Wu Enda, EmTech Dijital Zirvesi'nde geçici olarak yok, eşi Riley odak noktası oluyor
Son zamanlarda, Baidu'dan ayrıldığının duyurulması, Andrew Ng'nin bir süre birçok teknoloji medyasının manşetlerine hakim olmasını sağladı. Yapay zeka ve makine öğrenimi alanındaki en yetkili akademisyenlerden biri ve çevrimiçi eğitim platformu Coursera'nın kurucu ortağı olan bu çalışmanın bir sonraki adımı, medya tartışmalarının odak noktası haline geldi.
ABD yerel saatiyle bu sabah San Francisco'da açılan EmTech Digital Digital Summit of MIT Technology Review'da, Başlangıçta planlanan ilk konuşmacı Wu Enda, geçici olarak konuşmayı iptal etmeye karar verdi ve MIT Technology Review'in yayıncısı ve yazı işleri müdürü Jason Pontin'i katılımcılardan içten özür dilemek üzere görevlendirdi.
Wu Enda, Aralık 2016'da Twitter'da şunları söyledi: Bu dünyadaki en sevdiğim kişinin EmTech Digital'de bir konuşma yaparken bana katılacağını yeni keşfettim.
Wu Endanın konuşmasının yerini de Baidunun Silikon Vadisi Yapay Zeka Laboratuvarı direktörü Adam Coates aldı. Baidu'nun sesli etkileşimli arayüzleri yaygınlaştırma ve konuşma tanıma alanında derin öğrenmeyi kullanma konusundaki ilerlemesini tanıttı.
Wu Enda, EmTech Digital'deki konuşmasını geçici olarak iptal etti ve yerine Baidu Silikon Vadisi Laboratuvarı'ndan Adam Coates aldı. Bu, Baidu'dan ayrıldığını duyurmasıyla ilgili olmalı.
Wu Enda ve karısının aslında bu sabah EmTech Digital'de bir konuşma yapması planlanıyordu, ancak Wu Enda'nın yokluğu şüphesiz karısı Riley'den daha fazla ilgi gördü. Bay DT, Riley'nin konuşmasını da düzenledi, ayrıntılar için lütfen makalenin sonuna bakın .
drive.ai, sürücüsüz arabaların "beynini" oluşturmak istiyor
Sınır ötesi özgeçmiş
Carlo Riley 35 yaşında ve 1982 doğumlu bir Çinli Amerikalı. Babası bir programcı ve annesi bir uçuş görevlisidir. Riley, Singapur'da prestijli bir okul olan Raffles Institution'da okuyan kocası Wu Enda Lisesi'nin aksine, Washington Eyaletinde küçük bir şehirde büyüdü.
Daha sonra Riley, Silikon Vadisi'nin kalbindeki Santa Clara Üniversitesi'ne kaydoldu ve burada programlama öğrenmeye başladı. Lisans mezuniyet projesi, IBM robot kolları için tasarlanmış dokunsal bir geri bildirim sistemidir.
Mezun olduktan sonra Riley ilk tam zamanlı işini yaptı: Lockheed Martin'in uzay tabanlı kızılötesi sisteminin yazılım mühendisi.
Daha sonra Riley, Johns Hopkins Üniversitesi'nde yüksek lisans ve doktora eğitimine başladı. Bu dönemdeki araştırma yönü de robotlarla ilgiliydi, ancak cerrahi robotlar alanına odaklandı.
Johns Hopkins Üniversitesi'nde çalıştığı bir proje, Cerrahi robotun gücünü göstermek ve doktorun karar vermesine yardımcı olmak için dokunsal sinyalleri görsel sinyallere dönüştürmek için artırılmış gerçeklik teknolojisini (AR) kullanır.
Aşağıdaki şekilde gösterilen örnekte, cerrahi robotu çalıştıran doktor, kendisi tarafından çalıştırılan manipülatör dikiş atarken monitörde ekranı görmektedir. Riley, robot elinin dokunsal sinyalini renkli olarak ifade etti. Yeşil nokta, gücün tam olarak doğru olduğunu gösterir. Güç çok güçlü olduğunda, ekrandaki yeşil nokta anında kırmızıya dönerek doktora çok fazla kullandığınızı söyler. Böylelikle robotu çalıştıran doktor, bizzat dikiş atmaya benzer bir dokunsal deneyim yaşayacaktır.
Riley bu araştırmayla yüksek lisans derecesi kazandı. Ancak bu, cerrahi robotlarla ilgili araştırmasının yalnızca başlangıcı. Cerrahi robotlara (tümörleri tanımak gibi) bilgisayar grafikleri uygulama üzerine bir dizi araştırmadan sonra, doktorlar tarafından gerçekleştirilen cerrahi operasyonları belirlemek için istatistiksel yöntemlerin kullanımını incelemeye başladı ve böylece cerrahi robotları kullanan doktorları puanlamak için bir sistem geliştirdi. Bu sistem, doktor eğitimi için doktorların eylemlerini kaydedebilir ve tanıyabilir.
