Αρκετές εταιρίες όπως η Google, το Facebook και το Twitter χρησιμοποιούν την μηχανική μάθηση, αλλά σύμφωνα με τον Ryan Adams, διευθύνων σύμβουλο της Whetlab, ένα από τα προβλήματα είναι ότι:
“Συχνά φαίνεται σαν να εμπλέκεται κάποια μαύρη μαγεία σ αυτή τη διαδικασία”.
Αυτές οι μεγάλες εταιρείες έχουν τον χρόνο και τα χρήματα να ξοδέψουν για να ρυθμίσουν ένα τέτοιο περίπλοκο σύστημα, όμως υπάρχει το πρόβλημα της έλλειψης του “ταλέντου” και της γνώσης από πλευράς των μηχανικών.
Το Twitter με βάση αυτήν την πρόκληση προσπαθεί να εξοπλίσει μερικούς από τους μηχανικούς της μηχανικής μάθησης με πραγματικές μηχανές.
Σε θεωρητικό υπόβαθρο, αντί να δουλεύει ένας μηχανικός για εβδομάδες ή μήνες πάνω στο σύστημα ανίχνευσης spam μνημάτων ή πάνω σε έναν αλγόριθμο για τα trending θέματα του Twitter, θα μπορούσε ένας αλγόριθμος να κάνει αυτήν την εργασία.
Τον Ιούνιο, η εταιρεία Twitter απέκτησε την startup μηχανικής μάθησης του Adam, Whetlab, για να εργαστεί στο εργαστήριο Twitter Cortex που είναι κομβικό σημείο της τεχνητής νοημοσύνης και της έρευνας μηχανικής μάθησης.
Η εταιρία ιδρύθηκε από πέντε ερευνητές μηχανικής μάθησης το 2014 και η τεχνολογία της είναι ουσιαστικά η βάση της τεχνητής νοημοσύνης.
Σε ένα τυπικό σύστημα μηχανικής μάθησης, υπάρχουν πολλά κουμπιά και μοχλοί για να ρυθμίζουν οι μηχανικοί, ενώ απαιτείται και κάποιο χρονικό διάστημα για αυτές τις ρυθμίσεις ώστε να δώσουν τα καλύτερα αποτελέσματα.
Έτσι το Whetlab για να απαλλάξει τους μηχανικούς από αυτήν την κουραστική και χρονοβόρα διαδικασία, έφτιαξε μία αρμονία (tune) αλγορίθμου και συγκέντρωσε όλες τις ρυθμίσεις σε αυτόν. Όπως ανέφερε και ο Adams:
“Κάθε φορά που ένας μηχανικός ρυθμίζει ορισμένα κουμπιά σε ένα μεγάλο σύστημα, του δίνεται η ευκαιρία να βάλει τα κουμπιά στις σωστές θέσεις με σκοπό την καλύτερη απόδοση, είτε μιλάμε για την διεπαφή χρήστη είτε για χρήση ενέργειας σε ένα κέντρο δεδομένων.”
Αν αυτό ακούγεται αρκετά αφηρημένο, υπάρχει μεγάλο πιθανό όφελος και για τους χρήστες. Αυτό σημαίνει ότι όταν το Twitter χρονοτριβεί με τα συστήματα που χειρίζονται τα spam, το ακατάλληλο και μη ασφαλές περιεχόμενο, ακόμα και τις διαφημίσεις και την περίπτωση αναπάντητων tweet, υπάρχει μια άγρυπνη τεχνητή νοημοσύνη που τραβάει μοχλούς και προσαρμόζει την εμπειρία στην βέλτιστη λειτουργία.
Αυτή η startup εταιρία είναι μέρος μίας ευρύτερης προσπάθειας στο Twitter και σε άλλες εταιρίες τεχνολογίας να εξελίξουν τις έρευνες μηχανικής μάθησης κατά τα τελευταία χρόνια.
Η Google για παράδειγμα, προσέλαβε έναν φημισμένο ερευνητή και καθηγητή του Πανεπιστήμιου του Τορόντο, τον Geoffry Hinton το 2013.
Επίσης το Facebook δημιούργησε το δικό του εργαστήριο τεχνητής νοημοσύνης στα τέλη του 2013, προσλαμβάνοντας τον γνωστό επιστήμονα υπολογιστών Yann LeCun.
Αν και είναι νωρίς ακόμη για την ομάδα του Whetlab, ο Adams δεν είναι σε θέση να προσφέρει πολλά στην ιδιαιτερότητα εργασίας της ομάδας, γιατί έχουν προκύψει κάποιες “εκπλήξεις”. Όπως εξηγεί και ο ίδιος:
“Στόχος μας ήταν να αυτοματοποιήσουμε την διαδικασία ώστε να γίνει λιγότερο εξαρτημένη από τον άνθρωπο, αλλά αποδείχθηκε επίσης ότι οι άνθρωποι τις περισσότερες φορές δεν είναι τόσο αποτελεσματικοί όσο η τεχνητή νοημοσύνη.
Αν υπάρχουν περισσότερα από τέσσερα κουμπιά ρυθμίσεων, τότε οι άνθρωποι δεν μπορούν να τα χειριστούν σωστά. Αυτό συμβαίνει επειδή οι άνθρωποι δυσκολεύονται να συλλογιστούν σε περισσότερες από τρεις διαστάσεις”.
Το Whetlab δεν αντικαθιστά τις υπάρχουσες μεθόδους του Twitter να χειρίζεται τα spam, τα ακατάλληλα περιεχόμενα (NSWF) ή τα επιθετικά σχόλια, αντιθέτως η τεχνολογία του Whetlab έχει ως στόχο να βελτιώσει τον τρόπο που οι ομάδες αυτές κάνουν την δουλεία τους.
Ο Adams πιστεύει ότι στο μέλλον υπάρχει μια ευκαιρία εξέλιξης για αυτές τις προσπάθειες, που υπερβαίνει ακόμη και τα συστήματα μηχανικής μάθησης, οδηγώντας μας σε μια καλύτερη τεχνητή νοημοσύνη.
Αν αυτό το τελικό αποτέλεσμα είναι ένα καλύτερο και φιλικότερο Twitter, τότε ας αφήσουμε τις μηχανές να κάνουν την δουλειά τους, αφού αποδεικνύεται ότι την κάνουν καλύτερα από τους ανθρώπους.
