«Искусственный интеллект лишит нас рабочих мест». «Роботы-убийцы приходят, чтобы захватить Землю». «Вашего врача заменит машина». — все фразы в СМИ за последние несколько месяцев, и каждая столь же неточна, как и предыдущая. Хотя это действительно правда, что ИИ трансформирует каждую отрасль, к которой он прикасается, то, как он изображается в новостях, часто однобоко и без учета более широкой картины.

На каждом из наших саммитов RE•WORK мы демонстрируем самые последние достижения в области ИИ и фокусируемся на том, как они влияют как на бизнес, так и на общество. Впервые мы смотрим на то, как промышленность, научные круги и общество работают рука об руку, чтобы гарантировать, что технологические достижения могут применяться в промышленности и на благо общества в целом.

Продолжая популярную серию саммитов по глубокому обучению, сегодня и завтра мы вернулись в Сан-Франциско, чтобы провести трехэтапное мероприятие. Саммит прикладного ИИ посвящен внедрению самых передовых методов ИИ в реальных условиях; на саммите ИИ во благо рассматривается вопрос о том, как мы можем обеспечить, чтобы все подразделения брали на себя ответственность за использование ИИ на благо общества для решения глобальных проблем; а Саммит по глубокому обучению с подкреплением опирается на самые последние научные открытия за счет сочетания глубокого обучения и обучения с подкреплением для достижения интеллекта на уровне человека. Мы также видели, как эксперты проводят сеансы глубокого погружения, которые предназначены для того, чтобы участники могли более подробно изучить некоторые ключевые темы, изученные в течение двух дней. Эти занятия варьируются от интерактивных практических семинаров до демонстраций и презентаций в виде лекций.

Это утро началось с того, что посетители познакомились друг с другом за завтраком, прежде чем выбрать свою первую сессию дня. Благодаря тому, что приложение для участников было запущено еще до саммита, у каждого была возможность персонализировать свое расписание, чтобы не пропустить наиболее важные сессии. В приложении также было много болтовни с людьми, которые назначали встречи, участвовали в опросах и договаривались о кофе-брейках.

Я оказался на саммите по глубокому обучению с подкреплением (DRL), слушая фантастическую песню Dawn Song, профессор Калифорнийского университета в Беркли сегодня утром говорил о безопасном DRL. Она объяснила, как DRL превратился в важное семейство методов для обучения автономных агентов и привел к достижению производительности на уровне человека в сложных играх, таких как Atari, Go и Starcraft. Дон также объяснил, что DRL также уязвим для враждебных примеров и может быть перегружен.

DRL добился больших успехов, например, обыграл одного из лучших игроков мира на AlphaStar, но при развертывании этого мы должны знать о присутствии злоумышленников. Злоумышленники идут по стопам новых технологий, а с ИИ ставки выше, потому что последствия будут более серьезными. Нам необходимо измерить правильные цели, чтобы приблизиться к лучшему обобщению, целостности и конфиденциальности. — Песня рассвета

Я также говорил с Дон в интервью для подкаста Women in AI, где мы обсудили это более подробно, а также некоторые проблемы и успехи в использовании DRL для обучения агентов. Вы можете подписаться на подкаст здесь, и мы сообщим вам, когда выпуск Рассвета станет доступен.

Поскольку DRL является относительно новой областью исследований, было здорово, что Джошуа Ачиам, научный сотрудник OpenAI, организовал сессию Deep Dive «Введение в глубокое обучение с подкреплением», где он познакомил участников с модели, алгоритмы и методы ДХО; примеры систем ДХО; и провел нас через тематические исследования по DRL, которые можно использовать для практических приложений.

«Когда вы хотите использовать глубокое RL? Вы хотите сделать это, когда есть сложная многомерная непоследовательная ситуация. Например, когда вы хотите управлять сложными роботами или играть в видеоигры с необработанными пикселями или быть лучшим в стратегической игре. Deep RL может преуспеть в этих задачах». — Джошуа Ачиам

Основываясь на этой сессии во второй половине дня, SAS провела сессию, посвященную теме «Что вы не узнали о машинном обучении в школе», на которой Уэйн Томпсон, главный специалист по данным в SAS, заполнил некоторые пробелы, которые, возможно, были пропущены в колледже. или онлайн-курсы, в которых рассказывается, как настраивать и оценивать модели, а также как применять эти модели на практике и моделировать их после развертывания. Участники C-level, а также технические эксперты присоединились к этой сессии, и все они участвовали в более интерактивной сессии вопросов и ответов. «это главная причина, по которой модели не развертываются».

