国内

当前位置/ 首页/ 国内/ 正文

Lyft对人工智能的突破性研究表示不满

虽然数据的指数级增长和计算能力的提高是人工智能创新的关键驱动因素,但没有研究 - 以及投资它的学者和公司的巨大努力 - 这些进步不会走得太远。

在他上个月的变形2019演讲中,Lyft的产品和机器学习负责人Gil Arditi专注于这项研究,并在过去一年的研究实例中扯掉了一些例子,推动了人工智能和机器学习的先机性进步。以下是他所涵盖的一些例子(观看他上面的整个演讲)。

深层强化学习

两家人工智能公司一直处于深度强化学习的中心,并将视频游戏作为他们的研究工作室。OpenAI Five利用这项技术在多人在线战斗竞技场视频游戏Dota 2中击败了人类 - 并以99.4%的胜利率赢得了4,075场对抗人类玩家的游戏。Alphabet的DeepMind在与人类的对抗机器上取得了类似的成功,其AlphaStar AI代理与Starcrat II中的真实游戏玩家对战。在对阵职业选手的直播中,AlphaStar横扫了所有10场比赛。

为了取得这些成就,Arditi说:“OpenAI Five培训了超过45,000年的游戏玩法,而AlphaStar在他们使用的计算资源的货币化价值中花费了超过2600万美元。”

自然语言处理

直到最近,谷歌开发的BERT解决了NLP中的各种问题,包括句子分类,句子空间相似性,问题和答案等。Arditi断言,几周前一份名为XLnet的研究报告中出现了一个新的竞争者。“在一些新的基准测试中,它的表现优于BERT,”他解释道。

用于文本预测的GPT-2模型

您可以将此视为世界上最好的文本生成器,其中模型被赋予一个句子,然后它生成后续句子,这些句子应该遵循相同的主题。

Arditi用输入句子证明了这一点,“今天在辛辛那提一辆载有受控核材料的火车车厢被盗。它的下落不明。“系统的预测仍在继续,”事件发生在市中心的火车线上,该线从科文顿和阿什兰站出发。在给俄亥俄州新闻媒体的电子邮件中,美国能源部表示正在与联邦铁路管理部门合作寻找小偷。“正如Arditi所说,”这是一个巨大的进步,也为假新闻创造了一些潜力。由于即将到来的选举周期,这是非常及时的。“

识别假新闻

当然,技术创造的每个问题都需要一个解决方案。“假新闻是人类很难理解[和]看到的东西,”阿迪蒂说。进入Grover,被吹捧为防止假新闻的最先进防御。“这种算法在生成文本和将文本分类为假的时候做得非常好,因为它不是真实的,不是由人类生成的。它也在寻找源头。它可以适应像华盛顿邮报这样的论文风格而不是鲜为人知的博客。“

Arditi还引用了生成模型,高分辨率图像和视频的生成(这将对视频游戏开发和目前需要动画制作者的复杂制作产生重大影响),3D风格转移等等。