211service.com
Ubers elände visar på svårigheten att kommersialisera AI
Ubers ansträngningar att ligga steget före konkurrenterna genom att investera kraftigt i robotik och AI-forskning visar tecken på problem.
Under de senaste månaderna har Uber förlorat flera seniora medlemmar i sin Advanced Technologies Group, ett självkörande bilprojekt med huvudkontor i Pittsburgh. Och chefen för dess nya AI-labb, Gary Marcus, hoppade också av sin roll efter bara några månader som ansvarig. Dessa är en del av en större bild som belyser utmaningarna med att kommersialisera teknologi som fortfarande är extremt komplex och banbrytande.
Uber skapade sitt AI-labb i december efter att ha förvärvat Geometric Intelligence, en startup som leds av Marcus, en kognitiv forskare från New York University. Marcus, som fortfarande är rådgivare för AI till Uber, kommer att diskutera de utmaningar som finns kvar inom artificiell intelligens idag på EmTech Digital, en konferens som anordnas av MIT Technology Review.
Det senaste bakslaget från Uber kom förra veckan, när det tvingades avbryta testerna av sina självkörande fordon i Arizona efter att en bil inblandad i en olycka med ett annat fordon. Det finns ännu inget som tyder på att den självkörande bilen var fel.
Som Marcus kommer att förklara är det fortfarande en formidabel utmaning att göra datorer lika smarta som människor i kritiska situationer som bilkörning. Självkörande bilar kan ännu inte reagera på eventuella händelser de kan stöta på på vägen, och de kräver enorma mängder data för att lära sig.
Uber har rusat för att utveckla automatiserade fordon av rädsla för att tekniken lätt skulle kunna störa taxibranschen. Företaget fick snabbt fart och har självkörande bilar på vägarna i flera städer. Men som MIT Technology Review upptäckt fungerar dessa system ännu inte perfekt, inte ens i vanliga körsituationer.
Det finns också betydande tekniska utmaningar. Till exempel är det inte klart hur man får självkörande bilar att klara av försämrade sensorer, eller hur aktiva system som lidar, en typ av lasersystem, kan störa varandra om många självkörande bilar var på vägarna ( se vad du behöver veta innan du sätter dig i en självkörande bil).
Marcus har varit en uttalad kritiker av vad han ser som en övertro på neurala nätverksbaserade maskininlärningsmetoder inom artificiell intelligens. Han grundade Geometric Intelligence 2014 för att utforska alternativa tillvägagångssätt (se Kan denna man göra AI mer mänsklig? ).
Geometric Intelligence sökte bland annat hitta effektivare sätt för maskiner att lära sig. Medan en människa kan lära sig att känna igen en ny trafikskylt mycket snabbt, kräver en dator många tusen exempel med dagens bästa metoder för maskininlärning.
Andra företag som arbetar med automatiserad körning har också funnit att framstegen går långsammare än de kanske hade hoppats. Google har gett ut ett företag, kallat Waymo, ur sitt självkörande bilprojekt, men dess teknik är ännu inte tillgänglig kommersiellt.