AI yang menerangi bulan, mengimprovisasi tata bahasa, dan mengajari robot berjalan seperti manusia •

Penelitian tentang pembelajaran mesin dan kecerdasan buatan, yang sekarang menjadi teknologi pokok di hampir setiap industri dan perusahaan, terlalu luas untuk dilihat siapa pun. Kolom ini, Perceptron, bertujuan untuk menyatukan beberapa penemuan dan artikel terbaru yang relevan—terutama tetapi tidak terbatas pada kecerdasan buatan—dan menjelaskan mengapa hal itu penting.

Dalam beberapa minggu terakhir, para ilmuwan telah mengembangkan algoritma untuk mengungkapkan detail menarik tentang kawah asteroid yang remang-remang – dan dalam beberapa kasus sangat gelap -. Di tempat lain, para peneliti di Massachusetts Institute of Technology melatih model AI menggunakan buku teks untuk melihat apakah itu dapat mendeteksi tata bahasa bahasa tertentu sendiri. Tim dari DeepMind dan Microsoft memeriksa apakah data penangkapan gerak dapat digunakan untuk mengajari bot cara melakukan tugas tertentu, seperti berjalan.

Dengan peluncuran Artemis I yang akan datang (dan diperkirakan terlambat), ilmu bulan kembali menjadi sorotan. Namun, secara paradoks, daerah gelap Bulan adalah yang paling menarik, karena mungkin mengandung es air yang dapat digunakan untuk berbagai tujuan. Sangat mudah untuk melihat kegelapan, tapi apa yang ada di dalamnya? Tim ahli gambar internasional telah menerapkan ML pada masalah dengan beberapa keberhasilan.

Meskipun kawah berada dalam kegelapan total, Lunar Reconnaissance Orbiter kadang-kadang masih mengambil foton dari dalam, dan tim telah menghabiskan waktu bertahun-tahun untuk menyusun gambar yang kurang terang (tetapi tidak sepenuhnya hitam) menggunakan “postprocessing berbasis fisika” dan pembelajaran mendalam. alat. dijelaskan dalam Geophysical Research Letters Hasilnya, menurut David Kring dari Lunar and Planetary Institute, adalah bahwa “Rute yang terlihat dapat dirancang di area bayangan yang terus-menerus, secara signifikan mengurangi risiko bagi astronot Artemis dan peneliti robotika.”

Biarkan cahaya melintas di sana! Bagian dalam lubang direkonstruksi dari foton yang tersebar.

Kami membayangkan Anda akan memiliki senter, tetapi ada baiknya untuk memiliki gambaran umum tentang ke mana Anda harus pergi terlebih dahulu, dan tentu saja ini dapat memengaruhi penjelajahan robot atau pendarat.

Meskipun berguna, tidak ada yang misterius tentang mengubah data yang jarang menjadi gambar. Tetapi di dunia linguistik, kecerdasan buatan membuat langkah luar biasa dalam mencari tahu bagaimana dan apakah model bahasa benar-benar tahu apa yang mereka ketahui. Dalam kasus belajar tata bahasa, sebuah eksperimen di MIT menunjukkan bahwa model yang dilatih dengan beberapa buku teks mampu membuat modelnya sendiri tentang bagaimana bahasa tertentu bekerja, sampai-sampai tata bahasanya, katakanlah untuk bahasa Polandia, mampu menyelesaikan tugas-tugas buku teks. berhasil.

“Para ahli bahasa percaya bahwa untuk benar-benar memahami tata bahasa manusia, dan untuk benar-benar memahami tata bahasa manusia, Anda harus menjadi manusia dan memahami sistem yang sedang bekerja. Kami ingin melihat apakah kami dapat meniru jenis pengetahuan yang kami miliki,” MIT’s Adam Albright mengatakan dalam siaran pers. dan pemikiran yang dibawa manusia (ahli bahasa) untuk tugas itu.” Ini adalah penelitian yang sangat awal di depan ini, tetapi ini menunjukkan janji karena menunjukkan bahwa aturan halus atau tersembunyi dapat “dipahami” oleh AI model tanpa instruksi eksplisit.

