211service.com
Siris skapare demonstrerar en assistent som tar initiativet
I ett litet, mörkt rum utanför en lång korridor i ett vidsträckt komplex av byggnader i Silicon Valley, spårar en rad massiva platta skärmar och videokameror Grym tänkare varje rörelse. Denker, en senior datavetare vid det ideella FoU-institutet SRI , visar upp sig Ljus , en intelligent assistent som en dag skulle kunna veta vilken information du behöver innan du ens frågar.
Under bevakning: En Bright prototyp spårar varje rörelse som gjorts av Patrick Lincoln, chef för SRI:s datavetenskapslabb.
Inledningsvis är Bright avsedd att minska den kognitiva överbelastningen som arbetare möter i stressade, dataintensiva jobb som nödberedskap och nätverkssäkerhet. Bright kan till exempel hjälpa nätverksadministratörer att försöka stoppa spridningen av ett snabbt rörligt virus genom att snabbt tillhandahålla viktig infektionsinformation, eller hjälpa 911-operatörer att skicka rätt typ av assistans till olycksplatsen. Men som många andra teknologier utvecklade på SRI, som den digitala personliga assistenten syrien (nu ägs av Apple), kan Bright så småningom sippra ner till bärbara datorer och smartphones. Det kan ta formen av programvara som automatiskt tar upp listor för dina favoritprogram när den tror att du ska sitta ner och titta på TV, eller söker på webben efter information som är relevant för ditt senaste forskningsprojekt utan att du behöver lyfta ett finger.
Redan en del assistentprogram, som t.ex Googla nu för Android-smarttelefoner, försöker förutsäga vilken information en användare kan behöva och servera den automatiskt. Det gör den genom att till exempel känna igen att användaren väntar vid en busshållplats och levererar busstidtabeller. Målet med Bright är att utveckla något ännu mer sofistikerat och kapabelt i en kontorsmiljö. Men den stora utmaningen för Bright och liknande projekt är: hur lär man sig av en relativt liten mängd information?
SRI International, som ursprungligen skapades av Stanford University som en forskningsinstitution 1946 (den har verkat självständigt sedan 1970), har utvecklat nyckelteknologier inklusive data mus , den LCD , och till och med de första blinkningarna på Internet, ringde ARPAnet . Under de senaste åren har det haft framgångar inom artificiell intelligens med Siri, som spreds ur ett projekt som SRI gjorde för försvarsdepartementets Defense Advanced Research Projects Agency, eller DARPA, kallat CALO (det är kognitiv agent som lär sig och organiserar ).
Denker beskriver Bright som ett kognitivt skrivbord och ett skrivbord som verkligen förstår vad du gör, och inte bara för dig, utan också i en samarbetsmiljö för människor. I sin nuvarande uppställning stirrar tre kameror ut på henne; en bildskärm visar var hon letar och visar en realtidslogg över varje åtgärd hon vidtar, såväl som ett välbekant datorskrivbord med filer och mappar. När hon använder monitorn framför sig för att öppna ett e-postmeddelande från Wells Fargo bank och begär ett möte, till exempel, registrerar Bright alla hennes handlingar på en monitor till vänster och noterar att hon öppnade meddelandet, att hon spenderade tid tittar på den (istället för att bara titta någon annanstans på skärmen), och att hon stängde den.
När Denker visar Brights begynnande kapacitet är det inte svårt att föreställa sig att tekniken underlättar allt från att schemalägga uppgifter till att söka på webben. Hon förklarar att hennes team försöker anpassa befintliga datavetenskapliga tekniker som försöker öka effektiviteten genom att förutse vilken information som kommer att behövas härnäst och testa olika åtgärder i förväg för att snabba på svarstiden. Bright, säger hon, använder samma idéer för att förutse vad användaren kommer att vilja göra, så det kräver ytterligare utrustning för att övervaka användaren. En beröringskänslig display kan spåra fingerberöringar och handrörelser – som att vinka – spåras också.
Medan det utvecklas för cybersäkerhet och nödsituationer kan Bright skräddarsys för andra typer av användare. I skolor, till exempel, kan Bright kanske avgöra att en elev kämpar och anpassa sig för att bättre möta hans eller hennes behov.
Det är dock en lång väg att gå. Systemet är för närvarande fokuserat på kognitiv indexering – mekanismen som binder ihop olika ledtrådar och sedan försöker förutsäga vad som är viktigt. Teamet bakom Bright behöver också bygga upp sin förmåga att förutsäga intressen och automatisera uppgifter. Och innan det kan rullas ut någonstans måste Bright lära sig hur man studerar vad du använder din dator till.
Att lära känna en användare är svårt, säger Bill Mark, vice vd för information och datavetenskap på SRI och en av huvudutredarna bakom CALO. Mark kallar detta för smådataproblemet; medan big data-insatser fokuserar på att hämta insikter från berg av information, letar system som Bright efter mönster i mycket mindre kvantiteter, och detta kan vara mycket knepigt. Den begränsade datamängden, i kombination med användarnas tendens att ändra beteende, är väldigt ovänlig mot mönsterhittande algoritmer, säger han: Vi lägger inte in så mycket data. Dessa maskininlärningsalgoritmer gillar att generalisera över mycket stora datamängder.
Det finns många andra utmaningar. Krzysztof Gajos , en biträdande professor i datavetenskap vid Harvard som också tillbringade ett år med CALO, noterar att en av svårigheterna med att bygga intelligenta interaktiva system är att ta reda på hur man kan skilja obligatoriska uppgifter som kontorsarbete från frivilliga uppgifter som att spela spel. För kontorsrelaterade uppgifter, säger han, är det svårt att designa automatisering på ett sätt som lämnar användaren känslan av kontroll och som verkar värt att använda även om det ibland går sönder.
Om du tittar tillbaka på system som Microsoft Clippy kan du se ett exempel på ett system som misslyckades med det, säger Gajos. De få gånger det misslyckades var bara så försvårande att det överskuggade alla fördelar som systemet kan ha gett många användare.