Qu'advient-il si vous laissez l'intelligence artificielle sans surveillance?

IA indépendante

Bien que ce soit déjà une mauvaise forme - pour mentionner le match de l’année dernière, Alpha Go et une personne dans le premier paragraphe, commençons par cet exemple. Il s’intéresse à nous car c’est peut-être le premier cas adéquat d’intelligence artificielle autodidacte. Il existe de nombreux autres exemples, mais à ce jour, ils n'ont pas quitté les laboratoires et sont généralement inconnus du grand public. L’auto-apprentissage d’AlphaGo était centré sur les nombreuses heures consacrées à jouer à des jeux avec soi-même et à l’apprentissage des jeux.

Cette compétition d'hommes et de voitures a attiré l'attention de toutes les grandes publications. Comme d’habitude, j’ai freiné et n’ai pas eu le temps de suivre ce train mémo magnifique du journalisme moderne. Mais la «confrontation du siècle» est intéressante non seulement par le battage médiatique qui l’entoure (un million de dollars en prix, attribuant un 9e dan honoraire au jeu de go, une percée scientifique de l’année selon Science) et une saveur distincte de la fiction azimov. L'essence de l'action en bref: la machine de jeu AlphaGo a dominé et remporté 4 des 5 matchs du jeu oriental traditionnel. Elle a gagné non pas chez certains joueurs classés au premier rang, mais chez les professionnels coréens du 9 dan dan Lee Sedol (2e place du classement international). Les experts disent que cette affaire ne ressemble pas à une bataille d'échecs d'ordinateur et de Garry Kasparov, car en 1997, l'ordinateur a été formé sous la supervision de joueurs d'échecs, qui ont eux-mêmes rédigé des stratégies et l'ont entraîné. Pour la formation du joueur-joueur AlphaGo, la méthode de la force brute a été utilisée (la machine a visionné un échantillon de centaines de milliers de personnes) ressemblant de loin aux modèles scientifiques de travail connus sous le nom de GAN (réseaux d’inconvénient génératif). Ils présentent un intérêt particulier, car les représentants de l’équipe AlphaGo se sont familiarisés avec ces réseaux de neurones concurrentiels. Nous allons les considérer dans cet article.

Une telle approche de la formation à l'intelligence artificielle n'est plus d'actualité - les réseaux concurrents génératifs ou simplement les GAN sont apparus pour la première fois en 2014 avec l'aide de Ian Goodfellow. Les GAN fonctionnent très simplement - en tant que mandataire, procureur, méchant flic ou critique-auteur. Un réseau (discriminateur, D) classe, marque les données entrantes comme fausses ou vraies. Un réseau concurrent (générateur, G) étudie les estimations du discriminateur et peut créer de nouvelles données basées sur ces estimations. Ces réseaux de neurones s'enseignent mutuellement. Et, chose intéressante, les GAN ont besoin de très petits échantillons d’informations d’entraînement: il suffit de quelques centaines d’images et de trois ou quatre répétitions pour que le générateur produise ses propres versions des images originales (avant que l’apprentissage des réseaux de neurones ne prenne plusieurs heures et des millions d’échantillons).

L'un des modèles les plus intéressés par l'intelligence artificielle du GAN était Facebook, qui s'est même empressé de publier un article à ce sujet. Pourquoi Facebook? Parce qu’il s’agit de l’acteur le plus public du marché de la haute technologie - Google et Amazon, et Microsoft achètent massivement des équipes et des startups en intelligence artificielle pour réaliser leurs propres développements. Mais ils sont un peu en retard par rapport à Facebook, qui dispose d’un très grand échantillon d’entraînements en images (la vision par ordinateur est l’une des méthodes de formation les plus populaires) et d’une excellente équipe FAIR (groupe de recherche sur l’intelligence artificielle sur Facebook).

Résumé: le réseau discriminateur apprend à distinguer les photos réelles des photos générées par ordinateur et le générateur de réseau s'entraîne pour créer des photographies réalistes impossibles à distinguer de l'original. Dans cette course à l'entraînement, les chances de succès des deux réseaux sont égales (?). Que va-t-il se passer quand ils auront terminé leur formation?

