L'affidabilità delle informazioni, se le informazioni provengono da agenzie di stampa, post sui social, o documenti governativi, potrebbe un giorno essere determinato dall'intelligenza artificiale, afferma Dan Goldwasser, assistente professore di informatica della Purdue, chi sta lavorando su strumenti che faranno proprio questo. Credito:foto della Purdue University/John Underwood
Raccolta di dati personali, l'apprendimento automatico e l'intelligenza artificiale stanno invadendo le nostre vite a un ritmo che molti di noi trovano inquietante, se non addirittura spaventoso. Per non parlare del fatto che molti di noi non riescono a distinguere il significato di questi termini.
Dan Goldwasser di Purdue sta lavorando per sviluppare strumenti che sfruttino queste nuove potenti tecnologie in modo che possano migliorare la vita degli individui e forse migliorare la società, pure.
Anche se potresti pensare all'intelligenza artificiale come a una tecnologia per quel lontano futuro dei Jetson, interagiamo con esso ogni giorno, spesso senza accorgersene, dice Goldwasser, un assistente professore di informatica.
"Lo era quando si digitava su un computer o su uno smartphone, indicherebbe parole errate, che è abbastanza semplice da fare per l'elaborazione convenzionale, " dice. "Ora, se digiti "se" quando quello che intendevi era "meteo, ' l'app ti avviserà, 'sì, questa è una parola, ma non è la parola che intendevi». Ciò richiede una comprensione della sintassi della frase e del contesto, e questo viene fatto attraverso l'intelligenza artificiale."
La ricerca di Goldwasser è nell'intelligenza artificiale, concentrandosi sull'apprendimento automatico e sull'elaborazione del linguaggio naturale. Dice che le persone spesso confondono le tre tecnologie o semplicemente non sanno cosa significano questi termini.
"Intelligenza artificiale, che sta ottenendo molto scalpore e attenzione in questi giorni, è l'insieme dei metodi, sistemi o approcci per computer che cercano di imitare i giudizi umani e il processo decisionale umano, " dice. "Il machine learning è un insieme di metodi che utilizzano i dati per svolgere un compito".
Se il tuo compito può essere ridotto a una semplice mappatura dall'input all'output, allora l'apprendimento automatico può aiutarti in questo.
Per esempio, prevedere le probabilità che Purdue vincerà sabato prossimo:un algoritmo di apprendimento automatico può utilizzare le informazioni dei giochi precedenti, il record di vittorie-sconfitte dell'avversario e se la partita è una partita in casa, eseguire i dati raccolti attraverso un algoritmo, e darti una risposta
Ma, se vuoi che il sistema vada oltre e trovi le probabilità, Per esempio, in base all'umore dei giocatori tramite la scansione dei social media, bisognerà soppesare molte altre variabili e ragionare sul loro rapporto con la partita di sabato. Per esempio, un post che indica che uno dei giocatori parteciperà al matrimonio della sorella sabato richiederebbe al sistema di dedurre che il giocatore non sarebbe in grado di partecipare alla partita, cambiare le probabilità di vincita.
Questo è un processo che richiede intelligenza artificiale, dice Goldwasser.
Un luogo comune in cui le persone incontrano l'intelligenza artificiale di base e l'apprendimento automatico sono i dispositivi di assistente personale, come Alexa di Amazon, Google Home di Google, Siri di Apple, e Cortana di Microsoft, che utilizzano tutti la terza tecnologia ricercata da Goldwasser, l'elaborazione del linguaggio naturale, che spiega è l'area dell'intelligenza artificiale che si concentra specificamente sulla replica dei giudizi umani sul linguaggio umano.
Tener conto di, Per esempio, quella che sembrerebbe una semplice domanda che potresti fare a un collega:"Ehi, i Giants hanno vinto ieri sera?"
Per un computer, la questione è enormemente complessa.
