211service.com
Hvordan Google planlegger å løse kunstig intelligens
Polstrede vegger, dyster belysning og tak med blomstertapet. Det ser ikke ut som et sted å gjøre banebrytende oppdagelser som endrer samfunnets bane. Men i disse simulerte, klaustrofobiske korridorene tror Demis Hassabis at han kan legge grunnlaget for programvare som er smart nok til å løse menneskehetens største problemer.
Målet vårt er veldig stort, sier Hassabis, som kan skjule frekkheten til ideene hans. Han leder et team på rundt 200 informatikere og nevrovitenskapsmenn ved Googles DeepMind, den London-baserte gruppen bak AlphaGo-programvaren som beseiret en verdensmester på Go i en serie med fem spill tidligere denne måneden, og satte en milepæl innen databehandling.
Det er ment å bare være et tidlig sjekkpunkt i en innsats Hassabis beskriver som Apollo-programmet for kunstig intelligens, rettet mot å løse intelligens, og deretter bruke det til å løse alt annet. Det som passer for smart programvare i dag er spesialisert til en bestemt oppgave - for eksempel gjenkjenne ansikter. Hassabis ønsker å skape det han kaller generell kunstig intelligens – noe som, som et menneske, kan lære seg å ta på seg omtrent hvilken som helst oppgave. Han ser for seg at det kan gjøre ting så forskjellige som å fremme medisin ved å formulere og teste vitenskapelige teorier, og gå rundt i smidige robotkropper.
Å gjøre det vil kreve at DeepMinds programvare kan utforske utover Gos ordnede verden av svarte og hvite steiner. Den må ta tak i den rotete virkelige verdenen – eller til å begynne med en dyster, pikselert tilnærming av den. DeepMinds simulerte verden kalles Labyrinth, og selskapet bruker den til å konfrontere programvaren sin med stadig mer komplekse oppgaver, som å navigere i labyrinter. Det burde presse DeepMinds forskere til å lære å bygge enda smartere programvare, og presse programvaren til å lære å takle vanskeligere beslutninger og problemer. De gjør dette ved å bruke teknikkene vist i AlphaGo og tidligere DeepMind-programvare som lærte å spille 1980-årgang Atari-spill som Space Invaders bedre enn et menneske kunne. Men for å lykkes, må Hassabis også finne opp veien rundt noen langvarige utfordringer innen kunstig intelligens.
Selv forbedring
Hassabis, 39, har jobbet med spørsmålet om hvordan man kan skape intelligens i store deler av livet. Et sjakkvidunder som fullførte videregående tidlig for å etablere en vellykket karriere i videospillindustrien, han fikk senere en doktorgrad i nevrovitenskap og publiserte høyprofilert forskning på hukommelse og fantasi.
Hassabis grunnla DeepMind i 2010 for å overføre noe av det han lærte om biologisk intelligens til maskiner. Selskapet avslørte programvare som lærte å mestre Atari-spill i desember 2013, og tidlig i 2014 ble det kjøpt av Google for et beløp som ble rapportert til 400 millioner pund, mer enn 600 millioner dollar på den tiden (se Googles Intelligence Designer ). DeepMind ekspanderte raskt, ansatte flere titalls forskere og publiserte mange artikler på ledende maskinlærings- og kunstig intelligens-konferanser. I januar avslørte den eksistensen av AlphaGo, og at den hadde beseiret Europas beste Go-spiller i oktober 2015. AlphaGo slo en 18 ganger verdensmester, Lee Sedol, tidligere denne måneden (se Five Lessons from AlphaGo’s Historic Victory ).
Demis Hassabis leder en gruppe i Google som har som mål å 'løse etterretning'.
Atari-spill og Go er veldig forskjellige, men DeepMind taklet dem begge med samme tilnærming, løst inspirert av måten dyr kan læres nye triks ved å bruke belønninger og straff fra en trener. I forsterkningslæring, som det kalles, er programvare programmert til å utforske et nytt miljø og justere oppførselen for å øke en slags virtuell belønning.
DeepMinds Atari-programvare, for eksempel, ble programmert kun med muligheten til å kontrollere og se spillskjermen, og en trang til å øke poengsummen. For dusinvis av titler er noen timer med trening nok for programvaren til å trekke seg opp etter sine egne bootstraps og slå en menneskelig ekspert.
AlphaGo kombinerer forsterkende læring med andre komponenter, for eksempel et system som lærte å evaluere mulige trekk ved å analysere titalls millioner brettposisjoner fra spill av ekspert Go-spillere, og en søkemekanisme som velger de mest lovende trekkene. Men det var forsterkende læring som gjorde at AlphaGo kunne piske seg selv inn i verdensmestere som slo form ved å spille mot seg selv millioner av ganger.
