[ad_1]
Come studenti di Media Lab nel 2010, Karthik Dinakar SM ’12, PhD ’17 e Birago Jones SM ’12 hanno collaborato per un progetto di classe per creare uno strumento che aiutasse i team di moderazione dei contenuti in aziende come Twitter (ora X) e YouTube. Il progetto ha suscitato un enorme entusiasmo e i ricercatori sono stati invitati a dare una dimostrazione a un vertice sul cyberbullismo alla Casa Bianca: dovevano solo far funzionare la cosa.
Il giorno prima dell’evento alla Casa Bianca, Dinakar ha trascorso ore cercando di mettere insieme una demo funzionante che potesse identificare i post riguardanti su Twitter. Intorno alle 23 chiamò Jones per dirgli che si sarebbe arreso.
Quindi Jones ha deciso di esaminare i dati. Si è scoperto che il modello di Dinakar segnalava i giusti tipi di post, ma i poster utilizzavano termini gergali adolescenziali e altro linguaggio indiretto che Dinakar non aveva colto. Il problema non era il modello; era la disconnessione tra Dinakar e gli adolescenti che stava cercando di aiutare.
“Ci siamo resi conto allora, subito prima di arrivare alla Casa Bianca, che le persone che costruiscono questi modelli non dovrebbero essere solo ingegneri dell’apprendimento automatico”, afferma Dinakar. “Dovrebbero essere le persone che comprendono meglio i loro dati.”
L’intuizione ha portato i ricercatori a sviluppare strumenti “punta e clicca” che consentono ai non esperti di costruire modelli di apprendimento automatico. Questi strumenti sono diventati la base per Pienso, che oggi aiuta le persone a costruire modelli linguistici di grandi dimensioni per rilevare disinformazione, traffico di esseri umani, vendita di armi e altro, senza scrivere alcun codice.
“Questo tipo di applicazioni sono importanti per noi perché le nostre radici affondano nel cyberbullismo e nella comprensione di come utilizzare l’intelligenza artificiale per cose che aiutano davvero l’umanità”, afferma Jones.
Per quanto riguarda la prima versione del sistema mostrata alla Casa Bianca, i fondatori hanno finito per collaborare con gli studenti delle scuole vicine a Cambridge, nel Massachusetts, per consentire loro di addestrare i modelli.
“I modelli formati da quei ragazzi erano molto migliori e ricchi di sfumature rispetto a qualsiasi cosa avrei mai potuto inventare”, afferma Dinakar. “Birago e io abbiamo avuto questo grande ‘Aha!’ momento in cui ci siamo resi conto che dare potere agli esperti del settore – che è diverso dalla democratizzazione dell’intelligenza artificiale – era la migliore strada da percorrere”.
Un progetto con uno scopo
Jones e Dinakar si sono incontrati come studenti laureati nel gruppo di ricerca sugli agenti software del MIT Media Lab. Il loro lavoro su quello che è diventato Pienso è iniziato nel corso 6.864 (Elaborazione del linguaggio naturale) ed è continuato fino al conseguimento del master nel 2012.
Si è scoperto che il 2010 non è stata l’ultima volta che i fondatori sono stati invitati alla Casa Bianca per dimostrare il loro progetto. Il lavoro ha suscitato molto entusiasmo, ma i fondatori hanno lavorato su Pienso part-time fino al 2016, quando Dinakar ha terminato il suo dottorato di ricerca al MIT e il deep learning ha iniziato a esplodere in popolarità.
“Siamo ancora in contatto con molte persone nel campus”, afferma Dinakar. “L’esposizione che abbiamo avuto al MIT, la fusione delle interfacce umane e informatiche, ha ampliato la nostra comprensione. La nostra filosofia a Pienso non sarebbe possibile senza la vivacità del campus del MIT.”
I fondatori attribuiscono anche il merito all’Industrial Liaison Program (ILP) e allo Startup Accelerator (STEX) del MIT per averli collegati ai primi partner.
Uno dei primi partner è stato SkyUK. Il team di successo dei clienti dell’azienda ha utilizzato Pienso per creare modelli per comprendere i problemi più comuni dei propri clienti. Oggi questi modelli aiutano a gestire mezzo milione di chiamate dei clienti al giorno, e i fondatori affermano di aver risparmiato all’azienda oltre 7 milioni di sterline fino ad oggi riducendo la durata delle chiamate al call center dell’azienda.
“La differenza tra democratizzare l’intelligenza artificiale e dare potere alle persone con l’intelligenza artificiale dipende da chi comprende meglio i dati: tu o un medico, un giornalista o qualcuno che lavora ogni giorno con i clienti? Jones dice. “Queste sono le persone che dovrebbero creare i modelli. È così che ottieni informazioni dettagliate dai tuoi dati.”
Nel 2020, proprio quando sono iniziate le epidemie di Covid-19 negli Stati Uniti, i funzionari governativi hanno contattato i fondatori per utilizzare il loro strumento per comprendere meglio la malattia emergente. Pienso ha aiutato esperti di virologia e malattie infettive a creare modelli di apprendimento automatico per estrarre migliaia di articoli di ricerca sui coronavirus. Dinakar afferma di aver appreso in seguito che il lavoro ha aiutato il governo a identificare e rafforzare le catene di approvvigionamento critiche per i farmaci, compreso il popolare antivirale remdesivir.
“Questi composti sono stati scoperti da un team che non conosceva il deep learning ma era in grado di utilizzare la nostra piattaforma”, afferma Dinakar.
Costruire un futuro migliore per l’intelligenza artificiale
Poiché Pienso può funzionare su server interni e infrastruttura cloud, i fondatori affermano che offre un’alternativa per le aziende costrette a donare i propri dati utilizzando i servizi offerti da altre società di intelligenza artificiale.
“L’interfaccia Pienso è una serie di app Web unite insieme”, spiega Dinakar. “Puoi pensarlo come Adobe Photoshop per modelli linguistici di grandi dimensioni, ma nel web. Puoi puntare e importare dati senza scrivere una riga di codice. Puoi perfezionare i dati, prepararli per il deep learning, analizzarli, strutturarli se non sono etichettati o annotati e puoi ottenere un modello linguistico ampio e perfezionato nel giro di 25 minuti.”
All’inizio di quest’anno, Pienso ha annunciato una partnership con GraphCore, che fornisce una piattaforma informatica più veloce ed efficiente per l’apprendimento automatico. I fondatori affermano che la partnership ridurrà ulteriormente gli ostacoli allo sfruttamento dell’intelligenza artificiale riducendo drasticamente la latenza.
“Se stai costruendo una piattaforma di intelligenza artificiale interattiva, gli utenti non berranno una tazza di caffè ogni volta che fanno clic su un pulsante”, afferma Dinakar. “Deve essere veloce e reattivo.”
I fondatori ritengono che la loro soluzione consentirà un futuro in cui modelli di intelligenza artificiale più efficaci verranno sviluppati per casi d’uso specifici da parte delle persone che hanno maggiore familiarità con i problemi che stanno cercando di risolvere.
“Nessun modello può fare tutto”, afferma Dinakar. “Ognuno ha un’applicazione diversa, esigenze diverse, dati diversi. È altamente improbabile che un modello faccia tutto per te. Si tratta di mettere insieme un giardino di modelli e consentire loro di collaborare tra loro e orchestrarli in un modo che abbia senso – e le persone che fanno questa orchestrazione dovrebbero essere le persone che comprendono meglio i dati.”
[ad_2]
Source link
