211service.com
Los problemas de Uber muestran la dificultad de comercializar la IA
Los esfuerzos de Uber para mantenerse un paso por delante de la competencia mediante una fuerte inversión en robótica e investigación de inteligencia artificial están mostrando signos de problemas.
En los últimos meses, Uber ha perdido a varios miembros de alto nivel de su Grupo de Tecnologías Avanzadas, un proyecto de automóvil autónomo con sede en Pittsburgh. Y el jefe de su nuevo laboratorio de IA, Gary Marcus, también renunció a su cargo después de solo unos meses a cargo. Estos son parte de un panorama más amplio que destaca los desafíos relacionados con la comercialización de tecnología que sigue siendo extremadamente compleja y de vanguardia.
Uber creó su laboratorio de IA en diciembre después de adquirir Geometric Intelligence, una startup encabezada por Marcus, un científico cognitivo de la Universidad de Nueva York. Marcus, quien sigue siendo asesor en IA de Uber, discutirá los desafíos que quedan en inteligencia artificial hoy en EmTech Digital, una conferencia organizada por Revisión de tecnología del MIT.
El revés más reciente de Uber se produjo la semana pasada, cuando se vio obligado a detener las pruebas de sus vehículos autónomos en Arizona después de que un automóvil fuera involucrado en un accidente con otro vehículo. Todavía no hay indicios de que el automóvil autónomo haya tenido la culpa.
Como explicará Marcus, hacer que las computadoras sean tan inteligentes como los humanos en situaciones críticas como la conducción sigue siendo un desafío formidable. Los automóviles autónomos aún no pueden reaccionar ante cualquier eventualidad que puedan encontrar en la carretera, y requieren una gran cantidad de datos para aprender.
Uber se ha apresurado a desarrollar vehículos automatizados por temor a que la tecnología pueda perturbar fácilmente la industria de los taxis. La compañía se puso al día rápidamente y tiene autos sin conductor en las carreteras de varias ciudades. Pero como Revisión de tecnología del MIT descubiertos, estos sistemas aún no funcionan a la perfección, incluso en situaciones normales de conducción.
También hay importantes desafíos de ingeniería. Por ejemplo, no está claro cómo hacer que los autos autónomos se adapten a los sensores degradados, o cómo los sistemas activos como lidar, un tipo de sistema láser, podrían interferir entre sí si hubiera muchos autos autónomos en las carreteras ( consulte Lo que necesita saber antes de subirse a un automóvil autónomo).
Marcus ha sido un crítico abierto de lo que él ve como una confianza excesiva en los enfoques de aprendizaje automático basados en redes neuronales en inteligencia artificial. Fundó Geometric Intelligence, en 2014, para explorar enfoques alternativos (ver ¿Puede este hombre hacer que la IA sea más humana?).
Entre otras cosas, la Inteligencia Geométrica buscó encontrar formas más eficientes para que las máquinas aprendan. Mientras que un ser humano puede aprender a reconocer una nueva señal de tráfico muy rápidamente, una computadora requiere muchos miles de ejemplos utilizando los mejores enfoques de aprendizaje automático de la actualidad.
Otras empresas que trabajan en la conducción automatizada también han notado que el progreso es más lento de lo que esperaban. Google ha creado una empresa, llamada Waymo, a partir de su proyecto de automóvil autónomo, pero su tecnología aún no está disponible comercialmente.