Donald Trump Yapay Zeka ile Buluştuğunda Ne Olur

MIT'de robotik araştırması yapan doktora sonrası çalışan Bradley Hayes, Donald “Drumpf” Trump'ı bir robota çevirdi. Cumhuriyetçi adayın konuşmalarını incelemek ve taklit etmek için tekrarlanan bir sinir ağı - yapay zeka - programladı.

Hayes'in “günlük işi”, “insan-robot takımlaşmasına odaklanan araştırmalar: robotların insanlarla birlikte çalışmasına ve insanlardan öğrenmelerine olanak tanıyan algoritmalar tasarlamak, böylece insanların işlerinde daha güvenli, daha verimli, daha etkili olabilmesi için” @DeepDrumpf “yan proje” dir. Kısmen, John Oliver'ın “fantastik taslağından” ilham aldı. (“Umarım bunu görür - umarım bunu görür ve takdir eder.”)

Ters Bu vatanseverlik çabası hakkında Hayes ile konuştum.

@DeepDrumpf yapmak için size başka neler ilham verdi?

Robotik araştırması yapan ve makine öğrenimi ile uğraşan bazı meslektaşlarım ile öğle yemeğindeki bir konuşmadan kaynaklandı. Araştırmamızla gerçekten ilgili olan bazı istatistiksel modelleme tekniklerinden bahsediyorduk.DeepDrumpf'un arkasındaki aynı tekniğin birçok robotik alanda çalıştığını, çünkü sıralı bilginin yapısını veya sıralı verilerin yapısını öğrenmeye çalışan bir modelleme tekniği olduğu ortaya çıktı. Doğal dil, cümle yapısının oldukça tutarlı olduğu sıralı verilere harika bir örnektir: kurallar vardır ve aldığınız tüm verilerin altında bir yapı vardır.

100 milyon miras? Ve şimdi tüm dünyaya yapıyorum. Ve biraz havalıyım.

- DeepDrumpf (@DeepDrumpf) 4 Mart 2016

Stanford'da farklı bir araştırmacı sinir ağları üzerine bir kurs yazdı ve özellikle “Tekrarlayan Sinir Ağlarının Mantıksız Etkililiği” başlıklı bir makale yayınladı. Bu yüzden, bu istatistiksel modelleme tekniğine bu harika girişi ve bir demet yazdı. insanlar bu tür serbest biçimli metin verilerinin yazımında yapıyı temsil etmenin bu makul olmayan bir güce sahip olduğunu göstermiştir.

Çeşitli siyasi öncülerin konuşma karmaşıklığını karşılaştıran bir yazı gördüm. Makale, Trump’ın daha basit bir dili nasıl kullandığını ve oy verme demografisi ve hayranlarıyla büyük bir hit olduğunu söylüyordu. Politik bir perspektiften, bu gerçekten harika, çünkü mesajınızı net ve mümkün olan en geniş izleyici kitlesini yakalar; Makine öğrenmesi açısından bakıldığında, bu yapabileceğimiz en izlenebilir model olabileceği anlamına gelir.

“Python'u Yine Harika Yap” adlı bir kodlama dili duydunuz mu?

Biliyorsun, dün gördüm. TrumpPython ya da onun gibi bir şey? Bunu gördüm. Bununla ilgili bir makale okudum, GitHub sayfalarına gittim, fakat daha oynayacak vaktim olmadı. Ama harika gözüküyor.

A.I.’nizden Trump’ın dilsel eğilimleri veya bunun gibi bir şey hakkında bir şey öğrenebilir miyiz?

Evet, modelin çıktısına bakarsanız, modelin verilerden öğrendiği yapıya işaret etmesi olasıdır. Bu yüzden tekrarlama türleri, modelden çıkan şeyler, size söyleyeceği gibi - potansiyel olarak - onun konuşma kalıplarına ve mesajına bağlı olan belirli şeyleri size söyleyecektir.

Kansas Hepsi, “Hiçbir şeye ihtiyacım yok” dedi. Korkunç bir ülkeye sahiplerdi ve özel bir altyapıları var, ülkemizin zengin olması gerekiyor.

- DeepDrumpf (@DeepDrumpf) 4 Mart 2016

Bunu Twitter hesabının kendisinden alamayacaksınız, çünkü Twitter Twitter size sadece 140 karakterle çalışabiliyor. Ve, modele giren çok fazla veri olmadığı için ve kısmen de transkriptlerin tartışmalardan kaynaklanmasından dolayı - adayların (ve özellikle Trump'ın) kendilerini kesmeye meyilli olduğu yerlerde - çıktıdaki bu süreksizliklere neden oluyor.

Temelde bu modelden bir metin duvarı örneği almak ve daha sonra içinden geçmek ve en iyi bitişik 140 karakterlik külçeyi seçmek için bir miktar manuel çalışma yapılması gerekiyor.

Bu iş. Başkanımız Obamacare. şimdi, işte bu değil. Çok teşekkür ederim. Amigo değiliz, ilginç olduğumuzu

- DeepDrumpf (@DeepDrumpf) 4 Mart 2016

Öyleyse bu noktada çok işe yaramaz değil mi?