Он объяснил, что как только эти модели развернуты, они сразу же начинают деградировать. Важно отслеживать дрейф моделей, переобучать модели-чемпионы и оценивать новые вызовы. Справедливость модели и предвзятость должны быть решены. Уэйн предположил, что важно регулировать и повторять модели, чтобы собирать и создавать множество моделей с похожими характеристиками.

Вернувшись в конференц-залы, Лукас Айвз, технический менеджер Apple, говорил на тему «Искусство прикладного ИИ», объясняя, что существует особый подход к решению проблем, которого, по его мнению, не хватает при развертывании ИИ в реальном мире. . «Им должен управлять творческий человек, а не технический человек». Он говорил о важности того, чтобы компании разрабатывали ИИ для реального обслуживания своих потребителей, и чаще всего это должно исходить из естественной и творческой точки зрения, а не с точки зрения технологий. «За последние 5 или 6 лет в ИИ произошел квантовый скачок вперед. С Siri до появления нейронных сетей в 2010 году уровень ошибок в словах составлял около 10%; теперь, если окружающая среда правильная, она работает лучше, чем люди. В своей презентации Лукас уделил некоторое время определению «прикладного ИИ» и объяснил, что «некоторые люди видят в нем постепенный шаг к ОИИ, некоторые видят в нем узкое использование ИИ, некоторые люди предпочитают термин «машинное обучение», но на самом деле это должна быть комбинация множества вещей, которые могут быть представлены пользователю, чтобы помочь решить его реальные проблемы».

Вслед за Лукасом Чул Ли из Samsung Electronics рассказал о «Проблемах внедрения» и объяснил, как последние достижения в области искусственного интеллекта позволили компаниям, производящим потребительские товары и мобильные устройства, значительно автоматизировать свои текущие операции и обеспечить более плавный и привлекательный пользовательский опыт на своих устройствах. . Он объяснил, как последние тенденции и алгоритмические достижения в области персонализации, анализа данных, изучения аудитории и взаимодействия человека с компьютером связаны с IoT, персональной помощью, взаимодействием/контролем устройств, обнаружением медиа и логистикой. Чул объяснил, что они используют обработку искусственного интеллекта на устройстве, которая улучшает «качество изображения наших телевизоров, а также наших телевизоров в качестве помощника искусственного интеллекта в качестве универсального руководства, которое может делать персонализированные предложения и нацеливаться конкретно. Для нас важно понимать, какой контент обслуживается, чтобы мы могли соответствующим образом персонализировать его».

Карла Бромберг, соучредитель и руководитель программы AI for Social Good в Google, также обсуждая применение ИИ, представила обзор программы, обсудив примеры и методы, которые Google и другие используют для применения исследований и разработок ИИ в социальных и гуманитарных целях. , экологические проекты и надеемся вдохновить других на применение ИИ во благо. Сегодня мы слышали о людях, которые занимаются прогнозированием браконьерства для сохранения природы, предсказанием стихийных бедствий, использованием ИИ в образовании и многим другим.

В своей презентации Карла рассказала о своей работе по прогнозированию миграции китов, чтобы помочь сохранить вымирающие виды: «Мы работаем с Ноем, у которого есть подводное записывающее оборудование — человеку потребуется 19 лет, чтобы прослушать записи, и они, возможно, никогда не даже услышать кита! Машинное обучение берет 100 000 часов записей и находит шумы китов. Мы взяли подводные аудиозаписи, превратили их в визуализацию и аннотировали их названием вида. Чем больше аннотированных примеров мы сможем показать, тем лучше получится. Теперь мы можем видеть на карте, где больше шансов найти китов».

