Interviews

Patrick M. Pilarski, Ph.D. Kanada CIFAR-KI-Stuhl (Amii) – Interview-Reihe

mm
Veröffentlicht am
Aktualisiert am
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Dr. Patrick M. Pilarski ist ein Kanada CIFAR-Künstliche-Intelligenz-Stuhl, ehemaliger Kanada-Forschungsstuhl für Maschinenintelligenz in der Rehabilitation und Associate Professor in der Abteilung für Physikalische Medizin und Rehabilitation, Medizinische Fakultät, University of Alberta.

Im Jahr 2017 gründete Dr. Pilarski das erste internationale Forschungsbüro von DeepMind in Edmonton, Alberta, wo er bis 2023 als Büroleiter und Senior Staff Research Scientist tätig war. Er ist Fellow und Mitglied des Vorstands des Alberta Machine Intelligence Institute (Amii), leitet das Bionic Limbs for Improved Natural Control (BLINC) Laboratory und ist Hauptforscher am Reinforcement Learning and Artificial Intelligence Laboratory (RLAI) und am Sensory Motor Adaptive Rehabilitation Technology (SMART) Network der University of Alberta.

Dr. Pilarski ist der preisgekrönte Autor oder Co-Autor von über 120 peer-reviewed Artikeln, Senior Member des IEEE und wurde von provinziellen, nationalen und internationalen Forschungsgrants unterstützt.

Wir haben uns für ein Interview getroffen, auf der jährlichen 2023 Upper Bound-Konferenz über KI, die in Edmonton, AB, stattfindet und von Amii (Alberta Machine Intelligence Institute) ausgerichtet wird.

Wie sind Sie in die KI-Branche gelangt? Was hat Sie zu diesem Bereich hingezogen?

Das sind zwei separate Fragen. Was mich zu KI hingezogen hat, ist die Schönheit, wie Komplexität entstehen und Struktur aus Komplexität entstehen kann. Intelligenz ist nur eines dieser faszinierenden Beispiele, egal ob es aus der Biologie oder aus der Art und Weise kommt, wie wir komplexes Verhalten in Maschinen beobachten. Ich denke, das hat mich schon seit langem fasziniert, und mein langer, gewundener Weg in den Bereich, in dem ich jetzt arbeite, nämlich Maschinen, die durch Trial und Error lernen, Reinforcement-Systeme, die mit Menschen interagieren, während sie beide in der Erfahrung, dem Fluss der Zeit, eingeschlossen sind, kam durch viele verschiedene Plateaus.

Ich habe untersucht, wie Maschinen und Menschen interagieren können, insbesondere in Bezug auf biomechanische Geräte und Biotechnologie, wie künstliche Gliedmaßen und Prothesen.

Wie sind Sie ursprünglich auf Prothesen gestoßen?

Was wirklich interessant an Bereichen wie Sportmedizin ist, ist die Betrachtung des menschlichen Körpers und wie die einzigartigen Bedürfnisse einer Person, sei es im Sport oder anders, durch andere Menschen, Verfahren und Prozesse unterstützt werden können. Die bionischen Gliedmaßen und Prothesentechnologien sind daran, Geräte, Systeme, Technologien zu bauen, die Menschen helfen, das Leben zu leben, das sie leben wollen. Diese beiden Dinge sind eng miteinander verbunden.

Sie haben zuvor darüber gesprochen, wie eine Prothese sich an die Person anpasst, anstatt die Person sich an die Prothese anzupassen. Können Sie über die Maschinenlernen-Aspekte dahinter sprechen?

Absolut. Als Grundlage in der Geschichte der Werkzeugnutzung haben Menschen sich an ihre Werkzeuge angepasst und dann ihre Werkzeuge an ihre Bedürfnisse angepasst. Und so gibt es diesen iterativen Prozess, bei dem wir uns an unsere Werkzeuge anpassen. Wir sind jetzt an einem Wendepunkt, an dem wir uns vorstellen können, Werkzeuge zu bauen, die einige der Merkmale der menschlichen Intelligenz aufweisen. Werkzeuge, die sich tatsächlich anpassen und verbessern, während sie von einer Person genutzt werden.

Können Sie Temporale Differenzlernen definieren?

Absolut, was ich wirklich mag, ist, dass wir über die Kern-Technologien nachdenken können, Temporale Differenzlernen und die grundlegenden Vorhersage-Lernalgorithmen, die viel von dem untermauern, woran wir im Labor arbeiten. Sie haben ein System, das, ähnlich wie wir, eine Vorhersage über die Zukunft trifft, mit Bezug auf ein Signal, wie z.B. die zukünftige Belohnung, die wir normalerweise sehen.