Hassabis mener tilnærmingen for forsterkende læring er nøkkelen til å få maskinlæringsprogramvare til å gjøre mye mer komplekse ting enn triksene den utfører for oss i dag, som å transkribere ordene våre eller forstå innholdet i bilder. Vi tror ikke bare å observere er nok for intelligens, man må også handle, sier han. Til syvende og sist er det den eneste måten du virkelig kan forstå verden på.
DeepMinds 3D-miljø Labyrinth, bygget på en åpen kildekode-klon av førstepersonsskytespillet Quake , er designet for å gi de neste trinnene for å bevise den ideen. Selskapet har allerede brukt det til å utfordre agenter med et spill der de må utforske tilfeldig genererte labyrinter i 60 sekunder, vinne poeng for å samle epler eller finne en utgang (som fører til en annen tilfeldig generert labyrint). Fremtidige utfordringer kan kreve mer kompleks planlegging – for eksempel å lære at nøkler kan brukes til å åpne dører. Selskapet vil også teste programvare på andre måter, og vurderer å ta på seg videospillet Starcraft og til og med poker. Men å stille hardere og vanskeligere utfordringer inne i Labyrinth vil være en viktig tråd for forskning en stund, sier Hassabis. Det skal bli bra de neste par årene, sier han.
Andre selskaper og forskere som jobber med kunstig intelligens vil følge nøye med. Suksessen til DeepMinds forsterkende læring har overrasket mange maskinlæringsforskere. Teknikken ble etablert på 1980-tallet, og har ikke vist seg å være så allment nyttig eller veldig kraftig som andre måter å trene programvare på, sier Peter søndager , en professor som jobber med maskinlæring ved University of Washington. DeepMind styrket den ærverdige teknikken ved å kombinere den med en metode kalt dyp læring, som nylig har gitt store fremskritt i hvor godt datamaskiner kan dekode informasjon som bilder og utløste en nylig boom i maskinlæringsteknologi (se 10 Breakthrough Technologies 2013: Deep Learning ).
Det DeepMind har gjort er imponerende, sier Domingos. Men han sier også at det er for tidlig å si om det Hassabis mener er en rakettmotor som kan fly langt utover dagens resultater, faktisk ikke er et bakgårdsfyrverkeri – den siste rekken av imponerende resultater varer kanskje ikke. Demis sin optimisme om forsterkende læring er ikke rettferdiggjort av dens merittliste så langt, sier Domingos. Fremgangen er ikke lineær innen maskinlæring og kunstig intelligens; vi har sprut av fremgang og deretter lange perioder med langsom fremgang.
Hassabis erkjenner at mange mennesker i hans felt tviler på potensialet til forsterkningslæring, men sier at de vil bli vunnet over. Jo lenger vi kommer med dette, jo mer føler vi at oppgaven vår er riktig, og jeg tror vi endrer hele feltet, sier han. Etter vårt syn kommer forsterkende læring til å bli like stor som dyp læring de neste to eller tre årene.
Sikkerhet først
DeepMinds resultater så langt kan rettferdiggjøre Hassabis påstand om at forsterkende læring snart vil finne mange nyttige anvendelser. AlphaGos seier overrasket profesjonelle Go-spillere og informatikere fordi spillet er for komplekst til å kunne håndteres av programvare som først og fremst er avhengig av å beregne mulige utfall av forskjellige trekk, metoden som IBMs DeepBlue brukte for å beseire verdensmesteren i sjakk Garry Kasparov i 1997. I gjennomsnitt en sjakkspiller har 35 mulige trekk hver tur; i Go er det 250. Det er flere mulige Go-posisjoner enn det er atomer i universet. Sjakk er et regnespill, sier Hassabis. Go er for komplekst, så spillerne bruker intuisjonen sin. Det er helt annerledes i klassen. Du kan tenke på AlphaGo som overmenneskelig intuisjon i stedet for overmenneskelig beregning.
World Go-mester Lee Sedol anmelder et spill under hans 4-1-serie-nederlag mot DeepMinds AlphaGo-programvare.
Enten du er enig i at AlphaGo viser intuisjon eller ikke, kan det helt klart være nyttig å gjøre det mulig for programvare å mestre mer komplekse oppgaver. DeepMind er jobber med Storbritannias nasjonale helsetjeneste på et prosjekt som tar sikte på å trene programvare for å hjelpe medisinsk personell til å oppdage tegn på nyreproblemer som ofte blir oversett og forårsaker et stort antall unngåelige dødsfall. Gruppen jobber også med forretningsavdelinger av Google, der, sier Hassabis, teknologien hans kan dukke opp i virtuelle assistenter eller forbedre anbefalingssystemer, som er avgjørende for produkter som YouTube (lignende systemer driver også noen av Googles annonseringsprodukter).
