211service.com
IBM treibt Deep Learning mit einem Watson-Upgrade voran
IBMs Gefahr! -spielendes Computersystem, Watson , kombinierte zwei separate Bereiche der künstlichen Intelligenzforschung mit überzeugenden Ergebnissen. Das Verständnis natürlicher Sprache wurde mit der statistischen Analyse riesiger, unstrukturierter Textstapel zusammengeführt, um die wahrscheinlichen Antworten auf kryptisch zu finden Gefahr! Hinweise.
Jetzt beabsichtigt IBM, der kommerziellen Version von Watson eine weitere leistungsstarke KI-Technik hinzuzufügen, die als Deep Learning bekannt ist. Der Schritt könnte die Plattform erheblich intelligenter und nützlicher machen und weist auf eine vielversprechende zukünftige Richtung für die KI-Forschung hin.
In seinem Bemühen, Watson zu kommerzialisieren, hat IBM einige der für das Gefahr! Herausforderung, sowie einige neue, die Entwicklern über eine Cloud-Anwendungsprogrammierschnittstelle (API) zur Verfügung stehen. Es hat dieser Watson-API jetzt drei auf Deep Learning basierende Funktionen hinzugefügt: Übersetzung, Sprache-zu-Text und Text-zu-Sprache. Diese könnten verwendet werden, um beispielsweise Apps oder Websites zu erstellen, die Übersetzungs- oder Transkriptionsdienste anbieten. Entwickler könnten sie aber auch mit anderen Watson-Diensten verbinden, die Fragen parsen und in großen Textmengen nach Antworten suchen. Daraus könnte eine App entstehen, die es ermöglicht, große Mengen an Dokumenten mit natürlich gesprochenen Abfragen zu durchsuchen.
Das Unternehmen hat auch angekündigt, mit ihm zusammenzuarbeiten Yoshua Bengio , Professor an der Universität von Montreal in Kanada, eine prominente Persönlichkeit auf dem Gebiet des Deep Learning.
Deep Learning beinhaltet das Trainieren eines Computers, oft komplexe und abstrakte Muster zu erkennen, indem große Datenmengen durch aufeinanderfolgende Netzwerke künstlicher Neuronen geleitet und die Art und Weise, wie diese Netzwerke auf die Eingabe reagieren, verfeinert wird. In den letzten Jahren hat sich der Ansatz als sehr effektiv erwiesen, um gesprochene Worte oder andere Audiodaten zu erkennen oder visuelle Informationen zu klassifizieren (siehe Breakthrough Technologies 2013: Deep Learning ).
Deep Learning hat in den letzten Jahren rasante Fortschritte gemacht, weil große Mengen an klassifizierten Daten, insbesondere online, verfügbar wurden und weil sich leistungsstarke parallele Grafikprozessoren als besonders effektiv erwiesen haben, um die notwendigen Berechnungen durchzuführen. Einige der weltweit größten Technologieunternehmen sind bestrebt, Deep Learning auf kommerziell relevante Weise anzuwenden (siehe Facebook startet KI-Bemühungen, um Bedeutung in Ihren Posts zu finden, und Is Google Cornering the Market in Deep Learning? ). Google und Facebook haben auch führende Persönlichkeiten im Bereich Deep Learning eingestellt, um die Technologie auf ihre Unternehmen anzuwenden.
Doch obwohl die Ergebnisse von Deep-Learning-Systemen oft spektakulär sind, sind die verantwortlichen Systeme hochspezialisiert und können auf überraschende Weise scheitern, weil sie die Welt nicht sehr sinnvoll erfassen. Wenn Deep Learning effektiv mit anderen KI-Techniken kombiniert werden kann, könnten abgerundetere, nützlichere Systeme entstehen.
Man könne sich viele verschiedene Anwendungsfälle vorstellen, sagt er Hieronymus Pesenti , Vizepräsident für Kerntechnologien bei Watson. Nehmen wir an, Sie haben ein Bank- oder Versicherungsprodukt, Sie können telefonieren und sagen: „Hey, das ist mein Problem“ und haben etwas, das tatsächlich automatisch mit Ihnen interagiert oder Sie an einen echten Menschen weiterleitet, wenn das System dies tut weiß nicht, was ich antworten soll. Das ist die Art von System, die wir gerade auf den Markt bringen.
Die Kombination unterschiedlicher Stränge der KI-Forschung könnte in den kommenden Jahren zu einem wichtigen Trend werden.
Eine zentrale Herausforderung für die moderne KI besteht darin, ein Feld wieder zusammenzusetzen, das zwischen diesen Methoden fast zersplittert ist, sagt er Jakob Hendler , Direktor des Rensselaer Polytechnic Institute for Data Exploration and Applications in Troy, New York. RPI hat Zugang zu einer frühen Version von Watson, die der Universität von IBM gespendet wurde, und Hendler unterrichtet Kurse, die auf dieser Technologie basieren. Das Wichtigste an Watson, sagt er, ist, dass es von Natur aus darum geht, viele verschiedene Lösungen für Dinge zu finden und sie zu integrieren, um zu einer Entscheidung zu gelangen.
Das Anwenden von Lernen aus einem Bereich, wie z. B. dem Sehen, auf einen anderen, wie z. B. Sprache, ist als multimodaler Ansatz bekannt. Es könnte zukünftige KI-Systeme viel nützlicher machen und grundlegende Einblicke in die Natur von Intelligenz liefern.
Wenn es um die Kommerzialisierung solcher Fortschritte geht, hat IBM dank Watson möglicherweise einen Vorsprung bei der sinnvollen Integration neuer Techniken. Pesenti sagt, dass sein Team in diesem Bereich bereits Fortschritte macht. Wenn ich mit Ihnen über einen Hund spreche, ist es sehr schwer zu verstehen, was ein Hund ist, ohne eine Erfahrung mit diesem Hund zu haben, die Sie durch eine multimodale Sichtweise davon bekommen, sagt er. Wir glauben auf der ganzen Linie, dass dies tatsächlich ein sehr, sehr großer Teil unserer Strategie ist.