Ово се дешава када се Доналд Трумп сусреће са вештачком интелигенцијом

Брадлеи Хаиес, постдокторски сарадник на МИТ-у који ради истраживања о роботици, управо је претворио Доналда "Друмпфа" у робота. Програмирао је рекурентну неуронску мрежу - умјетну интелигенцију - како би проучавао и опонашао говоре републиканског кандидата.

Хаиесов "дневни посао", каже он, је "истраживање усмјерено на тимски рад с људима-роботима: дизајнирање алгоритама који дозвољавају роботима да раде заједно и уче од људи, тако да људи могу бити сигурнији, учинковитији, учинковитији на послу. Он је цртао инспирацију, делимично, из "фантастичне скице" Јохна Оливера. ("Надам се да ће ово видети - надам се да ће то видети и ценити.")

Инверсе разговарао са Хаиесом о овом патриотском подухвату.

Шта вас је још инспирисало да направите @ДеепДрумпф?

Дошло је из разговора за вријеме ручка с неким мојим колегама који такођер раде истраживања роботике и баве се стројним учењем. Говорили смо о неким различитим техникама статистичког моделирања које су заправо биле релевантне за наше истраживање.Испоставља се да иста техника која стоји иза ДеепДрумпф-а ради у многим доменима роботике, јер је то техника моделирања која покушава да научи структуру секвенцијалних информација или секвенцијалних података. Природни језик је одличан примјер секвенцијалних података, гдје је структура реченице прилично досљедна: постоје правила, а постоји и темељна структура за све податке које добивате.

Наследи 100 милиона? И сада градим широм света. И имам мало кул.

- ДеепДрумпф (@ДеепДрумпф) Марцх 4, 2016

Различити истраживач на Станфорду написао је курс о неуронским мрежама, а посебно је објавио чланак под насловом “Неразумна ефикасност рекурентних неуронских мрежа.” Дакле, он је написао овај фантастичан увод у ову технику статистичког моделовања и гомилу људи су показали да има ту неразумну моћ да представља структуру у овој врсти писаних текстуалних података слободне форме.

Видио сам чланак који је успоређивао сложеност говора различитих политичких предводника. У чланку се говори о томе како Трумп користи једноставнији језик, и то је велики хит код демографских гласача и његових навијача. Из политичке перспективе, то је заиста сјајно, јер чини вашу поруку јасном и унутар разумевања најшире могуће публике; са становишта стројног учења, то значи да би то могао бити најпрактичнији модел који можемо направити.

Да ли сте чули за језик за кодирање под називом “Маке Питхон Греат Агаин”?

Знаш, видео сам јуче. ТрумпПитхон или нешто слично? Видио сам то. Прочитао сам чланак о томе, отишао сам на њихову ГитХуб страницу, али још нисам имао времена за то. Али изгледа сјајно.

Можемо ли сазнати нешто о Трумповим језичким тенденцијама, или нешто слично, из вашег А.И.?

Да, могуће је у смислу да, ако погледате излаз из модела, то је индикативно за структуру коју је модел научио из података. Дакле, врсте понављања, врсте ствари које излазе из модела, рећи ће вам - потенцијално - о одређеним стварима које су инхерентне његовим обрасцима говора и његовој поруци.

Кансас Сви су рекли: "Не треба ми ништа. Имали су ужасну земљу и имају посебну инфраструктуру, нашој земљи је потребан богат.

- ДеепДрумпф (@ДеепДрумпф) Марцх 4, 2016

То не би нужно било могуће добити од самог Твиттер налога, углавном зато што вам Твиттер даје само 140 знакова за рад. И зато што нема пуно података који су ушли у модел, а делимично и зато што су транскрипти из дебата - где кандидати (а посебно Трумп) имају тенденцију да се прекидају - то чини за ове дисконтинуитете у излазу.

Још увек је потребно мало ручног рада да би се у основи узорковао зид текста из овог модела, а затим прошао кроз њега и изабрао најбољи суседни 140 знакова, а затим објавио.

Ово је посао. Наш председник је Обамацаре. сада, у овоме није. Много вам хвала. Ми нисмо навијачица, занимљиво је

- ДеепДрумпф (@ДеепДрумпф) Марцх 4, 2016

Дакле, у овом тренутку то није баш рука-офф?

