Les noves fronteres de la IA i la robòtica, amb el degà d’informàtica de la CMU Martial Hebert


Martial Hebert, degà de la Carnegie Mellon University School of Computer Science, durant una visita recent a les oficines de GeekWire a Seattle. (Foto de GeekWire / Todd Bishop)

Aquesta setmana al podcast GeekWire, explorem l’estat de l’art en robòtica i intel·ligència artificial amb Marcial Hebertdegà de la Escola d’Informàtica de la Universitat Carnegie Mellon a Pittsburgh.

A informàtic veterà en el camp de la visió per computadorHebert és l’antic director de la prestigiosa CMU Institut de Robòtica. Natiu de França, també va tenir l’honor distingit de ser el nostre primer convidat de podcast en persona en dos anys, visitant les oficines de GeekWire durant el seu recent viatge a la zona de Seattle.

Com escoltareu, la nostra discussió es va duplicar com a avançament d’un viatge que l’equip de notícies de GeekWire farà aviat a Pittsburgh, tornant a visitar la ciutat que va acollir el nostre temporal. GeekWire HQ2 el 2018i informes de la Conferència Cascadia Connect Robòtica, Automatització i IAamb cobertura recolzada per Cascadia Capital.

Continueu llegint per obtenir fragments de la conversa, editats per a la claredat i la llargada.

Escolteu a continuació o subscriviu-vos a GeekWire Podcasts d’Apple, Google Podcasts, Spotify o allà on escolteu.

Per què estàs aquí a Seattle? Ens pots explicar una mica què estàs fent en aquest viatge a la costa oest?

Martial Hebert: Col·laborem amb una sèrie de socis i una sèrie de socis del sector. Per tant, aquest és l’objectiu d’aquest viatge: establir aquestes col·laboracions i reforçar aquestes col·laboracions en diversos temes al voltant de la IA i la robòtica.

Han passat quatre anys des que GeekWire ha estat a Pittsburgh. Què ha canviat en l’escena informàtica i tecnològica?

Les empreses de conducció autònoma Aurora i Argo AI s’estan expandint ràpidament i amb èxit. Tota la xarxa i l’ecosistema d’empreses de robòtica també s’estan expandint ràpidament.

Però a més de l’expansió, també hi ha un major sentit de comunitat. Això és una cosa que existeix a la zona de la badia i a la zona de Boston des de fa uns quants anys. El que ha canviat durant els últims quatre anys és que la nostra comunitat, a través d’organitzacions com la Xarxa de robòtica de Pittsburghs’ha consolidat molt.

Els cotxes autònoms segueixen sent una de les aplicacions més prometedores de la visió per computador i els sistemes autònoms?

És una aplicació molt visible i potencialment molt impactant pel que fa a la vida de les persones: transport, trànsit, etc. Però hi ha altres aplicacions que no són tan visibles que també poden tenir força impacte.

Per exemple, coses que giren al voltant de la salut i com utilitzar els senyals de salut de diversos sensors, que tenen implicacions profundes, potencialment. Si pots fer un petit canvi en els hàbits de la gent, això pot suposar un canvi enorme en la salut general de la població i l’economia.

Quins són alguns dels avenços d’avantguarda que esteu veient avui en robòtica i visió per ordinador?

Permeteu-me que us faci una idea d’alguns dels temes que crec que són molt interessants i prometedors.

  • Un d’ells no té a veure amb robots o no amb sistemes, sinó amb persones. I és la idea d’entendre els humans: entendre les seves interaccions, entendre els seus comportaments i predir els seus comportaments i utilitzar-ho per tenir una interacció més integrada amb els sistemes d’IA. Això inclou la visió per ordinador.
  • Altres aspectes inclouen fer sistemes pràctics i desplegables. Hem fet un progrés fantàstic durant els últims anys basant-nos en l’aprenentatge profund i tècniques relacionades. Però gran part d’això depèn de la disponibilitat de quantitats molt grans de dades i dades curades, dades supervisades. Per tant, gran part del treball té a veure amb reduir aquesta dependència de les dades i tenir sistemes molt més àgils.

