Гостьовий допис про основи – майбутнє AI та машинного навчання.

Майбутнє AI та машинного навчання

Ми раді представити нову серію бюлетенів, що зосереджуються на витягуванні аналізів та статистичних даних з наших щомісячних галузевих звітів. Мета цього щомісячного спеціального видання – ближче ознайомитись із сучасними тенденціями у просторі AI у співпраці із зацікавленими сторонами галузі!

Щоб розпочати цю нову серію, ми раді представити нашого першого запрошеного коментатора Пола Суїні, продукту EVP @WebioHQ, котрому ми дякуємо за те, що знайшов час, щоб витягти ключові ідеї з нашого останнього звіту про галузь AI.

Переглядаючи заголовки цього місячного бюлетеня, для мене з’явилися три теми, і, оскільки людський мозок такий, як він є, вони, здається, пов’язані між собою.

По-перше, ми все ще закріплені у своєму досвіді щодо плоті та крові у світі, і це лінза, через яку ми розмірковуємо про те, що таке AI та що він робить. Документ Google Deepmind «Навігація за допомогою сітки, як подання у штучних агентах» – це захоплююче дослідження того, як мозок у своїй конструкції має певні типи нейтонів, які використовуються для триангуляції положення в просторі з плином часу за певного вектора. Ці сітчасті клітини стріляють гексагонально. Що Deepmind виявив, так це те, що ці закономірності є також новою властивістю нейронної мережі. Вони стріляють точно так само гексагонально, як і мозок. Це може виявитись захоплюючим прикладом біоміміки. Однак є цікавий додаток, що посилається на одночасно опубліковану статтю Куева + Вей, яка знайшла схожі схеми стрільби, але надала додатковий контекст, виявивши, що схеми стрільби вони залежали від форми корпусу (системи). Як Агенти AI, які мають певні можливості векторної навігації “в межах іншої системи”, ми спостерігаємо деякі основоположні елементи наступної екосистеми AI, а також наступної транспортної революції.

Це підводить нас до нашої другої теми: автономних транспортних засобів. Такі питання, як навігація на основі векторів, можуть мати вирішальне значення для майбутніх систем автономного водіння, і однією з ключових технологій тут є Lidar, яка відсутня у одного з найбільших світових виробників, Toyota. Lidar збирає дані на рівні деталізації, яка необхідна для транспортного засобу, що рухається зі швидкістю через фізичний світ. Натомість Toyota зосереджується на використанні штучного інтелекту для покращення та вдосконалення досвіду для водія-людини. Як відомо, в Японії старіє населення, і, за прогнозами, найближчим часом буде більше робочих місць, ніж людей. Таким чином, Toyota використовує AI для продовження життя людини. Можливо, Toyota робить ставку на версію людської природи, оскільки ми відчуваємо когнітивний дисонанс, передаючи контроль над нашим тілом технологіям. Як приватні особи ми насолоджуємось нашим вибором у всьому світі. Літаки літали б безпечніше, якби вони були повністю автоматизовані, але нам, людям, подобається бачити в кабіні іншу людину. Можливо, наша огида до передачі повноважень машинам сильніша, ніж ми оцінюємо. Ніколи не робіть парі проти Toyota.

Наша третя тема є продовженням другої: ініціативи AI for Good #AIforgood. Як люди, ми можемо неадекватно реагувати на ці нові платформи AI та служби навколо нас. Хоча в сукупності AI може перевершувати окремого лікаря при розпізнаванні меланоми шкіри, якщо цей лікар вважає, що AI неправильно діагностує веснянку як рак, то це може зруйнувати цю віру лікарів в ефективність AI. Це оформлено як проблему довіри до системи. Якщо ми як суспільство, щоб скористатися перевагами цього нового рівня технологій, нам потрібно звернути увагу на те, як ми, люди, взаємодіємо з продуктами та послугами, керованими AI. У 2018 році це частина руху, що зароджується, щоб переконатись, що переваги AI спрямовані на покращення суспільства. Швидкість еволюції цієї технології піднімає цілком реальний спектр того, що ми як суспільство вирішили не сприймати її, а боятися, обмежувати і навіть відверто відкидати. Ці побоювання за майбутнє домінують у заголовках ЗМІ, а приклади AI, що застосовуються до випадків військового використання, змусили інженерів навіть найбільших компаній, таких як Google, зайняти публічні позиції EthicalAI, змусивши самі компанії вирішити питання ethicalAI та AIforGood.

Ми раді представити нову серію бюлетенів, що зосереджуються на витягуванні аналізів та статистичних даних з наших щомісячних галузевих звітів. Мета цього щомісячного спеціального видання – ближче ознайомитись із сучасними тенденціями у просторі AI у співпраці із зацікавленими сторонами галузі!

(Якщо ви пройшли так далеко, ви заслуговуєте на те, щоб знати, про які фотографії. По-перше, я люблю фільм «Ядро», він не дуже хороший, але я дивився його, можливо, 20 разів. На дошці за ним ви можете дивіться термін Звукові хвилі. У мене є теорія, згідно з якою ми побачимо, що “розумні колонки” роблять набагато більше зі звуком, ніж “просто слухати слова”. А астероїди? пам’ятайте, як вони дрейфували в просторі, ніби існували справжні швидкість і що вона не може просто зупинитися? Цей простий жест був вирішальним для ігрового процесу і відчуття, що це, як це бути в космосі. Розмовні інтерфейси матимуть подібні жести. END).

Спочатку ця публікація була опублікована за адресою https://www.linkedin.com/pulse/guest-post-essentials-future-ai-machine-learning-paul-sweeney/.

Paul Sweeney люб’язно дозволив нам перекласти і опублікувати цю статтю.