На Саммите участники могут посещать занятия по всем четырем направлениям, и несколько участников и докладчиков в равной степени наслаждались гибкостью, обнаружив, что они изучают множество взаимозаменяемых навыков своей текущей работы:

"У вас такой отличный состав, и это не просто организации, это люди из этих организаций, такие как те, с которыми я сидел за обедом". Джефф Клун, Uber AI Labs

«Анна из Intel рассказала об использовании ИИ для защиты дикой природы. Удивительно, как ИИ может делать такие вещи, а также прогнозировать урожай и выполнять другие социальные задачи, над которыми работают люди». Лиза Грин, Data Science for Social Good

«Я не был на многих мероприятиях, где можно было бы перейти от супертехники к более широкой картине. Мы работаем с глубоким обучением, но все больше и больше инвестируем в этику и ответственность». – Митчел, Microsoft Azure.

Во время перерыва на кофе мы также организовали все более популярную сессию Talent & Talk и узнали о вакансиях от SAS, Moogsoft, Amazon, Bayer, Dolby Digital и многих других. Мэтт из Numenta поделился своей вакансией и объяснил, что их миссия — понять, как интеллект работает в мозгу: «Вам не нужен опыт работы в области нейробиологии, но вы должны быть заинтересованы в этом. Мы транслируем все наши исследовательские встречи на Twitch, и все в открытом доступе. Только 2% нейронов в вашем мозгу активируются одновременно, что является разреженным — большинство моделей глубокого обучения очень плотные, что противоположно мозгу, поэтому мы создаем модели глубокого обучения, которые активируются только на 2%, и они работают!»

Вернувшись в комнату для саммита DRL, мы услышали о «Учиться действовать, учась описывать» от Джейкоба Андреаса из Microsoft Semantic Machines. Он объяснил, что на пересечении языка и RL возникает несколько проблем — использование взаимодействия с миром для улучшения языковой генерации и использование моделей для языковой генерации для эффективного обучения обучающихся с подкреплением. «Когда мы переходим к фазе RL, у нас нет никакой информации, только инструкция по модели. Итак, что мы можем с этим сделать? Мы знаем параметры, но нет инструкций. Поэтому нам нужно искать инструкции, чтобы определить, чего хочет от нас модель DRL. Мы продолжаем подключать их, чтобы найти инструкцию и выполнить точную настройку. Мы используем структуру данных изучения языка, чтобы сообщить нам, что важно при поиске политик. Мы ограничиваемся тем, что актуально и значимо».

Во время перерывов на кофе и обед мне посчастливилось взять интервью у нескольких наших спикеров, включая Дугласа Эка из Google, Карла Коббе из OpenAI, Dawn Song из Калифорнийского университета в Беркли, и у нас было несколько действительно интересных дискуссий, которые вы можете посмотреть на нашем канале YouTube через пару минут. недель. В присутствии нескольких представителей прессы из различных изданий Соня Рид, генеральный директор OMGitsirefoxx, также помогла с несколькими интервью, поговорив с Даниэль Дейблер из Jurispect, Алисией Кавеларс из OffWorld и Джеффри Ши из Unity Technologies.

Вернувшись к сегодняшним дневным сессиям, Джунхёк О, научный сотрудник DeepMind, рассказал о некоторых подходах к глубокому обучению с подкреплением, которые, как было показано, хорошо работают в областях, где задачи и вознаграждения четко определены. Чунхёк работает над AlphaStar — первым ИИ, победившим лучшего профессионального игрока в игре Starcraft, одной из самых сложных игр в жанре стратегии в реальном времени (RTS). Он объяснил, что новые агенты, как правило, строго сильнее, чем все предыдущие агенты.

Одной из общих тем сегодняшних презентаций была персонализация, и о том, как это можно использовать в бизнесе, рассказал Анкит Джейн, старший специалист по данным в Uber. Он объяснил, что, хотя эти методы использовались в таких областях, как электронная коммерция и социальные сети, их можно перенести в Uber, используя данные о прошлых поездках для прогнозирования будущих поездок и моделей в каждом конкретном случае. Он объяснил, как они обучают LSTM прогнозировать поездки, объединяя прошлые данные о вовлеченности конкретного водителя с бюджетами стимулов и используя пользовательскую функцию потерь (то есть нулевой завышенный пуассон), чтобы получить точные прогнозы поездок с использованием LSTM. Прогнозирование поведения на уровне «райдер/водитель» может помочь Uber найти когорты высокоэффективных водителей, запустить персонализированные предложения для удержания пользователей и глубже понять отклонения от прогнозов поездок.

