Uber neemt ai-bedrijf over en richt Uber AI Labs op

Uber heeft Geometric Intelligence, een bedrijf dat zich specialiseert in kunstmatige intelligentie, overgenomen. Van de technologie die het bedrijf in huis heeft, is weinig bekend, maar deze zou bepaalde taken kunnen leren op basis van de helft minder data dan deep learning dat doet.

Geometric Intelligence gaat volgens Uber in het begin de kern vormen van de nieuwe Uber AI Labs in San Francisco. De afdeling richt zich op kunstmatige intelligentie en machine learning. Meer maakt Uber niet bekend, maar Wired meldt dat het bedrijf inmiddels twee jaar oud is en 15 man aan personeel in huis heeft. Daartussen zitten professoren van verschillende Amerikaanse Universiteiten, zoals de New York University, Stanford en de University of Wyoming. Daarnaast is een van de oprichters een professor aan Cambridge University.

Volgens gesprekken die Wired heeft gevoerd met personeelsleden en mensen die bekend zijn met het bedrijf, richt Geometric Intelligence zijn pijlen op machine learning met beperkte datasets. Dat is een relevante context voor Uber, aangezien zelfrijdende auto's in het dagelijks leven veel moeten weten maar niet per se veel data voorgeschoteld krijgen. Nu al zou het bedrijf veel vooruitgang hebben geboekt richting hun doel van machine learning met beperkte datasets. "Het is een combinatie van rules-based learning, statistical learning en deep learning", vertelt Zoubin Gahramani, een van de oprichters.

Uber AI Labs gaat samenwerken met de divisie voor autonome auto's in Pittsburgh. Klanten in die stad kunnen daar al ritjes maken in zelfrijdende Uber-auto's, hoewel de technologie duidelijk verder nog in de kinderschoenen staat. Het bedrijf lijkt hiermee te proberen op dit gebied te kunnen concurreren met andere grote bedrijven die zich bezighouden met ai, zoals Google, Apple, Facebook en Amazon.

Reacties (6)

[Smen]

Niemand vind het belangrijk blijkbaar, dat is prima, maar het is toch best interessant wat hier gedaan wordt. Er wordt naar de gedragsmatige kant van techniek gekeken. Dit is veelal nieuw gebied en de onderzoekers die bij dit bedrijf werken, bevinden zich nagenoeg allemaal op de grenzen van de wetenschap. Ze doen veel onderzoek wat nog nooit eerder is verricht, en een aantal van hen heeft fundamenten onderzocht die het mogelijk maken om bijvoorbeeld machine learning van 1.0 naar 2.0 te brengen.

Wat maakt ze dan "anders"? Voorbeeld: Door wiskundige afleidingen te maken van biologische gebeurtenissen probeert men nieuw gedrag te simuleren. (Nog?) niet puur gericht op voorspellen, zoals dat in de psychologie zo gebruikelijk is, maar eerst op verklaren, kunnen maken en begrijpen.

Met name Clune heeft al redelijk veel gedaan als je Scholar bekijkt. Hier een kleine opsomming waar hij aan meewerkte, wat nog nooit iemand anders heeft onderzocht:

Onderzoek doen naar het ontstaan van netwerken en hun hierarchische of modulaire karakter.
Hier is voor de eerste keer verklaard hoe in de natuur netwerken ontstaan. Het nut hiervan is dat ze nu weten welke basisbeginselen zorgen voor de juiste netwerken, en met welke kenmerken, deze netwerken het snelste informatie kunnen doorgeven. Lees: problemen oplossen.

Onderzoek naar robots die zich als dieren aanpassen.
Het ontwikkelen van een algoritme dat er voor zorgt dat een robot die schade is toegebracht, met behulp van een intelligent trial-en-error methode binnen twee minuten zich aan kan passen aan die schade. Zonder vooropgestelde noodscenario's / plannen. Nut: machines kunnen blijven functioneren zonder dat er noodoplossingen "geprogrammeerd" hoeven worden.

Onderzoeken van "innovation engines" die menselijk creatief gedrag simuleert.
Om zo goed mogelijk te kunnen begrijpen of machines menselijk creatief gedrag kunnen overnemen, onderzoeken ze de meest intelligente Deep Neural Networks (DNN). Deze worden nu gebruikt om nieuw gedrag te laten ontstaan. Resultaat: een roadmap met challenges. Nut: een innovation engine kan uiteindelijk oneindige nieuwe stromen intelligente software, robot controllers, fysica, en kunst produceren.

