以人工智能为人工智能

  • 发表20月20日20日
  • 作者考特尼哥伦布
  • 来源填充/ SFN.
机器人手和人类的手
Istock.com/ipopba.

记忆仍然让飞飞李微笑:一群高中女孩,均来自不足的人口,彼此的辫子的头发和聊天深入学习神经网络。女孩们是AI4ALL的参与者,该计划创建的是将年轻人介绍给人工智能领域。

“这只是人类,如此美丽,”李在芝加哥神经科学社会讲座的对话期间告诉她观众。她为AI的未来领导人设计了AI4All,他们可能无法获得这种体验。“这项技术将影响人类的未来,方向盘上的每个人都看起来也一样。”

关注人类指导李的以人为本的AI方法。三项原则包括她对该领域的未来的愿景:AI应侧重于人类影响,AI应增强和增强人类,AI应受到人类智慧的启发。

由于她开发了ImoreEnet,因此李先生在AI中是一个驱动力,该数据库由全球各地的研究人员使用的1400万元注释图像,以培训视觉对象识别软件。它的图像分为“两栖动物”等类别,“Amphibian”,“食物”,“花”或“地质形成”。

“你将算法显示一堆带有标签的训练数据 - 猫或狗或椅子的图片 - 然后算法学会匹配它所看到的模式,”LI说明。数据库所包含的信息越多,算法可以识别和识别图像的越好。根据李,这个想法是“使用大数据重新启动计算机视觉和机器学习的思想来推动对象类别的学习。”

Imagenet的成功奠定了年度挑战。从2010年到2017年,世界各地的研究人员将他们的最佳算法与Imagenet进行了攻击,以确定哪些可能以更好的准确性识别1,000种不同的日常物体。2012年杰弗里·宾顿和他的学生赢得了使用旧算法的学生知道卷积神经网络时,比赛在2012年竞争得到了有趣。

“那结果以令人惊讶的方式使分类错误提出,”李召回。“从那时起,结果稳步改善。”

卷积神经网络引发了该领域的繁荣。从那时起,AI就已经向实验室和社会工作了。“它不仅进入日常生活,还推动了第四次工业革命,”李鹏指出。知道它会 - 已经 - 已经存在 - 对人类有很大影响,李先生对人以人为本的AI和三个原则通知。

李先生的第一个原则认为,应该专注于人类影响。在保持该原理中,LI是重新评估算法和消除机器学习偏差。在设计或培训计划的同时,人类可能会引入意外的偏见或偏见。这可能导致算法产生系统地偏见的结果。

李的团队正在审查Imagenet的机器学习偏差数据,特别是在人物类别中。最近,他们确定了种族或性格等攻击性类别建议从数据库中删除它们。李还指出,研究人员重新审查执法数据,以使AI系统更公平的决策部分。“我们可以使用机器学习来转向执法的文件,通过名称,地址,邮政编码和头发颜色进行竞争信息,进入比赛盲文件,”她解释说明。

许多人担心AI看似权力到一天,接管劳动力或消除隐私。这就是李的第二个原则的位置:AI必须增强和增强社会。人们可以从部署AI的方式中受益,例如通过提高医疗保健系统的局限性。

每年在美国,超过90,000人死于医院获得的感染。良好的手动卫生对减少这些类型的感染来说至关重要。这么多,以便跟踪临床医生的卫生实践,“医院雇用人类监视器”,李鹏指出。“你可以想象这个过程有多昂贵,错误和主观。”

艾菲李的形象
bepaly体育是违法网站

即使有所有这些努力,穷人的手工卫生仍然是医院的常见问题。李的团队设计了一种使用与自动驾驶汽车类似的传感器技术和算法的系统。他们认识到,人类正在照顾其他人类的环境表现出显着的复杂性。该系统创造了一家三维重建医院和人民活动。该技术可以监控医疗错误和卫生实践,并在需要注意卫生实践时提醒医生。虽然一个有剪贴板的人会厌倦任务,但AI系统不会疲劳。

然而,与那些人类监视器不同,AI不像我们那样思考。李认为AI应该受到人类智慧的启发。例如,当计算机可以识别图片中的组件时,它无法看到完整的上下文。李解释说,“你和我看到了一个整个不同的故事[在图片中]。我们看到情感。我们可能预测下一个会发生的事情。“

为了开发更多地处理信息,更像我们的方式,李与其中包括一个包括在外的大型研究人员,其中包括丹yamins.,计算机科学与心理学教授,以及迈克尔弗兰克,谁研究了孩子的语言学习。目标是创建像人类一样的机器。

“人类智慧不会被某人[显示婴儿] 1,000个带有标签的物体,”李说。“婴儿探索,他们打破了东西,他们被好奇心所驱动。我们开发了一个由好奇心的内部激励的AI系统。“

该团队充满了一种计算机算法或人工代理,有好奇心 - 寻求新奇和探索其环境的驱动器。以婴儿剪影为模型,看起来有点像一个低质量的视频游戏,人工代理首先学会旋转头部并环顾四周。为了将人工代理人与真正的人类进行比较,弗兰克一直在使用学龄前儿童并观察他们如何学习。

“那里有很多AI在那里灵感来自人类的孩子和人类的学习,但是在系统地评估了它的行为是否看起来像是如何学习的那样较少。这就是我们正在做的事情,“弗兰克说。“我们都希望这种探索性和好奇的行为可能被证明是AI和认知科学之间综合的一个非常重要的驱动力。”

早期结果显示人工代理商“经历了一个理解的早期阶段,然后开始专注于没有任何人告诉它的物体,”李说。换句话说,它似乎表现得像一个人类的婴儿。该团队正在探索如何在机器人中使用一些算法的原则。

今天的机器人非常擅长一遍又一遍地做一个任务,但是当涉及到不确定的环境时,他们都有困难。一种有效的算法可以允许它们以更大的灵活性导航其环境。Yamins指出了AI算法产生的信息也可以提高我们对人类脑和认知的理解。

在她的谈话中,李分享了一个与她的观众的艾伯特爱因斯坦报价:“它已经令人惊讶的是,我们的技术已经超出了我们的人性。”

“最重要的一词或提醒爱因斯坦为我们提供了人类的话语,”李说,她在整个研究中提醒,因为她在一个新的AI新时代。

额外的报告和写作Hannah Zuckerman.

内容提供

填充/ SFN.

普林斯顿大学工程学院。(2020年2月14日)。研究人员设计了减少计算机视觉数据集中偏差的方法。Sciencedaily。从10月29日恢复了2020年www.sciencedaily.com/releases/2020/02/200214105246.htm.

眼睛在A.I.I:第44集 - 飞行李。(N.D.)。检索到2020年10月29日,来自https://aneyeonai.libsyn.com/episode-44-fei-fei-li.

神经科学与社会之间的对话:Fei-Fei Li。(2019)。从...获得https://www.youtube.com/watch?v=xodwjzwgkb0.