Namun, eksperimen tersebut tidak secara langsung menjawab pertanyaan utama yang belum terjawab dalam penelitian AI: Bagaimana kita mencegah model bahasa memancarkan bahasa yang beracun, diskriminatif, atau menyesatkan? Karya baru oleh DeepMind dia adalah Untuk melakukan ini, ia mengambil pendekatan filosofis untuk masalah rekonsiliasi model bahasa dengan nilai-nilai kemanusiaan.

Peneliti lab percaya bahwa tidak ada solusi satu ukuran untuk semua untuk meningkatkan model bahasa, karena model harus memiliki sifat yang berbeda tergantung pada konteks di mana mereka digunakan. Misalnya, model yang mendukung kajian ilmiah idealnya hanya memberikan data yang valid, sedangkan agen yang bertindak sebagai moderator dalam debat publik akan menjunjung tinggi nilai-nilai seperti toleransi, kepatutan, dan rasa hormat.

Jadi bagaimana nilai-nilai ini memberi makan model bahasa? Rekan penulis DeepMind tidak menyarankan metode tertentu. Sebaliknya, mereka menyarankan bahwa pola dapat mendorong percakapan yang lebih “kuat” dan “menghormati” dari waktu ke waktu melalui proses yang mereka provokasi. Membangun konteks Dan Klarifikasi. Sebagai rekan penulis menjelaskan, “Bahkan ketika seseorang tidak menyadari nilai-nilai yang mendorong praktik percakapan tertentu, agen masih dapat membantu orang tersebut memahami nilai-nilai ini dengan mengantisipasi mereka dalam percakapan, yang merupakan aliran komunikasi yang lebih dalam, lebih bermakna, dan lebih bermanfaat bagi orang yang menjadi pembicara.” manusia.

Formulir Bahasa LaMDA Google menjawab pertanyaan.

Menemukan pendekatan yang paling menjanjikan untuk menyesuaikan model linguistik membutuhkan banyak waktu dan sumber daya, keuangan dan lainnya. Tetapi di bidang-bidang di luar bahasa, khususnya yang ilmiah, hal itu mungkin tidak akan terjadi lebih lama lagi, berkat hibah sebesar $3,5 juta dari National Science Foundation (NSF), yang mencakup tim peneliti dari University of Chicago, Argonne. • Kepala Laboratorium Nasional dan mendapat penghargaan di Massachusetts Institute of Technology.

Dengan hibah NSF, penerima hibah berencana untuk membangun apa yang disebut “taman model”, atau gudang model kecerdasan buatan yang dirancang untuk memecahkan masalah di bidang-bidang seperti fisika, matematika, dan kimia. Repositori akan menghubungkan model ke data dan sumber daya komputasi, serta pengujian dan layar otomatis untuk memeriksa keakuratannya, idealnya memudahkan peneliti ilmiah untuk menguji alat dan menggunakannya dalam studi mereka sendiri.

Pengguna dapat mengaksesnya [model] “Parkir dan lihat semua informasi ini secara sekilas,” Ben Blaisek, peneliti ilmu data di Globus Labs untuk proyek tersebut, mengatakan dalam siaran pers. “Mereka dapat mengutip modelnya, mereka dapat mempelajari lebih lanjut tentang modelnya, mereka dapat menghubungi penulisnya, dan mereka dapat mengakses model itu sendiri di lingkungan web, di komputer host mereka, atau di komputer mereka sendiri.”

Sekarang, peneliti robotika sedang membangun platform untuk model AI yang tidak menggunakan perangkat lunak, tetapi menggunakan perangkat keras—perangkat berbentuk saraf, tepatnya. Intel mengatakan generasi terbaru dari chip eksperimental Loihi dapat memungkinkan model pengenalan objek untuk “mempelajari” objek yang belum pernah dilihat sebelumnya, sambil menggunakan daya hingga 175 kali lebih sedikit daripada menjalankan model pada prosesor objek.