"Facciamo molte deduzioni quando conversiamo con qualcuno, e queste scorciatoie che ci vengono molto naturalmente senza pensare, ma quando devi renderli espliciti, capisci che dietro di loro c'è un ragionamento complesso, " dice Goldwasser. "Allora, hanno vinto i Giants? Pensa allo spazio dei mondi possibili che il sistema deve esplorare. Ci sono i New York Giants di football e i Giants di baseball di San Francisco. Il sistema deve saperlo e ragionare sul fatto che si tratti della stagione del baseball o della stagione del calcio, e hanno giocato nelle ultime 24 ore. Ma puoi anche immaginare che ci sia un gruppo militare che la gente chiama i Giganti, e hanno appena combattuto qualche battaglia? Puoi radicare il significato di quella parola in molti modi diversi".
Anche se rimuovi l'ambiguità della domanda e sai che stai chiedendo di una squadra di baseball, il sistema deve ancora affrontare un problema complesso, dice Goldwasser. Il sistema deve sapere cosa significa "vincere, " e quali informazioni sono rilevanti per l'utente. Potrebbe esserci una squadra di baseball in Sud America chiamata Giants, ma il sistema deve sapere se ti interessa quel risultato.
"Questo tipo di riflessione e comprensione dell'utente è davvero qualcosa per cui è difficile programmare questi sistemi, e non è qualcosa che il sistema può realizzare semplicemente estraendo dai dati, senza ulteriori motivazioni, "Dice Goldwasser.
La sua ricerca sull'intelligenza artificiale è in linea con la celebrazione dei Salti Giganti di Purdue, riconoscendo i progressi globali dell'università fatti verso un'economia e un pianeta avanzati come parte del 150 ° anniversario di Purdue. Questo è uno dei quattro temi del Festival delle Idee della celebrazione annuale, progettato per mostrare Purdue come un centro intellettuale che risolve problemi del mondo reale.
Per i progetti di Goldwasser, sta sviluppando strumenti che utilizzano l'intelligenza artificiale per analizzare l'universo dei dati e fornire approfondimenti sui problemi attuali.
Per esempio, un progetto analizza i post sui social media e i commenti pubblici dei funzionari eletti per prevedere quando voteranno contro il proprio partito politico.
"L'abbiamo usato con i legislatori statali per prevedere come voteranno sull'assistenza sanitaria, " dice Goldwasser. "I legislatori potrebbero non rivelare mai la loro posizione su Twitter, ma possiamo prevedere dal modo in cui inquadrano la questione come voteranno quando sarà il momento".
Un altro progetto, finanziato da Google, sta creando uno strumento per guardare una fonte di notizie e utilizzare una varietà di punti dati, come la frequenza con cui i vari punti di vista politici vengono utilizzati dallo sbocco e le connessioni sociali delle persone che interagiscono con lo sbocco, per determinare quanto sia distorta la presa.
Un terzo progetto che è un risultato della sua ricerca è uno strumento per analizzare i commenti sui social media di una popolazione locale per osservare come stanno inquadrando un problema al fine di prevedere quale potrebbe essere la risposta a un'azione.
"Per esempio, se stai pensando di inviare truppe in un paese per assistere a una crisi di rifugiati, sarebbe visto dalla gente del posto come assistenza necessaria o un atto aggressivo? Speriamo di essere in grado di fornire ai decisori gli strumenti per capirlo mentre elaborano politiche per evitare errori pericolosi".
Questa ricerca ha analizzato i post sui social media e i commenti pubblici dei funzionari eletti per prevedere quando voteranno contro il proprio partito politico.
"Costruire su questo, abbiamo iniziato una collaborazione con un professore di scienze politiche, Eric Waltenburg, analizzare i dati del governo locale, " dice Goldwasser. "Per questo progetto, ci sono stati recentemente assegnati finanziamenti nell'ambito dell'iniziativa Integrative Data Science Initative di Purdue."