211service.com
Uber lanserer et AI Lab
Uber oppretter et nytt AI-forskningslaboratorium dedikert til å utforske grensene for maskinlæring og bruke viktige fremskritt i virksomheten.
Laboratoriet vil ha base i Silicon Valley og ledes av Gary Marcus , professor ved NYU og administrerende direktør i Geometrisk intelligens , et selskap Uber kjøper for en ikke avslørt sum. Uber AI-laboratoriet vil også ansette en annen stor AI-forsker, Zoubin Ghahramani , som vil beholde en deltidsstilling som professor ved University of Cambridge i Storbritannia. Selskapets andre medstiftere er Ken Stanley , en førsteamanuensis ved University of Central Florida, og Doug Bemis , en nyutdannet NYU med en doktorgrad i nevrolingvistikk.
Det nye laboratoriet vil ha 15 grunnleggende medlemmer, og det vil utforske en rekke grunnleggende utfordringer, inkludert utvikling av former for maskinlæring som trenger mindre data; opplæring av AI-systemer ved å bruke ikke bare data, men også eksplisitte regler; og designe maskinlæringssystemer som forklarer deres beslutninger. Fremskritt på disse områdene kan være avgjørende for selvkjørende biler, men kan også bidra til å forbedre Ubers eksisterende virksomhet ved for eksempel å hjelpe rute biler eller matche kunder i en Uber-pool mer effektivt.
Travis Kalanick, Ubers administrerende direktør, vil kunngjøre den nye divisjonen, kalt Uber AI Labs, i et blogginnlegg i dag. Beslutningen ble drevet av den økende betydningen AI har for Uber som virksomhet. Men det ser også ut til å reflektere en erkjennelse av at til tross for imponerende fremgang de siste årene, vil utvikling av pålitelige førerløse biler kreve ytterligere grunnleggende fremskritt (se Hva du bør vite før du setter deg i en selvkjørende bil).
Det kommer til å ta lang tid før selvkjørende biler kan håndtere alle mulige scenarier i verden, sier Jeff Holden, produktsjef i Uber. Holden peker på fremtidige fremskritt innen maskinlæring som vil tillate oss å gjøre radikalt forskjellige ting. Han legger til: Spørsmålet er hvilken rolle vi skal spille i det?
Holden sier han lærte om Marcus og geometrisk intelligens på MIT Technology Review sitt AI-fokuserte arrangement, EmTech Digital , som ble holdt i San Francisco i mai.
Uber har vokst med en fantastisk hastighet siden grunnleggelsen i 2009, takket være en smarttelefon-app som fullstendig har veltet den konvensjonelle taxiindustrien i USA og andre steder. Nylig har selskapet investert tungt i forskning på områder som førerløse biler, i håp om å opprettholde rask vekst, for å unngå å bli forstyrret selv, og for å opprettholde et gunstig image blant finansfolk etter hvert som tapene øker. Det har først og fremst fokusert på å utvikle maskinvaren og programvaren som kreves for autonom kjøring, selv om Uber også har fremmet andre forskningsinnsats, inkludert flygende kjøretøy og dronebasert reklame (se Ubers Ad-Toting Drones Are Heckling Drivers Stuck in Traffic ).
Marcus er en fremtredende skikkelse i verden av kunstig intelligens som noen ganger har skapt kontrovers ved å kritisere feltets fokus på datatunge tilnærminger som er avhengige av nevrale nettverk eller dyp læring. Han grunnla Geometric Intelligence for å forfølge andre veier, inkludert tilnærminger inspirert av kognitiv vitenskapelig forskning, som kan være mye mindre datahungrig (Marcus ga MIT Technology Review eksklusiv tilgang til selskapet hans i fjor; se Kan denne mannen gjøre AI mer menneskelig?).
Marcus sier at teamet hans vil fortsette å fokusere på utfordringer som eksisterende systemer ikke kan løse. Vi er spesielt interessert i kantsakene - i hva som skjer hvis belysningen er annerledes, eller det er et kjøretøy du ikke har sett før, sier han. Vi kommer til å jobbe mye med disse problemene.
Marcus har ikke avslørt mange detaljer om hva Geometric Intelligence har utviklet, og selskapet har ikke publisert noe av arbeidet sitt. Men blant annet har teamet hans jobbet med en form for dyp læring som krever mindre data (se Algoritmer som lærer med mindre data kan utvide AIs kraft). Han sier at slike tilnærminger kan vise seg å være nyttige både for Ubers nåværende virksomhet og dets langsiktige forskningsmål. Det vil alltid være tilfeller der du ikke har nok data. Du har kanskje nok informasjon til å forutsi hva som skjer klokken ni om morgenen, men hva skjer klokken 02.00 og det er mindre data? sier Marcus. Og [i automatisert kjøring] er det ikke så mye data når du kommer inn i kantene.
Marcus er også interessert i å kombinere nyere områder innen AI, som dyp læring (en form for maskinlæring som har vist seg å være svært kraftig de siste årene), med eldre AI-tradisjoner, inkludert tilnærminger som innebærer å gi maskiner eksplisitte regler. Han sier dette kan være viktig for en selvkjørende bil, noe som gjør det mulig å lære den om lokale kjøreregler.
I tillegg vil teamet hans ha som mål å utvikle maskinlæringssystemer som er i stand til å forklare deres beslutninger eller handlinger, legger Marcus til. Dette har blitt et viktig forskningsområde, og et som kan være avgjørende for å bygge tillit til selvkjørende biler. Vi er veldig interessert i åpenhet og tolkning – hvordan får du et system der du forstår hvorfor det gjorde som det gjorde? han sier.
Det er klart at det er grunnleggende tekniske problemer som går på tvers av mange av problemene Uber står overfor, sier Karl Iagnemma , en tidligere forsker ved MIT og grunnlegger og administrerende direktør for et selskap som heter nuTonomi , som tester selvkjørende drosjer i Singapore og USA. Å identifisere og løse disse problemene vil gi Uber et betydelig konkurransefortrinn sammenlignet med resten av feltet.
Men det er langt fra sikkert at grunnforskning vil lønne seg, sier Iagnemma. Det er i høy grad et våpenkappløp, legger han til. Hvis konkurrentene dine gjør det, selv om du er usikker på sannsynligheten for at grunnleggende forskning vil føre til betydelig innvirkning på produktet ditt, har du ikke råd til å la være å konkurrere.