A ascensão da fabricação de sentido computacional

Superando a barreira do significado na inteligência artificial, implantando sensores no mundo real

Arjan Haring Blocked Unblock Seguir Seguindo 9 de janeiro Crédito da foto: Simon Jowett

Nenhum pesquisador de inteligência artificial que se preze diria que a IA vai assumir o papel dos humanos neste mundo a qualquer momento. Ainda existem muitos desafios fundamentais de inteligência artificial que impedem o surgimento de computadores sobre-humanos. Esses desafios não desaparecerão, nem mesmo nesses dados – ou se você for a “revolução da IA” – que estamos enfrentando agora.

Através do exemplo de um novo campo da ciência que estamos explorando no laboratório de sensemaking computacional dirigido por meu colega Martin Atzmüller , quero mostrar que trabalho foi realmente feito à beira da IA fundamental e aplicada e por que isso é relevante para a ciência, indústria e sociedade.

Neste post vou argumentar que:

  • Os desafios fundamentais da IA, como a barreira do significado, podem ser abordados pela indústria na prova de conceitos de IA aplicada .
  • Mesmo a coisa mais difícil de medir na sociedade, a felicidade , pode ser abordada pela nova ciência do sensemaking computacional .

Inteligência Artificial Atinge a Barreira do Significado

Para citar a pesquisadora da AI, Melanie Mitchell, “A corrida para comercializar a IA colocou uma enorme pressão sobre os pesquisadores para produzir sistemas que funcionem“ bem o suficiente ”em tarefas estreitas. Mas, em última análise, o objetivo de desenvolver uma IA confiável exigirá uma investigação mais profunda de nossas próprias habilidades notáveis e novos insights sobre os mecanismos cognitivos que nós mesmos usamos para entender de maneira confiável e robusta o mundo ”.

Eu concordo plenamente com a história de grande impacto que Melanie escreveu em novembro passado no New York Times. Ela continua: “Os sistemas de inteligência artificial de hoje carecem da essência da inteligência humana: compreender as situações que vivenciamos, sendo capazes de compreender seu significado”. É uma característica central dos seres humanos compreender o contexto, as múltiplas intrepretações e nuances.

Tomemos por exemplo a seguinte imagem de curvas arenosas:

Crédito da foto: Bureau of Land Management California

Os computadores têm a maior dificuldade em entender a diferença entre as curvas acima da areia e, por exemplo, as curvas humanas abaixo:

Crédito da foto: Heitor Magno

Este é um caso em que os humanos superam os computadores na compreensão do mundo ao seu redor em um nível fundamental.

E embora eu adoraria discutir questões fundamentais em AI, deixarei por enquanto. Há muito mais pesquisas interessantes para fazer. O ponto é que a indústria pode apenas ser capaz de ajudar a lidar com questões fundamentais como essas, fazendo provas de conceitos aplicando inteligência artificial no mundo real. E as possíveis aplicações podem surpreendê-lo.

Sensemaking Computacional para o Resgate

Voltando ao laboratório de sensemaking computacional de Martin. No ano passado, entendemos que, com o surgimento da Internet das Coisas, dispositivos inteligentes e computação onipresente, a criação de sentido computacional permite a coleta de dados de interação multimodais em uma escala sem precedentes. Essas novas tecnologias permitem insights sobre o comportamento humano, bem como para permitir a modelagem estrutural e a análise de estruturas de interação social.

Estrutura baseada em dados para otimizar a felicidade

A pesquisa atual sobre a felicidade se concentra principalmente no auto-relato, como o método de reconstrução do dia e a amostragem por experiência. Embora esses métodos de pesquisa tenham fortes vantagens, eles também apresentam desvantagens que podem ser compensadas pelo uso de dispositivos móveis, redes de sensores e sensores vestíveis.

Figura de para estimar a felicidade usando o sensoriamento social, Atzmüller, Kolkman, Liebregts & Haring

Do nosso ponto de vista, os dados objetivos podem ser medidos a fim de permitir previsões e, finalmente, também influenciar os indivíduos (para adaptar / mudar seu comportamento), a fim de aumentar seu bem-estar e felicidade, por exemplo, usando recomendações.

Prova de Felicidade

Idéias são ótimas e nosso trabalho foi aceito ?. Alguns cientistas mais condicionais pensariam que são feitos ao publicar um artigo. Mas achamos que esse trabalho é apenas o começo. Queremos tirar nosso trabalho do laboratório e comprovar isso na indústria. Não só isso funciona , mas também que você pode ganhar dinheiro com isso.

Figura de Designing Intelligent Disruption

Empresas como a Hitachi já estão ativas na área de medição da felicidade. Portanto, essa linha de pesquisa e negócios é menos improvável do que você imagina. Nós estudamos vários casos de uso, com crianças em idade escolar e equipes profissionais, onde vemos modelos de negócios em potencial. Também é verdade que não encontramos o financiamento certo para executar uma prova de conceito real. Este blogpost é um convite aberto para a indústria participar com este importante trabalho.

Depois de levantarmos o dinheiro e construirmos a primeira prova de conceito, eu lhe responderei. Por enquanto vou voltar ao trabalho ?.

Só para ficar claro, neste post eu argumentei que:

  • Os desafios fundamentais da IA, como a barreira do significado, podem ser abordados pela indústria na prova de conceitos de IA aplicada .
  • Mesmo a coisa mais difícil de medir na sociedade, a felicidade , pode ser abordada pela nova ciência do sensemaking computacional .

Adicionar sensores ao nosso mundo e ter algoritmos para tentar descobrir o que está acontecendo com base em dados de sensores é uma linha muito importante de pesquisa no coração da AI. Mas essa busca talvez seja ainda mais relevante para a indústria. Juntos podemos unir forças e nos beneficiarmos mutuamente de todas as novas e excitantes possibilidades.