IBM promuove il deep learning con un aggiornamento Watson

di IBM Pericolo! - riproduzione del sistema informatico, Watson , ha combinato due aree separate di ricerca sull'intelligenza artificiale con risultati vincenti. La comprensione del linguaggio naturale è stata fusa con l'analisi statistica di vaste pile di testo non strutturate per trovare le probabili risposte a criptiche Pericolo! indizi.

Ora IBM mira ad aggiungere un'altra potente tecnica di intelligenza artificiale, nota come deep learning, alla versione commerciale di Watson. La mossa potrebbe rendere la piattaforma notevolmente più intelligente e più utile e indica una promettente direzione futura per la ricerca sull'IA.

Nel suo sforzo per commercializzare Watson, IBM ha realizzato alcune delle funzionalità sviluppate per il Pericolo! sfida, così come alcuni nuovi, disponibili per gli sviluppatori tramite un'interfaccia di programmazione delle applicazioni cloud (API). Ora ha aggiunto tre funzionalità basate sull'apprendimento profondo a questa API Watson: traduzione, sintesi vocale e sintesi vocale. Questi potrebbero essere utilizzati per creare, ad esempio, app o siti Web che offrono servizi di traduzione o trascrizione. Ma gli sviluppatori potrebbero anche collegarli ad altri servizi Watson che analizzano le domande e cercano risposte in grandi quantità di testo. Ciò potrebbe portare a un'app che consente di cercare un gran numero di documenti con query vocali.

La società ha anche affermato che collaborerà con Yoshua Bengio , professore all'Università di Montreal in Canada, figura di spicco nel campo del deep learning.

Il deep learning implica l'addestramento di un computer a riconoscere schemi spesso complessi e astratti alimentando grandi quantità di dati attraverso reti successive di neuroni artificiali e perfezionando il modo in cui tali reti rispondono all'input. Negli ultimi anni, l'approccio si è dimostrato molto efficace per riconoscere le parole pronunciate o altro audio, o per classificare le informazioni visive (vedi Breakthrough Technologies 2013: Deep Learning).

Negli ultimi anni sono stati fatti rapidi progressi nell'apprendimento profondo grazie alla disponibilità di grandi quantità di dati classificati, soprattutto online, e perché potenti processori grafici paralleli si sono dimostrati particolarmente efficaci nell'esecuzione dei calcoli necessari. Alcune delle più grandi aziende tecnologiche del mondo desiderano applicare il deep learning in modi commercialmente rilevanti (vedi Facebook lancia lo sforzo di intelligenza artificiale per trovare un significato nei tuoi post e Google sta conquistando il mercato nel deep learning?). Google e Facebook hanno anche assunto figure di spicco nel deep learning per applicare la tecnologia alle loro attività.

Tuttavia, sebbene i risultati prodotti dai sistemi di deep learning siano spesso spettacolari, i sistemi responsabili sono estremamente specializzati e possono fallire in modi sorprendenti perché non comprendono il mondo in modo molto significativo. Se il deep learning può essere combinato efficacemente con altre tecniche di intelligenza artificiale, ciò potrebbe produrre sistemi più utili e completi.

Puoi immaginare molti casi d'uso diversi, dice Jerome Pesenti , vicepresidente delle tecnologie principali di Watson. Diciamo che hai un prodotto bancario o assicurativo, puoi parlare al telefono e dire: 'Ehi, questo è un problema mio' e avere qualcosa che interagisce effettivamente con te automaticamente, o ti dà a un vero essere umano quando il sistema non non so rispondere Questo è il tipo di sistema che stiamo mettendo in campo in questo momento.

La combinazione di filoni disparati della ricerca sull'IA potrebbe diventare una tendenza importante nei prossimi anni.

Una sfida chiave per l'IA moderna è rimettere insieme un campo che si è quasi frammentato tra queste metodologie, afferma James Hendler , direttore del Rensselaer Polytechnic Institute for Data Exploration and Applications di Troy, New York. RPI ha accesso a una prima versione di Watson donata all'università da IBM e Hendler tiene corsi basati sulla tecnologia. La cosa fondamentale di Watson, dice, è che si tratta intrinsecamente di prendere molte soluzioni diverse alle cose e integrarle per prendere una decisione.

L'applicazione dell'apprendimento da un'area, come la vista, a un'altra, come la parola, è noto come approccio multimodale. Potrebbe rendere i futuri sistemi di intelligenza artificiale molto più utili e potrebbe fornire informazioni fondamentali sulla natura dell'intelligenza.

Quando si tratta di commercializzare tali progressi, IBM potrebbe avere, grazie a Watson, un vantaggio sull'integrazione di nuove tecniche in modi utili. Pesenti dice che la sua squadra sta già facendo progressi in questo campo. Se ti parlo di un cane, è molto difficile capire cos'è un cane senza avere un'esperienza di quel cane, cosa che ottieni attraverso una visione multimodale di questo, dice. Crediamo che in realtà sia una parte davvero, davvero importante della nostra strategia.

nascondere