Die Schöpfer von Siri zeigen einen Assistenten, der die Initiative ergreift

In einem kleinen, dunklen Raum neben einem langen Flur in einem weitläufigen Gebäudekomplex im Silicon Valley verfolgen eine Reihe riesiger Flachbildschirme und Videokameras Grit Denker ist jede Bewegung. Denker, leitender Informatiker am gemeinnützigen Forschungs- und Entwicklungsinstitut SRI , gibt an Hell , ein intelligenter Assistent, der eines Tages wissen könnte, welche Informationen Sie benötigen, bevor Sie ihn fragen.

Unter Überwachung: Ein Bright-Prototyp verfolgt jede Bewegung von Patrick Lincoln, dem Direktor des Informatiklabors von SRI.

Bright soll zunächst die kognitive Überlastung reduzieren, mit der Arbeitnehmer in stressigen, datenintensiven Jobs wie Notfallmaßnahmen und Netzwerksicherheit konfrontiert sind. Bright kann beispielsweise Netzwerkadministratoren dabei unterstützen, die Ausbreitung eines sich schnell bewegenden Virus zu stoppen, indem sie schnell wichtige Infektionsinformationen bereitstellen, oder Notrufbetreibern helfen, die richtige Art von Hilfe an den Unfallort zu senden. Aber wie viele andere bei SRI entwickelte Technologien, wie der digitale persönliche Assistent Syrien (jetzt im Besitz von Apple) könnte Bright schließlich auf Laptops und Smartphones durchsickern. Dies kann eine Software sein, die automatisch Listen für Ihre Lieblingssendungen aufruft, wenn Sie sich hinsetzen und fernsehen möchten, oder das Internet nach Informationen durchsucht, die für Ihr neuestes Forschungsprojekt relevant sind, ohne dass Sie einen Finger rühren müssen.

Bereits einige Assistenzsoftware, wie z Google jetzt für Android-Smartphones versucht vorherzusagen, welche Informationen ein Benutzer möglicherweise benötigt, und stellt sie automatisch bereit. Dies geschieht beispielsweise, indem es erkennt, dass der Nutzer an einer Bushaltestelle wartet und Busfahrpläne ausliefert. Das Ziel von Bright ist es, etwas noch Anspruchsvolleres und Leistungsfähigeres im Büroumfeld zu entwickeln. Aber die große Herausforderung für Bright und ähnliche Projekte ist: Wie lernt man aus relativ wenigen Informationen?

Ursprünglich 1946 von der Stanford University als Forschungseinrichtung gegründet (seit 1970 ist es unabhängig tätig), hat SRI International mit Sitz in Menlo Park, Kalifornien, Schlüsseltechnologien entwickelt, darunter die Computermaus , das LCD , und sogar die ersten Funken des Internets, genannt ARPAnet . In den letzten Jahren war es mit Siri erfolgreich im Bereich der künstlichen Intelligenz, das aus einem Projekt hervorgegangen ist, das SRI für die Defense Advanced Research Projects Agency (DARPA) des Verteidigungsministeriums durchgeführt hat, genannt CALO (das ist ein kognitiver Agent, der lernt und organisiert). ).

Denker beschreibt Bright als einen kognitiven Desktop und einen Desktop, der wirklich versteht, was Sie tun, und zwar nicht nur für Sie, sondern auch in einer kollaborativen Umgebung für Menschen. In seiner aktuellen Konfiguration starren drei Kameras auf sie; Ein Monitor zeigt an, wo sie gerade hinschaut, und zeigt ein Echtzeitprotokoll aller von ihr ausgeführten Aktionen sowie einen vertraut aussehenden Computer-Desktop mit Dateien und Ordnern an. Wenn sie beispielsweise den Monitor vor sich benutzt, um eine E-Mail von der Wells Fargo Bank zu öffnen, in der sie um ein Treffen bittet, zeichnet Bright alle ihre Aktionen auf einem Monitor links auf und stellt fest, dass sie die Nachricht geöffnet hat, dass sie Zeit verbracht hat wenn sie es ansieht (anstatt nur auf den Bildschirm zu starren), und dass sie es geschlossen hat.

Da Denker die aufkommenden Fähigkeiten von Bright demonstriert, ist es nicht schwer, sich die Technologie vorzustellen, die alles von der Planung von Aufgaben bis zur Suche im Web erleichtert. Sie erklärt, dass ihr Team versucht, bestehende Informatiktechniken anzupassen, die versuchen, die Effizienz zu steigern, indem sie antizipieren, welche Informationen als nächstes benötigt werden, und verschiedene Aktionen im Voraus testen, um die Reaktionszeit zu verkürzen. Bright, sagt sie, verwendet die gleichen Ideen, um zu antizipieren, was der Benutzer tun möchte, und erfordert daher zusätzliche Geräte, um den Benutzer zu überwachen. Ein berührungsempfindliches Display kann Fingerberührungen verfolgen, und Handbewegungen – wie Winken – werden ebenfalls verfolgt.

Während es für Cybersicherheit und Notfallmaßnahmen entwickelt wird, könnte Bright auf andere Arten von Benutzern zugeschnitten werden. In Schulen kann Bright beispielsweise feststellen, dass ein Schüler Schwierigkeiten hat, und sich an seine Bedürfnisse anpassen.

Es ist jedoch ein langer Weg. Das System konzentriert sich derzeit auf die kognitive Indexierung – den Mechanismus, der verschiedene Hinweise miteinander verknüpft und dann versucht, vorherzusagen, was wichtig ist. Das Team hinter Bright muss auch seine Fähigkeiten aufbauen, um Interessen vorherzusagen und Aufgaben zu automatisieren. Und bevor es überall eingeführt werden kann, muss Bright lernen, zu lernen, wofür Sie Ihren Computer verwenden.

Es sei schwierig, einen Benutzer kennenzulernen, sagt Bill Mark, Vice President of Information and Computing Sciences bei SRI und einer der Hauptforscher hinter CALO. Mark nennt dies das Small-Data-Problem; Während sich Big-Data-Anstrengungen darauf konzentrieren, Erkenntnisse aus Informationsbergen zu gewinnen, suchen Systeme wie Bright nach Mustern in viel kleineren Mengen, und dies kann sehr schwierig sein. Der begrenzte Datensatz, kombiniert mit der Tendenz der Benutzer, das Verhalten zu ändern, ist für Musterfindungsalgorithmen sehr unfreundlich, sagt er: Wir geben nicht so viele Daten ein. Diese maschinellen Lernalgorithmen verallgemeinern gerne über sehr große Datenmengen.

Es gibt viele andere Herausforderungen. Krzysztof Gajos , ein Assistenzprofessor für Informatik in Harvard, der auch ein Jahr an CALO gearbeitet hat, stellt fest, dass eine der Schwierigkeiten beim Aufbau intelligenter interaktiver Systeme darin besteht, herauszufinden, wie man obligatorische Aufgaben wie Büroarbeit von freiwilligen Aufgaben wie Spielen unterscheidet. Für Büroaufgaben, sagt er, sei es schwierig, Automatisierung so zu gestalten, dass der Benutzer das Gefühl hat, die Kontrolle zu haben und es sich lohnt, es zu verwenden, auch wenn es gelegentlich vermasselt.

Wenn Sie auf Systeme wie Microsoft Clippy zurückblicken, sehen Sie ein Beispiel für ein System, das dabei versagt hat, sagt Gajos. Die wenigen Male, in denen es fehlschlug, waren nur so ärgerlich, dass es alle Vorteile überschattet, die das System für viele Benutzer hätte bieten können.

verbergen