Что еще мы узнали сегодня днем?

Шериф Гома, IBM: Изобретите свою компанию заново с помощью ИИ и превратитесь в когнитивное предприятие

Шериф объяснил, как в настоящее время происходит цифровая трансформация «изнутри внутрь», которая уступает место потенциалу «изнутри наружу» измененных стандартных бизнес-архитектур и интеллектуальных рабочих процессов. Это породило Cognitive Enterprises, которые определяют и реализуют смелое видение, чтобы реализовать новые источники ценности и реструктурировать свои отрасли, миссии и бизнес-модели.

Эшли Эдвардс, Uber AI Labs: Изучение ценностей и политик на основе наблюдений штата

Эшли использовала пример в своей презентации, чтобы рассказать о DRL, над которым она работает. «Если мы собираем стол ИКЕА, более ценно иметь детали вне коробки, чем внутри коробки, но в этом случае гораздо ценнее построить стол, чем лежать на полу. Поэтому мы присваиваем этим состояниям значения. Затем мы применяем эти значения при наблюдении и используем их в глубоком обучении с подкреплением».

Завершением сегодняшних презентаций стала панельная дискуссия «Что такое ответственный ИИ и с чего начать?». Как упоминалось ранее, обеспечение того, чтобы этический ИИ был в центре их миссии, является неотъемлемой частью, однако есть много областей, где люди считают, что исследования и приложения занимают центральное место, и у них недостаточно времени, чтобы сосредоточиться на социальных последствиях. Участники дискуссии говорили о создании прозрачных рамок и единых стандартов, а также о положительном влиянии экономического роста.

  • Анна Бетке, руководитель отдела искусственного интеллекта в интересах общества в Intel — «У нас много проектов, от сохранения земли до социального воздействия. В настоящее время мы много работаем над онлайн-домогательствами и используем алгоритмы НЛП, чтобы выяснить, можем ли мы сдерживать и разрядить разговоры с помощью автоматических ответов».
  • Тулси Доши, руководитель отдела по обеспечению справедливости машинного обучения в Google : «Я руковожу продуктом по обеспечению справедливости машинного обучения. Мне приходится работать с разными продуктами, и мне нужно узнать, чем они отличаются во всех наших продуктах Google. Я смотрю, как разработчики могут задавать вопросы о своих собственных продуктах, чтобы увидеть, как мы можем обеспечить ответственность каждого».
  • Девин Кротман, директор IBM Watson AI XPRIZE: «мы просим подростков и стартапы по всему миру выбрать глобальные задачи и применить к ним искусственный интеллект или глубокое обучение».
  • Адам Мюррей, дипломат в Государственном департаменте США — «Мы заинтересованы в изучении международных рамок в области ИИ, и мы рассматриваем вопросы, связанные с цифровой экономикой. Очень важно укреплять доверие к ИИ, потому что он будет способствовать развитию нашей экономики и инноваций, но для этого нам нужно доверие. ИИ должен быть ориентирован на человека и быть справедливым, заслуживающим доверия, надежным и этичным».

Некоторые из лучших нетворкингов происходят за пределами презентаций и сессий, и в завершение сегодняшнего дня мы завершили сетевые напитки, где мы объединили все четыре потока.

Завтра мы вернемся с новыми презентациями, панельными дискуссиями, посвященными глубоким погружениям, а также VIP-завтраком и коктейлями в честь восхождения на вершину. Если вы пропустили возможность присоединиться к нам на этот раз, не забудьте подписаться на завтрашние сессии, подписавшись на нас в Твиттере по адресу @reworkDL и @reworkAI #reworkDL #reworkAI.

Крупнейший в мире Саммит по глубокому обучению возвращается в Сан-Франциско 30–31 января 2020 г. Мы предлагаем ограниченное количество билетов по сниженной цене в нашем предпродажном предложении. Зарегистрируйтесь до пятницы, 28 июня, и сэкономьте более 1000 долларов США на своем пропуске, а также учитесь у мировых лидеров в области искусственного интеллекта и глубокого обучения.