211service.com
Uber lanserar ett AI Lab
Uber skapar ett nytt AI-forskningslabb dedikerat till att utforska gränserna för maskininlärning och tillämpa viktiga framsteg i sin verksamhet.
Labbet kommer att vara baserat i Silicon Valley och kommer att ledas av Gary Marcus , professor vid NYU och VD för Geometrisk intelligens , ett företag som Uber förvärvar för en ej avslöjad summa. Uber AI-labbet kommer också att anställa en annan storkänd AI-forskare, Zoubin Ghahramani , som kommer att behålla en deltidstjänst som professor vid University of Cambridge i Storbritannien. Företagets andra medgrundare är Ken Stanley , en docent vid University of Central Florida, och Doug Bemis , en nyutexaminerad NYU med en doktorsexamen i neurolingvistik.
Det nya labbet kommer att ha 15 grundande medlemmar, och det kommer att utforska en rad grundläggande utmaningar, inklusive att utveckla former av maskininlärning som behöver mindre data; utbildning av AI-system som inte bara använder data utan även explicita regler; och designa maskininlärningssystem som förklarar deras beslut. Framsteg inom dessa områden kan vara avgörande för självkörande bilar men kan också bidra till att förbättra Ubers befintliga verksamhet genom att till exempel hjälpa till att dirigera bilar eller matcha kunder i en Uber-pool mer effektivt.
Travis Kalanick, Ubers vd, kommer att tillkännage den nya divisionen, kallad Uber AI Labs, i ett blogginlägg idag. Beslutet drevs av den växande betydelsen av AI för Uber som företag. Men det verkar också spegla en insikt om att trots fantastiska framsteg de senaste åren kommer utvecklingen av pålitliga förarlösa bilar att kräva ytterligare grundläggande framsteg (se Vad du bör veta innan du sätter dig i en självkörande bil ).
Det kommer att ta lång tid innan självkörande bilar kan hantera alla möjliga scenarier i världen, säger Jeff Holden, produktchef på Uber. Holden pekar på framtida framsteg inom maskininlärning som kommer att tillåta oss att göra radikalt olika typer av saker. Han tillägger: Frågan är vilken roll vi kommer att spela i det?
Holden säger att han lärde sig om Marcus och Geometric Intelligence på MIT Technology Review s AI-fokuserade event, EmTech Digital , som hölls i San Francisco i maj.
Uber har vuxit i hisnande hastighet sedan grundandet 2009, tack vare en smartphone-app som helt har störtat den konventionella taxibranschen i USA och på andra håll. På senare tid har företaget investerat mycket i forskning inom områden som förarlösa bilar, i hopp om att upprätthålla en snabb tillväxt, för att undvika att bli störd själv och för att behålla en gynnsam image bland finansiärer när förlusterna ökar. Det har främst fokuserat på att utveckla hårdvaran och mjukvaran som krävs för autonom körning, även om Uber också har främjat andra forskningsinsatser, inklusive flygande fordon och drönarbaserad reklam (se Ubers Ad-Toting Drones Are Heckling Drivers Stuck in Traffic ).
Marcus är en framstående figur i världen av artificiell intelligens som ibland har väckt kontroverser genom att kritisera fältets fokus på datatunga tillvägagångssätt som förlitar sig på neurala nätverk eller djupinlärning. Han grundade Geometric Intelligence för att utöva andra vägar, inklusive tillvägagångssätt inspirerade av kognitionsvetenskaplig forskning, som kunde vara mycket mindre datahungrig (Marcus gav MIT Technology Review exklusiv tillgång till hans företag förra året; se Kan den här mannen göra AI mer mänsklig?).
Marcus säger att hans team kommer att fortsätta fokusera på utmaningar som befintliga system inte kan lösa. Vi är särskilt intresserade av kantfallen – vad som händer om belysningen är annorlunda, eller om det är ett fordon du inte har sett förut, säger han. Vi kommer att arbeta mycket med dessa problem.
Marcus har inte avslöjat många detaljer om vad Geometric Intelligence har utvecklat, och företaget har inte publicerat något av sitt arbete. Men bland annat har hans team arbetat med en form av djupinlärning som kräver mindre data (se Algoritmer som lär sig med mindre data kan utöka AI:s kraft). Han säger att sådana tillvägagångssätt kan visa sig vara användbara för både Ubers nuvarande verksamhet och dess långsiktiga forskningsmål. Det kommer alltid att finnas fall där du inte har tillräckligt med data. Du kanske har tillräckligt med information för att förutsäga vad som händer klockan nio på morgonen, men vad händer klockan 02:00 och det finns mindre data? säger Marcus. Och [vid automatiserad körning] finns det inte så mycket data när du kommer in i kantens fall.
Marcus är också intresserad av att kombinera nyare områden inom AI, som djupinlärning (en form av maskininlärning som har visat sig mycket kraftfull de senaste åren), med äldre AI-traditioner, inklusive tillvägagångssätt som innebär att ge maskiner explicita regler. Han säger att detta kan vara viktigt för en självkörande bil, vilket gör det möjligt att lära den om lokala trafikregler.
Dessutom kommer hans team att sikta på att utveckla maskininlärningssystem som kan förklara deras beslut eller handlingar, tillägger Marcus. Detta har blivit ett viktigt forskningsområde, och ett som kan vara avgörande för att bygga upp förtroende för självkörande bilar. Vi är mycket intresserade av transparens och tolkningsbarhet – hur får man ett system där man förstår varför det gjorde som det gjorde? han säger.
Det är uppenbart att det finns grundläggande tekniska problem som skär över många av de problem Uber står inför, säger Karl Iagnemma , en före detta forskare vid MIT och grundare och VD för ett företag som heter nuTonomi , som testar självkörande taxibilar i Singapore och USA. Att identifiera och lösa dessa problem skulle ge Uber en betydande konkurrensfördel jämfört med resten av fältet.
Men det är långt ifrån säkert att grundforskning kommer att löna sig, säger Iagnemma. Det är mycket en kapprustning, tillägger han. Om dina konkurrenter gör det, även om du är osäker på sannolikheten att grundforskning kommer att leda till betydande inverkan på din produkt, har du inte råd att inte konkurrera.