Chute de tendance

Ces dernières années, l’apprentissage automatique n’a atteint que l’âge d’or: l’accroissement de la puissance des ordinateurs, l’accès instantané à de grandes baies de données rendent cette zone très chaude. Aujourd’hui, AI est une voiture Ford du début du siècle dernier ou des satellites spatiaux dans les années 60 - une ruée vers l’ensemble, des prédictions vertigineuses et une faible compréhension de ce qu’il faut faire de toute cette richesse. Vous trouverez ci-dessous des exemples des dernières technologies de pointe dans le domaine de l'IA.

L'apprentissage en une étape consiste à former des réseaux de neurones sur une petite quantité de données, idéalement avec un seul exemple et un petit échantillon pour la formation. De plus en plus de jeunes entreprises travaillent sur l'IA à apprentissage rapide.

Ainsi, l’algorithme de jeu DeepStack ne répète pas le sort d’Alpha Go, mais se rapproche beaucoup d’une formation réussie sur de petits échantillons. Fin 2016, DeepStack a mené une série de jeux d'apprentissage du poker au Texas avec 11 joueurs de l'organisation de poker internationale. L'algorithme a pris 3000 combinaisons avec chaque joueur pour donner des résultats décents - victoires confiantes (moyenne de 396 points) sur dix joueurs et victoire proche du onzième (70 points, précision statistique). L'algorithme n'a pas été appris uniquement dans le processus de jeu, il a également utilisé la méthode de résolution (adaptation à chaque nouveau joueur et à chaque nouvelle combinaison de cartes). DeepStack est le résultat du partage de réseaux de neurones et de GAN récursifs profonds.

Le projet de réseau neuronal Microsoft ResNet est utilisé pour la reconnaissance d'images. Si vous capturez le travail du réseau de neurones lors du tri et de la reconnaissance des images, vous obtenez les images suivantes:

Orientation des perspectives en science médico-légale et en photographie, Face Aging With GAN - un couple discriminateur-générateur après une séance d'entraînement sur 5 000 photographies de visages humains de différents âges peut reproduire, prédire les changements d'individus avec l'âge. Si le générateur reproduit une personne âgée, le discriminateur détermine dans quelle mesure le résultat correspond à l'original.

King of Goldman Les traders de Sachs ont remplacé certains de leurs traders par des algorithmes. La place de 600 traders ordinaires est maintenant occupée par 200 développeurs et ingénieurs qui supportent les algorithmes de trading. Ceci est associé à un vaste plan de gestion bancaire (146 points) pour automatiser les opérations de courtage simples. Les commerçants ayant une vaste expérience et des vendeurs expérimentés ne seront pas affectés par cela.

Bien que dans certains hedge funds (Sentient Technologies inc., Numerai, Emma hedge fund), les algorithmes de trader basés sur l'IA effectuent déjà tout le travail d'analyse et de prévision des résultats. En règle générale, les spécialistes de l'intelligence artificielle ne sont pas enthousiastes à l'idée de travailler pour des sociétés financières, mais les avantages de vastes ensembles de données et les possibilités de formation à l'IA l'emportent sur le scepticisme et la réticence à travailler pour le capitaliste Molochs. L'année 2016 a été celle de la naissance de plusieurs hedge funds à la fois, dans lesquels l'intelligence artificielle est négociée.

Le jumeau chinois "Google" Baidu ne dort pas non plus. La plupart des développements chinois dans le domaine de l'IA et de l'apprentissage automatique sont distribués gratuitement et tout le monde peut les tester et les étudier. En janvier 2017, un laboratoire de réalité artificielle a ouvert à Beijing, où Andrew Eun souhaite se lier d'amitié avec la réalité virtuelle et le travail des moteurs de recherche.

Un autre développement prometteur de Baidu est le bot médical Melody, qui est capable de mener une enquête auprès des patients et menace de remplacer l’ensemble du département d’enregistrement des polycliniques.

