211service.com
Il gigante della ricerca cinese Baidu assume l'uomo dietro il cervello di Google
Baidu è stato a lungo indicato come il Google cinese perché domina la ricerca Web nel paese. Oggi il confronto si è fatto più azzeccato: Baidu ha aperto un nuovo laboratorio di ricerca sull'intelligenza artificiale nella Silicon Valley che sarà supervisionato da Andrea Nga , un professore di Stanford che ha svolto un ruolo chiave in Google in un campo chiamato deep learning. È stato anche cofondatore della società di formazione online Coursera.
I recenti progressi hanno innescato una corsa agli armamenti tecnologici nella Silicon Valley, con le grandi aziende del Web in competizione per i migliori talenti accademici. Come Google, Facebook e altre aziende che si affrettano a investire nel deep learning, Baidu è motivato dalla promessa di notevoli progressi nell'intelligenza artificiale.
Il deep learning consente alle macchine di elaborare grandi quantità di dati utilizzando reti simulate di neuroni semplici, modellati grossolanamente su quelli trovati nei cervelli biologici. L'approccio ha prodotto software notevolmente migliorato per attività come il riconoscimento di immagini e parlato (vedi Deep Learning ) e potrebbe in definitiva consentire ad app, dispositivi e servizi Internet di comprendere cose come immagini e testo così come fanno gli umani.
Sebbene il recente boom del deep learning abbia le sue origini nel mondo accademico, l'interesse è esploso nel 2012 dopo che i ricercatori di Google che collaborano con Ng hanno annunciato una svolta su un progetto soprannominato Google Brain. Hanno costruito un software che ha analizzato 10 milioni di foto prese da video di YouTube e hanno imparato a riconoscere migliaia di oggetti, inclusi volti umani e gatti, senza la guida umana (vedi Software autodidatta).
Da allora, i giganti tecnologici statunitensi hanno gareggiato per assumere figure di spicco in un campo relativamente piccolo (vedi Google sta conquistando il mercato sul Deep Learning? e Facebook lancia Advanced AI Effort ), e hanno iniziato a dimostrare come l'approccio può far progredire la tecnologia che stanno offrire ai consumatori. Google e Microsoft hanno utilizzato il deep learning per migliorare il riconoscimento vocale e la traduzione (vedi Google Puts its Virtual Brain Technology to Work e Microsoft Brings Voice Translator di Star Trek alla vita). Nel frattempo, i ricercatori di deep learning di Facebook hanno recentemente dimostrato un software di elaborazione del viso che si avvicina alla corrispondenza delle prestazioni umane (vedi Facebook Software Matches Faces Quasi come te).
Prima di decidere di aprire il suo nuovo laboratorio, situato a Sunnyvale, Baidu aveva ottenuto buoni risultati aggiungendo il deep learning a diversi prodotti dalla fine del 2012, afferma Kai Yu, direttore del laboratorio di deep learning dell'azienda a Pechino. La tecnologia può essere vista nell'app di traduzione di Baidu, che identifica gli oggetti scattati su uno smartphone con i loro nomi cinesi e inglesi. Viene anche utilizzato nella tecnologia di targeting degli annunci dell'azienda. Abbiamo ottenuto un ritorno immediato dall'aggiunta del deep learning al nostro sistema pubblicitario, afferma Yu. Ha aumentato significativamente la percentuale di clic.
Il laboratorio di Pechino di Yu si concentra sull'applicazione del deep learning ai prodotti Baidu esistenti e a quelli che verranno introdotti presto. Il nuovo laboratorio della Silicon Valley lavorerà su ricerche più fondamentali, dice. La speranza è che questo ampio mandato e la qualità da star di Ng, combinata con i capienti negozi di immagini, testi e video di Baidu, attireranno i migliori talenti. Nella Silicon Valley c'è un enorme pool di talenti così unico, dice Yu. Vogliamo davvero che dal laboratorio esca qualcosa di rivoluzionario.
Ng guiderà questo sforzo nella sua nuova posizione di capo della ricerca di Baidu, supervisionando il laboratorio della Silicon Valley, il laboratorio di Yu e un altro laboratorio a Pechino dedicato ai big data. Lavorerà dal laboratorio di Sunnyvale, in cui Baidu dice che investirà $ 300 milioni in cinque anni.
La ricerca del laboratorio è guidata da Adam Coates, in precedenza studente di dottorato e ricercatore post-dottorato nel gruppo di ricerca di Stanford di Ng. Coates afferma che l'obiettivo principale sarà la creazione di software che apprenda senza l'input umano, come ha fatto il sistema Google Brain, un approccio noto come apprendimento non supervisionato.
I sistemi non supervisionati richiedono meno sforzo da parte dei programmatori, ma finora hanno una precisione relativamente scarsa, almeno rispetto agli umani. Il sistema di riconoscimento dei gatti di Google ha raggiunto una precisione di circa il 70%, ad esempio. La più grande domanda aperta è 'Come si può utilizzare l'apprendimento non supervisionato per ottenere prestazioni a livello umano?', afferma Coates. Ma il guadagno per migliorare anche solo un po' dovrebbe essere grande. Molti dei prodotti che vogliamo costruire sono cose con cui vogliamo interagire con il mondo, dice. È applicabile a robot, auto autonome e app mobili.
Eugenio Culurciello , un ricercatore della Purdue University che lavora su chip con reti neurali integrate (vedi AI Chip to Help Computers Understand Images ), afferma che l'entusiasmo per il deep learning è giustificato. Indica come i suoi metodi hanno rovesciato i benchmark che i ricercatori usano per classificare il software di apprendimento automatico. Di solito si migliora del 2% rispetto a ciò che è successo prima, dice. Questi ragazzi sono migliorati del 10 o 20 percento.
Tali risultati sono il motivo per cui il CEO di Facebook Mark Zuckerberg ha fatto un'apparizione a sorpresa al NIPS conferenza per la ricerca sulle reti neurali lo scorso anno. Tuttavia, Michael Mozart , professore all'Università del Colorado, Boulder, e membro del consiglio di amministrazione della Fondazione NIPS, sottolinea che gli algoritmi di base utilizzati dalle reti neurali sono più o meno gli stessi che hanno innescato un'ondata di ottimismo sull'intelligenza artificiale alla fine degli anni '80. Le scoperte recenti sono derivate dalla ricerca di trucchi che consentono di utilizzare questi algoritmi su scala molto più ampia, afferma Mozer. Le persone che lo hanno seguito stanno meritatamente raccogliendo i benefici ora, dice, ma l'apprendimento profondo non è un grande passo avanti per il campo come a volte viene considerato.
Per ora, relativamente poche persone sono esperte nei trucchi necessari per far funzionare bene l'apprendimento profondo, afferma Culurciello. Se vuoi battere la folla ora, devi provare a comprare le persone che sanno davvero queste cose, altrimenti sarai indietro di qualche anno, dice.