A estratégia mortalmente séria por trás dos experimentos de IA boba do Google

Os experimentos de IA do Google são em parte diversão, em parte marketing - e um lembrete de como a IA ainda está nascendo.

Foi um acidente feliz.



Jonas Jongejan, um tecnólogo criativo e membro do Google Creative Lab, estava com o jetlagged e se encaminhando para um hackathon interno. Ele estava vasculhando seu cérebro em busca de algo divertido para fazer que estivesse relacionado à inteligência artificial. Então ele se deu conta: e se ele pegasse um algoritmo de aprendizado de máquina criado para identificar objetos em fotos e o treinasse com imagens de desenhos e rabiscos? Ele descobriu que funcionava muito bem e, mesmo quando falhou, os resultados foram interessantes - ao mesmo tempo que ofereceu uma pequena amostra de como os computadores veem.O fato de que não era perfeito, de que você podia brincar com ele, diz Jongejan. Era onde Desenho rápido! nasceu.

Dentro de seis meses, Desenho rápido! tinha se tornado viral. Pessoas de todo o mundo estavam jogando o jogo experimental, que pede que você rabisque um objeto ou animal enquanto a rede neural tenta adivinhar o que é. Isto estava na primeira página do Reddit. Dezenas de publicações, Co.Design incluído, cobriu o pequeno site peculiar.



Desenho rápido! também teve uma consequência não intencional. Qualquer pessoa que jogou o jogo - agora milhões de pessoas - estava contribuindo com seus desenhos para um novo conjunto de dados cheio de rabiscos. Juntos, eles estavam criando um novo conjunto de desenhos para treinar uma rede neural mais avançada do que a intencionalmente imperfeita Desenho rápido! algoritmo. O próximo jogo do grupo, AutoDraw , foi construído a partir dos dados coletados desde o primeiro. Foi mais longe do queOriginal de Jongejan;enquanto os jogadores ainda rabiscavam objetos enquanto a rede neural tentava adivinhar, também forneceu a eles uma versão de clip-art de seu desenho, fosse um carro ou uma árvore - funcionalidade claramente útil.



Jongejan nunca imaginou que Desenho rápido! acabaria com mais de 50 milhões de doodles, ou que geraria artigos de pesquisa , ferramentas de codificação e até mesmo uma análise de como as pessoas estão muito ruim em desenhar flamingos . O jogo dele é o maior sucesso descontrolado do Google Projeto de experimentos de IA , e talvez a melhor ilustração de seu valor para a empresa.

Baseado no Creative Lab do Google, o AI Experiments é criado por uma equipe de programadores, designers e escritores cujo único trabalho é fazer coisas legais usando a tecnologia do Google. O projeto de um ano é uma forma de desmistificar a tecnologia de ponta, transformando-a em experiências e jogos divertidos, mas também é uma forma de apresentar novas ideias aos pesquisadores e engenheiros do Google. E embora a equipe do Creative Lab diga que seu único novo uso pretendido para o Desenho rápido! conjunto de dados é fazer uma camiseta com desenhos de camiseta, é fácil imaginar uma rede neural que reconhece seus desenhos aparecendo em um teclado do Google em algum momento no futuro.

Um ano depois de iniciada a iniciativa, os cerca de 16 experimentos produzidos oferecem insights sobre como a empresa está se posicionando como líder em aprendizado de máquina e IA. Ao tornar sua tecnologia mais compreensível para a pessoa média e mais acessível aos desenvolvedores por meio de experiências divertidas e muitas vezes totalmente tolas, o Google reforça sua marca, aumenta sua participação no mercado e ensina as pessoas a pensar sobre o admirável mundo novo da inteligência artificial.



Desenho rápido! [Imagem: Google]

Porquinhos-da-índia IA do Google

O conceito de colocar experimentos interativos on-line não é novo para o Google. O Creative Lab lançou seus primeiros experimentos em 2009, com foco no Chrome. Um dos mais bem-sucedidos foi um filme interativo em colaboração com a banda Arcade Fire. O video era personalizado para cada visualizador usando imagens de sua casa de infância geradas pelo Google StreetView, e provou ser extremamente popular. Desde então, o Creative Lab lançou Experimentos Android, Experimentos AR, Experimentos WebVR, Experimentos de IA e, mais recentemente, Experimentos de voz, todos de código aberto e baseados na tecnologia do Google. (O mais recente experimento de voz da empresa, Paper Signals, lançado esta semana .)

Mas os experimentos de IA em si são mais recentes. Tudo começou em novembro de 2016, quando Alex Chen, líder de criação do Google Creative Lab, conversou com dois pesquisadores do Google sobre o que é o aprendizado de máquina e o que ele pode fazer. Eles mostraram a ele uma visualização de como funciona uma rede neural , e Chen o trouxe de volta para seus colegas do Creative Lab. A semente foi plantada. Achei que seria bom tornar essa tecnologia mais acessível, para que mais pessoas entendessem o que ela realmente é, a matemática por trás dela e como funciona, mas também para começar a brincar e interagir com ela, diz Chen .



