211service.com
Uber startet ein KI-Labor
Uber richtet ein neues KI-Forschungslabor ein, das sich der Erforschung der Grenzen des maschinellen Lernens und der Anwendung wichtiger Fortschritte auf sein Geschäft widmet.
Das Labor wird im Silicon Valley angesiedelt sein und von geleitet werden Gary Markus , Professor an der NYU und CEO von Geometrische Intelligenz , ein Unternehmen, das Uber für eine nicht genannte Summe erwirbt. Das KI-Labor von Uber wird auch einen weiteren namhaften KI-Forscher beschäftigen, Zoubin Ghahramani , der eine Teilzeitstelle als Professor an der University of Cambridge in Großbritannien behalten wird. Die anderen Mitbegründer des Unternehmens sind Ken Stanley , außerordentlicher Professor an der University of Central Florida, und Doug Bemis , ein frischgebackener NYU-Absolvent mit einem Doktortitel in Neurolinguistik.
Das neue Labor wird 15 Gründungsmitglieder haben und eine Reihe grundlegender Herausforderungen untersuchen, darunter die Entwicklung von Formen des maschinellen Lernens, die weniger Daten benötigen; Training von KI-Systemen, die nicht nur Daten, sondern auch explizite Regeln verwenden; und Entwerfen von Systemen für maschinelles Lernen, die ihre Entscheidungen erklären. Fortschritte in diesen Bereichen könnten für selbstfahrende Autos von entscheidender Bedeutung sein, könnten aber auch dazu beitragen, das bestehende Geschäft von Uber zu verbessern, indem sie beispielsweise helfen, Autos effizienter zu routen oder Kunden in einem Uber-Pool zusammenzubringen.
Travis Kalanick, CEO von Uber, wird die neue Abteilung mit dem Namen Uber AI Labs heute in einem Blogbeitrag bekannt geben. Die Entscheidung wurde durch die wachsende Bedeutung von KI für Uber als Unternehmen vorangetrieben. Aber es scheint auch eine Erkenntnis widerzuspiegeln, dass die Entwicklung zuverlässiger fahrerloser Autos trotz erstaunlicher Fortschritte in den letzten Jahren weitere grundlegende Fortschritte erfordern wird (siehe What to Know Before You Get in a Self-Driving Car).
Es wird noch lange dauern, bis selbstfahrende Autos alle möglichen Szenarien der Welt bewältigen können, sagt Jeff Holden, Chief Product Officer bei Uber. Holden weist auf zukünftige Fortschritte im maschinellen Lernen hin, die es uns ermöglichen werden, radikal andere Dinge zu tun. Er fügt hinzu: Die Frage ist, welche Rolle werden wir dabei spielen?
Holden sagt, er habe bei Marcus und Geometric Intelligence erfahren MIT Technology Review , EmTech Digital, eine auf KI ausgerichtete Veranstaltung, die im Mai in San Francisco stattfand.
Uber ist seit seiner Gründung im Jahr 2009 mit atemberaubender Geschwindigkeit gewachsen, dank einer Smartphone-App, die die herkömmliche Taxibranche in den USA und anderswo vollständig umgekrempelt hat. In jüngerer Zeit hat das Unternehmen stark in die Forschung in Bereichen wie fahrerlose Autos investiert, in der Hoffnung, das schnelle Wachstum aufrechtzuerhalten, selbst Störungen zu vermeiden und bei steigenden Verlusten ein positives Image bei Finanziers aufrechtzuerhalten. Es hat sich in erster Linie auf die Entwicklung der für das autonome Fahren erforderlichen Hard- und Software konzentriert, obwohl Uber auch andere Forschungsanstrengungen vorangetrieben hat, darunter fliegende Fahrzeuge und drohnenbasierte Werbung (siehe Uber’s Ad-Toting Drones Are Heckling Drivers Stuck in Traffic).
