建立社会良好的人工智能
随着人工智能变得越来越普遍,我们需要学习如何与它生活和互动。当然,这是双向的:人工智能系统还需要学习如何与人类互动,并考虑他们的偏好或选择。Long trans - thanh博士称这使人工智能更加“人类感知”——这一点到目前为止还没有被充分利用。通常,人工智能研究人员会设计出一个漂亮、高效、理性的数字系统,但当它面对人类用户的不可预测性时,就会失败。Tran-Thanh博士希望改变这一现状,并开发可用于解决一些社会最大问题的人工智能平台。他希望人工智能能考虑到人类用户不是完全高效的,也不是完全理性的,我们是习惯的生物,经常顽固地固守自己的方式。
平滑能量峰值
他在使这一愿景成为现实的首次尝试之一是家庭能源管理系统。经营全国范围电网的主要问题是,对能源的需求在全天内变化:所有时间都有峰值和低谷。对于供应商而言,这转化为保持所谓的“峰值植物”,以防突然消耗突然峰值。在实践中,这种植物很少使用,但需要仍然有燃料供应,这导致成本和温室气体排放增加。
通过说服人们改变能源消费习惯,可以平滑这些峰值的一种可能的方式。为了量化问题,马萨诸塞州技术研究院的研究人员拟合了一些具有传感器的家庭,监测每个家用电器的能耗。之后,许多其他团队试图释放收集的数据上的AI,以找到降低房屋中能源成本的最有效的方法。但它迅速将这种算法迅速迁移在模拟中,在现实世界中证明几乎无用。原因很简单 - 人们拒绝与日常生活不相容的建议。如果您在周六下午一生中都在洗衣店,它将在周二提出重新安排凌晨3点的机器推荐。
Tran-Thanh博士和他的团队然后考虑了一个简单地向用户询问他们的偏好的系统 - 例如,“你介意在星期三后一小时后转动你的水壶吗?”- 并提出了这种衍生的限制内最有效的能耗计划。但是,另一个问题很快就会到了光明。人们,每天轰炸数百个传入的电子邮件,电话和社交媒体通知都不希望被另一组查询困扰着他们的时间和关注。
在新加坡或伦敦等大城市处理交通管理是至关重要的 - 犯错误
原因是即时混乱
创新的AI设计
这就是trans - thanh博士的创新之处。他的人工智能被编程成尽可能多地自己做事情,只在必要时向用户查询。为了做到这一点,trans - thanh博士的团队让他们的算法考虑了“麻烦成本”,这反映了提问引起的越来越多的烦恼。其结果是,设计了一个考虑了偏好的系统,在最大限度地提高能源效率的同时,将“麻烦成本”降至最低。它工作。总体而言,该计划成功地将参与计划的家庭的能源消耗减少了35%。在不久的将来,Tran-Thanh博士的人工智能将在阿姆斯特丹的一个实验性漂浮社区Schoonschip实施。
有几个其他项目,博士博士的团队试图应用他们的人为感知的AI想法。其中一个是为了经济高效地将任务分配给工人,每个人都有他或她自己的每小时率和技能水平,通过专家众包平台聘用。另一种涉及应用AI来打击毒品贩运和其他情况,在这种情况下需要捍卫自己的适应和恶意对手。这种综合经验允许Tran-Thanh和他的同事承担发达国家所面临的最大挑战之一 - 交通管理。
它已经证明,在真实世界的应用中证明了仿真超高效的算法
智能交通控制
数千个传感器测量流量沿着街道和途径安装,提供有关有多少辆汽车的实时数据,以及如何快速。然后将该数据转移到数据中心,并由AI算法处理,该算法做出了关于在该区域的所有内部管理交通灯的决定。与Tran-Thanh的家用能管理系统中使用的解决方案有很多解决方案将使人类运营商保持在循环中,而不会使他们与类似于旨在解决毒品贩运的Tran-Thanh博士的信息和系统将保护网络从网络攻击中保护网络。
让这个项目脱颖而出的是潜在失败的巨大后果。糟糕的家庭能源管理系统设计,甚至是让毒贩逃跑,都会造成相对小规模的局部问题。但是在像新加坡或伦敦这样的大城市处理交通管理就不一样了——犯一个错误就会立刻造成混乱。这就是为什么有许多团队致力于人工智能系统的不同方面,以应对这一挑战。伦敦帝国理工学院(Imperial College London)副教务长尼古拉斯·r·詹宁斯(Nicholas R. Jennings)教授领导了一个负责该系统网络安全的团队,新加坡南洋理工大学(NTU Singapore)南洋理工大学助理教授博安(Bo An)博士正在研究最终攻击的博弈论方法。Tran-Thanh博士的团队负责设计一种算法,能够从传感器产生的大量交通数据中识别模式。让如此庞大的企业成为现实需要数年时间。但有詹宁斯教授、Bo An博士和trans - thanh博士等人负责,我们可以放心,我们会得到很好的照顾。
常见问题
交通管理有多少效率得到了解您正在处理的系统,实现?
对交通管理系统进行的成功网络攻击的可能后果是什么?
你的人工智能家庭能源管理系统如何在Schoonschip工作?
像你这样的算法如何帮助打击毒品贩运,到目前为止的结果是什么?
您想要在多大程度上在您的“人类感知”AIS中纳入情感计算,您认为他们应该考虑用户的情感状态,例如在较少压力或生气时提出问题?