To je to, čo sa stane, keď Donald Trump spĺňa umelú inteligenciu

Bradley Hayes, postdoktorandský spolupracovník na MIT, ktorý robí výskum robotiky, práve otočil Donalda „Drumpf“ Trumpa na robota. Naprogramoval rekurentnú neurónovú sieť - umelú inteligenciu - aby študoval a napodobňoval prejavy republikánskeho kandidáta.

Hayesova „denná práca“, hovorí, je „výskum zameraný na tímovú spoluprácu medzi človekom a robotom: navrhovanie algoritmov, ktoré umožňujú robotom spolupracovať s ľuďmi a učiť sa od nich, aby ľudia mohli byť bezpečnejší, efektívnejší, efektívnejší pri práci.“ @DeepDrumpf je „vedľajším projektom“. Čiastočne čerpal inšpiráciu z „fantastického náčrtu“ Johna Olivera. („Dúfajme, že to uvidí - dúfajme, že to uvidí a ocení to.“)

obrátený hovoril s Hayesom o tomto vlasteneckom úsilí.

Čo vás ešte inšpirovalo k vytvoreniu @DeepDrumpf?

Vyplynulo to z obedňajšieho rozhovoru s niektorými mojimi kolegami, ktorí tiež robia výskum robotiky a zaoberajú sa strojovým učením. Hovorili sme o niektorých rôznych štatistických modelovacích technikách, ktoré boli skutočne relevantné pre náš výskum.Ukazuje sa, že rovnaká technika, ktorá je za DeepDrumpf pracuje v mnohých robotických doménach, pretože je to technika modelovania, ktorá sa snaží naučiť štruktúru sekvenčných informácií alebo sekvenčných údajov. Prírodný jazyk je skvelým príkladom sekvenčných údajov, kde štruktúra vety je pomerne konzistentná: existujú pravidlá a základná štruktúra všetkých údajov, ktoré získavate, je základná štruktúra.

Zdediť 100 miliónov? A teraz budujem po celom svete. A ja som trochu cool.

- DeepDrumpf (@DeepDrumpf) 4. marca 2016

Iný výskumník na Stanforde napísal kurz o neurónových sieťach a najmä publikoval článok s názvom „Neprimeraná efektivita rekurentných neurónových sietí“. Tak napísal tento fantastický úvod do tejto techniky štatistického modelovania a kopu ľudia ukázali, že má túto neprimeranú moc reprezentovať štruktúru v takomto type písania textových údajov vo voľnom formáte.

Videl som článok, ktorý porovnával zložitosť reči rôznych politických lídrov. Článok hovoril, ako Trump používa viac zjednodušujúci jazyk a je to obrovský hit s jeho hlasovacími demografickými a jeho fanúšikmi. Z politického hľadiska je to naozaj skvelé, pretože to robí vašu správu jasnou a pochopiteľnou pre čo najširšie publikum; Z hľadiska strojového učenia to znamená, že to môže byť najpraktickejší model, ktorý môžeme urobiť.

Počuli ste o kódovacom jazyku nazvanom „Make Python Great Again“?

Videl som to včera. TrumpPython alebo niečo podobné? Videl som to. Čítal som o tom článok, išiel som na ich stránku GitHub, ale ešte som nemal čas hrať s ním. Ale vyzerá to skvele.

Môžeme sa dozvedieť niečo o Trumpových lingvistických tendenciách, alebo o ničom podobnom, z vášho A.I.?

Áno, je možné v tom zmysle, že ak sa pozriete na výstup z modelu, naznačuje to štruktúru, ktorú sa model naučil z údajov. Takže druhy opakovania, druhy vecí, ktoré pochádzajú z modelu, vám povie - potenciálne - o určitých veciach, ktoré sú vlastné jeho modelom rozprávania a jeho posolstvu.

Všetci povedali: „Nič nepotrebujem. Mali hroznú krajinu a majú špeciálnu infraštruktúru, naša krajina potrebuje bohatého.

- DeepDrumpf (@DeepDrumpf) 4. marca 2016

Nemuseli by ste to nutne získať zo samotného účtu Twitter, hlavne preto, že Twitter vám poskytuje len 140 znakov. A pretože nie je veľa údajov, ktoré sa dostali do modelu, a čiastočne aj preto, že prepisy sú z diskusií - kde sa kandidáti (a najmä Trump) snažia sami prerušiť - to spôsobuje tieto diskontinuity vo výstupe.

Ešte stále je potrebné trochu manuálnej práce, aby ste mohli v podstate odobrať vzorku textu z tohto modelu a potom prejsť a vybrať ten najlepší súvislý 140-znakový nugget a potom ho odoslať.

To je obchod. Naším prezidentom je Obamacare. teraz, v tomto nie je. Ďakujem mnohokrát. Nie sme roztlieskavačky, ktoré nás zaujímajú

- DeepDrumpf (@DeepDrumpf) 4. marca 2016

Takže v tomto bode to nie je príliš praktické?

