Patrick M. Pilarski, Ph.D. Kanadský CIFAR AI Chair (Amii) – Interview Series

Dr. Patrick M. Pilarski je Kanadský CIFAR Artificial Intelligence Chair, bývalý Kanadský výzkumný pracovník v oblasti strojového učení pro rehabilitaci a asociativní profesor v divizi fyzické medicíny a rehabilitace, oddělení medicíny, University of Alberta.

V roce 2017 Dr. Pilarski spoluzaložil první mezinárodní výzkumnou kancelář DeepMind, která se nachází v Edmontonu, Alberta, kde působil jako spolueditor a senior výzkumný pracovník až do roku 2023. Je členem a členem správní rady Alberta Machine Intelligence Institute (Amii), spoluvedejte laboratoř Bionic Limbs for Improved Natural Control (BLINC) a je hlavním výzkumným pracovníkem v laboratoři Reinforcement Learning and Artificial Intelligence Laboratory (RLAI) a sítě Sensory Motor Adaptive Rehabilitation Technology (SMART) na University of Alberta.

Dr. Pilarski je oceněný autor nebo spoluautor více než 120 recenzovaných článků, senior člen IEEE a byl podporován provinciálními, národními a mezinárodními výzkumnými granty.

Usadili jsme se k rozhovoru na roční konferenci 2023 Upper Bound o umělém inteligenci, která se koná v Edmontonu, AB a je hostována Amii (Alberta Machine Intelligence Institute).

Jak jste se dostal do oblasti AI? Co vás přitáhlo k tomuto odvětví?

Tyto jsou dvě samostatné otázky. Co mě přitahuje k AI, je to, že je něco krásného na tom, jak komplexita může vzniknout a jak struktura může vzniknout z komplexity. Inteligence je jen jeden z těchto úžasných příkladů, takže ať už pochází z biologie nebo z toho, jak vidíme složitou činnost vznikat v strojích, myslím, že je něco krásného na tom. To mě fascinuje už velmi dlouho a moje velmi dlouhá a klikatá cesta do oblasti AI, ve které nyní pracuji, která se zabývá stroji, které se učí prostřednictvím pokusů a omylů, systémy posilování, které interagují s lidmi, zatímco jsou oba ponořeni do něj, tok zkušeností, tok času, prošla mnoha různými etapami. Studoval jsem, jak stroje a lidé mohou interagovat v oblasti biomechanických zařízení a biotechnologií, věcí jako umělých končetin a protéz.

Jak jste se původně dostal k protézám?

Co je opravdu zajímavé o oblastech, jako je sportovní medicína, je pohled na lidské tělo a to, jak mohou být jedinečné potřeby člověka, ať už se jedná o sport nebo jinak, podporovány jinými lidmi, postupy a procesy. Bionické končetiny a protetické technologie se zabývají budováním zařízení, systémů, technologií, které pomáhají lidem žít životy, které chtějí žít. Tyto dvě věci jsou opravdu úzce spojeny. Je opravdu vzrušující být schopen jít na plnou cestu a mít některé z těch ranějších zájmů, které se naplňují, opět vedoucí laboratoř, kde se zabýváme… A zejména systémy strojového učení, které pracují v úzce propojeném způsobem, osobou, kterou jsou navrženy podporovat.

Můžete mluvit o strojovém učení za protézou, která se přizpůsobuje člověku, místo aby se člověk přizpůsoboval protéze?

Určitě. Jako základ v historii používání nástrojů, lidé se přizpůsobovali svým nástrojům a poté jsme přizpůsobovali své nástroje našim potřebám. A tak existuje tento iterativní proces, kdy se přizpůsobujeme našim nástrojům. Nyní jsme na wichtigém bodě v historii, kdy si můžeme představit stavbu nástrojů, které přinesou některé z těch rysů lidské inteligence. Nástroje, které se skutečně přizpůsobí a vylepší, zatímco jsou používány člověkem. Základní technologie podporují kontinuální učení. Systémy, které mohou kontinuálně učit z probíhajícího toku zkušeností. V tomto případě je posilovací učení a mechanismy, které ho podporují, jako je temporální diference učení, opravdu kritické pro stavbu systémů, které mohou kontinuálně přizpůsobovat, zatímco interagují s člověkem a zatímco jsou používány člověkem, který je podporuje ve svém denním životě.

Můžete definovat temporální diference učení?

Určitě, co mi na tom opravdu záleží, je to, že můžeme uvažovat o základních technologiích, temporálním diferencovém učení a základních algoritmech predikčního učení, které podporují většinu toho, na čem pracujeme v laboratoři. Máte systém, který, stejně jako my, dělá predikci o tom, co se bude dít v budoucnu, s ohledem na nějaký signál, s ohledem na něco, jako je budoucí odměna, co obvykle vidíme. Ale jakýkoli jiný signál, který si můžete představit, jako je například, kolik síly nyní vykonávám? Jak bude horko? Kolik dortů budu mít zítra? Tyto jsou možné věci, které byste mohli představit. A tak základní algoritmus se opravdu zabývá rozdílem mezi mou odhadem o tom, co se bude dít právě teď, a mou odhadem o tom, co se bude dít v budoucnu, spolu s jakýmkoli signálem, který nyní přijímám.

Můžete mluvit o zpětné vazbě mezi protézou a člověkem?