Cerrahi robotlarla ilgili bir diğer sorun ise çok pahalı olmalarıdır. Sonuç olarak, Riley araştırma ilgisini bu teknolojinin ucuzluğuna çevirdi: cerrahi robotların DIY'i nasıl gerçekleştirilebilir?
Tinkerbelle labs adında bir yapımcı topluluğu kurdu . Sözde "yapımcılar", kendi başlarına ilginç şeyler yapmayı seven bir grup inek. Çoğu yetenekli insanlar, havalı ve ucuz DIY projeleri yapıyorlar. Örneğin, aşağıdaki iki proje:
Hava gitarı : Gerçekte bir gitara sahip olmanıza gerek yoktur, sadece bir "hava gitarı" tutmanız ve müzik çalmak için hareketler yapmanız yeterlidir. Kolun elektrik sinyalini izlemek için gitaristin üst kolundaki elektrokardiyogram ölçüm noktalarını düzenler.Oyuncunun sadece telleri koparmak gibi karşılık gelen eylemleri yapması gerekir ve oyun sistemi müzik yayabilir.
DIY tansiyon aleti : Kendi kendine monte edilebilen, ucuz olan ve üçüncü dünya için toksik metal cıva gerektirmeyen bir tansiyon aleti.
Bu başarısıyla, "M" harfiyle (Make'in baş harfleri) süper kahraman kostümü giydi ve MAKE dergisinin 29. sayısının kapağında yer aldı.
IEEE'de yayınlanan "Alternatif" düğün haberleri
Riley ve Wu Enda, Japonya, Kobe'deki 2009 IEEE Robotik ve Otomasyon Konferansı'nda bir araya geldi. 2014 yılında ikili, evlilik sarayına girmek için el ele vermeye karar verdi. . Ancak teknik meraklı oldukları için düğünleri gerçekten farklıdır.
Öncelikle, nişan haberleri Moments veya Facebook'ta değil, "IEEE Spectrum" web sitesinde yayınlanıyor! Dergi editörleri yeni çiftin bu şekilde olmasını diliyor:
"Bu derginin tüm üyeleri, Andrew ve Carol'a içtenlikle dileklerimizi sunar,
Ortak yaşamlarında içtenlikle mutluluklar diliyorum ...
Ve robotlar. "
Akademik dergilerde yayınlanan evlilik haberleri
Drive.ai ne tür bir şirkettir?
Riley, Nisan 2015'te doktorası sırasında okulu bıraktı ve Mountain View, California'da sürücüsüz bir şirket olan drive.ai'yi kurdu. Drive.ai, kuruluşundan bir yıl sonra Kaliforniya hükümeti tarafından onaylanan 13. yol testi lisansını aldı.
Otonom sürüş alanında, donanım atılımları bir yöndür, ancak yazılım çözülemezse, donanım ne kadar iyi olursa olsun, işe yaramaz. Riley, "Pek çok donanımın iyi çalışmadığını düşünüyoruz" dedi. Yazılım için çözülmesi en zor sorun, arabayı gece yağmur ve karda yoğun şehir yolundan geçecek şekilde kontrol etmektir.
İnsansız bir arabanın, çevredeki ortamın iki boyutlu bir resmini optik bir kamera ile çekmesi ve ardından bir algoritma aracılığıyla nesnenin şeklini ve mesafesini oluşturması gerekir. Bununla birlikte, ışık gibi faktörler nedeniyle, yargısı güvenilir değildir:
Ocak 2016'da bir Tesla Model S, Handan, Hebei, Çin'deki bir otoyolda çalışan bir süpürücüyü tanıyamadı ve öldü; Mayıs 2016'da başka bir Tesla Model S yanlışlıkla Florida'ya yerleştirildi Beyaz bir kamyon, tepeye asılan ve başka bir ölüme neden olan bir işaret olarak kabul edildi. Bu, yalnızca yol koşullarının nispeten basit olduğu gün boyunca karayolu üzerindedir.
2017'de drive.ai bir sürüş testi videosu yayınladı:
drive.ai sürüş testi videosu
Yağmur sonrası alacakaranlıkta Mountain View yollarında, gökyüzünün rengindeki, karşı taraftaki araçların uzak ve yakın ışınlarındaki belirsiz değişikliklere rağmen, test aracı tamamen yazılım sistemi tarafından kontrol edilerek kırmızı ışık, yeşil ışık, mekik serbest, sabit ve hızlı bir şekilde durdurulmaktadır.
Yoldaki arabaların durumu karmaşıktır ve tüm yol koşullarını net bir şekilde özetlemek zordur. drive.ai, sığdan derin öğrenmeye kadar insansız sürüş teknolojisini kurdu ve sadece algılama ile sınırlı değil, aynı zamanda kararlar da veriyor.