Intel neuromorfik

Robot humanoid yang dilengkapi dengan salah satu chip neuron eksperimental Intel.

Sistem saraf berusaha meniru struktur biologis sistem saraf. Sementara sistem pembelajaran mesin tradisional cepat atau hemat energi, sistem bentuk saraf mencapai kecepatan dan efisiensi dengan menggunakan node untuk memproses informasi dan koneksi antar node untuk mengirimkan sinyal listrik menggunakan sirkuit analog. Sistem dapat menyesuaikan jumlah arus yang mengalir di antara node, memungkinkan setiap node untuk melakukan pemrosesan, tetapi hanya jika diperlukan.

Intel dan lainnya percaya bahwa komputasi saraf memiliki aplikasi dalam logistik, seperti mengoperasikan robot untuk membantu proses manufaktur. Ini teoretis pada titik ini – komputasi saraf memiliki kekurangannya – tetapi mungkin suatu hari visi itu akan menjadi kenyataan.

DeepMind mewujudkan AI

kredit gambar: pikiran yang dalam

Lebih dekat dengan kenyataan adalah karya terbaru DeepMind tentang “kecerdasan yang diwujudkan,” atau menggunakan gerakan manusia dan hewan untuk mengajar robot menggiring bola, membawa kotak, dan bahkan bermain sepak bola. Peneliti laboratorium telah mengembangkan pengaturan untuk merekam data dari pelacak gerak yang dikenakan oleh manusia dan hewan, dari mana sistem AI telah belajar untuk melakukan tindakan baru, seperti berjalan. B. Berjalan dengan gerak melingkar. Para peneliti mengatakan pendekatan ini diterjemahkan dengan baik ke dunia nyata robotika, yang memungkinkan, misalnya, robot berkaki empat berjalan seperti anjing sambil menggiring bola pada saat yang sama.

Secara kebetulan, awal musim panas ini Microsoft merilis perpustakaan data penangkapan gerak yang bertujuan untuk memajukan penelitian tentang robot yang bisa berjalan seperti manusia. Pustaka, yang disebut MoCapAct, berisi klip penangkapan gerak yang, bila digunakan dengan data lain, dapat digunakan untuk membuat robot berkaki dua yang cerdas — setidaknya dalam simulasi.

“[Creating this data set] Berlangsung setara dengan 50 tahun dibandingkan dengan banyak konfigurasi GPU [servers] … sebuah bukti rintangan komputasi yang dihilangkan MoCapAct untuk peneliti lain,” tulis rekan penulis makalah dalam posting blog. “Kami berharap komunitas dapat membangun dataset kami dan bekerja pada penelitian luar biasa tentang kontrol robotika manusia.”

Makalah akademik peer-review adalah pekerjaan manusia yang tak ternilai yang tidak mungkin dilakukan oleh AI, tetapi peer review sebenarnya dapat membantu menjadi berguna. Sebuah kelompok peneliti Swiss telah melihat penilaian berdasarkan model peer-review, dan hasil awal mereka beragam – dengan cara yang baik. Tidak ada praktik atau tren baik atau buruk yang jelas, dan peringkat versi tampaknya tidak memprediksi apakah ulasan itu komprehensif atau bermanfaat. Tidak apa-apa, karena meskipun kualitas ulasan bervariasi, Anda tidak ingin ada kekurangan sistematis ulasan bagus di mana pun kecuali, katakanlah, di jurnal-jurnal besar. Bisnis Anda sedang berlangsung.

Kesimpulannya, bagi siapa pun yang tertarik dengan kreativitas di bidang ini, Ini adalah proyek pribadi oleh Karen X. Cheng Ini menunjukkan bagaimana sedikit kreativitas dan kerja keras dapat dikombinasikan dengan AI untuk menghasilkan sesuatu yang benar-benar orisinal.

Baca Juga!

Gedung Putih baru saja mengambil langkah untuk membuat AI lebih akuntabel

Sementara Biden telah menyerukan lebih banyak privasi dan diakhirinya pengumpulan data oleh perusahaan teknologi di …