To se događa kada se Donald Trump susreće s umjetnom inteligencijom

Bradley Hayes, postdoktorski suradnik na MIT-u koji se bavi istraživanjem robotike, upravo je pretvorio Donalda "Drumpf" u robota. Programirao je povratnu neuronsku mrežu - umjetnu inteligenciju - kako bi proučavao i oponašao govore republikanskog kandidata.

Hayesov "dnevni posao", kaže on, je "istraživanje usmjereno na timski rad s ljudima-robotima: dizajniranje algoritama koji dopuštaju robotima da rade zajedno i uče od ljudi, tako da ljudi mogu biti sigurniji, učinkovitiji, učinkovitiji u svom poslu." @DeepDrumpf On je crtao inspiraciju, djelomično, iz "fantastične skice" Johna Olivera. ("Nadajmo se da će to vidjeti - nadamo se da će to vidjeti i cijeniti.")

Inverzan razgovarao s Hayesom o tom patriotskom poduhvatu.

Što vas je još inspiriralo da napravite @DeepDrumpf?

Došlo je iz razgovora za vrijeme ručka s mojim kolegama koji također istražuju robotiku i bave se strojnim učenjem. Govorili smo o nekim različitim tehnikama statističkog modeliranja koje su zapravo bile relevantne za naše istraživanje.Ispada da ista tehnika koja stoji iza DeepDrumpf-a radi u mnogim robotičkim domenama, jer je to tehnika modeliranja koja pokušava naučiti strukturu sekvencijalnih informacija ili sekvencijalnih podataka. Prirodni jezik je sjajan primjer sekvencijalnih podataka, gdje je struktura rečenice prilično dosljedna: postoje pravila i postoji temeljna struktura za sve podatke koje dobivate.

Naslijedi 100 milijuna? I sada gradim po cijelom svijetu. A ja sam malo cool.

- DeepDrumpf (@DeepDrumpf) 4. ožujka 2016

Različiti istraživač na Stanfordu napisao je tečaj o neuronskim mrežama, a posebno je objavio članak pod naslovom “Nerazumna djelotvornost rekurentnih neuronskih mreža.” Dakle, napisao je ovaj fantastičan uvod u ovu tehniku ​​statističkog modeliranja i hrpu ljudi su pokazali da ima tu nerazumnu moć da predstavlja strukturu u pisanju tekstualnih podataka slobodne forme.

Vidio sam članak koji je uspoređivao složenost govora različitih političkih frontmana. U članku se govorilo o tome kako Trump koristi jednostavniji jezik, a to je veliki hit kod njegovih demografskih glasača i njegovih obožavatelja. Iz političke perspektive, to je stvarno sjajno, jer čini vašu poruku jasnom i unutar razumevanja najšire moguće publike; sa stajališta strojnog učenja, to znači da bi to mogao biti najučinkovitiji model koji možemo napraviti.

Jeste li čuli za jezik za kodiranje pod nazivom "Make Python Great Again"?

Vidio sam jučer. TrumpPython ili nešto slično? Vidio sam to. Pročitao sam članak o tome, otišao sam na njihovu GitHub stranicu, ali još nisam imao vremena igrati s njim. Ali izgleda sjajno.

Možemo li saznati nešto o Trumpovim jezičnim tendencijama, ili bilo što slično, iz vašeg A.I.?

Da, moguće je u smislu da, ako pogledate izlaz iz modela, to je pokazatelj strukture koju je model naučio iz podataka. Dakle, vrste ponavljanja, vrste stvari koje izlaze iz modela, reći će vam - potencijalno - o određenim stvarima koje su inherentne njegovim obrascima govora i njegovoj poruci.

Kansas Svi su rekli: "Ništa mi ne treba. Imali su užasnu zemlju i imaju posebnu infrastrukturu, našoj zemlji je potreban bogat.

- DeepDrumpf (@DeepDrumpf) 4. ožujka 2016

Ne biste to nužno mogli dobiti iz samog računa usluge Twitter, uglavnom zato što vam Twitter daje samo 140 znakova s ​​kojima možete raditi. I, budući da nema puno podataka koji su ušli u model, a djelomično i zbog toga što su transkripti iz rasprave - gdje se kandidati (a posebno Trump) sami prekidaju - to čini te diskontinuitete u izlazu.

Još uvijek je potrebno malo ručnog rada kako bi se u osnovi uzorkovao zid teksta s ovog modela, a zatim ga pregledao i odabrao najbolji susjedni 140 znakova, a zatim ga objavio.

To je posao. Naš predsjednik je Obamacare. sada, u ovome nije. Hvala vam puno. Mi nismo navijačica, zanimljivo je

- DeepDrumpf (@DeepDrumpf) 4. ožujka 2016

Znači, u ovom trenutku to nije jako teško?

