Apple får sin första chef för AI

Apple anställer en stigande stjärna i världen av djupinlärning för att fungera som sin första chef för AI-forskning. Ruslan Salakhutdinov , en docent vid Carnegie Mellon University i Pittsburgh, kommer att tillträda den nya tjänsten, som är tänkt att hjälpa företaget att se till att Siri och dess andra produkter använder sig av de grundläggande genombrotten som kommer från akademisk AI-forskning. Salakhutdinov kommer att prata om sin forskning vid EmTech MIT 2016, en MIT Technology Review-konferens som hölls denna vecka.

Salakhutdinov forskar om mycket stora neurala nätverk som används i en teknik som kallas djupinlärning, som låter en dator lära sig att utföra en svår uppgift genom att konsumera rikliga träningsexempel. Han kommer att fortsätta arbeta deltid på CMU och kommer att anställa ett team av forskare för att arbeta med honom på Apple.

Flytten är en del av Apples ansträngning att komma ikapp i tävlingen med Google, Facebook, Amazon och andra teknikföretag för att få ett försprång genom de senaste framstegen inom AI och maskininlärning. I synnerhet blir det allt viktigare att mjukvara kan lära sig själv hur man utför en uppgift, med hjälp av tekniker som djupinlärning. De senaste AI-teknikerna används till exempel i Googles nya smartphone, Pixel. Dess rösthjälpare, kallad Assistant, kommer att gå head to head med Apples Siri och använda maskininlärning för att försöka förstå användarnas talade frågor.

Salakhutdinovs arbete med banbrytande maskininlärningstekniker kan hjälpa till att driva framsteg inom AI, och det kan tillämpas på många olika områden, inklusive datorseende, naturlig språkbehandling och till och med robotik.

När han talade nyligen sa Salakhutdinov att det finns tre stora områden där AI gör framsteg: att ge datorer bättre språkförståelse; göra det möjligt för dem att lära sig genom upprepning och positiv förstärkning; och utveckla sätt för maskiner att lära av omärkta data. Han lyfte också fram det arbete han gör med att lära maskiner att lära sig av ostrukturerad data på webben, något som kan tänkas hjälpa till att göra en produkt som Siri mer intelligent.

Vi arbetar med idén att försöka använda externa kunskapsbaser, sa han. Om jag frågar dig något om en viss sak, kan ditt system i princip gå till Wikipedia, läsa några olika artiklar, lära dig lite fakta om världen och ge dig rätt svar?

Salakhutdinovs senaste arbete har också fokuserat på att göra det möjligt för maskiner att lära av olika typer av data, och på sätt för saker som lärts i ett sammanhang att tillämpas i ett helt nytt – områden som respektive är kända som multimodalt lärande och överföringsinlärning. Han samarbetade också i ett projekt som visade, genom att hämta inspiration från kognitionsvetenskap, hur datorer kan lära sig av relativt små mängder data (se This AI Algorithm Learns Simple Tasks as Fast as We Do ).

På senare år har konkurrenter som Google och Facebook anställt ledande personer inom djupinlärning för att leda deras AI-satsningar. Apple har en mycket mindre framstående AI-forskningsinsats än konkurrenterna, och vissa har menat att dess traditionella sekretess har gjort det svårt för företaget att rekrytera de bästa forskarna på området.

Deep learning har fått en framträdande plats de senaste åren, efter att ha visat sig vara spektakulärt bra på att göra det möjligt för maskiner att känna igen objekt i bilder och talade ord i ljud. Google och Facebook använder tekniken för att automatiskt texta bilder. Och det har gjort Siri och andra röstaktiverade produkter bättre på att känna igen ord. Att analysera betydelsen av dessa ord är dock fortfarande en större utmaning (se AI:s språkproblem).

Dölj