Jongejan - seu colega no Creative Lab - já estava desenvolvendo Desenho rápido! , e se tornaria um dos primeiros experimentos de IA a ser lançado no final de 2016.

Desenho rápido! [Foto: Google]

Para construir o jogo, Jongejan trabalhou com uma equipe de pesquisa do Google que se concentra em decifrar escrita à mão com aprendizado de máquina. Esse tipo de colaboração entre equipes é típico para qualquer experimento que a equipe constrói. O Creative Lab também costuma trabalhar com equipes de produto, entrando no processo enquanto a tecnologia do Google ainda está sendo desenvolvida. Por exemplo, o Creative Lab começou a trabalhar em um experimento com a plataforma ARCore do Google antes de seu lançamento.

Vemos que algo vai acontecer e entramos em ação e tentamos trabalhar com esse meio de início, imediatamente, e tentamos iterar em experimentos que podem impulsionar a tecnologia e mostrar um vislumbre do que esta tecnologia pode potencialmente fazer no futuro em uma escala maior, diz Jongejan. E às vezes isso ajuda as equipes de produto. Nós nos transformamos em cobaias.

Os experimentos de IA têm dois públicos-alvo principais - o público, obviamente, mas também a comunidade de desenvolvedores. Este não é um produto do Google, diz Chen. É um exemplo de código gigante e divertido, para que outro desenvolvedor possa se perguntar: 'Eu me pergunto como eles hackearam isso juntos, como fizeram isso funcionar. Eu não sabia que isso era algo que a API Cloud Vision [que pode identificar objetos dentro de imagens] poderia fazer. & Apos;

Do ponto de vista dos negócios, esses desenvolvedores são alguns dos usuários mais valiosos do Google, e os experimentos são uma forma de despertar o interesse deles em produtos do Google, como TensorFlow, sua plataforma de aprendizado de máquina e ferramentas como a API Cloud Vision. É um grande motivo pelo qual o Creative Lab faz esses tipos de experimentos.

De uma forma muito holística, apenas o fato de estarmos explorando o que é possível com essas ferramentas públicas, acho que há valor nisso, diz Amit Pitaru, que é um líder criativo para os experimentos. Se você puder mostrar a um desenvolvedor as coisas legais que ele pode fazer com o TensorFlow, talvez possa convertê-lo em um usuário ativo e aumentar o número de desenvolvedores criando usando os serviços do Google. Em essência, eu apontei, está aumentando a participação de mercado do Google em ferramentas para desenvolvedores. Espero que sim! Pitaru me conta.

711 número do anjo

Máquina que pode ser ensinada. [Imagem: Google]

fim do próprio segredo de oprah

Marketing - e normalização - IA

Os experimentos de IA são um tipo sutil de publicidade. Na verdade, o Creative Lab fica dentro do departamento de marketing do Google. Mas a empresa não está apenas tentando convencer os desenvolvedores a usar sua nova tecnologia. Como disse o CEO do Google, Sundar Pichai, no ano passado, o Google agora é uma empresa que prioriza a IA, focada em encontrar novas e melhores maneiras de organizar as informações por meio da IA. O aprendizado de máquina potencializa a função de pesquisa do Google Fotos, onde você pode digitar uma palavra-chave como flor e ver todas as fotos que já tirou de uma flor. O aprendizado de máquina permite que o Google Assistente entenda o que você está dizendo. Ele está integrado a dezenas de outros produtos e serviços do Google.

O advento da IA ​​desencadeou um debate acirrado sobre se ela representa uma ameaça ( como Elon Musk teme ) ou um benefício para a humanidade. O Google tem um forte incentivo para convencer as pessoas de que é um desenvolvedor responsável dessas tecnologias - que podem confiar que o Google não será o mal, já que a empresa continua a inventar mais e mais algoritmos para inserir em seu software. Como você faz isso? Você explica o aprendizado de máquina de uma maneira divertida, envolvente e simples.

Todos os nossos experimentos têm um aspecto muito lúdico, diz Jane Friedhoff, uma tecnóloga criativa da Creative Lab com experiência em desenvolvimento de jogos indie. Quando as pessoas estão jogando, é quando elas estão realmente envolvidas com o que estão fazendo. Eles estão cutucando os limites de um sistema.

Máquina que pode ser ensinada. [Foto: Google]

O experimento de IA mais recente, chamado Máquina que pode ser ensinada , faz exatamente isso. Funciona assim : Você pressiona grandes botões coloridos na tela enquanto faz diferentes gestos com a mão na câmera. Observando a imagem da câmera, o algoritmo da rede neural aprende a associar o botão verde à sua mão na cabeça, o roxo à sua mão à frente e o botão laranja à sua mão lateral. É uma forma básica de ensinar uma IA para responder aos seus gestos. Depois disso, você pode testá-lo com outros gestos e ações. Esse processo - de alimentar um algoritmo com muitos dados para que ele aprenda como classificá-los - é a premissa básica por trás do aprendizado de máquina.

Nós o projetamos para ter um mínimo denominador comum, diz Barron Webster, o designer que trabalhou na Máquina para aprender. É muito burro neste ponto - queríamos torná-lo o mais fácil de usar possível.

