Ubers elendighed viser vanskeligheden ved at kommercialisere AI

Ubers bestræbelser på at være et skridt foran konkurrenterne ved at investere massivt i robotteknologi og AI-forskning viser tegn på problemer.

I de seneste måneder har Uber mistet flere højtstående medlemmer af sin Advanced Technologies Group, et selvkørende bilprojekt med hovedkontor i Pittsburgh. Og lederen af ​​dets nye AI-laboratorium, Gary Marcus, trådte også tilbage fra sin rolle efter blot et par måneder i spidsen. Disse er en del af et større billede, der fremhæver de udfordringer, der er forbundet med at kommercialisere teknologi, der forbliver ekstremt kompleks og banebrydende.

Uber oprettede sit AI-laboratorium i december efter at have erhvervet Geometric Intelligence, en startup ledet af Marcus, en kognitiv videnskabsmand fra New York University. Marcus, som fortsat er rådgiver for AI for Uber, vil diskutere de udfordringer, der stadig er inden for kunstig intelligens i dag på EmTech Digital, en konference arrangeret af MIT Technology Review.



Det nyeste tilbageslag fra Uber kom i sidste uge, da det blev tvunget til at stoppe testen af ​​sine selvkørende køretøjer i Arizona, efter at en bil var blevet involveret i en ulykke med et andet køretøj. Intet tyder endnu på, at den selvkørende bil var skyld i.

Som Marcus vil forklare, er det stadig en formidabel udfordring at gøre computere lige så smarte som mennesker i kritiske situationer som kørsel. Selvkørende biler kan endnu ikke reagere på enhver eventualitet, de måtte støde på på vejen, og de kræver enorme mængder data at lære.

Uber har skyndt sig at udvikle automatiserede køretøjer af frygt for, at teknologien let kan forstyrre taxabranchen. Firmaet kom hurtigt op i fart, og har selvkørende biler på vejene i flere byer. Men som MIT Technology Review opdaget, fungerer disse systemer endnu ikke perfekt, selv i almindelige køresituationer.

Der er også betydelige tekniske udfordringer. For eksempel er det ikke klart, hvordan man får selvkørende biler til at klare forringede sensorer, eller hvordan aktive systemer som lidar, en type lasersystem, kan interferere med hinanden, hvis der var mange selvkørende biler på vejene ( se, hvad du skal vide, før du sætter dig i en selvkørende bil).

Marcus har været en åbenhjertig kritiker af, hvad han ser som en overdreven afhængighed af neurale netværksbaserede maskinlæringstilgange inden for kunstig intelligens. Han grundlagde Geometric Intelligence i 2014 for at udforske alternative tilgange (se Can This Man Make AI More Human? ).

Geometric Intelligence søgte blandt andet at finde mere effektive måder for maskiner at lære. Mens et menneske kan lære at genkende et nyt trafikskilt meget hurtigt, kræver en computer mange tusinde eksempler ved at bruge nutidens bedste maskinlæringstilgange.

Andre virksomheder, der arbejder med automatiseret kørsel, har også fundet fremgang langsommere, end de måske havde håbet. Google har spundet et firma, kaldet Waymo, ud af sit selvkørende bilprojekt, men dets teknologi er endnu ikke tilgængelig kommercielt.

skjule