Conversa com Monte Zweben

Sobre este episódio

No episódio 106 de Voices in AI, Byron fala com Monte Zweben sobre a natureza da inteligência e o crescimento do aprendizado de máquina em tempo real baseado em IA.

Ouça este episódio ou leia a transcrição completa em www.VoicesinAI.com

Trecho da transcrição

Byron Reese: São as vozes em IA trazidas a você por GigaOm e eu sou Byron Reese. Hoje meu convidado é Monte Zweben. Ele é o CEO da Splice Machine em San Francisco. Antes disso, ele era o presidente da Rocket Fuel. Ele é bacharel em direito. em Ciência da Computação pela Carnegie Mellon e um M.S. em Ciência da Computação pela Universidade de Stanford. Bem-vindo ao show, Monte.

Monte Zweben: Obrigado, Byron. É bom estar aqui.

Então, vamos começar com o básico. Quando as pessoas perguntam o que é IA ou o que é inteligência, vamos começar por aqui. Como você responde a essa pergunta?

Bem, eu respondo a essa pergunta de uma maneira muito abstrata e simples. Inteligência, inteligência artificial é realmente a capacidade de os computadores executarem tarefas que normalmente os humanos fazem muito bem e os computadores, até então tipicamente não faziam.

Então, por essa definição, meu prato de comida de gato que enche quando está vazio é inteligência artificial?

Bem, você sabe que eu acho que a automação simples talvez possa ser vista como inteligência artificial, mas geralmente estamos analisando tarefas que normalmente não são apenas etapas padrão de um algoritmo. Faça o primeiro passo, faça o segundo, faça o terceiro …

Mas nem todos os programas de computador são exatamente isso?

Nem tudo, e é aí que fica interessante. Agora, o que é interessante é quando os computadores precisam analisar vários pontos de dados diferentes e tirar conclusões deles que podem ser generalizações. Então, vou dar dois exemplos de inteligência artificial muito diferentes do que acabamos de falar. Um é o aprendizado de máquina. Com o aprendizado de máquina, não há uma decisão clara de cada etapa individual. Normalmente, você recebe uma grande quantidade de dados e o que você está tentando fazer é olhar para os dados e tentar melhor crie uma descrição do conceito que você está tentando aprender com base nos exemplos positivos dos dados e nos exemplos negativos dos dados, em que você inclui tantos exemplos positivos e exclui muitos exemplos negativos, mas apresentando uma descrição que tenha uma boa cobertura desses exemplos. Isso é muito probabilístico e usa técnicas que são um pouco diferentes de apenas etapas concretas ou discretas.

Outro bom exemplo é o raciocínio de tarefas. Uma das empresas que eu costumava administrar era uma empresa que ajudava os fabricantes a planejar e programar operações e, para isso, você tem muitas opções do que pode fabricar no dia um, dia dois, dia três, dia três, dia quatro. Você tem muitos pedidos provenientes de clientes que exigem diferentes tipos de produtos e muito estoque para os produtos em suas construções e materiais para criar coisas. E o quebra-cabeça está tentando descobrir qual é o melhor cronograma elaborar isso que atenda a todas as demandas dos clientes e permita que você carregue a menor quantidade de estoque disponível para atender a esses requisitos. E essas são muitas opções diferentes.

Os seres humanos são realmente bons em tentar olhar para o futuro e ver quais são as diferentes escolhas que podem ser feitas, além de pesquisar um conjunto de possibilidades e tomar decisões, às vezes até em movimento, e esses tipos de aplicativos são muito diferentes dos programas de computador que fazem o mesmo. mesma coisa toda vez. Sentir, planejar, agir, são os tipos de processos que os sistemas robóticos usam, os sistemas de planejamento, os sistemas de agendamento, os sistemas espaciais de quando eu costumava dirigir meu laboratório na NASA. Esses são tipos muito diferentes de aplicativos que tentam refletir a tomando uma decisão que os humanos fazem dentro de programas de computador.

Então, se alguém lhe perguntasse: “OK, dadas essas definições, onde estamos? Qual é o estado da arte da IA ​​estreita agora? ”

É uma ótima pergunta, e acho que parte do hype e das notícias está um pouco à frente de talvez onde estamos como ciência. Lembro-me de quando eu estava iniciando meus estudos de IA no início dos anos 80, havia tanto hype que teríamos inteligência artificial geral completa disponível em apenas alguns anos e isso não aconteceu.

E agora estamos vendo um hype semelhante, e o hype está chegando por causa do grande sucesso que tivemos com a aplicação do aprendizado de máquina. O aprendizado de máquina subiu para outro nível de contribuição em muitas disciplinas: medicina de precisão, marketing, planejamento, detecção de fraudes e outros tipos de aplicativos anti-crime. Mas o poder do aprendizado de máquina que estamos vendo hoje surgiu literalmente por causa do poder da computação distribuída. Quanto mais dados você puder colocar em uma tarefa de aprendizado de máquina, melhores e mais precisos serão os seus modelos de aprendizado de máquina.

E finalmente descobrimos uma maneira de organizações de todo o mundo usarem muitos computadores ao mesmo tempo para lidar com conjuntos de dados muito, muito grandes. No passado, apenas especialistas com PhD em sistemas distribuídos eram capazes de fazer isso. Agora, praticamente qualquer um pode fazer isso. Portanto, isso abriu novos caminhos para o uso de métodos empíricos para o aprendizado de máquina.

No entanto, alguns dos métodos de inteligência artificial da primeira geração para poder raciocinar e planejar, alguns desses sistemas ainda não foram implementados e devo dizer que acho que estamos longe de ter inteligência artificial geral. Fizemos um grande progresso e as empresas estão implantando o início da inteligência artificial em tarefas específicas, como a primeira geração de sistemas especialistas. Mas, na verdade, não temos muito tempo para criar uma inteligência genérica, na minha humilde opinião.

Ouça este episódio ou leia a transcrição completa em www.VoicesinAI.com

Byron explora questões sobre inteligência artificial e computadores conscientes em seu novo livro The Fourth Age: Robôs Inteligentes, Computadores Conscientes e o Futuro da Humanidade.

Fonte

Leave a Reply