Učinkovito se uči kao distribucija vjerojatnosti, a možete ga i uzorkovati. Što to znači - imate svoj model i možete ga zatražiti za pismo. A ako to zatražite za dovoljno slova u nizu, dat će vam stvari koje nalikuju engleskom. Ili, još bolje, neke od njih nalikuju stvarima koje je Trump zapravo mogao reći - jer je bio treniran na njemu. Dakle, opći proces koji sam slijedio je: uzorak od, recimo, 500 ili 1.000 znakova. To bi mi samo dalo zid teksta s vrijednošću od 500 ili 1.000 znakova, pretpostavljam, buncanje, i onda, iz tog, samo ću odabrati najbolji blok od 140 znakova koji ima smisla. Ili najbolja rečenica koja iz nje proizlazi i koja se čini relevantnom.

Primjerice, sinoć sam ga koristio da bih na neki način uživo objavio debatu. I tako, jedna od stvari koje možete učiniti s modelom kao što je ovaj je da ga možete napuniti. Zato, budući da vam model daje samo jedan znak odjednom, on ovisi o likovima koji dolaze prije njega - slovima koja su prethodno izlazila. Tako uči riječi, na taj način se snima struktura rečenica i određeni elementi gramatike.

Recimo da započinjem rečenicu s "Romney is" i onda pitam za sljedećih tisuću znakova. To nazivamo temeljnim. Dati će sve što želi, ali će početni dio slijeda postaviti na onaj "Romney je …"

Je li to povezivanje tih tweetova s ​​izrazima u zagradama?

Upravo tako.

Romney je alat. Želim ti ovo reći. Vjerojatno su zadnje što nam treba u vođi. Ne možemo to učiniti.

- DeepDrumpf (@DeepDrumpf) 3. ožujka 2016

Jedna od stvari za koju se nadam da ću to učiniti, nakon što je proces malo čišći - a to će samo doći s više podataka - jest da počnete surađivati ​​s drugim kandidatima. Ako pogledate račun na Twitteru, on slijedi ostale primarne kandidate. Na kraju, nadamo se da će početi reagirati na njih i možda ih izazvati. Ali to je više stvar vikend projekta.

@ RealDonaldTrump Oni će platiti odmah, i kao, apsolutno. Doista sam bogat. Oh, želim ih podržati i imati ih.

- DeepDrumpf (@DeepDrumpf) 3. ožujka 2016

Možete li objasniti što je ponavljajuća neuronska mreža na pojednostavljenom, nespecijaliziranom jeziku?

Naravno - pokušat ćemo. Neuralna mreža, općenito, zauzima neki ulaz, a onda radi matematiku u sredini, i daje vam izlaz. Općenito, to je samo klasifikator. Dakle, s obzirom na neki ulaz, reći će vam koja klasa odgovara unosu. Popularan primjer bi bio - osnovna neuronska mreža - dajete joj sliku mačke i želite da vam to kaže - ako želite, kao, mačka, pas, avion ili automobil - želite da kažem: "U redu - s velikim povjerenjem - ovo je mačka koju si mi upravo dao."

To je zadatak klasifikacije na visokoj razini. To je sličan koncept, ali umjesto da budu mačka, pas, automobil, klase su pojedinačna slova abecede i interpunkcija. Dakle, zauzima ulaz, a onda se matematika temelji na onome što je naučila - tako da se sve učenje događa "u sredini", nazvat ćemo ga - i daje vam klasifikaciju na kraju. Dakle, kao, ovo slovo.

Ono što ga čini povratan neuronska mreža je da se izlaz iz prethodnih koraka dobiva u sljedećem koraku kao dio modela. Činjenica da mi je model dala "M" ubacit će se u sljedeću probu modela. Onda bi vam to moglo dati "a", a zatim "k", a zatim "e", jer pokušava pokrenuti "ponovno učiniti Ameriku sjajnom", jer je to u podacima jako zastupljeno.

Jeste li posebno ponosni na bilo koji tweets DeepDrumpf do sada?

Da, zapravo. Imam par koji još nisam objavio, ali -

Ekskluzivan.

Točno. Od onih koji su objavljeni, posebno sam zadovoljan s "što je ISIS ne treba."

Ja sam ono što ISIS ne treba.

- DeepDrumpf (@DeepDrumpf) 3. ožujka 2016

Da vidimo … ja sam ga sjeo s "nisam rasist, ali …" i nastavak toga bio je "… vjerujte", za koji sam mislio da je prilično dobar. Namjeravala sam spasiti onoga kad je postalo relevantno, ako je postalo relevantno.

Ništa dobro ne dolazi nakon tih riječi.

Biste li radije glasali za Donalda Trumpa ili glasali za @DeepDrumpf?

Mislim da postoje kompromisi sa svakim od tih izbora.