机器人如何学习 - 接受JürgenSchmidhuber的采访

丹尼尔Faggella.
头像

Daniel Faggella是Emerj研究的首脑。丹尼尔呼吁由联合国,世界银行,国际刑警组织和龙头企业,丹尼尔是AI对商业和政府领导者竞争战略影响的全球追捧。

机器人和机器人如何学习 -  AI的进展

本周,我们可以说是神经网络领域中最着名的人物之一:Jurgen Schmidhuber。他现在正在研究许多不同的应用程序重工业自驾和其他空间。

我们与他谈论未来制造业更广泛地,机器和机器人如何学习。Schmidhuber使用一个婴儿的比喻了解它周围的世界。他有很多有趣的观点,即如何制造机器更加聪明的一般进展会影响其他行业,在今天可以说是最令人着名的:消费者技术和广告。

如果你在制造空间,这将是一个有趣的采访。如果您对AI的下一阶段可能就像,我认为Schmidhuber实际上很简洁地绘制它。

订阅我们的AI在商业播客使用您最喜欢的播客服务:

iTunes-podcast.
soundloud-podcast.
Google-Podcast.
Stitcher-Podcast.

来宾:Jurgen Schmidhuber.,联合创始人和首席科学家 -nnaisense.

专业知识:爱尔兰德国比分直播人工智能应用于制造业

简要认识:Schmidhuber于1993年赢得了他的计算机科学博士学位。他是意大利瑞士的应用科学大学教授,瑞士·艾米拉·斯旺伊斯利亚大学Ai教授。他也是Idsia的科学主任。

采访亮点

JürgenSchmidhuberDan Faggella Emerj
JürgenSchmidhuber(右)与Emerj Ceo Dan Faggella,在迪拜世界政府峰会采访后。

(04:00)你能画一幅当前机器学习状态和深度学习吗?

JS:目前,几乎所有的AI和深度学习都有一个余额被动......例如,你与你的智能手机说话,它有一个LSTM,它识别出识别图像和指纹的语音和其他网络,无论如何都是无谓的。that your smartphone doesn’t have fingers like a robot.

现在,活动AI是当机器人或其他类型的活动过程与环境交互时,并通过自己的操作来塑造即将到来的数据。这就是婴儿做的所有制作的婴儿和机器控制工业过程,制造T恤的机器,使鞋子制作鞋子,这使得你在我们周围看到的所有东西。

(05:00)制造的更多机会?

JS:今天AI的大多数利润都在营销和销售广告中,您正在与一些平台进行交互,它使用它从您获取的数据来预测下一步以及您最有可能点击哪个广告的数据在下一个等等。所以所有的都可以通过这种被动模式识别技术来完成。

现在,在不太遥远的未来,我们将有一些我们目前没有的东西。他们将成为一个小型机器人,我们像孩子一样教给做一些复杂的事情,例如组装智能手机。目前,你需要那样的人。它将如何工作?你会说,“看看机器人,看。”

你会和它交谈并与之交谈。您将无法使用数据手套或一些花哨的设备。不,你会像你和一个孩子谈谈那样谈谈,你会说,“让我们在这里拍这个塑料并看看,让我们把螺丝刀那样拿走,现在让我们拧紧那个螺丝。嘿,不那样。像那样。不那样,就像那样。“

然后经过一些失败,我们将首次这样做,然后是自身的......要弄清楚如何更快地做到这一点。最后,它将能够比我能做得多。一旦它做得很好,我们就会冻结学习过程,我们拨备了一百万份并许可,这将改变经济中的几乎每项活动。

(09:30)你认为大多数部分或监督学习的传感器会有牵引力吗?

