一波人工智能专家离开了谷歌,DeepMind和Meta-竞赛还在继续建设新一代更有用的数字助手

财富杂志 · 商业 · 07月06日
内容显示:
  • 英文
  • 中文
  • 中英对照

Alexa ,数字助理的未来是什么?我不知道Alexa会如何回答这个问题。但看看最近离开大型科技公司,创建资金充足的初创公司,致力于打造新一代数字助理的人数,数字工作伙伴的黄金时代可能即将到来。

在这一批新的数字初创企业中,熟练的人工智能实验室是其中之一。该公司今年早些时候摆脱了"隐形模式" ,获得了6500万美元的初始风险投资,它的创始团队脱颖而出。他们包括一群来自谷歌大脑的研究人员,他们在2017年发明了被称为"变形金刚"的人工智能架构。这种算法设计在过去五年中支持了大量的人工智能进步,特别是在自然语言处理方面。现在,创建变形金刚的团队认为,同样的基本概念可以用来创建更有能力的通用助理,他们将能够与人一起工作,帮助执行广泛的业务任务。

Adept的联合创始人兼首席科学家Ashish Vaswani说: "我们发现的问题是如何让机器与人类合作,并为他们实际构建东西。 " Vaswani是介绍该转换器的论文的主要作者。他说, Adept构建的不仅仅是一个更好的聊天机器人。 "我们想知道如何让机器为人们执行操作,而不仅仅是与他们进行对话。 "

Vaswani说, Adept正在构建的软件将通过人类反馈来学习,而不仅仅是从文本中吸取大量现有数据,这是当今大多数大型语言人工智能系统的培训方式。 Adept的联合创始人兼首席执行官大卫 Laun说,语言理解是Adept的软件必须具备的关键能力,因为语言是人类提供反馈的主要方式。但系统不会仅仅停留在语言上。 Laun说: "你可以把它视为通用的队友。如果你的团队中有其他人,你会无耻地要求他们做什么?这就是我们希望该软件做的事情。 "

Adept的第一步是创建能够遵循自然语言指令使用其他软件执行任务的软件。在Adept在线发布的一个演示中,它的软件使用一个基本的SQL数据库来执行各种任务。用户类型"你能为每个国家获取名称和人口吗? "软件继续从数据库中提取数据,并将其组装到一个简单的表中。然后用户要求软件"绘制一个条形图" ,软件就这样做了。但这个图很难阅读,因为它包含了太多的国家。因此,用户要求它只"向6个人口最多的国家展示" ,软件就会以更容易阅读的方式返回。这一次,尽管这6个国家的标签是重叠的,但仍然不好。因此,用户类型"很好。但是x轴仍然有点难阅读,你能修复吗? "值得注意的是,软件通过在Angle上写标签来实现,尽管这些数据来自美国的

这就是劳恩所说的教软件"爬上抽象的阶梯" 。 Vaswani说,他最终希望软件能够接受一个抽象而复杂的指令,比如, "告诉我的客户是如何搅动的? "并让软件分析数据并生成报告,而无需接受额外的指令。

Vaswani和他的团队为什么不留在谷歌,为这家科技巨头打造这位普通助理呢?好吧,谷歌团队的另一位成员尼基·帕尔马(Nikki Parmar)说,在谷歌,人工智能研究是为了增强现有产品,而不是创建全新的产品类别。她说: "这让我们对Adept感到兴奋。在这里,我们可以把研究和产品放在一起。 "她说, Adept计划在几个月内与客户一起推出一个最小可行的产品。 "我们是一个非常符合任务的小型团队,我们可以快速行动, "她说。

除了Adept之外,还有CoHere AI等初创公司,该公司也是由谷歌大脑(Google Brain)的资深人士创办的,包括与Vaswani一起合作开发Transformer的研究人员,以及Meta人工智能研究部门和DeepMind的校友。还有Transformation ,该公司由前DeepMind联合创始人穆斯塔法·苏莱曼(Mustafa Suleyman)和LinkedIn联合创始人瑞德 ·霍夫曼(Hoffman)共同创办。所有这些公司都在寻求创建人工智能,以帮助人类完成各种各样的任务。

有趣的是,这些新的数字助理将有多大的能力,将获得多大的吸引力和用途,以及谷歌(Google)和微软(微软)等大型科技公司将如何应对可能对其部分业务构成的巨大威胁。

有了这一点,本周剩下的新闻就在《人工智能》上了。

杰里米 ·卡恩@ Jeremyakahn

jeremy . kahn @ fortune . com

新闻中的A . I

研究人员声称人工智能模型可以准确预测犯罪。芝加哥大学的一个小组表示,这是通过创建某些城市的"数字双胞胎" ,然后培训人工智能来预测某些类型的犯罪将发生在哪里来实现的。在2014年至2016年对来自芝加哥的数据模型进行了培训后,人工智能系统在预测培训期间后几周内犯罪将发生在哪里方面有90%的准确性。研究人员说,该系统在其他七个城市也取得了类似的结果。没有参与该项目的科学家表示,他们担心这种系统可能会使警察中的种族偏见持续下去,特别是当系统所培训的数据包括公民报告的犯罪以及警方已经主动寻找的犯罪时。芝加哥团队说,虽然他们有一些同样的担忧,但他们的人工智能系统也可以用来识别警察中的种族偏见。新科学家在这里提供了更多的信息。