Onderzoek naar zelflerende algoritmes, die naar nieuwe of interessante informatie zoeken.
Bij het opdoen van nieuwe vaardigheden streven mensen vaak naar Novelty, anders zijn/denken. Daardoor ontstaan veel specialisten. Maar, bij machines is dat niet handig. Immers, 100 dezelfde fysieke robots, die allemaal net iets anders kunnen is niet handig. Als je streeft naar Curiosity, krijg je een veel breder pallet en ontstaat generalistische kennis. Dus krijg je 100 robots die bijna alles kunnen. Een combinatie van curiosity, met combinatie van novelty levert de slimste (lees: best presterende) robot op. Nut: wat denk je zelf?

Als klap op de vuurpijl heeft Marcus nieuwe rekenmethoden bedacht die betere computersimulaties mogelijk maken. Hiermee kan dus beter voorspeld worden, en dus beter "automatisch nagedacht" worden.

Al met al koopt Uber zich waarschijnlijk een shortcut naar hun eigen AI-lab, maar er bestaat een kans dat ze hiermee ineens voorloper zijn geworden op het gebied van automated reasoning.
Nut: tegengaan van fraude, sneller verkeersborden lezen, en beter / sneller / goedkoper navigeren. Al met al streven naar het uitsnijden van de meest fout-genererende schakel in het proces: de chauffeur.

[Artimunor]

Al met al streven naar het uitsnijden van de meest fout-genererende schakel in het proces: de chauffeur.

Op zich wel ironisch omdat ze juist groot geworden zijn door de chauffeur te laten rebelleren tegen de taxi maatschappijen.
Zou dit nu omgekeerd gaan gebeuren?

[Reynouts]

Interessante zet van Uber. Ik ben benieuwd of Gary Marcus hiermee ook wat meer momentum kan krijgen met zijn ideeën.

Waar de meeste aandacht de laatste tijd binnen "AI" uitgaat naar gecommercialiseerde Deep Learning (Facebook, Google, Baidu, etc.), ziet Marcus duidelijk de beperking en probeert meer de parallel te vinden met cognitive neuroscience. Deep Learning en Sparse Data gaan nou eenmaal niet goed samen, er zijn te veel variabelen die getraind moeten worden in verhouding tot de voorbeelden/data die er zijn. Hier probeert Marcus oplossingen voor te bedenken die meer in lijn liggen met hoe het menselijk brein werkt en hoe kinderen op jonge leeftijd echt leren. Hij probeert te subtiliteit die het menselijk brein heeft te combineren met het "simpele" deep learning.

Een tegengeluid is altijd fijn om te horen (ik vind de resultaten met Deep Learning van de afgelopen jaren zeker mooi, maar er is veel meer dan dat) en ik ben erg benieuwd of hij op deze manier een tegenbeweging op kan zetten. Daarnaast zou Uber daar nu de vruchten van kunnen plukken.

Voor de geïnteresseerde over de gedachten van Gary Marcus (en daarmee Geometric Intelligence en Uber) een stuk uit 2015 over hem: https://www.technologyrev...is-man-make-aimore-human/

[Verwijderd]

Op zich een logische zet. Het huidige bedrijfsmodel van Uber met menselijke chauffeurs zal op een gegeven moment ophouden te bestaan wanneer zelfrijdende auto's gemeengoed zijn.

Op dat moment zal ook autobezit uitzonderlijk worden, althans wanneer een aanbieder een vloot auto's in je buurt heeft die je snel kunnen oppikken, waarom nog zo'n dure roestbak hebben die zienderogen minder waard wordt en 99% van de tijd niets doet behalve ruimte innemen? Uber zou zo'n aanbieder kunnen zijn.

[bille]

En daarmee volgen ze Tesla die enkele maanden geleden al met een dergelijk voorstel kwam:
https://www.businessinsid...uld-take-on-uber-2016-10/. Uber kiest blijkbaar de weg van all-inclusive (dure rit, maar geen eigendom dus lage vaste lasten) vs Tesla (goedkopere rit, maar eigendom van auto dus hoge vaste lasten). Overigens rijdt Uber met Volvo's: http://www.bloomberg.com/...burgh-this-month-is06r7on
Zou ook best interessant kunnen zijn als er "Bolt-on" autopilot systemen uitgebracht zouden worden. "Laat je auto ombouwen tot een uber taxi"-Kit. *gaat vast Knight Industries oprichten*.. kan je ook leuk combineren met je smart-watch ;P http://www.mhjaso.com/blo...leWatch-MichaelKnight.jpg

[Reactie gewijzigd door bille op 22 juli 2024 18:24]