Sie haben oft über eine Prothese namens Kairo-Zeh in Ihren Präsentationen gesprochen. Was kann uns diese Prothese beibringen?

Der Kairo-Zeh Universität Basel, LHTT. Bild: Matjaž Kačičnik

Ich mag es, das Beispiel des Kairo-Zehs zu verwenden, einer 3000 Jahre alten Prothese. Ich arbeite im Bereich der Neuroprothesen, und wir sehen jetzt sehr fortschrittliche Roboter-Systeme, die in einigen Fällen das gleiche Maß an Kontrolle oder die gleichen Grade an Kontrolle wie biologische Körperteile haben können. Und doch gehe ich zurück zu einem sehr stilisierten Holzzeh, der vor 3000 Jahren gemacht wurde.

Sie haben zuvor über den Rückkopplungsweg zwischen Prothesen und Mensch gesprochen. Können Sie darüber sprechen?

Wir sind auch in einer besonderen Zeit, was die Beziehung zwischen einer Person und der Maschine angeht, die darauf abzielt, sie in ihrem täglichen Leben zu unterstützen. Wenn jemand eine künstliche Gliedmaße verwendet, z.B. jemand mit Gliedmaßen-Unterschied oder jemand mit einer Amputation, der eine künstliche Gliedmaße verwendet, dann verwenden sie diese normalerweise sehr viel wie ein Werkzeug, wie eine Erweiterung ihres Körpers, aber wir sehen sie größtenteils auf dem Kontrollweg angewiesen.

Denken Sie, dass diese Prothesen in Zukunft 3D-gedruckt werden oder wie wird die Herstellung verlaufen?

Ich denke nicht, dass ich der beste Platz bin, um zu spekulieren, wie das passieren könnte. Ich kann jedoch sagen, dass wir einen großen Anstieg bei kommerziellen Anbietern von Neuroprothesen-Geräten sehen, die additive Fertigung, 3D-Drucken und andere Formen der additiven Fertigung verwenden, um ihre Geräte herzustellen.

Sie haben über 120 Artikel verfasst. Gibt es einen, der Ihnen besonders auffällt, den wir kennen sollten?

Es gibt einen kürzlich veröffentlichten Artikel in Neural Computing Applications, der den Tip der Eisbergs der Denkweise darstellt, die wir über einen Zeitraum von über einem Jahrzehnt hinweg vorgeschlagen haben, über Rahmenbedingungen für die Interaktion zwischen Menschen und Maschinen, insbesondere zwischen Menschen und Prothesen-Geräten.

Was sind einige der Anwendungen, die Sie für Brain-Machine-Interfaces mit dem sehen, was Sie gerade besprochen haben?

Eines meiner Favoriten ist etwas, das wir vor über 10 Jahren vorgeschlagen haben, nämlich eine Technologie namens Adaptive Switching. Adaptive Switching basiert auf der Erkenntnis, dass viele Systeme, mit denen wir täglich interagieren, von uns verlangen, zwischen vielen Modi oder Funktionen zu wechseln.

Und das ist sehr interessant, weil, wenn wir ein System haben, das tatsächlich Vorhersagen über die Welt trifft und diese Vorhersagen in Echtzeit lernt und anpasst, und wenn wir ein System haben, das tatsächlich Vorhersagen über die Person trifft und diese Vorhersagen in Echtzeit lernt und anpasst, dann können wir etwas wirklich Spektakuläres tun. Wir können tatsächlich Informationen quasi kostenlos übertragen.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten die folgenden Ressourcen besuchen:

mm

Antoine ist ein visionärer Leiter und Gründungspartner von Unite.AI, getrieben von einer unerschütterlichen Leidenschaft für die Gestaltung und Förderung der Zukunft von KI und Robotik. Als Serienunternehmer glaubt er, dass KI für die Gesellschaft so disruptiv sein wird wie Elektrizität, und er wird oft dabei erwischt, wie er über das Potenzial disruptiver Technologien und AGI schwärmt.

Als Futurist ist er darauf bedacht, zu erforschen, wie diese Innovationen unsere Welt prägen werden. Darüber hinaus ist er der Gründer von Securities.io, einer Plattform, die sich auf Investitionen in bahnbrechende Technologien konzentriert, die die Zukunft neu definieren und ganze Branchen umgestalten.