Efektívne sa učí ako rozdelenie pravdepodobnosti a môžete z neho odobrať vzorky. To znamená, že máte svoj model a môžete ho požiadať o list. A ak ho požiadate o dostatok písmen v rade, dá vám veci, ktoré sa podobajú angličtine. Alebo ešte lepšie, niektoré z nich sa podobajú na veci, ktoré Trump skutočne povedal - pretože na neho boli trénovaní. Všeobecným procesom, ktorý som sledoval, je, že by som od neho odoberal 500 alebo 1000 znakov. Dalo by mi to len stenu textu s 500 alebo 1 000 postavami, myslím, ramblings, a potom zvnútra vyberiem najlepší 140-znakový blok, ktorý dáva zmysel. Alebo najlepšia veta, ktorá z toho vychádza, sa zdá byť relevantná.

Napríklad minulú noc som ho používal na rozpravu v podobe živého tweetu. A tak, jedna z vecí, ktoré môžete urobiť s takýmto modelom, je to, že ho môžete naplniť. Pretože model vám dáva iba jeden znak naraz, má túto závislosť na znakoch, ktoré sa pred ním objavili - na písmenách, ktoré predtým vytlačili. To je to, ako sa učí slová, to je to, ako zachytáva vetu štruktúru a niektoré prvky gramatiky.

Povedzme, že začínam s vetou „Romney is“ a potom ju požiadam o ďalších tisíc znakov. Nazývame to priming. Poskytne to, čo chce, ale nastaví počiatočnú časť sekvencie na „Romney je…“

Je to odkaz na tieto tweety s frázami v zátvorkách?

Uplne spravne.

Romney je nástrojom. Chcem vám to povedať. Pravdepodobne sú to posledné veci, ktoré potrebujeme vo vodcovi.

- DeepDrumpf (@DeepDrumpf) 3. marec 2016

Jedna z vecí, ktoré dúfam, že sa mi to podarí, keď bude tento proces trochu čistejší - a to bude len s viacerými údajmi - je začať s ním spolupracovať s ostatnými kandidátmi. Ak sa pozriete na účet služby Twitter, nasleduje nasledujúci primárny kandidát. Nakoniec sa s nimi možno bude na ne odpovedať a možno ich aj napádať. Ale to je skôr víkendový projekt.

@realDonaldTrump Budú platiť práve teraz, a tak, absolútne. Som naozaj bohatý. Oh Chcem ich podporiť a mať.

- DeepDrumpf (@DeepDrumpf) 3. marec 2016

Môžete vysvetliť, čo je rekurentná neurónová sieť v zjednodušenom, nespecializovanom jazyku?

Iste - budeme sa snažiť. Neurónová sieť vo všeobecnosti prijíma nejaký vstup, potom v strede robí nejakú matematiku a dáva vám výstup. Vo všeobecnosti je to len klasifikátor. Takže vzhľadom na nejaký vstup vám povie, ktorá trieda zodpovedá vstupu. Populárny príklad by bol - základná neurónová sieť - dáš jej obraz mačky a chceš, aby ti to povedala - ak je to, ako mačka, pes, lietadlo, alebo auto - chceš povedať, že „Dobre - s vysokou dôverou - to je mačka, ktorú ste mi práve dali.“

Takže to je úloha klasifikácie na vysokej úrovni. Ide o podobnú koncepciu, ale namiesto toho, aby bola mačka, pes, auto, triedy sú jednotlivé písmená abecedy a interpunkcie. Takže je to vstup, a potom to robí matematiku na základe toho, čo sa naučil - takže všetko učenie sa deje „uprostred“, nazveme to - a na konci vám to dáva klasifikáciu. Tak, ako, tento list.

To, čo robí to opakujúci neurónová sieť je, že výstup z predchádzajúcich krokov sa dostane do ďalšieho kroku ako súčasť modelu. Skutočnosť, že model mi poskytol „M“, sa premietne do ďalšieho prechodu modelu. Potom by vám to mohlo dať „a“ a potom „k“ a potom „e“, pretože sa snaží dať „urobiť Ameriku znova skvelú“, pretože to je v údajoch veľa.

Ste obzvlášť hrdý na všetky DeepDrumpf tweety tak ďaleko?

Áno, vlastne. Mám pár, ktorý som ešte nezverejnil, ale -

výhradný.

Smeje sa Presne. Z tých, ktoré sú zverejnené, som obzvlášť spokojný s tým, čo ISIS nepotrebuje.

To, čo ISIS nepotrebuje.

- DeepDrumpf (@DeepDrumpf) 3. marec 2016

Pozrime sa… Urobil som to „nie som rasistický, ale…“ a pokračovanie toho bolo „… verte tomu“, čo som považoval za celkom vynikajúci. Chcel som to zachrániť, keď sa to stalo relevantným.

Po týchto slovách nič dobré nikdy neprichádza.

Radšej by ste hlasovali za Donalda Trumpa alebo hlasovali za @Depeprum?

Myslím, že s každou z týchto možností sú kompromisy.