Jsme také v zvláštní době, pokud jde o to, jak vidíme vztah mezi člověkem a strojem, který má za cíl podporovat ho ve svém denním životě. Když někdo používá umělou končetinu, řekněme, někdo s rozdílem končetin, někdo s amputací, používá umělou končetinu. Tradičně budou používat ji velmi podobně jako nástroj, jako rozšíření svého těla, ale budeme je vidět hlavně spoléhající se na to, co považujeme za kontrolní cestu. Některý smysl jejich vůle nebo záměru je předáván dolů na toto zařízení, které je poté povinno zjistit, co to je, a poté provést to, zda je to otevření a zavření ruky nebo ohnutí lokte nebo vytvoření sevření, aby se chytil klíč. Často nevidíme lidi, kteří studují nebo zvažují zpětnou vazbu.

Myslíte, že tyto protézy budou v budoucnu vytištěny pomocí 3D tisku nebo jak si představujete výrobu?

Nejsem si jist, zda jsem nejlepší osoba, která by mohla spekulovat o tom, jak by se to mohlo stát. Mohu říci, že vidíme velký nárůst komerčních poskytovatelů neuroprotektivních zařízení, které používají aditivní výrobu, 3D tisk a další formy aditivní výroby na místě, aby vytvořily svá zařízení. To je také opravdu pěkné vidět, že to není jen prototyp, který používá aditivní výrobu nebo 3D tisk, ale 3D tisk se stává integrovanou součástí toho, jak poskytujeme zařízení jednotlivcům a jak optimalizujeme tato zařízení pro lidi, kteří je používají.

Můžete mluvit o některé z aplikací, které byste viděli pro rozhraní mozek-stroj s tím, co jste právě diskutoval?

Jedna z mých oblíbených je něco, co jsme přednesli, opět, za posledních téměř 10 let, je technologie nazvaná adaptivní přepínání. Adaptivní přepínání je založeno na znalosti, že mnoho systémů, se kterými interagujeme denně, spoléhá na nás, abychom přepínali mezi mnoha režimy nebo funkcemi. Pokud přepínám mezi aplikacemi na svém telefonu nebo se snažím zjistit, jaký je správný nastavení na svém vrtáku nebo pokud přizpůsobuji jiné nástroje ve svém životě, přepínáme mezi mnoha režimy nebo funkcemi neustále, přemýšlejte zpět o Ashbyovi, naše schopnost zvolit mezi mnoha možnostmi. V adaptivním přepínání používáme temporální diference učení, aby umělá končetina mohla naučit, jakou motorickou funkci chce osoba použít a kdy chce použít. Skutečně quite jednoduchá premisa je, že, jednoduše tím, že dosáhnu pro šálek a zavřu ruku.

Můžete mluvit o některé z vašich publikací, které byste viděli jako zásadní?

Existuje nedávno publikovaná práce v Neural Computing Applications, která reprezentuje špičku ledovce myšlení, které jsme přednesli po dobu více než deset let, o rámcích pro to, jak lidé a stroje interagují, zejména jak lidé a protetická zařízení interagují. Je to myšlenka komunikačního kapitálu. A tak tato práce představuje náš pohled na to, jak predikce, které se učí a udržují v reálném čase protetickým zařízením, které interaguje s osobou, osobou samou, mohou vytvořit vlastně kapitál, mohou vytvořit zdroj, na který obě strany mohou spoléhat. Připomeňte si, dříve jsem řekl, že můžeme udělat něco opravdu úžasného, když máme člověka a stroj, který jsou oba budující modely jeden od druhého, přizpůsobují se v reálném čase na základě zkušeností a začínají předávat informace v obou směrech. Jako postranní poznámka, protože žijeme v magickém světě, kde existují záznamy a můžete vyjmout věci z nich.

Je to vlastně jako kouzlo.

Přesně. Zní to jako kouzlo. Pokud se vrátíme k myslitelům, jako je Ashby, W. Ross Ashby, zpět v 60. letech a jeho kniha “Introduction of Cybernetics” mluvil o tom, jak můžeme zesílit lidskou inteligenci. A opravdu řekl, že to vše spočívá v zesílení schopnosti člověka zvolit mezi mnoha možnostmi. A toto je možné díky systémům, kde je otevřená komunikační cesta mezi člověkem a strojem. Pokud máme tuto komunikační cestu otevřenou, pokud je to oboustranné, a pokud obě strany budují kapitál ve formě predikcí a dalších věcí, pak můžete začít vidět, jak se skutečně přizpůsobují a stávají se více než součtem svých částí. Můžete získat více, než jste vložili.

Můžete mluvit o některých z aplikací, které byste viděli pro rozhraní mozek-stroj?

Jedna z mých oblíbených je něco, co jsme přednesli, opět, za posledních téměř 10 let, je technologie nazvaná adaptivní přepínání. Adaptivní přepínání je založeno na znalosti, že mnoho systémů, se kterými interagujeme denně, spoléhá na nás, abychom přepínali mezi mnoha režimy nebo funkcemi. Pokud přepínám mezi aplikacemi na svém telefonu nebo se snažím zjistit, jaký je správný nastavení na svém vrtáku nebo pokud přizpůsobuji jiné nástroje ve svém životě, přepínáme mezi mnoha režimy nebo funkcemi neustále, přemýšlejte zpět o Ashbyovi, naše schopnost zvolit mezi mnoha možnostmi. V adaptivním přepínání používáme temporální diference učení, aby umělá končetina mohla naučit, jakou motorickou funkci chce osoba použít a kdy chce použít. Skutečně quite jednoduchá premisa je, že, jednoduše tím, že dosáhnu pro šálek a zavřu ruku.

Děkuji vám za úžasný rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit následující zdroje:

• Dr. Patrick M. Pilarski University of Alberta stránka.
• Upper Bound AI Konference.
• Amii (Alberta Machine Intelligence Institute)