Diğer şirketlerle karşılaştırıldığında, teknolojilerinin tüm sensörlerden, kameralardan ve radarlardan gelen bilgileri daha sorunsuz bir şekilde entegre edebileceğine inanıyorlar. Dahası, sistemleri daha akıllıdır: "Sürüş testinin uzunluğu ve kilometresi önemli değildir. Önemli olan, hangi bilgilerin toplanması gerektiğini ve bilginin derin öğrenme yeteneğini geliştirmesini sağlamak için ne yapılması gerektiğini bilmektir."
ve, Ayrıca insan-bilgisayar etkileşiminin önemini vurguluyorlar . Örneğin, bir kavşakta, beni gördüğünü netleştirmek için bazen sürücünün gözlerinin içine bakarız. Peki kendi kendine giden bir araba insanların gözleriyle nasıl buluşur? Riley, otonom sürüşe ek olarak, sürücüsüz arabaların da çoğu insanın iletişim kuracağı ilk nesil sosyal robotlar olması gerektiğine inanıyor. Bu tür bir robot insan gibi değil, ancak yapay zeka ile harekete geçirilebilen akıllı bir makinedir.
Bununla birlikte, dış dünya drive.ai hakkında daha fazla ayrıntı hakkında çok az şey biliyor, bunun nedeni kısmen ilk dönemde gizli modda (gizlilik modu) olmaları, yani sızıntılardan veya rakipler tarafından tespit edilmekten endişe duymaları nedeniyle kamuya açıklamıyorlar. Sonuçlar yapılana kadar şirketin çalışması.
Video açısından bakıldığında, drive.ai'nin teknolojisi belli bir seviyeye ulaştı. Drive.ai ekip üyeleri güçlü bir teknik geçmişe sahiptir. Çekirdek ekibi Stanford Üniversitesi Yapay Zeka Laboratuvarı'ndan geliyor. Aynı zamanda, doğal dil işleme, bilgisayar grafikleri, otonom sürüş, insan-bilgisayar etkileşimi ve diğer alanlar dahil olmak üzere bir grup derin öğrenme uzmanını bir araya getirdi.
Aşağıdaki özel içerik, Carlo Riley'nin EmTech Digital San Francisco Zirvesi'ndeki konuşmasının bir özetidir:
drive.ai, insanların ve makinelerin nihayetinde birlikte işbirliği yapmasını sağlamak amacıyla otonom sürüş teknolojisinin geliştirilmesine kendini adamıştır. En optimize çözümü yapmak için derin öğrenmeyi kullanıyoruz Sonuçta, otonom sürüş küresel bir sorundur ve dahil olan tüm teknolojilerin bir gecede mükemmel bir çözüm yerine tek tek iyileştirilmesi gerekir.
Derin öğrenmeyi insan deneyimiyle birleştiriyoruz Bu, drive.ai'nin en yenilikçi yönüdür.
Derin öğrenmenin daha verimli ve daha hızlı bir çözüm olduğuna inanıyoruz. Gerçekte, özel araçlar, arabalar, kamyonlar vb. Gibi birçok araç türü vardır. Farklı araçlara farklı tipte sensörler yerleştirip bunları bir platforma entegre ediyoruz.
İkinci fikrimiz, farklı coğrafi konumları ve yol koşullarını birleştirmektir. , San Francisco ve New York gibi, hava koşulları ve yol koşulları ve diğer bilgiler otomatik sürüşü hesaplamak için entegre edilmiştir. Bu makineler, insanlarla iletişim kuracak ve onların isteklerini anlayacak kadar akıllı olmalıdır.Derin öğrenme, araştırma ve geliştirmemizi büyük ölçüde hızlandıracaktır.
Algoritmayı uygun düşük seviyeli yazılımlar aracılığıyla uygulamayı düşünmek gerekir. Daha verimli olmak için insan deneyimi ile yapay zekayı birleştirmek istiyoruz. Gerekli teknoloji farklı uygulama senaryolarından gelir, Derin öğrenme ve gerçek zamanlı haritalar sayesinde, her araç kullandığınızda, araç verileri toplayacak ve sürüş becerilerini daha da geliştirecektir.
Öncelikle araçların farklı trafik sinyal işaretlerini anlaması gerekir. Bir araç bir kavşağa yaklaştığında, bir trafik ışığına ve diğer yol işaretlerine çarptığında, farklı durumları temsil eder. 19. yüzyılda ilk otomobil yola çıktığında da aynı durum yaşandı. Sadece otonom sürüşün geleceğinde durum daha karmaşık olacak.
Stanford'da projeler üzerinde çalışırken Google, Uber ve Tesla gibi birçok büyük şirketle rekabet etmem gerektiğini fark ettim. O zamanlar, özel bir derin öğrenme modeli oluşturmak için çok az fon ve çok küçük bir ekiple başladık. Stanford'daki girişimler de bize çok ilham verdi.
Sonuçta bu alanda bir kazanan yok, bir ekosistemde bir arada var olan birçok şirket olacak. Bu alanda rekabete katılan birçok firma olduğu için çok şanslıyız.
Bu şirketlerin Uber gibi çok sayıda eğitim verisi var, verileriyle nasıl rekabet ediyorlar? Her saat bilginin analiz edilmesi 10 saat sürer, Amacımız, sınırlı bilgileri işlemek için daha verimli bir alt katman tasarlamaktır.
Gelecekte birçok ülke ve şehrin projemizi desteklediğini göreceğiz çünkü bu geniş kapsamlı bir plan. Singapur zaten pilot bir şehir ve gelecekte daha fazla bölge katılacak.
