AI -projekt om maskinlæring vil have computere til at forudse, hvilke data brugere vil have

Store oversvømmelser over Nebraska i år skabte et desperat behov for nødhjælpsindsats, med forskellige opkald til hjælp og forsyninger, der kommer ind fra hele 77, 000 kvadratkilometer.

Purdue Universitets Bharat Bhargava mener, at kunstig intelligens, som en del af et nyt forskningskonsortium og teamprojekt, kunne hjælpe i sådanne katastrofesituationer, ved hjælp af maskinlæring og dataanalyse til at koordinere, hvilke forsyninger der er behov for, og hvor de skal hen.

"Missionen om at få hjælp til mennesker er den største bekymring, "sagde Bhargava, professor i datalogi.

"Data kommer fra offentlige tweets, videoer, telefonopkald, og politirapporter kan være støjende, ufuldstændig, forkert og ændrer sig hurtigt, "sagde han." Læringsmaskiner kan analysere multimodeldata, der kommer fra flere uafhængige kilder, og lede efter behov, der ikke er indlysende eller udtrykkeligt angivet. "

Bhargava og hans team arbejder på maskinlæring gennem kunstig intelligens, giver computere mulighed for at bestemme, hvilke oplysninger der skal hentes fra flere kilder, rense data, integrere det, mærke det, og lær af det til at identificere, hvor det er nødvendigt og formidle det til de rigtige brugere.

Målet er, at computerne skal lære, hvad brugerne leder efter, og som nye oplysninger kommer ind, forudse, hvad brugerne vil have, og skubbe det ud til dem - selv før brugerne er klar over, at dataene findes.

Projektteamet er en af ​​tre, der deler på tre års finansiering på i alt mere end $ 1,2 millioner fra Northrop Grumman Corp. som en del af Research in Applications of Learning Machines (REALM) -konsortiet.

"Vores mål er at skubbe de rigtige data til de rigtige brugere på det rigtige tidspunkt, "sagde han." Hvis dataene kommer en time senere, det er ubrugeligt. Hvis dataene har meget støj, det er ubrugeligt. Det er det samlede formål med dette. "

Bhargava sagde, at maskinlæring gennem kunstig intelligens kunne bruges i en række ad hoc -situationer, lige fra at informere politiet om ændringer i trafikmønstre på grund af ulykker til at støtte forskellige grene af militæret på udkig efter de mindste detaljer vedrørende missioner.

Ud over online oplysninger, maskinlæringssystemet optager data fra sensorer, signalerer eller droner og "renser" det, så det kan forstås af brugerne.

Når brugerne anmoder om oplysninger, computeren udfylder anmodningen. Ved hjælp af algoritmer, det forventes, at systemet løbende lærer den type data, brugeren ønsker, så i fremtiden, efterhånden som der modtages relevante oplysninger, den kan automatisk sendes til den relevante bruger uden at modtage en formel anmodning.

"Det er at lære, hvad brugeren leder efter, før de overhovedet ved om det, "Sagde Bhargava." Da dataene ændrer sig, vi vil have maskinen til at lære og bestemme, hvilke der er nye, nye oplysninger, der er uventede, men som kan være meget værdifulde for brugeren. "

Dataene filtreres baseret på fortrolighedspolitik og kontekst, før de sendes. Feedback gives af brugeren bagefter, så systemet kan bestemme parametrene for fremtidige data, der skal sendes ud.