Nyligen har ett företag utvecklat teknik som gör att en maskin kan lära sig effektivt från ett litet antal exempel och finslipa sin kunskap när fler exempel blir tillgängliga. Det kan tillämpas var som helst, till exempel att lära en smartphone att känna igen användarens preferenser eller hjälpa autonoma motorsystem att snabbt identifiera hinder.
Det gamla ordspråket "repetition är modern till lärande" gäller perfekt för maskiner. Många moderna system för konstgjord intelligens som arbetar med enheter litar på upprepning i inlärningsprocessen. Djupa inlärningsalgoritmer gör det möjligt för AI-enheter att utvinna kunskap från datasätt och sedan tillämpa det de har lärt sig i specifika situationer. Om du till exempel matar ett AI-system som himlen vanligtvis är blå, kommer den senare att känna igen himlen bland bilderna.
Komplex arbete kan utföras med denna metod, men det lämnar verkligen mycket att önska. Men kan du få samma resultat om du kör det djupa inlärningssystemet för AI genom färre exempel? Den Boston-baserade uppstarten Gamalon har utvecklat ny teknik för att försöka besvara denna fråga, och den här veckan presenterade två produkter som tar en ny strategi.
Gamalon använder Bayesiska programmeringstekniker, programvarusyntes. Det är baserat på 1700-talsmatematik utvecklad av matematiker Thomas Bayes. Bayesiska sannolikheten används för att göra förfinade förutsägelser om världen med erfarenhet. Denna form av probabilistisk programmering - där koden använder sannolika snarare än specifika kvantiteter - kräver färre exempel för att dra slutsatsen, till exempel att himlen är blå med fläckar av vita moln. Programmet förfina dess kunskap när du vidare utforskar exemplen, och dess kod kan skrivas om för att justera sannolikheterna.
Probabilistisk programmering
Även om denna nya strategi för programmering fortfarande har utmaningar att lösa, har den en betydande potential att automatisera utvecklingen av maskininlärningsalgoritmer. "Probabilistisk programmering kommer att underlätta maskininlärning för forskare och utövare," förklarar Brendan Lake, en forskare i New York University som arbetade med probabilistiska programmeringstekniker 2015. "Han har förmågan att ta hand om de komplexa delarna av programmeringen på egen hand."
Verkställande direktör och medgrundare Ben Vigoda visade MIT Technology Review en demoteckningsapplikation som använder deras nya metod. Det liknar det som Google släppte förra året eftersom det förutsäger vad en person försöker rita. Vi skrev mer om det. Men till skillnad från Googles version, som förlitar sig på skisser som redan sett, förlitar Gamalon sig på probabilistisk programmering för att försöka identifiera nyckelfunktioner i ett objekt. Så även om du ritar en form som skiljer sig från dem i applikationens databas, så länge den kan identifiera specifika funktioner - till exempel en fyrkant med en triangel upptill (ett hus) - kommer det att göra korrekta förutsägelser.
Kampanjvideo:
De två produkterna som presenteras av Gamalon visar att deras metoder kan hitta kommersiella applikationer inom en snar framtid. Gamalon Structure's produkt använder Bayesian mjukvarusyntes för att känna igen koncept från vanlig text och överträffar redan andra program när det gäller effektivitet. Till exempel, efter att ha fått en beskrivning av en TV från en tillverkare, kan hon bestämma varumärke, produktnamn, skärmupplösning, storlek och andra funktioner. En annan app - Gamalon Match - distribuerar produkter och priser i butikens lager. I båda fallen lär sig systemet snabbt att känna igen variationer i akronymer eller förkortningar.
Vigoda konstaterar att det finns andra möjliga användningar. Om till exempel smartphones eller bärbara datorer är utrustade med Bayesian-maskininlärning, behöver de inte dela personlig information med stora företag för att bestämma användarnas intressen. beräkningar kan utföras effektivt inuti enheten. Autonoma bilar kan också lära sig att anpassa sig till sin miljö mycket snabbare med hjälp av denna inlärningsmetod.
Om du lär konstgjord intelligens att lära sig på egen hand behöver det inte vara i koppel.
ILYA KHEL
