Uber lancerer et AI Lab

Uber er ved at skabe et nyt AI-forskningslaboratorium, dedikeret til at udforske grænserne for maskinlæring og anvende vigtige fremskridt i sin forretning.

Laboratoriet vil have base i Silicon Valley og vil blive ledet af Gary Marcus , professor ved NYU og administrerende direktør for Geometrisk intelligens , et selskab, Uber køber for et ikke oplyst beløb. Uber AI-laboratoriet vil også ansætte en anden stornavnet AI-forsker, Zoubin Ghahramani , som vil beholde en deltidsstilling som professor ved University of Cambridge i Storbritannien. Virksomhedens andre medstiftere er Ken Stanley , lektor ved University of Central Florida, og Doug Bemis , en nyuddannet NYU med en PhD i neurolingvistik.

Det nye laboratorium vil have 15 stiftende medlemmer, og det vil udforske en række grundlæggende udfordringer, herunder udvikling af former for maskinlæring, der har brug for færre data; træning af AI-systemer ved hjælp af ikke kun data, men også eksplicitte regler; og design af maskinlæringssystemer, der forklarer deres beslutninger. Fremskridt på disse områder kan være afgørende for selvkørende biler, men kan også hjælpe med at forbedre Ubers eksisterende forretning ved for eksempel at hjælpe med at rute biler eller matche kunder i en Uber-pulje mere effektivt.

Travis Kalanick, Ubers administrerende direktør, vil annoncere den nye division, kaldet Uber AI Labs, i et blogindlæg i dag. Beslutningen var drevet af AIs voksende betydning for Uber som virksomhed. Men det ser også ud til at afspejle en erkendelse af, at på trods af fantastiske fremskridt i de seneste år, vil udvikling af pålidelige førerløse biler kræve yderligere grundlæggende fremskridt (se Hvad skal du vide, før du sætter dig i en selvkørende bil).

Der vil gå lang tid, før selvkørende biler kan håndtere alle de mulige scenarier i verden, siger Jeff Holden, Chief Product Officer hos Uber. Holden peger på fremtidige fremskridt inden for maskinlæring, som vil give os mulighed for at gøre radikalt forskellige slags ting. Han tilføjer: Spørgsmålet er, hvilken rolle vi kommer til at spille i det?

Holden siger, at han lærte om Marcus og geometrisk intelligens kl MIT Technology Review 's AI-fokuserede event, EmTech Digital, som blev afholdt i San Francisco i maj.

Uber er vokset med betagende hastighed siden grundlæggelsen i 2009, takket være en smartphone-app, der fuldstændig har væltet den konventionelle taxaindustri i USA og andre steder. For nylig har virksomheden investeret kraftigt i forskning inden for områder som førerløse biler i håb om at opretholde hurtig vækst, for at undgå at blive forstyrret i sig selv og for at bevare et gunstigt image blandt finansfolk, efterhånden som tabene stiger. Det har primært fokuseret på at udvikle den hardware og software, der kræves til autonom kørsel, selvom Uber også har fremmet andre forskningsindsatser, herunder flyvende køretøjer og dronebaseret annoncering (se Ubers Ad-Toting Drones Are Heckling Drivers Stuck in Traffic).

Marcus er en fremtrædende figur i verden af ​​kunstig intelligens, der nogle gange har vakt kontrovers ved at kritisere feltets fokus på datatunge tilgange, der er afhængige af neurale netværk eller dyb læring. Han grundlagde Geometric Intelligence for at forfølge andre veje, herunder tilgange inspireret af kognitiv videnskabelig forskning, som kunne være meget mindre datahungrende (Marcus gav MIT Technology Review eksklusiv adgang til hans virksomhed sidste år; se Kan denne mand gøre AI mere menneskelig?).

Marcus siger, at hans team vil fortsætte med at fokusere på udfordringer, som eksisterende systemer ikke kan løse. Vi er især interesserede i kanttilfældene - hvad der sker, hvis belysningen er anderledes, eller det er et køretøj, du ikke har set før, siger han. Vi kommer til at arbejde meget med de problemer.

Marcus har ikke afsløret mange detaljer om, hvad Geometric Intelligence har udviklet, og virksomheden har ikke offentliggjort noget af sit arbejde. Men blandt andet har hans team arbejdet på en form for dyb læring, der kræver mindre data (se Algoritmer, der lærer med mindre data, kunne udvide AIs kraft). Han siger, at sådanne tilgange kan vise sig nyttige for både Ubers nuværende forretning og dets langsigtede forskningsmål. Der vil altid være tilfælde, hvor du ikke har nok data. Du har måske nok information til at forudsige, hvad der sker klokken ni om morgenen, men hvad sker der klokken 02.00, og der er færre data? siger Marcus. Og [i automatiseret kørsel] er der ikke så meget data, når du kommer ind i kanten sager.

Marcus er også interesseret i at kombinere nyere områder af AI, såsom deep learning (en form for maskinlæring, der har vist sig meget kraftfuld i de senere år), med ældre AI-traditioner, herunder tilgange, der involverer at give maskiner eksplicitte regler. Han siger, at det kan være vigtigt for en selvkørende bil, hvilket gør det muligt at lære den om lokale færdselsregler.

Derudover vil hans team sigte mod at udvikle maskinlæringssystemer, der er i stand til at forklare deres beslutninger eller handlinger, tilføjer Marcus. Dette er blevet et vigtigt forskningsområde, og et område, der kan være afgørende for at opbygge tillid til selvkørende biler. Vi er meget interesserede i gennemsigtighed og fortolkning - hvordan får man et system, hvor man forstår, hvorfor det gjorde, hvad det gjorde? han siger.

Det er klart, at der er grundlæggende tekniske problemer, der går på tværs af mange af de problemer, Uber står over for, siger Karl Iagnemma , en tidligere forsker ved MIT og grundlægger og administrerende direktør for en virksomhed kaldet nuTonomi , som tester selvkørende taxaer i Singapore og USA. At identificere og løse disse problemer ville give Uber en betydelig konkurrencefordel sammenlignet med resten af ​​feltet.

Men det er langt fra sikkert, at grundforskning vil betale sig, siger Iagnemma. Det er i høj grad et våbenkapløb, tilføjer han. Hvis dine konkurrenter gør det, selvom du er usikker på sandsynligheden for, at grundforskning vil føre til en betydelig indvirkning på dit produkt, har du ikke råd til ikke at konkurrere.

skjule