Ефективно учи као расподела вероватноће и можете је узорковати. То значи - имате свој модел и можете га питати за писмо. А, ако га питате за довољно слова у низу, то ће вам дати ствари које личе на енглески. Или, још боље, неке од њих личе на ствари које је Трумп заправо могао рећи - јер је био обучен за њега. Дакле, општи процес који сам пратио је: узорак од, рецимо, 500 или 1.000 знакова. То би ми само дало зид текста са 500 или 1.000 знакова, претпостављам, лупетање, и онда, из тог, само ћу изабрати најбољи блок од 140 знакова који има смисла. Или најбоља реченица која из ње произлази и која се чини релевантном.

На пример, синоћ сам је користио да бих на неки начин уживо објавио дебату. И тако, једна од ствари које можете да урадите са оваквим моделом је да можете да је направите. Зато, пошто вам модел даје само један знак у исто време, он има ову зависност од карактера који су претходили - слова која су претходно исписана. Тако се учи речи, тако се бележи структура реченица и одређени елементи граматике.

Рецимо да почињем реченицу са 'Ромнеи ис' и онда питам за сљедећих тисућу знакова. Ми то зовемо приминг. Она ће дати све што жели, али ће почетни део секвенце поставити на онај "Ромнеи је …"

Да ли се то односи на оне твитове са изразима у заградама?

Потпуно тачно.

Ромнеи је алат. Желим да вам кажем ово. Они су вероватно последња ствар која нам треба у вођи. Не можемо то да урадимо.

- ДеепДрумпф (@ДеепДрумпф) Марцх 3, 2016

Једна од ствари које се надам да ћу урадити, након што је процес мало чишћи - а то ће доћи само са више података - је да почне да буде у интеракцији са другим кандидатима. Ако погледате Твиттер налог, он прати остале примарне кандидате. На крају, надамо се да ће почети да реагује на њих и можда да их изазове. Али то је више ствар викенд пројекта.

@реалДоналдТрумп Они ће платити одмах, и као, апсолутно. Стварно сам богат. Ох, желим их подржати и имати их.

- ДеепДрумпф (@ДеепДрумпф) Марцх 3, 2016

Можете ли објаснити шта је понављајућа неуронска мрежа на поједностављеном, неспецијализованом језику?

Наравно - покушаћемо. Неурална мрежа, уопштено гледано, узима неки унос, а онда прави математику у средини, и даје вам излаз. Генерално, то је само класификатор. Дакле, с обзиром на неки улаз, он ће вам рећи која класа одговара уносу. Популаран пример би био - основна неуронска мрежа - ви му дајете слику мачке, и желите да вам то каже - ако је то, као, мачка, пас, авион или аутомобил - желите да кажем: "У реду - са високим самопоуздањем - ово је мачка коју си ми управо дао."

То је задатак класификације на високом нивоу. Ово је сличан концепт, али уместо да буду мачка, пас, ауто, класе су појединачна слова абецеде и интерпункција. Дакле, то је узимање инпута, и онда то чини математику томе на основу онога што је научио - тако да се све учење дешава "у средини", назват ћемо га - и даје вам класификацију на крају. Тако да, ово писмо.

Оно што га чини повратан Неурална мрежа је да се излаз из претходних корака убацује у следећи корак као део модела. Чињеница да ми је модел дао "М" ће се убацити у следећу пробу модела. Онда вам то може дати "а", а затим "к", а затим "е", јер покушава да понови "поново учини Америку", јер је то у подацима много заступљено.

Да ли сте посебно поносни на било који ДеепДрумпф твеетс до сада?

Да, заправо. Имам пар који још нисам објавио, али -

Екцлусиве.

Тачно. Од оних који су објављени, посебно сам задовољна са „јесам оно што ИСИС не треба.“

Ја сам оно што ИСИС не треба.

- ДеепДрумпф (@ДеепДрумпф) Марцх 3, 2016

Да видимо … ја сам га сјео са "нисам расиста, али …" и наставак тога је био "… вјеровати", за који сам мислио да је прилично одличан. Хтео сам да сачувам то за када је постало релевантно, ако је постало релевантно.

Ништа добро не долази после тих речи.

Да ли бисте радије гласали за Доналда Трумпа или гласали за @ДеепДрумпф?

Мислим да постоје компромиси са сваким од тих избора.