Patrick M. Pilarski, Ph.D. Canada CIFAR AI Chair (Amii) – Wywiad z serii

Dr. Patrick M. Pilarski jest Kanadyjskim Przewodniczącym CIFAR Artificial Intelligence, byłym Kanadyjskim Przewodniczącym ds. Inteligencji Maszyn w Rehabilitacji, oraz Associate Professor w Dziale Medycyny Fizycznej i Rehabilitacji, Wydziale Medycznym, Uniwersytetu Alberty.

W 2017 roku, Dr. Pilarski współzałożył pierwszy międzynarodowy oddział DeepMind, zlokalizowany w Edmonton, Alberta, gdzie pełnił funkcję współkierownika biura i Starszego Naukowca do 2023 roku. Jest Członkiem i Członkiem Zarządu w Alberta Machine Intelligence Institute (Amii), współkieruje Laboratorium BLINC oraz jest głównym badaczem w Laboratorium RLAI i Sieci SMART na Uniwersytecie Alberty.

Dr. Pilarski jest nagradzanym autorem lub współautorem ponad 120 recenzowanych artykułów, Starszym Członkiem IEEE, oraz był wspierany przez prowincjonalne, krajowe i międzynarodowe granty badawcze.

Przeprowadziliśmy wywiad na corocznej konferencji Upper Bound 2023 poświęconej sztucznej inteligencji, która odbyła się w Edmonton, AB i była organizowana przez Amii (Alberta Machine Intelligence Institute).

Jak znalazłeś się w branży AI? Co cię przyciągnęło do tej branży?

To są dwa odrębne pytania. Co mnie przyciąga do AI, jest coś pięknego w tym, jak złożoność może wyłonić się i jak struktura może wyłonić się ze złożoności. Inteligencja jest po prostu jednym z tych niesamowitych przykładów, więc czy to pochodzi z biologii, czy z tego, jak widzimy, jak zachowania emergentne pojawiają się w maszynach, myślę, że jest coś pięknego w tym. To zawsze fascynowało mnie przez bardzo długi czas, a mój bardzo długi i skomplikowany szlak do pracy w dziedzinie AI, w której teraz pracuję, czyli maszyn, które uczą się przez próby i błędy, systemy wzmocnienia, które interaktywnie współpracują z ludźmi, podczas gdy obie strony są zanurzone w strumieniu doświadczeń, przepływie czasu, przyszedł przez wszystkie rodzaje płaszczyzn.

Studiowałem, jak maszyny i ludzie mogą współpracować w zakresie urządzeń biomechatronicznych i biotechnologii, rzeczy takich jak sztuczne kończyny i protezy.

Spójrzmy, jak AI może być wykorzystywana do wspierania diagnostyki medycznej, jak możemy wykorzystać inteligencję maszynową, aby zacząć rozumieć wzorce, które prowadzą do choroby lub jak różne choroby mogą się manifestować w postaci nagrań na maszynie. Ale to wszystko jest częścią tego długiego i skomplikowanego procesu, aby naprawdę zacząć doceniać, jak można uzyskać bardzo złożone zachowania z bardzo prostych podstaw. I to jest to, co kocham, zwłaszcza w przypadku uczenia się wzmocnienia, jest to pomysł, że maszyna może zatopić się w strumieniu czasu i uczyć się ze swoich własnych doświadczeń, aby wykazywać bardzo złożone zachowania i uchwycić zarówno złożone zjawiska, naprawdę, na świecie wokół nich. To było napędem.

Mechanika tego, ja tak naprawdę wykonałem wiele szkoleń medycyny sportowej i tego typu rzeczy w szkole średniej. Studiowałem medycynę sportową, a teraz jestem tutaj, pracując w środowisku, w którym spójrzmy, jak inteligencja maszynowa i technologie rehabilitacyjne łączą się, aby wspierać ludzi w ich codziennym życiu. To jest bardzo interesująca podróż, jak ta poboczna fascynacja złożonymi systemami i złożonością, a potem bardzo praktyczne pragmatyki, jak zaczynamy myśleć o tym, jak ludzie mogą być lepiej wspierani, żyć życiem, które chcą żyć.

Jak sporty początkowo doprowadziły cię do protez?

Co jest naprawdę interesujące w dziedzinach takich jak medycyna sportowa, to spójrzmy na ludzkie ciało i jak potrzeby kogoś, czy to w sporcie, czy gdzie indziej, mogą być wspierane przez innych ludzi, procedury i procesy. Sztuczne kończyny i technologie protez są o budowaniu urządzeń, systemów, technologii, które pomagają ludziom żyć życiem, które chcą żyć. Te dwie rzeczy są naprawdę ściśle powiązane. To naprawdę ekscytujące, że mogę wrócić do pełnego koła i mieć niektóre z tych wcześniejszych zainteresowań, które przychodzą do owoców, w laboratorium, w którym spójrzmy…

Czy możesz porozmawiać o maszynowym uczeniu się za tym, jak proteza dostosowuje się do osoby, a nie osoba do protezy?

