Verzameling van persoonlijke gegevens, machine learning en kunstmatige intelligentie dringen ons leven binnen in een tempo dat velen van ons verontrustend vinden, als het niet ronduit beangstigend is. Om nog maar te zwijgen van het feit dat velen van ons het verschil niet kunnen zien in wat deze termen betekenen.

Dan Goldwasser van Purdue werkt aan de ontwikkeling van tools die deze krachtige nieuwe technologieën benutten, zodat ze het leven van individuen kunnen verbeteren - en misschien de samenleving verbeteren, te.

Hoewel je kunstmatige intelligentie misschien ziet als een technologie voor die verre toekomst van Jetsons, we hebben er elke dag contact mee, vaak onopgemerkt, zegt Goldwasser, een assistent-professor in de informatica.

"Vroeger was het tijdens het typen op een computer of een smartphone, het zou wijzen op verkeerd gespelde woorden, wat vrij eenvoudig is voor conventioneel computergebruik, "zegt hij. "Nu, als je 'of' typt terwijl je bedoelde 'weer, ' laat de app je weten, 'Ja, dat is een woord, maar het is niet het woord dat je bedoelde.' Dit vereist begrip van de syntaxis van de zin en de context, en dit wordt gedaan door kunstmatige intelligentie."

Goldwasser doet onderzoek naar kunstmatige intelligentie, gericht op machine learning en natuurlijke taalverwerking. Hij zegt dat mensen de drie technologieën vaak door elkaar halen of gewoon niet weten wat deze termen betekenen.

"Kunstmatige intelligentie, die tegenwoordig veel buzz en aandacht krijgt, is de set van methoden, systemen of benaderingen voor computers die menselijke oordelen en menselijke besluitvorming proberen na te bootsen, "zegt hij. "Machine learning is een reeks methoden die gegevens gebruiken om een ​​taak te volbrengen."

Als uw taak kan worden teruggebracht tot een eenvoudige toewijzing van invoer tot uitvoer, dan kan machine learning je daarbij helpen.

Bijvoorbeeld, de kansen voorspellen dat Purdue aanstaande zaterdag zal winnen:een machine learning-algoritme kan informatie uit de vorige games gebruiken, het gewonnen-verliesrecord van de tegenstander en of de wedstrijd een thuiswedstrijd is, de verzamelde gegevens door een algoritme laten lopen, en je een antwoord geven

Maar, als je wilt dat het systeem verder gaat en de kansen uitzoekt, bijvoorbeeld, op basis van de stemming van de spelers door het scannen van sociale media, het zal veel andere variabelen moeten meewegen en redeneren over hun relatie tot de wedstrijd van zaterdag. Bijvoorbeeld, een bericht dat aangeeft dat een van de spelers de bruiloft van hun zus op zaterdag zal bijwonen, zou het systeem vereisen om te concluderen dat de speler niet in staat zou zijn om de wedstrijd bij te wonen, het veranderen van de winkansen.

Dat is een proces dat kunstmatige intelligentie vereist, zegt Goldwasser.

Een veel voorkomende plek waar mensen basis-AI en machine learning tegenkomen, is met persoonlijke assistent-apparaten, zoals Alexa van Amazon, Google's Google Home, Siri van Apple, en Cortana van Microsoft, die allemaal gebruikmaken van de derde technologie die Goldwasser onderzoekt - natuurlijke taalverwerking - waarvan hij uitlegt dat het het gebied van kunstmatige intelligentie is dat zich specifiek richt op het repliceren van menselijke oordelen over menselijke taal.

Overwegen, bijvoorbeeld, wat een simpele vraag lijkt die je aan een collega zou kunnen stellen:"Hé, hebben de Giants gisteravond gewonnen?"

Voor een computer, de vraag is enorm complex.

