211service.com
„Uber“ pristato AI laboratoriją
„Uber“ kuria naują AI tyrimų laboratoriją, skirtą mašininio mokymosi riboms tyrinėti ir pagrindiniams pažangiems pritaikyti savo versle.
Laboratorija bus įsikūrusi Silicio slėnyje ir jai vadovaus Garis Markusas , NYU profesorius ir generalinis direktorius Geometrinis intelektas , bendrovė „Uber“ įsigyja už neskelbiamą sumą. „Uber AI“ laboratorijoje taip pat dirbs dar vienas garsus DI tyrėjas, Zoubinas Ghahramani , kuris ne visą darbo dieną dirbs profesoriaus Kembridžo universitete JK. Kiti bendrovės įkūrėjai yra Kenas Stenlis Centrinės Floridos universiteto docentas ir Dougas Bemisas , neseniai NYU baigęs neurolingvistikos daktaro laipsnį.
Naujoje laboratorijoje bus 15 narių steigėjų, joje bus nagrinėjami įvairūs pagrindiniai iššūkiai, įskaitant mašininio mokymosi formų, kurioms reikia mažiau duomenų, kūrimą; AI sistemų mokymas naudojant ne tik duomenis, bet ir aiškias taisykles; ir mašininio mokymosi sistemų, paaiškinančių jų sprendimus, kūrimą. Pažanga šiose srityse gali būti labai svarbi savarankiškai vairuojantiems automobiliams, bet taip pat gali padėti pagerinti esamą Uber verslą, pavyzdžiui, padedant nukreipti automobilius arba efektyviau suderinti klientus Uber baseine.
Travisas Kalanickas, „Uber“ generalinis direktorius, šiandien tinklaraščio įraše paskelbs apie naują padalinį, pavadintą „Uber AI Labs“. Sprendimą lėmė auganti AI svarba Uber kaip verslui. Tačiau atrodo, kad tai taip pat atspindi supratimą, kad nepaisant stulbinamos pažangos pastaraisiais metais, kuriant patikimus automobilius be vairuotojo reikės toliau tobulėti (žr. Ką reikia žinoti prieš įsėdant į savarankiškai vairuojantį automobilį).
„Uber“ vyriausiasis produktų pareigūnas Jeffas Holdenas teigia, kad praeis daug laiko, kol savarankiškai važiuojantys automobiliai atlaikys visus galimus scenarijus pasaulyje. Holdenas atkreipia dėmesį į būsimą mašininio mokymosi pažangą, kuri leis mums daryti visiškai skirtingus dalykus. Jis priduria: „Kyla klausimas, kokį vaidmenį mes tame vaidinsime?
Holdenas sako, kad sužinojo apie Marcusą ir geometrinį intelektą MIT technologijų apžvalga Gegužės mėn. San Fransiske surengtas renginys, skirtas dirbtiniam intelektui, EmTech Digital.
Nuo pat įkūrimo 2009 m. „Uber“ augo kvapą gniaužiančiu greičiu, nes išmaniojo telefono programėlė visiškai apvertė įprastą taksi pramonę JAV ir kitur. Pastaruoju metu bendrovė daug investavo į mokslinius tyrimus tokiose srityse kaip automobiliai be vairuotojų, tikėdamasi išlaikyti spartų augimą, pati išvengti trikdžių ir išlaikyti palankų įvaizdį tarp finansininkų didėjant nuostoliams. Daugiausia dėmesio buvo skirta autonominiam vairavimui reikalingos aparatinės ir programinės įrangos kūrimui, nors Uber taip pat skatino kitus tyrimus, įskaitant skraidančias transporto priemones ir dronų reklamą (žr. Uber's Ad-Toting Drones Are Heckling Drivers Stuck in Traffic ).
Marcusas yra žymus dirbtinio intelekto pasaulio veikėjas, kuris kartais sukeldavo ginčus, kritikuodamas šios srities dėmesį daug duomenų turintiems metodams, kurie remiasi neuroniniais tinklais arba giliu mokymusi. Jis įkūrė „Geometric Intelligence“ siekdamas ieškoti kitų būdų, įskaitant metodus, įkvėptus kognityvinių mokslų tyrimų, kuriems gali prireikti daug mažiau duomenų (Marcusas davė MIT technologijų apžvalga išskirtinė prieiga prie savo įmonės praėjusiais metais; žr. Ar šis žmogus gali dirbtinį intelektą padaryti žmogiškesnį?).
Marcusas sako, kad jo komanda ir toliau sutelks dėmesį į iššūkius, kurių esamos sistemos negali išspręsti. Mus ypač domina kraštiniai atvejai – kas atsitiks, jei apšvietimas skiriasi arba tai transporto priemonė, kurios dar nematėte, sako jis. Mes daug dirbsime su šiomis problemomis.
Marcusas neatskleidė daug detalių apie tai, ką sukūrė „Geometric Intelligence“, ir bendrovė nepaskelbė jokio savo darbo. Tačiau, be kita ko, jo komanda dirbo su gilaus mokymosi forma, kuriai reikia mažiau duomenų (žr. Algoritmai, kurie mokosi naudojant mažiau duomenų, gali išplėsti AI galią). Jis sako, kad tokie metodai gali būti naudingi tiek dabartiniam Uber verslui, tiek ilgalaikiams tyrimų tikslams. Visada bus atvejų, kai neturite pakankamai duomenų. Galbūt turite pakankamai informacijos, kad galėtumėte nuspėti, kas atsitiks devintą ryto, bet kas vyksta 2 val. ryto, o duomenų yra mažiau? Marcus sako. Ir [automatizuoto vairavimo atveju] nėra tiek daug duomenų, kai patenkate į kraštutinius atvejus.
Marcusas taip pat domisi naujesnėmis DI sritimis, tokiomis kaip gilusis mokymasis (mašininio mokymosi forma, kuri pastaraisiais metais pasirodė labai galinga), derinti su senesnėmis AI tradicijomis, įskaitant metodus, kuriuose mašinoms suteikiamos aiškios taisyklės. Jis sako, kad tai gali būti svarbu savarankiškai vairuojančiam automobiliui, todėl jį galima išmokyti apie vietines kelių eismo taisykles.
Be to, jo komanda sieks sukurti mašininio mokymosi sistemas, kurios galėtų paaiškinti jų sprendimus ar veiksmus, priduria Marcusas. Tai tapo svarbia tyrimų sritimi, kuri gali būti labai svarbi kuriant pasitikėjimą savarankiškai važiuojančiais automobiliais. Mus labai domina skaidrumas ir aiškinamumas – kaip sukurti sistemą, kurioje suprastumėte, kodėl ji padarė tai, ką padarė? jis sako.
Akivaizdu, kad yra esminių techninių problemų, susijusių su daugeliu problemų, su kuriomis susiduria Uber, sakoma Karlas Iagnemma , buvęs MIT mokslininkas ir įmonės, pavadintos, įkūrėjas bei generalinis direktorius nuTonomija , kuri išbando savarankiškai vairuojančius taksi Singapūre ir JAV. Šių problemų nustatymas ir sprendimas suteiktų Uber didelį konkurencinį pranašumą, palyginti su likusia sfera.
Tačiau toli gražu neaišku, ar fundamentiniai tyrimai atsipirks, sako Iagnemma. Tai labai ginklavimosi varžybos, priduria jis. Jei tai daro jūsų konkurentai, net jei nesate tikri, ar fundamentalūs tyrimai turės didelį poveikį jūsų produktui, negalite sau leisti nekonkuruoti.