Marcus ist eine prominente Persönlichkeit in der Welt der künstlichen Intelligenz, die manchmal Kontroversen ausgelöst hat, indem sie den Fokus des Feldes auf datenlastige Ansätze kritisierte, die auf neuronalen Netzen oder Deep Learning beruhen. Er gründete Geometric Intelligence, um andere Wege zu gehen, einschließlich Ansätzen, die von der kognitionswissenschaftlichen Forschung inspiriert sind und viel weniger datenhungrig sein könnten (Marcus gab MIT Technology Review exklusiver Zugang zu seinem Unternehmen im letzten Jahr; siehe Kann dieser Mann KI menschlicher machen?).
Marcus sagt, sein Team werde sich weiterhin auf Herausforderungen konzentrieren, die bestehende Systeme nicht lösen können. Wir interessieren uns besonders für Grenzfälle – was passiert, wenn die Beleuchtung anders ist oder es sich um ein Fahrzeug handelt, das Sie noch nie gesehen haben, sagt er. Wir werden viel an diesen Problemen arbeiten.
Marcus hat nicht viele Details darüber preisgegeben, was Geometric Intelligence entwickelt hat, und das Unternehmen hat keine seiner Arbeiten veröffentlicht. Sein Team arbeitet aber unter anderem an einer Form des Deep Learning, die weniger Daten benötigt (siehe Algorithms That Learn with Less Data Could Expand AI’s Power ). Er sagt, solche Ansätze könnten sich sowohl für das aktuelle Geschäft von Uber als auch für seine langfristigen Forschungsziele als nützlich erweisen. Es wird immer Fälle geben, in denen Sie nicht genügend Daten haben. Sie haben vielleicht genug Informationen, um vorherzusagen, was um neun Uhr morgens passiert, aber was passiert um 2 Uhr morgens, und es gibt weniger Daten? Sagt Markus. Und [beim automatisierten Fahren] gibt es nicht so viele Daten, wenn man in die Grenzfälle kommt.
Marcus ist auch daran interessiert, neuere Bereiche der KI wie Deep Learning (eine Form des maschinellen Lernens, die sich in den letzten Jahren als sehr leistungsfähig erwiesen hat) mit älteren KI-Traditionen zu kombinieren, einschließlich Ansätzen, bei denen es darum geht, Maschinen explizite Regeln zu geben. Er sagt, dass dies für ein selbstfahrendes Auto wichtig sein könnte, um ihm lokale Verkehrsregeln beizubringen.
Darüber hinaus wird sein Team darauf abzielen, maschinell lernende Systeme zu entwickeln, die in der Lage sind, ihre Entscheidungen oder Handlungen zu erklären, fügt Marcus hinzu. Dies ist zu einem wichtigen Forschungsgebiet geworden, das für den Aufbau von Vertrauen in selbstfahrende Autos entscheidend sein könnte. Wir sind sehr an Transparenz und Interpretierbarkeit interessiert – wie bekommt man ein System, bei dem man versteht, warum es getan hat, was es getan hat? er sagt.
Es ist klar, dass es grundlegende technische Probleme gibt, die viele der Probleme betreffen, mit denen Uber konfrontiert ist, sagt er Karl Iagnema , ein ehemaliger Forschungswissenschaftler am MIT und Gründer und CEO eines Unternehmens namens nuTonomie , das selbstfahrende Taxis in Singapur und den USA testet. Die Identifizierung und Lösung dieser Probleme würde Uber einen erheblichen Wettbewerbsvorteil gegenüber dem Rest des Feldes verschaffen.
Aber es ist alles andere als sicher, dass sich die Grundlagenforschung auszahlen wird, sagt Iagnemma. Es ist sehr viel ein Wettrüsten, fügt er hinzu. Wenn Ihre Konkurrenten es tun, können Sie es sich nicht leisten, nicht zu konkurrieren, auch wenn Sie sich nicht sicher sind, ob die Grundlagenforschung zu erheblichen Auswirkungen auf Ihr Produkt führen wird.