211service.com
Programvara som lär sig av användare
Det som gör datorer till en enorm smärta för alla, säger Pedro söndagar , en docent i datavetenskap vid University of Washington, är att du måste förklara för dem varje liten detalj av vad de behöver göra. Det är riktigt irriterande, skämtar Domingos. De är dumma.
Det är därför Domingos deltar i NER , ett massivt, fyra år gammalt artificiell intelligensprojekt för att hjälpa datorer att förstå avsikterna hos sina mänskliga användare. Finansierat av Agency Advanced Research Projects Defense (DARPA), och koordineras av SRI International , baserat i Menlo Park, Kalifornien, samlar projektet forskare från 25 universitet och företag inom många områden av artificiell intelligens, inklusive maskininlärning, naturligt språkbehandling och semantisk webbteknologi. Varje grupp arbetar med delar av CALO, som står för kognitiv assistent som lär sig och organiserar.
Adam Cheyer, programchef för centret för artificiell intelligens vid SRI, förklarar att CALO försöker hjälpa användare på tre sätt: genom att hjälpa dem att hantera information om nyckelpersoner och projekt, genom att förstå och organisera information från möten och genom att lära sig och automatisera rutin. uppgifter. Till exempel kan CALO lära sig om de personer och projekt som är viktiga för en användares arbetsliv genom att uppmärksamma e-postmönster. Den kan sedan kategorisera och prioritera information för användaren, baserat på källan till informationen och de projekt som den är kopplad till. Systemet kan också tillämpa denna typ av förståelse på möten, genom att använda sitt taligenkänningssystem för att göra en transkription av vad som sägs där, och sin förståelse av användarens projekt och kontakter för att bearbeta transkriptionen intelligent till att göra-listor och möten. Slutligen kan en användare lära ut CALO rutinuppgifter som att köpa böcker online och söka efter bed-and-breakfasts som uppfyller specifika kriterier. CALO kan interagera med andra människor, ta på sig uppgifter som att schemalägga möten, koordinera mellan människors scheman och fatta beslut, som att besluta om att boka om ett möte om en nyckelmedlem blir oförmögen att närvara.
Det är en otroligt stor sak, och det är vansinnigt ambitiöst, säger Domingos. Men om CALO lyckas kommer det att bli en revolution. Även om det inte gör det, sker så mycket bra forskning under den att det fortfarande kommer att ha varit värt besväret.
Målet är att bygga en artificiell intelligens som kan fungera som en personlig assistent för någon – inte något med en stel struktur som den kan vara till hjälp inom, som den animerade gem-assistenten som finns med i Microsoft Office-produkter, utan ett system som kan lära sig om en användares miljö och behov, och anpassa efter dem, utan att behöva programmeras på nytt av ingenjörer. Det som är annorlunda och som aldrig har gjorts tidigare på det här sättet är det verkligt integrerade tillvägagångssättet att föra alla dessa teknologier och alla dessa funktioner i ett enda system, säger Cheyer. Det krävs ett system av denna storlek för att ge dig något som kan förstå och organisera så mycket information.
Projektet kan verka brett i sina mål, men forskarna tror att systemet i slutändan kommer att dra nytta av flera tekniker som arbetar tillsammans. Tänk på mötestransskriptionsfunktionen, säger William Mark, vice ordförande för informations- och datavetenskapsavdelningen vid SRI. Även de bästa taligenkänningssystemen skulle ha problem med att producera en korrekt utskrift av ett möte utan hjälp, säger han, men i vårt sammanhang, på grund av informationshantering, har CALO djup och rik kunskap om vilka som är personerna i rummet och vad som är de dokument och fraser och slang som används i sammanhanget.
Eftersom CALO har många inlärningssystem är en utmaning att integrera dem så att CALO har en konsekvent struktur för information som den kan använda för att fatta beslut baserat på den bullriga, osäkra data som den extraherar från dess olika interaktioner. Domingos och andra har arbetat med en sannolikhetskonsistensmotor, som förenar två traditionella metoder för artificiell intelligens: logik och sannolikhet.
Alan Qi , en biträdande professor i datavetenskap vid Purdue University, som inte är involverad i CALO, säger att föreningen av logik och sannolikhet är en viktig strävan för området artificiell intelligens. Att kombinera dessa två tillvägagångssätt, säger Qi, är mycket bättre än att använda endera ensam. Probabilistiska tillvägagångssätt kan hantera buller och osäkerhet väl, medan en logisk struktur är bäst för att hantera mening.
Även om CALOs tillvägagångssätt är mycket långtgående, har SRI gjort en version, kallad CALO Express, som kokar ner några av funktionerna i CALO som nästan är klara för driftsättning. CALO Express är en lätt version av verkligheten som integreras med Microsoft-produkter som Outlook och PowerPoint. Cheyer säger att det inkluderar delar av de tre huvudfunktionerna informationshantering, mötesassistans och uppgiftshantering. Han säger att CALO Express nu utvärderas för användning hos DARPA. Även om det är osäkert om CALO Express kommer att bli en kommersiell produkt tillgänglig utanför militären, finns det fortfarande hopp om att den genomsnittliga personen kan få tillgång till teknologier av denna typ. Forskningen har redan tagit fram ett fåtal produkter, som t.ex Smart Desktop , vilket är ett informationsledningssystem som har spridits av uppgiftsspårningsprojektet som gjorts av Oregon State University som en del av CALO. Radarnätverk , tillverkare av Semantic Web-produkten Snöre , har också arbetat med några av CALO:s semantiska grunder. (Se The Semantic Web Goes Mainstream .)