AI:s mycket störande tid

Ryan Adams vet att hans timing har varit perfekt. Professor i datavetenskap vid Harvard sedan 2011 och medvärd för maskinlärande podcast Talande maskiner , ledde Adams en grupp som gjorde forskning om intelligenta algoritmer när hans 15 månader gamla maskinlärande startup, Whetlab, köptes av Twitter förra sommaren.

Whetlabs teknologi automatiserar några av de svåraste delarna av att bygga storskaliga maskininlärningssystem. Det skapades för att ta sig an svåra maskininlärningsutmaningar som visuell invändningsigenkänning och talbearbetning.

Ryan Adams

Harvard-forskare började använda verktyget i ett brett utbud av projekt, från biomedicinska robotar till kemiproblem, och Netflix använde en tidig öppen källkodsversion för att experimentera med djupinlärning också.

Nu på semester från Harvard pratade Adams med Business Reports seniorredaktör Nanette Byrnes på Twitters kontor i Cambridge, Massachusetts, om det exploderande intresset för maskininlärning.

Artificiell intelligens har gått från att vara ett fokus för akademiska studier till ett kommersiellt verktyg. Vad är det som driver det? Nya algoritmer, snabba datorer, massor av tillgänglig data?

Lika mycket som allt annat tror jag att investeringar i AI har gjort stor skillnad. Vid det här laget har det investerats miljarder dollar från teknikföretag, och det gör att saker och ting går snabbare.

Som att Twitter köper ditt företag. Hur kan maskininlärning göra Twitter bättre? Kan du ge ett exempel?

Det finns enorma möjligheter att förbättra sättet som Twitter-innehåll är organiserat på, hjälpa dig att hitta de nya sakerna som pågår, hjälpa dig att upptäcka gemenskaper som du kan interagera med, och bara sätt som Twitter kan bli en bättre upplevelse för sina användare. En av utmaningarna du kan föreställa dig är att kombinera den intressanta information som människor ger länkar till och att försöka förstå det innehållet när det relaterar till innehållet som finns på Twitter.

Hur mycket av AI-tekniker som djupinlärning är fortfarande ett mysterium?

Just nu handlar djupinlärning mycket om det empiriska. Du vet att viktiga saker helt klart pågår. Dessa [djupinlärningssystem] gör coola grejer. Vi förstår det väldigt lite, men de fungerar.

Det kan vara svårt att definiera AI, och även det korrekta testet av artificiell intelligens är uppe för debatt.

Varför känner inte dessa företag att de ger bort gården när de ger bort sin kod och sina idéer? Eftersom andra företag inte har Googles datorkraft, har de inte Twitters datorkraft och de har inte data.

En del av utmaningen med detta är behovet av att antropomorfisera begreppet intelligens. Vi använder frasen artificiell intelligens, som om intelligens inte är en egendom i världen. Vi kallar inte flygplan för konstgjorda fåglar, och de har inte konstgjorda flygningar. De har faktiskt flyg, eller hur?

Det är en väldigt antropocentrisk syn, att om det fanns en annan intelligent sak skulle den vara konstgjord. Och så jag tror att det är väldigt svårt att komma på en definition av intelligens som inte är antropocentrisk, och jag har ingen.

Om du gick tillbaka och du sa till en tidig tänkare om AI, för 50 eller 60 år sedan, kommer du alltid att ha en enhet med dig, och i princip kan den svara på alla frågor som du vill svara på en stort utbud av ämnen; den kan förstå din röst och ge en vy över vilken plats som helst i världen, berätta hur du tar dig från punkt A till punkt B – om du förklarade i sammandrag vad din smartphone kan göra via Google och olika typer av kartverktyg och Siri – jag tror att den personen skulle säga, det är AI. Men vad vi förväntar oss av de verktyg vi använder förändras bara enormt över tiden.

Hittills har företag varit anmärkningsvärt öppna med att dela AI-insikter, släppa programvara med öppen källkod, tillåta personal att publicera artiklar och tala vid konferenser, och så vidare. Hur länge tror du att det kommer att hålla?

Att öppna upp koden är bra för att bidra tillbaka till samhället, hjälper till att rekrytera topp maskininlärningstalanger och låter även företag dra fördel av förbättringar som den större communityn gör av verktygen.
Varför känner inte dessa företag att de ger bort gården när de ger bort sin kod och sina idéer? Eftersom andra företag inte har Googles datorkraft, har de inte Twitters datorkraft, och de har inte data, eller hur? Så du kan ha idéerna. Du kan ha koden. Men om du inte har data och du inte har hästkrafter, vad ska du göra med dem?

Vilken form tror du att AI kommer att ta?

AI ser inte så mycket ut som en robot som plötsligt är väldigt smart för mig, tror jag inte. Jag tycker att AI bara ser ut som verktyg som blir bättre och bättre hela tiden.

En sak jag oroar mig för är att jag tror att vi är på väg att ha förmågan (med maskininlärning och AI) att syntetisera media för att skapa något som är väldigt svårt att skilja från den verkliga varan. Dessa är mycket farliga verktyg att ha i ett samhälle som i allt högre grad är beroende av saker som video för att representera sanningen.

Dölj