211service.com
Het vara
Andrej Karpathy håller ett klassrum fullt av Stanford-studenter och studenter som är hänförda med sin beskrivning av för- och nackdelarna med olika typer av algoritmer som används för att träna ett neuralt nätverk för att känna igen objekt i en bild. Plötsligt, från mitten av rummet, hörs den distinkta konstgjorda rösten från Apples Siri: Jag är inte säker på vad du sa.
Siri, förmodligen aktiverad av misstag, drar till sig stora skratt. I det här rummet, där eleverna är djupt in i svårigheterna med att lära sig att göra programvara som bättre förstår människor och våra data, är felmeddelandet en påminnelse om teknikens exploderande verkliga tillämpningar.
Andrej Karpathy
Det finns en enorm efterfrågan på AI-experter från företag med djupa fickor som Siris moderbolag Apple, såväl som från IBM, Google och Facebook. Som en konsekvens kommer eleverna i Karpathys klass sannolikt att ta examen till en gynnsam arbetsmarknad. Det är inte ovanligt nuförtiden att stora företag köper hela startups för att få talangen. Konkurrensen är så hård att mindre företag börjar bredda rekryteringen bortom datavetenskapliga huvudämnen till områden som kosmologi och fysik. På AI-startupen Maluuba har VD Sam Pasupalak forskarrekryteringsspecialister som tittar på de akademiska artiklarna som publiceras varje dag, letar efter författare som kan bli bra medarbetare och går på konferenser till knapphålsledande forskare efter deras föredrag. Joshua Clarke, en partner på rekryteraren Heidrick & Struggles, säger att en AI-bakgrund kräver en hög premie idag eftersom teknikföretag inte är de enda som konkurrerar om dessa kandidater. Fortune 500-företag utvärderar också hur AI kommer att påverka deras företag.
Det är inte ovanligt nuförtiden att stora företag köper hela startups för att få talangen. Konkurrensen är så hård att mindre företag rekryterar inte bara datavetenskapliga huvudmän utan akademiker inom områden som kosmologi och fysik.
Ingen personifierar kriget om AI-talanger bättre än Karpati han själv. Den 29-åriga doktoranden är en stigande stjärna inom området neurala nätverk, ett trendigt område för artificiell intelligens. När han tar examen i maj kommer han att bli en av de grundande forskarna på OpenAI, en ideell forskningsstartup. Karpathy har sett hur det är att arbeta på startups, och han har tillbringat två somrar på gigantiska Google. OpenAI, som erbjuder möjligheten att bygga en ny institution från grunden, lovar också den akademiska intellektuella friheten och pengarna för att göra arbetet möjligt, säger han. OpenAI har redan meddelat 1 miljard dollar i donationer från Peter Thiel, Elon Musk och företag inklusive Amazon Web Services.
Karpathy har varit intresserad av datorer så långt tillbaka han kan minnas. När han bara var fem eller sex år gammal i Kosice, Slovakien, bad han sina föräldrar om en PC; han var den första i stan som fick en. Han minns att han spelade spel och tog bilder med MS Paint. Programmering är också en skapelseakt, säger han.
1 miljard dollar
Finansiering av OpenAI, Karpathyu2019s nästa arbetsgivare
Efter att ha flyttat till Kanada som tonåring, skrev Karpathy in på University of Toronto och förväntade sig att arbeta med kvantdatorer. Han ändrade sig efter att ha tagit en kurs från maskininlärningsexperten Geoffrey Hinton, en pionjär inom programmering av neurala nätverk.
Medan äldre förhållningssätt till AI gav datorer smarta genom brute-force datasökningar, säger Karpathy, är neurala nätverk utformade för att lära sig på ett sätt som är analogt med hjärnan. Dessa program skapar associationer och känner igen mönster, vilket gör det möjligt för dem att slå andra typer av AI-teknik i tester av bildigenkänning, drogupptäckt och Siris bröd och smör – att lyssna på och tala som människor.
Att göra datorer som kan lära sig och förstå mer som människor är det ultimata metaproblemet inom datoranvändning, säger Karpathy. Om datorer kan kombinera mänsklig förståelse med deras förmåga att lagra och komma åt enorma mängder data, säger han, kommer AI att bana väg för stora framsteg inom robotik, självkörande bilar, säkerhetssystem som känner igen ansikten och röster, konst och nästan allt du kan tänka dig.
Det var genom ett sidoprojekt han tog på sig när han arbetade med sin doktorsexamen som Karpathy uppmärksammade Greg Brockman, grundare av OpenAI.
För skojs skull hade Karpathy programmerat ett neuralt nätverk som kan lära sig att generera text i vilken stil som helst – Shakespeares, Obamas, vad den än är tränad på. Ett stycke kod på bara 100 rader kan hitta mönster i dikter, matematik eller vilken ström av symboler som helst, säger Karpathy. Hans nätverk kan sedan producera strängar av karaktärer i den stilen. För en mänsklig läsning, till och med lite nära, är det nätverket för närvarande producerar mest nonsens med en ring av Shakespeare eller presidentens oratorium. Men Karpathy säger att det blir bättre och bättre ju mer träningstext den matas in.
Karpathys beslut att lägga upp nätverkets underliggande kod online så att alla kan använda imponerade Brockman. Att engagera allmänheten är ett sätt som OpenAI hoppas kunna få framsteg inom AI och maskininlärning, säger han.
När Brockman väl hade Karpathy på listan över personer han skulle vilja ta med sig till OpenAI, började han utnyttja varje ny anställning för att locka Karpathy att gå med. De bästa människorna vill jobba med de bästa människorna, säger Brockman. Faktum är att han, säger Karpathy, i allmänhet rekryteras av ingenjörer som han känner, och han svarar inte på rekryterarsamtal. En nyckelanställd var John Schulman, en ny doktorsexamen från University of California, Berkeley. När Schulman sa att han skulle arbeta med Brockman, säger Karpathy, visste han att projektet var seriöst. Dess fokus på kreativitet och AI:s potential att gynna mänskligheten var också tilltalande. Vi vill se till att inget företag har monopol på AI och vägleda fältet på det mest fördelaktiga sättet för allmänheten, säger Karpathy.
I klassen har Karpathy en förmåga att väcka tekniken till liv. Efter 60 minuter med att analysera för- och nackdelar med bildbehandlingsalgoritmer beskriver han ett Google-projekt som avslöjar vilka delar av en bild ett neuralt nätverk prioriterar när det identifierar objekt som visas. Uppe på skärmen dyker en rolig bild av ett får som programmet förstärkt med ett hundansikte. Datauppsättningarna som används för att träna neurala nätverk innehåller så många bilder av djuren att neurala nätverk slutar hallucinera hundar, säger han.