenjör som sedan har gått med i Google varnade för att våra instinkter om integritet måste förändras nu när maskiner kan dechiffrera bilder.

När vi tittar längre fram förutspådde bioteknik- och satellitentreprenören Martine Rothblatt att våra personuppgifter kunde användas för att skapa intelligenta digitala dubbelgångare med ett eget liv. Och neuroforskaren Christof Koch, chief scientific officer vid Allen Institute for Brain Science i Seattle, varnade för att även om intelligent programvara aldrig skulle kunna vara medveten, kan den fortfarande skada oss om den inte utformas korrekt.

Samtidigt kom en mer godartad syn på den avlägsna framtiden från science fiction-författaren Greg Egan. I ett eftertänksamt svar på sci-fi-filmen Henne, han föreslog att konverserande AI-kamrater kunde göra oss bättre på att interagera med andra människor.

Dölj