日本使用人工智能来识别离岸流。据《卫报》报道,东京南部神奈川县的官员正在使用人工智能来识别导致60%溺水死亡的离岸流,并向沐浴者和救生员发出警告。该系统使用杆式摄像头在流行的冲浪海滩拍摄海浪的视频,然后使用人工智能来识别离岸流和附近游泳的任何人,通过智能手机应用程序向救生员发送警报。

CNN发现,年龄预测人工智能软件可能不准确。美国新闻网(U . S . News Network)的记者测试了总部位于伦敦的初创公司Yoti的人工智能年龄预测软件, Meta的Instagram社交媒体平台计划使用该软件来验证用户的年龄,并发现结果各不相同。 CNN称,对于"几名记者"来说, Yoti软件提供的估计年龄范围是准确的,但对其他人来说,这个范围是"多年后" 。在一个案例中,它估计一名30岁以上的编辑年龄在17岁至21岁之间。该网络与之交谈的专家对人工智能的良好、道德使用还是一个有问题的技术也有不同看法,因为它有助于面部识别的使用正常化,可能不像部署它的公司所设想的那样准确。

推动说服欧盟禁止人工智能测谎仪的活动人士。该唿吁是在2019年在希腊、匈牙利和马其顿边境进行有争议的试点测试后发出的,该测试使用了一家名为Silent Talker的英国公司的人工智能,该公司声称能够识别欺诈。不过,这些测试表明,该技术并不像预期的那样有效,制造该软件的公司已经解散。但是,据连线报道,律师、活动人士和一些欧盟议员唿吁,作为欧盟拟议的人工智能法案的一部分,明确禁止使用这种测谎仪软件。

关于人工智能的研究

在机器学习中,隐私、安全和性能之间的权衡仍然没有得到解决。这是荷兰代尔夫特技术大学(Delft University of Technology)的一个团队最近发表的一篇研究论文的结论,该论文研究了保护隐私的机器学习的各种方法,在这些方法中,一些信息被共享以训练人工智能系统,但实际的底层数据仍然是私有的。研究人员发现,大多数联邦学习(其中只共享神经网络模型中使用的权重)仍然有可能泄漏一些数据。这意味着有人可能会反向设计底层数据。但他们还发现,使用一种称为同态加密的加密技术来进一步保护数据的方法,导致训练人工智能所需的时间大幅放缓。 "我们的结果支持这样一个事实,即随着我们的加密系统变得更强,性能损失会更高,使得平衡安全和性能的决定对开发人员来说是一个困难但至关重要的问题, "研究人员写道。

A . I论坛

一级方程式赛车的麦克拉伦车队是如何利用人工智能来为性能加油的

特斯拉解雇了大约200名自动驾驶工人,并关闭了加州的一个办公室,因为马斯克的员工裁减了爱德华·路德洛、 德纳 ·赫尔和布隆伯格的员工

狗的鼻子知道什么?人工智能可能很快就会告诉我们杰里米卡恩

评论: Quantum黑客是下一个重大网络安全威胁。以下是公司应该如何为Francois Candelon 、 Maxime Courtaux 、 Vinit Patel和Jean - Francois Bobier的" Y2Q "做好准备。

巴林食品

人工智能学会了以比人类设计的系统更公平的方式重新分配财富。这是DeepMind进行的研究的结果,该研究本周发表在科学期刊《自然人类行为》(Nature Human Behavior)上。这项研究的目的是看看人工智能系统是否可以从人类的集体偏好中学习。但为实验选择的机制是一个经济游戏,人工智能系统必须找到一种方式来分配每个参与者对集体投资池的贡献,让大多数人类参与者投票支持该分配计划。事实证明,人工智能系统能够提出的方法比人类参与者尝试的任何方法都更受欢迎。

研究人员发现,在其他失败中,人类玩家没有充分奖励较贫穷的玩家,因为他们对集体盆栽做出了相对较大的贡献。 DeepMind团队写道, "剩下的一个悬而未决的问题是,人们是否会信任人工智能系统来设计代替人类的机制。如果他们知道裁判员的身份,玩家可能只是因为这个原因才更喜欢人类而不是代理裁判员。然而,当任务被认为对人类参与者来说过于复杂时,人们往往信任人工智能系统也是事实。 "

研究人员还警告说,当人们被要求就仅仅是描述的政策投票时,而不是他们亲身体验过的政策投票时,他们有时会以不同的方式陈述自己的偏好。研究人员写道: "然而,人工智能设计的机制可能并不总是可以口头表达的,在这种情况下观察到的行为似乎可能完全取决于研究人员对描述的选择。 "

最后,研究人员表示,他们的结果并不是"人工智能政府"的论据,在这种政府中,自主主体将在没有人为干预的情况下做出决策。相反,他们说,他们只是把民主投票看作是收集人工智能系统的集体人类反馈的有趣方式。事实上,该团队指出,投票本身可能存在问题,多数人可能会凌驾于少数群体的权利或利益之上。

热门推荐
关注西梅公众号