Как дебаты и жирафы связаны с AI. Новые возможности

3 минуты

На конференции IBM в Сан-Франциско искусственный интеллект с женским голосом Project Debater соревновался с чемпионом мира по дебатам Харишем Натараджаном (Harish Natarajan). Модератором выступил журналист и четырехкратный победитель премии «Эмми» Джон Донван (John Donvan).

Тема дебатов была озвучена за 15 минут до начала: субсидирование дошкольного образования. Project Debater должна была приводить аргументы «за», а Хариш Натараджан — «против». За 15 минут спорщица успела изучить 10 млрд новостей на заданную тему, а ее противник – лишь набросать на бумаге основные тезисы своего выступления. После начала соревнования Project Debater отключили от интернета. Каждый из оппонентов выступил с 4-минутной речью, потом опровергал аргументы противника, а затем получил 2 мин на заключительное слово.

Выступление искусственного интеллекта было очень логичным и подкреплялось данными исследований и высказываниями политиков. Журналисты CNet обратили внимание на то, что именно Debater напомнил людям, что «предоставление возможностей менее удачливым должно быть моральным обязательством для любого человека».

Чемпион мира по дебатам настаивал на том, что выделение субсидий детским садам не является гарантией повышения качества образования бедных слоев населения и является популистской раздачей денег представителям среднего класса, а не тем, кто реально в них нуждается.

Интересно, что Project Debater оказалась способной на перефразирование слов оппонента в свою пользу – инструмент, к которому часто прибегают в спорах люди. Например, фразу о том, что некоторые дети могут и не нуждаться в детском саду, искусственный интеллект переделал в «детские сады вредны».

Судили дебаты 416 человек со смартфонами в руках. В итоге победителем признали Хариша Натараджана – он смог переубедить 17% слушателей. Тем не менее около 50% судей отметили, что от робота они почерпнули больше новой информации. А Хариш Натараджан признал в Project Debater сильного соперника с убедительными и хорошо сформулированными аргументами.

Этот проект был впервые предъявлен публике в июне 2018 года. Тогда алгоритм за пару минут создал текст на заданную тему с опорой на базу знаний, сравнимую с уровнем подготовки студента первого курса. Чтобы проанализировать спич оппонента длительностью в 4 минуты, системе понадобилось 2 минуты.

Вторым кейсом поделился Университет штата Пенсильвания (Pennsylvania State University). Для изучения диких животных надо организовать наблюдение за конкретными особями. Раньше для этого животное надо было поймать, усыпить и пометить, что нарушало нормальный ритм жизни особи. Теперь благодаря технологиям машинного обучения, развернутым в облаке Microsoft Azure, ученые получили возможность идентифицировать животных по особенностям их внешности.

В данном кейсе речь идет о пятнах на теле жирафов. Группа биологов под руководством Дерека Ли (Derek E.Lee), профессора биологии в Университете штата Пенсильвания и руководителя исследования в Институте дикой природы (Wild Nature Institute), наблюдает за 3000 особями в Восточной Африке. Раньше они фотографировали животных и вручную обрезали фотографии для того, чтобы программа распознавания узоров могла опознать отдельных жирафов. Понятно, что эта работа занимала очень много времени.

ML из Azure постепенно научилась сама находить на фотографии жирафа по рисунку пятен на его теле, даже если он был частично закрыт сородичами или ветками деревьев. По словам Дерека Ли, раньше обработка фотографий занимала около недели, а теперь на это уходят считанные минуты. Технология может быть полезна и при изучении других животных, имеющих ярко выраженные особенности внешности, например диких кошек, слонов, саламандр, рыб, пингвинов и морских обитателей.

Напомним, что развитие технологий искусственного интеллекта и машинного обучения является одним из приоритетов национального проекта «Цифровая экономика». К июню 2019 года должна быть разработана дорожная карта по развитию искусственного интеллекта. В группу по разработке пилотной концепции дорожной карты войдут представители Института системного программирования РАН, Фонда перспективных исследований, Центра речевых технологий, МФТИ, ИТМО, РВК, «Росатома», МТС и других организаций.

Group 40Group 44Group 43Group 46Group 41Group 27Group 42Group 39