Sembla que aquest primer tema de detectar, entendre i predir el comportament humà podria ser aplicable a l’aula, en termes de sistemes per detectar com els estudiants estan interactuant i comprovant. Quant d’això està passant en la tecnologia que estem veient aquests dies?

Hi ha dues respostes a això:

  1. Hi ha una resposta purament tecnològica, que és, quanta informació, quants senyals podem extreure de l’observació? I allà hem avançat moltíssim. I, sens dubte, hi ha sistemes que poden ser molt rendibles allà.
  2. Però podem utilitzar-ho eficaçment en la interacció de manera que millori, en el cas de l’educació, l’experiència d’aprenentatge? Encara tenim un camí per recórrer per implementar realment aquests sistemes, però estem avançant molt. A la CMU en particular, juntament amb les ciències de l’aprenentatge, hi tenim una gran activitat en el desenvolupament d’aquests sistemes.

Però el que és important és que no es tracta només d’IA. No és només visió per ordinador. És la tecnologia més les ciències de l’aprenentatge. I és fonamental que els dos es combinen. Qualsevol cosa que intenti utilitzar aquest tipus de visió per ordinador, per exemple, d’una manera ingènua, pot ser realment desastrós. Per tant, és molt important que aquestes disciplines estiguin lligades correctament.

Puc imaginar que això és cert en una varietat d’iniciatives, en un munt de camps diferents. En el passat, els informàtics, els robòtics i les persones amb intel·ligència artificial podrien haver intentat desenvolupar coses en el buit sense gent experta en la matèria. I això ha canviat.

De fet, és una evolució que crec que és molt interessant i necessària. Així, per exemple, tenim una gran activitat amb [CMU’s Heinz College of Information Systems and Public Policy] per entendre com es pot utilitzar la IA en les polítiques públiques. … El que realment voleu és extreure principis generals i eines per fer IA per a les polítiques públiques, i que, al seu torn, es converteixi en un currículum i una oferta educativa a la intersecció de les dues.

És important que deixem clares les limitacions de la IA. I crec que no n’hi ha prou, de fet. És important fins i tot per a aquells que no són experts en IA, que no necessàriament coneixen els detalls tècnics de la IA, entendre què pot fer la IA, però també, sobretot, què no pot fer.

[After we recorded this episode, CMU announced a new cross-disciplinary Responsible AI Initiative involving the Heinz College and the School of Computer Science.]

Si acabes de començar en la visió per ordinador i la robòtica, hi ha algun repte o problema en particular que no podies esperar a assumir en el camp?

Un repte important és tenir enfocaments realment complets i basats en principis per caracteritzar el rendiment dels sistemes d’IA i d’aprenentatge automàtic, i avaluar aquest rendiment, predir aquest rendiment.

Quan mireu un sistema d’enginyeria clàssic, ja sigui un cotxe, un ascensor o una altra cosa, darrere d’aquest sistema hi ha un parell de centenars d’anys de pràctica d’enginyeria. Això vol dir mètodes formals (mètodes matemàtics formals, mètodes estadístics formals), però també millors pràctiques per a la prova i l’avaluació. No tenim això per a IA i ML, almenys no en aquesta mesura.

Aquesta és bàsicament aquesta idea d’anar des dels components del sistema, fins a poder tenir una caracterització de tot el sistema d’extrem a extrem. Per tant, aquest és un repte molt gran.

Vaig pensar que diries, un robot que et podria portar una cervesa mentre estàs veient el partit dels Steelers.

Això va al que he dit abans sobre les limitacions. Encara no tenim el suport per gestionar aquests components en termes de caracterització. Així que d’aquí vinc. Crec que això és fonamental per arribar a l’etapa en què el robot de lliurament de cervesa sigui realment fiable i digne de confiança.

Vegeu la pàgina de recerca de Martial Hebert per a més detalls sobre el seu treball en visió per computador i sistemes autònoms.

Editat i produït per Curt Milton, amb música de Daniel LK Caldwell.