A máquina ensinável é relativamente fácil de quebrar; alguns gestos funcionam bem, enquanto outros não. A equipe quer definir as expectativas das pessoas em um nível razoável, para que, quando experimentarem a IA da vida real, entendam por que às vezes funciona e às vezes não. Uma das coisas a que sempre voltamos em nosso papel é tornar o mais simples para as pessoas entenderem o que está acontecendo por trás do capô - talvez de uma forma abstrata, Webster diz: para que, quando encontrarem essa tecnologia em liberdade, eles têm um pouco mais de intuição e compreensão sobre como o aprendizado de máquina está processando informações, por que às vezes está errado, por que as recomendações às vezes parecem estranhas.

Até mesmo a interface do Teachable Machine reflete esse objetivo. Projetar uma indicação de quão confiável é o algoritmo foi crucial. Acima de cada botão de treinamento, há uma barra que indica confiança: quando o algoritmo está mais confiante, a barra é preenchida. Os usuários precisam perceber que seus mecanismos internos não são binários - suas decisões são baseadas em uma melhor estimativa calculada com dados, não em regras rígidas e rápidas. A interface incentiva os usuários a brincar com o sistema, mas também aponta as limitações da tecnologia. [Comercial] pode começar a sentir onde as coisas ficam confusas e onde as coisas ficam confusas e onde as coisas quebram, diz Webster. Ao permitir que as pessoas brinquem com isso por si mesmas, em um contexto seguro, com sua própria imagem, permite que elas entendam um pouco mais por que o aprendizado de máquina às vezes é errado.

Hoje, a equipe do Creative Lab está desenvolvendo um protótipo físico de Máquina ensinável feita de madeira compensada com grandes botões de plástico. Eles estão convencidos de que ter uma interação tátil e tangível tornará os conceitos por trás do aprendizado de máquina ainda mais acessíveis.

Quando brinquei com a ferramenta pela primeira vez, tentei treiná-la para reconhecer diferentes expressões faciais, como um sorriso versus uma carranca. Eu não tive essa sorte. Mas, de acordo com o designer de jogos Friedhoff, são essas imperfeições que dão às pessoas a chance de fazer perguntas. Agora sua pergunta é, espere - por que isso funciona melhor para movimentos corporais do que para rostos? ela diz. E essa é uma curiosidade real que você pode explorar.

AutoDraw [Foto: Google]

Alfabetização de IA

Projetar algoritmos que sejam justos e imparciais é um dos maiores problemas da tecnologia hoje, inclusive no Google - em 2015, um de seus algoritmos de classificação de imagens rotulados os negros como gorilas. O preconceito na IA também tem grandes implicações no mundo em geral, de a forma como os empréstimos são concedidos para o sistema de justiça criminal, onde policiamento preditivo tem como alvo homens negros .

Perguntei à equipe do Creative Lab se seus experimentos têm um papel a desempenhar na ilustração de alguns dos problemas com IA, visto que esses problemas podem afetar a vida das pessoas de maneiras significativas. Eles tiveram o cuidado de estruturar seus experimentos não como uma forma de confrontar problemas com IA, mas para ensinar aos usuários a alfabetização sobre o que é IA e como ela é falha. A equipe espera que sua decisão de projetar algoritmos imperfeitos que são facilmente quebrados aumente esse conhecimento. Idealmente, se você entende como um algoritmo funciona em um nível básico, você estará equipado com o conhecimento para ser mais crítico em suas conclusões. Queremos educar as pessoas para que não considerem o aprendizado de máquina garantido, diz Jongejan. O aprendizado de máquina é apenas o que você coloca nele.

[Foto: Google]

É muito para um experimento fazer. Com toda a probabilidade, os usuários de algo como a Máquina ensinável não estão instigando qualquer tipo de investigação mais profunda ou pensando sobre como os algoritmos nos falham. A representação alegre do Creative Lab sobre o que o aprendizado de máquina faz não foi projetada para ajudar as pessoas a entender a IA em um nível crítico. Ainda assim, ter um conhecimento básico de uma tecnologia que está se infiltrando nos produtos que usamos todos os dias prepara você para contribuir com o debate sobre a ética e o papel da IA ​​na sociedade.

Acho que o ponto positivo de divulgar coisas como essa é que mais pessoas têm a tecnologia desmistificada em suas mentes para que todos possam participar da conversa, diz Chen. Quando você não tem a menor ideia do que está acontecendo, não pode ter uma conversa significativa sobre isso, em termos do que devemos fazer e quais são as éticas certas.

Em última análise, os experimentos de IA ajudam o Google - eles são uma ferramenta de ensino e uma maneira útil de o Google divulgar sua agenda com inteligência em primeiro lugar. Mais do que tudo, vale lembrar que mesmo alguns dos produtos oficiais do Google ainda são apenas experimentos - e mesmo os produtos de IA que milhares de pessoas já usam nem sempre agem da maneira que esperamos. Enquanto eu estava no espaço do Creative Lab conversando com o grupo, um Google Home que estava na mesa interrompeu repentinamente minha pergunta. Um dos membros da equipe silenciou rapidamente.