優步和穀歌的研究人員正在對兩種最流行的深度學習框架進行修改, 這些框架將使他們能夠處理概率問題。 這將為最聰明的人工智慧程式提供一種方法, 來衡量他們對預測或決策的信心, 知道他們何時應該懷疑自己。
在過去的幾年裡, 深度學習已經取得了巨大的成功, 使機器能夠幾乎完美地識別圖像中的物體或轉錄語言。 深度學習包括向一個強大的神經網路提供實例資料。 但是它需要大量的訓練資料和計算能力, 而且它可能會非常脆弱。
有些與直覺相反, 這種自我懷疑提供了一個解決方法。 在涉及自動駕駛汽車和其他自動機器人的關鍵場景中, 這種新方法可能很有用。
在穀歌工作的Dustin Tran說:“你會喜歡一個系統, 它能讓你知道它是如何確定的。 ”“如果一輛自動駕駛汽車不知道它的不確定性, 它就會犯致命錯誤, 這將是災難性的。
這項工作反映了人們認識到不確定性是人類推理和智力的一個關鍵方面。 劍橋大學(University of Cambridge)教授、優步(Uber)首席科學家Zoubin Ghahramani說, 將其添加到人工智慧程式可以讓他們更聰明, 更不容易出錯。
隨著人工智慧系統在越來越多的關鍵場景中被使用, 這可能會被證明是至關重要的。
在同一場人工智慧會議上, 一組研究人員在一個下午聚集在附近的一家酒吧, 討論優步(Uber)發佈的一種新的程式設計語言——Pyro, 該語言將深度學習與概率程式設計結合在一起。
在長海灘上舉行的聚會是由斯坦福大學教授諾亞·古德曼組織的, 他也隸屬于優步的人工智慧實驗室, 他的頭髮捲曲、蓬亂, 襯衫上沒有紐扣, 很容易被誤認為是瑜伽老師, 而不是人工智慧專家。 在與會者中有Tran, 他也為Pyro的發展做出了貢獻。
古德曼解釋說, 深度學習處理概率的能力可以使它在很多方面變得更聰明。 舉例來說, 它可以説明一個程式從幾個例子而不是成千上萬個例子中得到一個合理程度的肯定。 提供一種確定的方法, 而不是一種“是”或“不”的回答, 也應該有助於構建複雜的系統。
雖然傳統的深度學習系統只能從它所提供的資料中學習,
古德曼說:“如果你事先知道你想要建立模型, 概率程式設計特別有用。 ”“人們會用Pyro做各種各樣的事情。 ”
愛德華是另一種包含不確定性的程式設計語言, 這一語言是哥倫比亞大學開發的,由DARPA資助。Pyro和Edward都還處於開發的早期階段,但不難看出為什麼Uber和穀歌會感興趣。
優步在無數領域使用機器學習,從路由驅動到設定高峰期定價,當然還有自動駕駛汽車。該公司已經在人工智慧領域投入了大量資金,聘請了一些研究新想法的專家。穀歌已經在人工智慧和深度學習的基礎上重建了它的整個業務。
哥倫比亞大學(Columbia University)的統計學和電腦科學教授大衛•布萊(David Blei)表示,將深度學習和概率程式設計結合起來是一個很有前途的想法,需要更多的工作。“原則上,它非常強大,”他說。“但有很多很多技術上的挑戰。”
然而,正如古德曼指出的,Pyro和Edward對於在人工智慧領域將兩所相互競爭的學校整合在一起也很重要,其中一所專注於神經網路,另一所專注於概率。
近年來,神經網路學校一直佔據主導地位,其他的想法都被拋在腦後。為了前進,這個領域可能需要接受這些其他的想法。
古德曼說:“有趣的是,你不必把這些夏令營看作是獨立的。”“他們可以團結在一起——事實上,他們在一起——我們現在正在建設的工具。”
你甚至可以說,他們正在變得更聰明,一部分是通過學習他們不知道的東西。
這一語言是哥倫比亞大學開發的,由DARPA資助。Pyro和Edward都還處於開發的早期階段,但不難看出為什麼Uber和穀歌會感興趣。優步在無數領域使用機器學習,從路由驅動到設定高峰期定價,當然還有自動駕駛汽車。該公司已經在人工智慧領域投入了大量資金,聘請了一些研究新想法的專家。穀歌已經在人工智慧和深度學習的基礎上重建了它的整個業務。
哥倫比亞大學(Columbia University)的統計學和電腦科學教授大衛•布萊(David Blei)表示,將深度學習和概率程式設計結合起來是一個很有前途的想法,需要更多的工作。“原則上,它非常強大,”他說。“但有很多很多技術上的挑戰。”
然而,正如古德曼指出的,Pyro和Edward對於在人工智慧領域將兩所相互競爭的學校整合在一起也很重要,其中一所專注於神經網路,另一所專注於概率。
近年來,神經網路學校一直佔據主導地位,其他的想法都被拋在腦後。為了前進,這個領域可能需要接受這些其他的想法。
古德曼說:“有趣的是,你不必把這些夏令營看作是獨立的。”“他們可以團結在一起——事實上,他們在一起——我們現在正在建設的工具。”
你甚至可以說,他們正在變得更聰明,一部分是通過學習他們不知道的東西。