Olasılık dağılımını etkili bir şekilde öğrenir ve ondan örnekleme yapabilirsiniz. Bunun anlamı şudur - modelinize sahipsiniz ve bir mektup isteyebilirsiniz. Ve, arka arkaya yeterince harf sorarsanız, size İngilizce'ye benzeyen şeyler verir. Veya daha da iyisi, bazıları Trump'ın söyleyebileceği şeylere benziyor - çünkü onun üzerinde eğitilmişti. Dolayısıyla, takip ettiğim genel süreç şudur: Ondan 500 veya 1.000 karakter örnek alacağım. Bana sadece 500 ya da 1000 karakterlik bir metin duvarı verirdi, sanırım, başıboş dolaşıyorlardı, ve bundan sonra, sadece mantıklı olan en iyi 140 karakter bloğunu seçeceğim. Ya da çıkan en iyi cümle ile alakalı görünüyor.

Mesela, dün gece tartışmayı canlı tweet atmak için kullanıyordum. Ve böylece, böyle bir modelle yapabileceğiniz şeylerden biri, onu hazırlayabilmenizdir. Dolayısıyla, model size her seferinde yalnızca bir karakter verdiğinden, daha önce çıkarılan harflere - ondan önce gelen karakterlere - bağımlıdır. Kelimeleri nasıl öğrendiği, cümle yapısı ve gramer unsurlarını nasıl yakaladığı.

Cümleye 'Romney is' ile başladığımı söyle ve bir sonraki bin karakter için sor. Biz buna priming diyoruz. İstediği çıktıyı verecek, ancak dizinin ilk kısmını 'Romney…' olarak ayarlayacaktır.

Bu, tweet'leri parantezli ifadelerle ifade ediyor mu?

Kesinlikle doğru.

Romney bir araçtır. Sana bunu söylemek istiyorum. Muhtemelen bir liderde ihtiyacımız olan son şey, bunu yapamayız.

- DeepDrumpf (@DeepDrumpf) 3 Mart 2016

Yapmayı umduğum şeylerden biri, süreç biraz daha temizlediğinde - ve bu daha yeni verilerle gelecek - diğer adaylarla etkileşime girmesini sağlamak. Twitter hesabına bakarsanız, diğer birincil adayları izliyor. Sonunda, umarım onlara cevap vermeye ve belki de onlara meydan okumaya başlayacaktır. Ama bu daha çok hafta sonu projesi gibi bir şey.

@realDonaldTrump Şu anda ve kesinlikle, kesinlikle ödeyecekler. Ben gerçekten zenginim. Oh onları desteklemek ve onlara sahip olmak istiyorum.

- DeepDrumpf (@DeepDrumpf) 3 Mart 2016

Tekrarlayan bir sinir ağının basit, uzmanlık dışı bir dilde ne olduğunu açıklayabilir misiniz?

Tabii - deneyeceğiz. Genel olarak sinir ağları bir miktar girdi alıyor, sonra ortada biraz matematik yapıyor ve size bir çıktı veriyor. Genel olarak, sadece bir sınıflandırıcıdır. Bu nedenle, bazı girdiler verildiğinde, bu girişin hangi sınıfa karşılık geldiğini size söyleyecektir. Popüler bir örnek olabilir - temel bir sinir ağı - bir kedinin resmini verirsiniz ve size şunu söylemesini istersiniz - eğer bir kedi, bir köpek veya bir uçak veya bir araba - isterseniz “Tamam - yüksek güvenle - bu bana sadece verdiğin bir kedi” demek.

Demek bu üst düzey sınıflandırma görevi. Bu da benzer bir kavramdır, ancak kedi, köpek, araba olmak yerine, sınıflar alfabenin ve noktalama işaretlerinin bireysel harfleridir. Bu yüzden bir girdi alıyor ve öğrendiği şeye dayanarak matematik yapıyor - bu yüzden tüm öğrenmeler “ortada” oluyor, buna "biz" diyoruz - ve sonunda size bir sınıflandırma veriyor. Yani, gibi bu mektup.

Onu yapan şey tekrarlayan sinir ağı, önceki adımlardan elde edilen çıktıların modelin bir parçası olarak bir sonraki aşamaya beslenmesidir. Modelin bana bir 'M' vermesi, modelin bir sonraki aşamasını besleyecektir. Bu yüzden, size bir "a" ve sonra "k" ve ardından "e" verebilir, çünkü 'Amerika'yı yeniden büyük hale getirmeye çalışıyor' çünkü verilerde çok fazla temsil ediliyor.

Bugüne kadar herhangi bir DeepDrumpf tweet'iyle özellikle gurur duyuyor musunuz?

Evet aslında. Henüz göndermediğim bir çiftim var ama -

özel.

Gülüyor Kesinlikle. Gönderilenlerden özellikle, 'ISIS’in ihtiyaç duymadığı şeyim’den memnunum.

IŞİD'in ihtiyaç duymadığı şeyim.

- DeepDrumpf (@DeepDrumpf) 3 Mart 2016

Bir bakalım… “Irkçı değilim, ama…” ile tohumladım ve bunun devam etmesi “mükemmel” olduğunu düşündüğüm “inan” dı. İlgili olunca, uygun olsaydı, onu koruyacaktım.

Bu sözlerin peşinden asla iyi bir şey gelmez.

Donald Trump'a mı yoksa @DeepDrumpf'a mı oy vermek istersiniz?

Sanırım bu seçimlerden her biri ile tradeofflar var.