社会におけるコンピューターの将来の役割が何であれ、ジェフ・ディーンは結果の強力な手。 Googleの広大な人工知能研究グループのリーダーとして、彼は自動運転車のすべてに貢献する仕事を指揮しています。 から国内ロボットへGoogleのジャガーノートオンライン広告ビジネスへ
WIREDは、世界有数のAI会議であるNeurIPSでバンクーバーのディーンとチームの最新の調査について話し、Googleがどのように倫理的な制限を課そうとしているのかを語りました。
WIRED：機械学習を強化するための新しい種類のコンピューターの構築に関する研究講演を行いました。 Googleがテストしている新しいアイデアは何ですか？
ジェフディーン：1つは、チップ上の回路の配置とルーティングに機械学習を使用することです。多数の新しい回路を設計した後、面積と電力の使用量および他の多くのパラメーターを最適化するために、効率的な方法でチップ上に配置する必要があります。通常、人間の専門家は何週間もかけてそれを行います。
基本的に、チップ配置のゲームをプレイすることを機械学習モデルに習得させることができます。人間の専門家と同等以上の結果を得ることができます。 TPU[Google’s custom machine learning chips]のようなさまざまな内部Googleチップで遊んでいます。
W：より強力なチップは、AIの最近の進歩の中心でした。しかし、FacebookのAI責任者は最近、この戦略が間もなく壁にぶつかると述べています。そして今週、あなたのトップ研究者の1人は、フィールドに新しいアイデアを探求するように促しました。
JD：より効率的で大きく構築する可能性はまだたくさんありますスケールコンピューティングシステム、特に機械学習用に調整されたシステム。そして、ここ5〜6年で行われた基礎研究には、あらゆる方法で適用できる余地がまだまだあると思います。 Google製品の同僚と協力して、これらの多くのことを実際の用途に活用します。
しかし、私たちは、今日、私たちにできることとできないことを考えると、次の大きな問題です。新しいタスクに一般化できるシステムを構築したいと考えています。はるかに少ないデータとはるかに少ない計算で物事を行うことができることは興味深く、重要になります。
W：NeurIPSで注目を集めているもう1つの課題は、一部のAIアプリケーションによって提起された倫理的な質問です。 GoogleはAI倫理原則のセットを発表しました18数か月前、Mavenと呼ばれるペンタゴンAIプロジェクト。それ以降、GoogleでのAIの動作はどのように変わりましたか？
JD：これらの原則をどのように実施するかについては、Google全体でよりよく理解できると思います。何らかの方法で機械学習を使用することを考えている製品チームが、システム全体を設計する前に、偏りがないようにデータを収集する方法など、早期の意見を得るプロセスがあります。
また、原則に具体化されている研究の方向性を明らかに押し続けました。偏見と公平性、プライバシー、機械学習についてはかなりの作業を行ってきました。
W：原則は武器の仕事を除外しますが、防衛事業を含む政府の事業を許可します。 GoogleはMaven以降に新しい軍事プロジェクトを開始しましたか？
JD：私たちは、私たちの原則と一致する方法で軍隊や他の政府機関と協力して喜んでいます。したがって、沿岸警備隊員の安全性の向上を支援したい場合、それは私たちが取り組んで喜んでいるようなものです。クラウドチームは、それが実際に彼らの事業分野であるため、それに関与する傾向があります。
W： Mustafa Suleyman、DeepMindの共同設立者、Alphabetの一部であり、機械学習研究の主要なプレーヤーであるロンドンAIスタートアップは、最近Googleに移りました。 彼は言った彼とあなたと、Googleの最高法務および政策責任者であるケントウォーカーと一緒に仕事をします。スレイマンとは何に取り組みますか？
JD：Mustafaには、AIポリシー関連の問題に関する幅広い視点があります。彼はGoogleのAIの原則とレビュープロセスにもかなり関わっているため、AIの倫理とポリシー関連の仕事にほとんどの時間を費やすと思います。私は本当にムスタファが彼が具体的にやろうとしていることについてコメントしたいと思います。
ケントのグループが取り組んでいる1つの分野は、AIの原則をどのように洗練すべきかGoogle製品で顔認識などの何かを使用することを考えているチームに、もう少しガイダンスを提供します。
W：今週、機械学習が社会の気候変動への対応にどのように役立つかについて基調講演を行いました。機会は何ですか？機械学習プロジェクト自体の時々大きなエネルギー使用はどうですか？
JD：この問題のさまざまな側面に機械学習を適用する機会はたくさんあります。私の同僚のジョン・プラットは、それらを探求する最近の論文の著者-それは100ページ長。機械学習は、たとえば輸送の効率を改善したり、従来のモデルは非常に計算集約的であり、空間分解能を制限するため、気候モデリングをより正確にすることができます。
私は一般的に、炭素排出と機械学習について心配しています。しかし、それは総排出量の比較的控えめな部分です[and]私が見た機械学習のエネルギー使用に関するいくつかの論文は、エネルギー源を考慮していません。 Googleデータセンターでは、すべてのコンピューティングニーズに対する年間のエネルギー使用量は100パーセント再生可能
W：気候変動以外では、何あなたのチームは来年、研究分野を拡大しますか？
JD：1つはマルチモーダル学習です。ビデオとテキスト、またはビデオとオーディオなど、さまざまな種類のモダリティを持つタスク。コミュニティとしてはそれほど多くのことを行っていないため、今後さらに重要になると思われます。
ヘルスケアのための機械学習研究も重要です。もう1つは、デバイス上の機械学習モデルを改善して、ハードウェアの同僚が構築する電話やその他の種類のデバイスにより興味深い機能を追加できるようにすることです。
その他の素晴らしいWIREDストーリー
