Apple ottiene il suo primo direttore dell'IA

Apple sta assumendo una stella nascente nel mondo del deep learning per ricoprire il ruolo di primo direttore della ricerca sull'IA. Ruslan Salakhutdinov , professore associato presso la Carnegie Mellon University di Pittsburgh, assumerà la nuova posizione, che ha lo scopo di aiutare l'azienda ad assicurarsi che Siri e gli altri suoi prodotti sfruttino le scoperte fondamentali emerse dalla ricerca accademica sull'IA. Salakhutdinov parlerà della sua ricerca all'EmTech MIT 2016, una conferenza di revisione della tecnologia del MIT tenutasi questa settimana.

Salakhutdinov ricerca reti neurali molto grandi utilizzate in una tecnologia chiamata deep learning, che consente a un computer di imparare a svolgere un compito difficile consumando numerosi esempi di addestramento. Continuerà a lavorare part-time alla CMU e assumerà un team di ricercatori per lavorare con lui in Apple.

La mossa fa parte dello sforzo di Apple di mettersi al passo con Google, Facebook, Amazon e altre società tecnologiche per ottenere un vantaggio grazie ai recenti progressi nell'IA e nell'apprendimento automatico. In particolare, sta diventando sempre più importante che il software sia in grado di imparare da solo come eseguire un compito, utilizzando tecniche come il deep learning. Le ultime tecniche di intelligenza artificiale vengono utilizzate nel nuovo smartphone di Google, Pixel, ad esempio. Il suo assistente vocale, chiamato Assistant, andrà testa a testa con Siri di Apple, utilizzando l'apprendimento automatico per cercare di capire le domande vocali degli utenti.

Il lavoro di Salakhutdinov sulle tecniche all'avanguardia di apprendimento automatico potrebbe aiutare a guidare i progressi nell'IA e potrebbe essere applicato in molte aree diverse, tra cui la visione artificiale, l'elaborazione del linguaggio naturale e persino la robotica.

Parlando di recente, Salakhutdinov ha affermato che ci sono tre grandi aree in cui l'IA sta facendo progressi: fornire ai computer una migliore comprensione del linguaggio; consentendo loro di imparare attraverso la ripetizione e il rinforzo positivo; e sviluppare modi per le macchine di imparare dai dati senza etichetta. Ha anche evidenziato il lavoro che sta facendo sulle macchine per insegnare a imparare dai dati non strutturati sul Web, qualcosa che potrebbe plausibilmente aiutare a rendere più intelligente un prodotto come Siri.

Stiamo lavorando sull'idea di provare a utilizzare basi di conoscenza esterne, ha affermato. Se ti chiedo qualcosa su una cosa in particolare, il tuo sistema può sostanzialmente andare su Wikipedia, leggere alcuni articoli diversi, imparare alcuni fatti sul mondo e fornirti la risposta giusta?

Il recente lavoro di Salakhutdinov si è anche concentrato sul consentire alle macchine di apprendere da diversi tipi di dati e sui modi in cui le cose apprese in un contesto possono essere applicate in uno completamente nuovo, aree conosciute, rispettivamente, come apprendimento multimodale e apprendimento di trasferimento. Ha anche collaborato a un progetto che ha mostrato, traendo ispirazione dalle scienze cognitive, come i computer possono imparare da quantità relativamente piccole di dati (vedi Questo algoritmo di intelligenza artificiale impara compiti semplici alla stessa velocità di noi).

Negli ultimi anni, concorrenti come Google e Facebook hanno assunto figure di spicco nel deep learning per guidare i loro sforzi di intelligenza artificiale. Apple ha uno sforzo di ricerca sull'IA molto meno importante rispetto ai concorrenti e alcuni hanno suggerito che la sua tradizionale segretezza ha reso difficile per l'azienda reclutare i migliori ricercatori nel campo.

Il deep learning ha guadagnato importanza negli ultimi anni, dopo essersi dimostrato straordinariamente bravo a consentire alle macchine di riconoscere oggetti nelle immagini e parole pronunciate nell'audio. Google e Facebook utilizzano la tecnologia per aggiungere automaticamente le didascalie alle immagini. E ha migliorato Siri e altri prodotti ad attivazione vocale nel riconoscere le parole. Tuttavia, analizzare il significato di quelle parole rimane una sfida più grande (vedi Problema linguistico dell'IA).

nascondere