211service.com
IBM och MIT satsar på att material och kvantframsteg kommer att överladda AI
IBM
Ett nytt $240 miljoner center vid MIT kan hjälpa till att främja artificiell intelligens genom att utveckla nya enheter och material för att driva de senaste maskininlärningsalgoritmerna. Det kan kanske också hjälpa IBM att återta sitt rykte för att göra banbrytande AI.
Projektet, som tillkännagavs av IBM och MIT idag, kommer att undersöka nya tillvägagångssätt inom djupinlärning, en teknik inom AI som har lett till stora framsteg inom områden som maskinseende och röstigenkänning. Men den kommer också att utforska helt nya datorenheter, material och fysiska fenomen, inklusive ansträngningar att utnyttja kvantdatorer – exotiska men potentiellt mycket kraftfulla nya maskiner – för att göra AI ännu mer kapabel.
Mycket innovation sker med standardkisel och arkitekturer, men hur är det med enheterna och materialvetenskapen? säger Darius Gil , vice vd för AI på IBM Research. Det är ett område som ingen berör, och det har potential för förbättringar i storleksordningar.
Centret kommer också att titta på hur AI kan användas mer effektivt i branscher som hälsovård och säkerhet. Och den kommer att studera den ekonomiska effekten av artificiell intelligens och automatisering, en enormt viktig fråga för samhället.
Flytten är betydelsefull för MIT. Universitetet låg i framkanten av AI-forskningen under 1950-talet, men fältets tyngdpunkt har flyttats västerut på senare tid, med stora teknikföretag som Google, Facebook, Microsoft och Amazon som leder ansvaret.
Investeringen signalerar också ett skifte för IBM. Företaget drev AI framåt genom att utveckla Deep Blue, en maskin som slog världsmästaren i schack, Garry Kasparov, 1997 (se Hur schacket vann ). Superdatorn Watson som vann spelprogrammet Jeopardy! 2010 använde banbrytande maskininlärning och bearbetningstekniker för naturliga språk. Under de senaste åren har dock andra företag stulit rampljuset inom AI-forskningen, och företaget har ibland anklagats för att överhypa de AI-tjänster som finns tillgängliga under varumärket Watson.
Att fokusera på i synnerhet hårdvara kan vara ett bra sätt att starta om. Även om det har skett dramatiska framsteg inom AI de senaste åren, har det mesta kommit tack vare en handfull algoritmer, såväl som den växande tillgängligheten av kraftfulla superdatorer och stora mängder träningsdata. Även när nya tillvägagångssätt dyker upp erbjuder nya material och datorarkitekturer enorm potential för att förbättra dessa AI-algoritmer.
Det mesta av banbrytande maskininlärning görs idag på konventionella datorchips, oavsett om de ursprungligen är designade för grafikbearbetning eller skräddarsydda för att hantera nödvändiga beräkningar så effektivt som möjligt. Att tänka om chiparkitekturer och de typer av komponenter som används kan öka prestandan avsevärt. IBM har redan ett starkt forskningsfokus på materialvetenskap och nya datorenheter. Lika glada som vi alla är över AI, har fältet flera decennier framför sig, säger Gil.
Rafael Reif, president för MIT (till vänster), och John Kelly, senior vice president för kognitiva lösningar och forskning på IBM.
En av dessa möjligheter kan komma från kvantberäkning. En forskningskuriosa i årtionden, den går nu mot praktiska maskiner som kan hantera verkliga problem, särskilt inom områden som kemisk forskning. Dess möjliga effekter på maskininlärning och AI skapar fascinerande frågor.
Gil säger att det är för tidigt att förutsäga hur saker och ting kommer att utvecklas, men han tror att experiment kan ge några överraskningar. Det kommer bara att inträffa om du har en jävla kvantdator, och det är vad vi har, säger han.
Förutom hårdvaruframsteg kommer det nya MIT-centret att undersöka nya typer av maskininlärningsalgoritmer. I synnerhet kommer det att undersöka algoritmer som låter datorer lära sig av råa eller omärkta data och sådana som kan göra det möjligt att överföra lärande från en domän till en annan.
Anantha Chandrakasan , dekanus för MIT:s ingenjörsskola, säger att forskningsansträngningar inom hårdvara och mjukvara helst bör ingå i varandra. Vi kommer inte att designa algoritmer som är helt oberoende av de arkitekturer vi kommer att använda, säger han. Vi kommer att se tänkande på systemnivå.
Labbet kommer också att undersöka hur AI kan tillämpas inom specifika domäner, såsom hälsovård och datorsäkerhet. Chandrakasan säger att han är särskilt glad över att utforska de praktiska tillämpningarna av AI, och han hoppas att strävan kommer att skapa nya spinout-företag under de kommande åren.
Detta intresseområde kan visa sig vara särskilt viktigt för IBM:s nuvarande verksamhet. Företaget har funnit det svårare än väntat att distribuera Watson inom områden som hälso- och sjukvård (se A Reality Check for IBMs AI Ambitions ).
Samarbetet kommer också att bedriva forskning om implikationerna av AI för globalt välstånd. Francesca Rossi, en framstående forskare vid IBM T.J. Watson Research Center, säger att projektet kommer att passa ihop med arbetet med AI-algoritmer. För att främja delat välstånd genom AI måste du också utveckla de AI-algoritmer du skulle använda, säger hon.
I sitt fokus på att använda AI för att leverera ekonomiska och samhälleliga fördelar, överlappar insatsen på vissa sätt med Partnerskap om AI , ett konsortium som IBM hjälpte till att grunda i september 2016 för att studera hur AI påverkar samhället. Men Rossi säger att MIT-IBM-samarbetet kommer att producera forskning, medan partnerskapet ger en öppen plattform för att diskutera dessa frågor. Till exempel kan Partnership on AI rekommendera att varje AI-system kan förklara sig själv, som en allmän riktlinje. Men AI-experter förstår fortfarande inte hur algoritmer fattar beslut (se The Dark Secret at the Heart of AI). MIT och IBM skulle kunna hitta sätt att ta itu med denna gåta genom att arbeta tillsammans, säger Rossi.