Ser vi lengre fremover, vil DeepMind trenge mange gjennombrudd for å fortsette å bevege seg mot Hassabis sitt mål om å løse intelligens, selv i løpet av de neste par årene med eksperimentering inne i Labyrinth. En av de mest kritiske manglende brikkene er et triks kalt chunking som menneske- og dyrehjerner bruker for å håndtere verdens kompleksitet. Hassabis forklarer det ved å bruke eksemplet med å måtte dra til flyplassen. Du kan tenke deg hvordan du kommer dit og gjennomføre den planen uten å måtte vurdere nøyaktig hvor du skal plassere føttene når du går til døren, hvordan du skal snu håndtaket eller kontrollere hver rykk i muskelfibrene dine. Vi kan planlegge og iverksette tiltak ved å jobbe med konsepter på høyt nivå som skjuler mange detaljer, og tilpasse oss nye situasjoner ved å rekombinere bitene, eller konseptene vi allerede kjenner. Det er sannsynligvis et av de mest kjerneproblemene som er igjen i AI, sier Hassabis.
Det er et problem som jobbes med av mange forskningsgrupper, inkludert andre i Google. Men en uvanlig måte DeepMind håper å løse det på er ved å studere ekte hjerner. Selskapet har et team av nevrovitenskapsmenn ledet av en fremtredende forsker, Matthew Botvinick, som inntil sent i fjor var Princeton-professor. I motsetning til det meste av nevrovitenskapelig forskning, er eksperimentene like mye rettet mot å informere om hvordan DeepMind designer programvare som å avsløre hvordan hjernen fungerer.
Et nylig eksperiment testet en teori fra Hassabis om måten menneskelige hjerner organiserer konsepter, ved å bruke en standardprosedyre som skaper falske minner . Det innebærer å presentere testpersoner med en liste over relaterte ord, for eksempel kulde, snø og is. Folk husker ofte feilaktig å ha hørt andre relaterte ord også, for eksempel vinter.
DeepMind-ansatte under kampen med Sedol i Seoul tidligere denne måneden.
Med maskinlæringshatten på tenkte jeg at det måtte være en stor pekepinn på hvordan den slags konseptuell informasjon er organisert i hjernen, sier Hassabis. DeepMind-teamet utarbeidet en teori om hvordan hjernens fremre tinninglapp fungerer med konsepter, og bekreftet spådommene ved å se hjernen til mennesker som utfører minneoppgaven inne i en skanner. Resultatene kan bidra til å endre hvordan DeepMind designer sine kunstige nevrale nettverk for å representere informasjon.
Andre ting på DeepMinds å oppdage-liste inkluderer en måte å kombinere forskning den har gjort på programvare for å forstå betydningen av tekst med arbeidet med agenter som streifer rundt i Labyrinth – en mulighet er å begynne å sette opp skilt inne i det virtuelle rommet. Hassabis sier at han også planlegger en ambisiøs måte å teste agenter på når de er klare for en mer realistisk verden enn Labyrinth. På et tidspunkt ønsker han å se DeepMind-programvare ta kontroll over roboter, som han sier holdes tilbake av programvarens manglende evne til å forstå verden. Det er fantastiske roboter rundt som ikke kan brukes til fulle muligheter fordi algoritmene ikke er der, sier han.
Suksess kan reise noen tøffe filosofiske og etiske spørsmål om hva det vil si å være menneske og akseptable brukstilfeller av kunstig intelligens. Hassabis sier han oppfordrer til diskusjon om mulige risikoer ved teknologien. (Selv om han også med tilfredshet konstaterer at fysiker Stephen Hawking har sluttet å advare om at kunstig intelligens kan utslette mennesker siden møtet med Hassabis; Tesla-grunnlegger Elon Musk, som har sammenlignet forskning på kunstig intelligens med å tilkalle demonen, har også mottatt en anti-peptalk .) DeepMind har et internt etikkstyre bestående av filosofer, advokater og forretningsfolk. Hassabis sier at navnene deres sannsynligvis vil bli avslørt i løpet av kort tid, og at han også jobber med å sammenkalle et lignende, eksternt styre som deles på tvers av flere databedrifter.
DeepMinds ingeniører trenger ennå ikke etikkråd når de planlegger nye eksperimenter, sier Hassabis. Vi er ikke i nærheten av noe vi ville vært bekymret for, sier han. Det handler mer om å få fart på alle. Hvis alt går som Hassabis håper, vil hans etiske styre til slutt ha et skikkelig arbeid å gjøre.