Siri, hvad er AI god til? Ekspert forklarer, hvorfor det er et svært spørgsmål

Indsamling af personoplysninger, maskinlæring og kunstig intelligens trænger ind i vores liv i et tempo, som mange af os finder foruroligende, hvis ikke ligefrem skræmmende. For ikke at nævne, at mange af os ikke kan se forskel på, hvad disse udtryk betyder.

Purdues Dan Goldwasser arbejder på at udvikle værktøjer, der udnytter disse kraftfulde nye teknologier, så de kan forbedre individers liv – og måske forbedre samfundet, også.

Selvom du måske tænker på kunstig intelligens som en teknologi for den fjerne Jetsons fremtid, vi interagerer med det hver dag, ofte uden at lægge mærke til, siger Goldwasser, en adjunkt i datalogi.

"Det plejede at være, når du skrev på en computer eller en smartphone, det ville påpege fejlstavede ord, hvilket er ret nemt for konventionel computer at gøre, " siger han. "Nu, hvis du skriver 'om', når det du mente var 'vejr', ' appen vil fortælle dig, 'Ja, det er et ord, men det er ikke det ord, du har tænkt dig.' Dette kræver en forståelse af sætningens syntaks og konteksten, og det sker gennem kunstig intelligens."

Goldwassers forskning er inden for kunstig intelligens, med fokus på maskinlæring og behandling af naturligt sprog. Han siger, at folk ofte forvirrer de tre teknologier eller simpelthen ikke ved, hvad nogen af ​​disse udtryk betyder.

"Kunstig intelligens, som får en masse buzz og opmærksomhed i disse dage, er sæt af metoder, systemer eller tilgange til computere, der forsøger at efterligne menneskelige domme og menneskelig beslutningstagning, " siger han. "Maskinlæring er et sæt metoder, der bruger data til at udføre en opgave."

Hvis din opgave kan indsnævres til en ligetil kortlægning fra input til output, så kan maskinlæring hjælpe dig med det.

For eksempel, forudsige oddsene for, at Purdue vinder næste lørdag:En maskinlæringsalgoritme kan bruge information fra de tidligere spil, modstanderens rekord for vundet-tab, og om kampen er en hjemmekamp, køre de indsamlede data gennem en algoritme, og give dig et svar

Men, hvis du vil have systemet til at gå ud over det og finde ud af oddsene, for eksempel, baseret på spillernes stemning ved at scanne sociale medier, det bliver nødt til at afveje mange andre variabler og begrunde deres forhold til lørdagens kamp. For eksempel, et opslag, der angiver, at en af ​​spillerne vil deltage i deres søsters bryllup på lørdag, vil kræve, at systemet drager en konklusion om, at spilleren ikke ville være i stand til at deltage i kampen, ændre oddsene for at vinde.

Det er en proces, der kræver kunstig intelligens, siger Goldwasser.

Et almindeligt sted, hvor folk møder grundlæggende AI og maskinlæring, er med personlig assistent-enheder, såsom Amazons Alexa, Googles Google Home, Apples Siri, og Microsofts Cortana, som alle bruger den tredje teknologi, Goldwasser forsker i - naturlig sprogbehandling - som han forklarer er området for kunstig intelligens, der specifikt fokuserer på at kopiere menneskelige domme om til menneskeligt sprog.

Overveje, for eksempel, hvad synes at være et simpelt spørgsmål, du kan stille en kollega:"Hej, vandt Giants i aftes?"

For en computer, spørgsmålet er enormt komplekst.

"Vi gør mange konklusioner, når vi taler med nogen, og disse genveje, der kommer meget naturligt for os uden at tænke, men når du skal gøre dem eksplicitte, du forstår, at der er komplekse ræsonnementer bag dem, " siger Goldwasser. "Så, vandt Giants? Tænk på rummet af mulige verdener, systemet skal udforske. Der er fodbold New York Giants og San Francisco baseball Giants. Systemet skal vide dette og begrunde, om det er baseball sæson eller fodbold sæson, og havde de et spil inden for de sidste 24 timer. Men du kan også forestille dig, at der er en eller anden militær gruppe, som folk omtaler som giganterne, og kæmpede de bare en kamp? Du kan grundlægge betydningen af ​​det ord på mange forskellige måder."

Selvom du fjerner tvetydigheden i spørgsmålet og ved, at du spørger om et baseballhold, systemet står stadig over for et komplekst problem, Siger Goldwasser. Systemet skal vide, hvad det betyder "at vinde, " og hvilke oplysninger der er relevante for brugeren. Der kan være et baseballhold i Sydamerika kaldet Giants, men systemet skal vide, om du bekymrer dig om det resultat.

"Denne form for refleksion og forståelse af brugeren er virkelig noget, der er svært at programmere disse systemer til at gøre, og det er ikke noget, som systemet kan opnå ved blot at trække fra data, uden yderligere begrundelse, " siger Goldwasser.

Hans AI-forskning stemmer overens med Purdue's Giant Leaps-fejring, anerkender universitetets globale fremskridt i retning af en avanceret økonomi og planet som en del af Purdues 150-års jubilæum. Dette er et af de fire temaer for den årlange fejring's Idéfestival, designet til at fremvise Purdue som et intellektuelt center, der løser spørgsmål fra den virkelige verden.

For Goldwassers egne projekter, han udvikler værktøjer, der bruger kunstig intelligens til at analysere universet af data for at give indsigt i aktuelle problemer.

For eksempel, et projekt analyserer indlæg på sociale medier og offentlige kommentarer fra folkevalgte for at forudsige, hvornår de vil stemme imod deres eget politiske parti.

"Vi har brugt dette med statslovgivere til at forudsige, hvordan de vil stemme om sundhedspleje, " siger Goldwasser. "Lovgiverne må aldrig afsløre deres holdning på Twitter, men vi kan forudsige den måde, de formulerer spørgsmålet på, hvordan de vil stemme, når tiden kommer."

Endnu et projekt, finansieret af Google, skaber et værktøj til at se på en nyhedskilde og bruge en række datapunkter, såsom hvor ofte forskellige politiske synspunkter bruges af stikkontakten og de sociale forbindelser mellem mennesker, der interagerer med stikkontakten, for at bestemme, hvor partisk stikkontakten er.

Et tredje projekt, der er en udløber af hans forskning, er et værktøj til at analysere kommentarer på sociale medier fra en lokalbefolkning for at se på, hvordan de formulerer et problem for at forudsige, hvad reaktionen på en handling kan være.

"For eksempel, hvis du overvejer at sende tropper ind i et land for at hjælpe med en flygtningekrise, ville det blive set af lokalbefolkningen som nødvendig assistance eller en aggressiv handling? Vi håber at kunne give beslutningstagere værktøjer til at forstå dette, mens de laver politikker for at undgå farlige fejl."

Denne forskning har analyseret opslag på sociale medier og offentlige kommentarer fra folkevalgte for at forudsige, hvornår de vil stemme imod deres eget politiske parti.

"Bygger på det, vi startede et samarbejde med en professor i statskundskab, Eric Waltenburg, at analysere lokale myndigheders data, " siger Goldwasser. "For dette projekt, vi blev for nylig tildelt finansiering som en del af Purdues Integrative Data Science Initative."