JS:毫无疑问,将有一个监督学习的职责,但它有很多方式有限。最令人兴奋的任务是那些没有人类老师的人,他们知道如何以良好的方式做到这一点。有很多工业过程目前由机器控制,那里有一堆旋钮和几个专家有时会尝试这些旋钮的新星座,以弄清楚什么是良好的星座。

例如,在化学工业中,您有大的通风口和投入,化学物质......您有一堆传感器,它们会给您一个非常不完整的图片这些通风口发生的事情。有不完整的燃烧,没有人知道什么是注射这些额外的催化和那样的东西的最佳方式。因此,他们非常有趣,非常复杂的流程,没有人都知道最佳控制。

因此,您希望这些计算机以自己的方式解决这些过程,例如如何优化这些进程以及如何使用更便宜的成分创建更多的有趣产品。所以所有这些问题,目前监督人类教师也没有一个很好的答案。这是它最令人兴奋的部分。

看看自己。你是如何学会成为一个聪明的人?您没有从Netflix或Facebook或其他东西下载数据。不,你用玩具玩耍,你发明了自己的实验......这就是你学会如何预测,如果[你做某事],你是如何发生的。

您可以获得具有实际序列的内在奖励,实验导致具有新有趣模式的数据。有趣的是,有一些你不知道的规律性,现在突然你会知道它,因为你的学习系统是获取这种规律性,你可以测量学习系统的见解深度。瑞士比利时盘口这成为生成实际序列的学习系统的奖励,实验。

你必须像科学家和这些小婴儿一样探讨一些世界,他们是小科学家,他们不断扩大他们的地平线,并学习他们尚未知道的新事物。像苹果掉落或其他物体......当你把它们扔到地面时,在某种可预测的时间后发出相同的噪音。所以他们学习各种规律,对这些人工好奇的机器相同。

(15:00)您认为牵引力将在制造中使用AI?

JS:让我给你举个例子。当我们开始我们的公司,Masons,在2014年,所有投资者都来自太平洋轮辋,这大大改变,因为许多海外欧洲机器的机器都醒来并实现了我之前提到的真相,因为下一个大AI的浪潮是一种控制机器的AI和AI的真正活跃的AI和AI。

突然,我们对旧行业的大量投资意识到他们的旧控制过程将会变得改变。例如,已经公开的一件事是肖特的投资。肖特是玻璃领先的制造商。

你有它在你的智能手机上......现在小镜头,数十亿个小镜头都在世界各地,它们都是优质的玻璃。现在,制作好玻璃,你必须做很多事情,这些家伙有100多年的经验,这就是他们知道如何做得好的原因。但他们认为,尽可能甚至可以判断,并且可以通过产生自己的实验来学习的婴儿就是可以学习的婴儿......应该进一步改善这些过程,不仅用于制作玻璃,而且适用于各种化学反应和工业过程。

最后,一切都,你周围的所有材料,桌子,椅子,你周围看到的一切,一些机器在额外的人类的帮助下,有助于机器做得很好这将受到影响,因为越来越多的复杂的东西,目前只能由人类完成,它将通过主动学习机来完成。

(18:00)是牵引可以开始或者您认为这项方法是否有可能参与完整的iPhone过程的材料?

JS:我想你会在各种不同的应用程序中看到宝宝步骤。在某些时候,第一个杀手机器人应用程序就会到来。目前,所有机器人都有非常小的批量生产数字;没有生产数十亿次的机器人。

也许第一个机器人将成为一个玩具机器人,有点仙女,它会有眼睛和耳朵,它会听你的,但它不会是关键任务。我不确定谁会先制作它。它可能是一些日本公司。但是有效地通过自己的行动来塑造传入数据的东西,并且在这种感觉中比你在智能手机上拥有的更为性感,这是被动模式观察。

(20:00)我们需要大量数字来制作这种机器人吗?

JS:并不真地。所以我只是给了这个例子,因为目前唯一被复制十亿次的东西是软件,它很容易做到这一点。拥有一个以市场为导向的产品真的很难吸引,这是一个有吸引力的产品,即十亿人想要购买,这真的是你想在家里拥有的物质。目前某种类型的机器人的数量最多至多百万,通常远小于或通过数千。

订阅我们的AI在工业播客使用您最喜欢的播客服务:

iTunes-podcast.
soundloud-podcast.
Google-Podcast.
Stitcher-Podcast.

标题图像信用:燃烧玻璃技术

保持领先于AI曲线

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”时事通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
订阅镜像
保持领先于机器学习曲线

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。