211service.com
Ubers elendighet viser vanskeligheten med å kommersialisere AI
Ubers innsats for å ligge et skritt foran konkurrentene ved å investere tungt i robotikk og AI-forskning viser tegn på problemer.
De siste månedene har Uber mistet flere seniormedlemmer i Advanced Technologies Group, et selvkjørende bilprosjekt med hovedkontor i Pittsburgh. Og sjefen for det nye AI-laboratoriet, Gary Marcus, trakk seg også fra rollen etter bare noen få måneder i ledelsen. Disse er en del av et større bilde som fremhever utfordringene knyttet til kommersialisering av teknologi som fortsatt er ekstremt kompleks og banebrytende.
Uber opprettet sitt AI-laboratorium i desember etter å ha kjøpt opp Geometric Intelligence, en oppstart ledet av Marcus, en kognitiv vitenskapsmann fra New York University. Marcus, som fortsatt er rådgiver for AI til Uber, vil diskutere utfordringene som gjenstår innen kunstig intelligens i dag på EmTech Digital, en konferanse arrangert av MIT Technology Review.
Det nyeste tilbakeslaget fra Uber kom i forrige uke, da det ble tvunget til å stoppe testingen av sine selvkjørende kjøretøy i Arizona etter at en bil ble involvert i en ulykke med et annet kjøretøy. Det er foreløpig ingen indikasjoner på at den selvkjørende bilen var skyld i.
Som Marcus vil forklare, er det fortsatt en formidabel utfordring å gjøre datamaskiner like smarte som mennesker i kritiske situasjoner som kjøring. Selvkjørende biler kan ennå ikke reagere på eventuelle hendelser de kan møte på veien, og de krever enorme mengder data for å lære.
Uber har hastet med å utvikle automatiserte kjøretøy i frykt for at teknologien lett kan forstyrre taxinæringen. Selskapet kom raskt opp i fart, og har selvkjørende biler på veiene i flere byer. Men som MIT Technology Review oppdaget at disse systemene ennå ikke fungerer perfekt, selv i vanlige kjøresituasjoner.
Det er også betydelige tekniske utfordringer. For eksempel er det ikke klart hvordan man får selvkjørende biler til å takle degraderte sensorer, eller hvordan aktive systemer som lidar, en type lasersystem, kan forstyrre hverandre hvis mange selvkjørende biler var på veiene ( se hva du trenger å vite før du setter deg i en selvkjørende bil).
Marcus har vært en frittalende kritiker av det han ser på som en overavhengighet av nevrale nettverksbaserte maskinlæringsmetoder innen kunstig intelligens. Han grunnla Geometric Intelligence, i 2014, for å utforske alternative tilnærminger (se Can This Man Make AI More Human? ).
Blant annet søkte Geometric Intelligence å finne mer effektive måter for maskiner å lære på. Mens et menneske kan lære å gjenkjenne et nytt trafikkskilt veldig raskt, krever en datamaskin mange tusen eksempler som bruker dagens beste maskinlæringsmetoder.
Andre selskaper som jobber med automatisert kjøring har også funnet fremgang tregere enn de kanskje hadde håpet. Google har spunnet ut et selskap, kalt Waymo, fra sitt selvkjørende bilprosjekt, men teknologien er ennå ikke kommersielt tilgjengelig.