Sebastian Thrun tiene una historia de estar frente a las tendencias. Él es conocido como uno de los inventores de automóviles autodirigidos, ayudó a lanzar el laboratorio de moonshot de Google, cofundó Udacity en la educación online, y recientemente recibió prensa por su trabajo de construcción de automóviles voladores para Larry Page ( ve a principios de 2018 para ponerlos en el mercado general).
Esta semana, Udacity lanzó un nuevo nanodegree: un curso que enseña la tecnología utilizada en la construcción de coches voladores . Cuarzo se sentó con Thrun para hablar sobre los coches voladores, aprendizaje automatizado, y la posición de los Estados Unidos en la IA.
¿Cuál es la ecuación para usted que dice que los coches voladores están listos para ser construidos?
El mayor avance en realidad ha sido una combinación del avance de los drones relacionados con la rápida mejora de los controles de motor, por lo que nada sorprendente. La gran sorpresa es la tecnología de la batería. Mira la cantidad de energía que se necesita para permanecer en el aire, hay estos números mágicos, por debajo de los cuales no se puede hacer en absoluto, y por encima de lo cual se puede hacer.
Lo que los zánganos mostraron al mundo fue que el vuelo podría ser fácil y seguro. Antes de eso, cualquier persona que quería volar algo, ya sea un helicóptero o un avión de ala fija, tuvo que ser entrenado cientos de horas para volar, porque hay muchos modos de falla. En drones, la generación más reciente utiliza software de computadora autónomo para hacerse cargo de la parte difícil de volar, y le da al usuario la parte fácil. Esa es la mayor innovación.
La carrera para construir automóviles autodirigidos es en parte alimentada por una necesidad de datos. ¿Qué tipo de datos son importantes para los coches voladores?
Cuando estás en el aire, los datos son importantes ... pero es más escaso. Cuando vienes cerca del suelo, para entregar paquetes con drones o aterrizar a alguien con seguridad para recoger a un pasajero, tenemos que realmente entender cómo interactuar con el suelo y las diferentes estructuras. Lo más importante que diría es que los cables de alimentación, porque tienden a matar a un montón de pilotos de helicópteros, sino también la vegetación y los árboles y así sucesivamente.
Lo que no hemos explorado realmente en profundidad como una sociedad todavía es, ¿qué pasa si usted acaba de tener una ciudad donde se puede aterrizar en cualquier lugar que está claro en el suelo? Vas a lavar las cosas mientras la corriente de aire golpea el suelo. ¿Qué dirán sus vecinos cuando haga esto? ¿Cuáles son las regulaciones de ruido? Si Amazon está entregando 10.000 paquetes al día en San Francisco, apuesto a que habría alguna consideración por los niveles de ruido. Finalmente, cualquier vehículo debe tener modos de falla. Puede haber un paracaídas de seguridad o lo que tienes, pero ¿qué es una forma segura de volar?
¿Es usted optimista sobre la idea de la IA y la educación? Udacity parece escalar la enseñanza humana en lugar de dejar que los algoritmos tomen el relevo.
Sí. Hemos traído más y más AI muy silenciosamente a nuestra propia educación. Tenemos que AI analizar a los estudiantes para entender cuál es su situación de rendimiento es, tenemos AI incitando nuestras propias acciones hacia los estudiantes, [y] ahora estamos empezando a utilizar AI para la clasificación. Mi hipótesis general es que casi cualquier tarea generalmente repetitiva, si usted tiene suficientes datos, una AI que mira sobre su hombro puede tomar más y más de ella. Y no tiene que ser un interruptor binario, donde vamos hoy de la clasificación humana a la graduación aumentada por computadora. Es perfectamente suficiente para decir, si este sistema de AI en el 90% de los casos le propone lo que escribir en el informe de calificación, y el usuario tiene la oportunidad de modificarlo y adaptarlo, el usuario tiene un gran aumento de la eficiencia.
En nuestros típicos proyectos de [Udacity], generalmente hay cuatro, cinco, seis formas fundamentalmente diferentes de conseguir algo malo. Hay cien mil maneras de obtener el código equivocado, pero tres o cuatro errores principales que podría hacer. Hemos entrenado con éxito a la IA en nuestro currículo de aprendizaje a máquina para observar un formulario de presentación como este, observar el nivelador humano, caracterizar qué línea de código podría estar equivocada y por qué, y luego aprender por sí misma qué línea de código podría estar equivocada y por qué . Entonces, en vez de enviarlo al estudiante, lo que nunca hacemos, lo devolvemos al nivelador humano y le decimos: "Graduador humano, esto podría ser la causa raíz, ¿puedes verificarlo?" Y el graduador humano podría decir que es completamente equivocado y zanja lo que la IA acaba de hacer y hacer algo mejor, o simplemente haga clic y diga aceptar, pero en muchos casos hay dos efectos: Esto hace que el nivelador humano sea más eficiente a medida que la IA se hace más y más correcta, pero también los hace mejores. El graduador A puede ahora aprender del grado B, así que si tenemos un nuevo graduador en el sistema las propuestas que él va a conseguir en cuanto a qué decir serán aprendidas de otros graduadores más experimentados. Tiene un gran impacto en el rendimiento.
Hay un edificio narrativo en el que estamos en una carrera armamentista contra China en AI. ¿Qué piensas sobre eso?
En primer lugar, voy a decir que estamos en una carrera, no sólo AI, sino en casi todas las tecnologías de los teléfonos celulares a las computadoras portátiles, incluso incluyendo los drones. En segundo lugar, ninguno de estos son juegos de suma cero; son todos positivos netos. Imagine un mundo en el que todo el trabajo repetitivo fue hecho por las máquinas. Seríamos mucho más productivos, y nuestros productos podrían ser mucho más baratos. Sería más barato la educación, la vivienda más barata, la comida más barata, el transporte más barato, el médico más barato. El beneficio es innegablemente enorme, y si alguien lo niega y dice que no puedo ver esto, pediría a la gente que recoja un libro que describa lo que el mundo parecía hace 500 años o hace 300 años, antes de correr agua, por ejemplo, y pregunte si ese es el nivel de vida que desea hoy.
Habiendo dicho esto, China ha anunciado [planes para poner] AI investigación y desarrollo y tecnología a la vanguardia de la agenda nacional, lo que significa que hay un estímulo para iniciar las empresas [y] hay un aumento de financiación en las universidades. A veces me preocupa que si colegas como Elon Musk representan a la IA como una amenaza para la humanidad, por una no lo es, pero en realidad podría frenar el progreso en los Estados Unidos por los reguladores que tratan de regular algo que aún no ha desplegado su poder completo. Por lo tanto, yo diría que la respuesta correcta para los Estados Unidos sería quedarse donde estamos - en la actualidad somos el número uno en AI - y duplicar las inversiones en el área.
Esta entrevista fue condensada y editada por longitud y claridad.
No hay comentarios:
Publicar un comentario