Démocratisation de l'IA - De nos jours, les chercheurs ont besoin de grandes quantités d'informations et de puissance de calcul. Seules les grandes entreprises et les instituts de recherche sont donc compétitifs dans le domaine de l'IA. Dès qu’apparaîtront des modèles d’IA capables d’étudier de petites quantités d’informations, ce sera encore plus intéressant, car davantage de personnes pourront se former et explorer l’IA. Peut-être y aura-t-il (déjà) des réseaux sociaux où les gens pourront partager les progrès réalisés dans la formation de leurs agents d'IA.

La distribution recevra des mécanismes de détection automatique des fausses nouvelles, des photos et des vidéos. Le développement d’IBR (rendu d’image), une technologie permettant de dessiner de nouvelles images à partir d’images existantes (quelque chose de similaire aux méthodes déjà implémentées ou interpolation de mouvement), nécessite simplement l’apparition d’un tel analyseur.

Un autre bonjour de la Chine fraternelle est le développement de la reconnaissance faciale Face ++, qui vous permet de payer avec votre visage (il est difficile de compter le nombre de couches dans ce jeu de mots). Les tests du développement reposent sur le système de paiement mobile Alipay: vous pouvez désormais effectuer des paiements en fournissant uniquement votre propre visage.

Dans le domaine de la reconnaissance et de la reproduction de la parole, plusieurs cas sont d’intérêt: Présentation Adobe Voco (Conversion de voix) "Photoshop pour voix" - une application pour Adobe Audition qui manipule l’échantillon original de parole humaine, ajoute de nouveaux mots et significations au message original. La ventriloquisation prend maintenant de nouvelles significations.

Un bon exemple de la manière dont un chercheur indépendant peut enseigner les langues de l'IA est:

Le programme enseigne l'anglais:

Le programme enseigne le japonais:

Et que se passera-t-il si vous laissez l'IA sans surveillance? Il étudiera de lui-même sans s'arrêter et deviendra de plus en plus parfait, par exemple en musique:

Mashup algorithmique ou Stravinsky artificiel

Au lieu de conclusions: quand j'entends dire que des jeunes titulaires d'un MBA font des startups en IA, ma main va vers la souris. Si nous considérons combien de logiciels libres et d'ordinateurs puissants sont disponibles pour les gens ordinaires aujourd'hui, la mode de l'IA ne devrait pas être surprenante. Malgré le HYIP autour de l'intelligence artificielle et de l'apprentissage automatique, des prédictions impressionnantes et des manigances enfantines telles que Rocket AI, malgré tous les progrès réalisés dans ce domaine, l'intelligence artificielle ne peut pas être qualifiée d'intelligence dans la définition exacte de ce mot ("les gens, des gens partout dans le monde"). L'intelligence artificielle est maintenant réalisée par des personnes, l'IA ne peut même pas se nommer elle-même, elle ne dit que ce que les scientifiques ont investi dans cette intelligence). La plupart des services qui fonctionnent sur la base de l'intelligence artificielle sont toujours pris en charge par les développeurs, nous ne pouvons parler que d'une très petite fraction de l'automatisation des machines intelligentes. Jusqu'ici, l'intelligence artificielle ne fait que répéter et reproduire des informations pédagogiques ou professionnelles - elle surprend par sa puissance de calcul et sa vitesse d'apprentissage, mais c'est à peu près tout. Il est trop tôt pour parler de quelque chose de similaire à l'activité humaine plus nerveuse. "Oui, et pas nécessairement", dirait Larry Niven *.

Mise à jour 02.23.17: Facebook a publié le projet Prophet, un outil de prévision d'activité automatique. Prophet utilise des modèles d’analyse de régression additifs non paramétriques pour ses prédictions.

Basé sur le podcast avec Ian Goodfellow et Richard Mallah.

* "Il y a des esprits qui pensent différemment." 15ème loi de Niven *. - "Il y a des esprits qui pensent de la même manière que vous. Seulement d'une manière différente." 15 Loi de Niven.

Loading...

Laissez Vos Commentaires