"We maken veel gevolgtrekkingen als we met iemand praten, en deze snelkoppelingen die heel natuurlijk voor ons zijn zonder na te denken, maar als je ze expliciet moet maken, je begrijpt dat er een complexe redenering achter zit, " zegt Goldwasser. "Dus, hebben de Giants gewonnen? Denk na over de ruimte van mogelijke werelden die het systeem moet verkennen. Er zijn de voetbal New York Giants en de San Francisco baseball Giants. Het systeem moet dit weten en redeneren of het honkbalseizoen of voetbalseizoen is, en hebben ze de afgelopen 24 uur een wedstrijd gespeeld. Maar je kunt je ook voorstellen dat er een militaire groep is die mensen de Giants noemen, en hebben ze gewoon een strijd geleverd? Je kunt de betekenis van dat woord op veel verschillende manieren onderbouwen."

Zelfs als je de dubbelzinnigheid van de vraag wegneemt en weet dat je naar een honkbalteam vraagt, het systeem staat nog steeds voor een complex probleem, zegt Goldwasser. Het systeem moet weten wat het betekent "om te winnen, " en welke informatie relevant is voor de gebruiker. Er is mogelijk een honkbalteam in Zuid-Amerika genaamd de Giants, maar het systeem moet weten of u om dat resultaat geeft.

"Dit soort reflectie en begrip van de gebruiker is echt iets waar deze systemen moeilijk voor te programmeren zijn, en het is niet iets dat het systeem kan bereiken door alleen uit gegevens te trekken, zonder aanvullende redenering, ' zegt Goldwasser.

Zijn AI-onderzoek sluit aan bij Purdue's Giant Leaps-viering, erkenning van de wereldwijde vooruitgang die de universiteit heeft geboekt in de richting van een geavanceerde economie en planeet als onderdeel van het 150-jarig jubileum van Purdue. Dit is een van de vier thema's van het jaarlijkse Ideeënfestival, ontworpen om Purdu te laten zien als een intellectueel centrum dat problemen uit de echte wereld oplost.

Voor Goldwassers eigen projecten, hij ontwikkelt tools die kunstmatige intelligentie gebruiken om het universum van gegevens te analyseren om inzicht te krijgen in actuele problemen.

Bijvoorbeeld, één project analyseert posts op sociale media en openbare opmerkingen van gekozen functionarissen om te voorspellen wanneer ze tegen hun eigen politieke partij zullen stemmen.

"We hebben dit gebruikt met staatswetgevers om te voorspellen hoe ze zullen stemmen over gezondheidszorg, Goldwasser zegt. "De wetgevers mogen nooit hun standpunt op Twitter onthullen, maar we kunnen voorspellen hoe ze zullen stemmen als de tijd daar is."

Een ander project, gefinancierd door Google, maakt een tool om naar een nieuwsbron te kijken en verschillende datapunten te gebruiken, zoals hoe vaak verschillende politieke gezichtspunten worden gebruikt door de outlet en de sociale connecties van mensen die interactie hebben met de outlet, om te bepalen hoe bevooroordeeld de uitlaat is.

Een derde project dat voortvloeit uit zijn onderzoek, is een hulpmiddel om opmerkingen van een lokale bevolking op sociale media te analyseren om te kijken hoe ze een probleem formuleren om te voorspellen wat de reactie op een actie zou kunnen zijn.

"Bijvoorbeeld, als u overweegt troepen naar een land te sturen om te helpen bij een vluchtelingencrisis, zou dat door de lokale bevolking worden gezien als hulp of een agressieve daad? We hopen besluitvormers tools te kunnen geven om dit te begrijpen, aangezien ze beleid maken om gevaarlijke fouten te voorkomen."

Dit onderzoek heeft posts op sociale media en openbare opmerkingen van gekozen functionarissen geanalyseerd om te voorspellen wanneer ze tegen hun eigen politieke partij zullen stemmen.

"Daarop voortbouwend, we zijn een samenwerking aangegaan met een professor politicologie, Erik Waltenburg, om gegevens van de lokale overheid te analyseren, " zegt Goldwasser. "Voor dit project, we hebben onlangs financiering gekregen als onderdeel van Purdue's Integrative Data Science Initative."