Absolutnie. Jako podstawa w historii użycia narzędzi, ludzie dostosowali się do swoich narzędzi, a potem dostosowali swoje narzędzia do potrzeb, które mieli. I tak jest ten iteracyjny proces naszego dostosowywania się do naszych narzędzi. Teraz jesteśmy w punkcie inflacji, w którym po raz pierwszy możemy wyobrazić sobie budowanie narzędzi, które wprowadzają niektóre z tych cech inteligencji ludzkiej. Narzędzia, które naprawdę dostosowują się i poprawiają, podczas gdy są używane przez osobę. Podstawowe technologie wspierają ciągłe uczenie się. Systemy, które mogą ciągle uczyć się z bieżącego strumienia doświadczeń. W tym przypadku, uczenie się wzmocnienia i mechanizmy, które leżą u podstaw, takie jak uczenie się z różnicy czasowej, są naprawdę kluczowe do budowania systemów, które mogą ciągle dostosowywać się, podczas gdy interaktywnie współpracują z osobą i podczas gdy są używane przez osobę, wspierając ją w codziennym życiu.

Czy możesz zdefiniować uczenie się z różnicy czasowej?

Absolutnie, co mi się podoba w tym, to, że możemy pomyśleć o podstawowych technologiach, uczeniu się z różnicy czasowej i podstawowych algorytmach predykcyjnego uczenia się, które leżą u podstaw większości tego, nad czym pracujemy w laboratorium. Masz system, który, podobnie jak my, robi przewidywania o tym, jak będzie wyglądać przyszłość w odniesieniu do pewnego sygnału, w odniesieniu do czegoś takiego jak przyszła nagroda, co zwykle widzimy. Ale każdy inny sygnał, który możesz sobie wyobrazić, jak na przykład, jaka siła jest wywierana w tym momencie? Jak gorąco będzie jutro? Ile pączków będę miał jutro? To są możliwe rzeczy, które możesz sobie wyobrazić, aby je przewidzieć. I tak, podstawowy algorytm jest naprawdę poświęcony spójrzmy na różnicę między moim przewidywaniem, co się wydarzy teraz, a moim przewidywaniem, co się wydarzy w przyszłości, wraz z dowolnym sygnałem, który otrzymuję w tym momencie.

Ile siły wywieram jako ramie robota, które podnosi filiżankę kawy lub filiżankę wody? To może być spójrzmy na różnicę między przewidywaniem, ile siły będę wywierał teraz, a przewidywaniem, ile siły będę wywierał w przyszłości. I porównywanie tego do moich oczekiwań dotyczących przyszłości i siły, którą naprawdę wywieram. Położyć to wszystko razem, i otrzymujesz ten błąd, błąd z różnicy czasowej. To jest ładna kumulacja rozszerzonej prognozy w przyszłości i różnic między nimi, którą możesz wykorzystać, aby zaktualizować strukturę samej maszyny uczącej się.

I tak, ponownie, dla konwencjonalnego uczenia się wzmocnienia opartego na nagrodzie, to może być spójrzmy na aktualizację sposobu, w jaki maszyna działa, na podstawie przyszłej oczekiwanej nagrody, którą możesz postrzegać. Dla wielu rzeczy, które robimy, jest to spójrzmy na inne rodzaje sygnałów, wykorzystanie uogólnionych funkcji wartości, które są adaptacją procesu uczenia się wzmocnienia sygnałów nagród do dowolnego rodzaju sygnału, który może być odpowiedni dla działania maszyny.

Często mówisz o protezie zwanej Cairo Toe w swoich prezentacjach. Co ma ona do nauczenia nas?

Lubię używać przykładu Cairo Toe, 3000-letniej protezy. Pracuję w dziedzinie neuroprotez, teraz widzimy bardzo zaawansowane systemy robotyczne, które w niektórych przypadkach mogą mieć ten sam poziom kontroli lub stopnie kontroli, co części ciała biologicznego. I jednak, wracam do bardzo stylizowanego drewnianego palca u nogi z 3000 lat temu. Myślę, że co jest fajne, to jest to przykład ludzi, którzy rozszerzają się za pomocą technologii. To jest to, co widzimy teraz w zakresie neuroprotez i interakcji człowiek-maszyna, co nie jest czymś dziwnym, nowym czy szalonym. Zawsze byliśmy użytkownikami narzędzi, zwierzętami nie-ludzkimi, które również używają narzędzi. Jest wiele wspaniałych książek na ten temat, zwłaszcza tych napisanych przez Fransa de Waala, „Czy jesteśmy wystarczająco mądrzy, aby wiedzieć, jak mądrze są zwierzęta?”.

To rozszerzenie nas samych, wzmocnienie i udoskonalenie nas samych za pomocą użycia narzędzi nie jest czymś nowym, jest czymś, co działo się od czasu do czasu na ziemi, na której żyjemy, przez ludzi, którzy żyli tutaj. Inna interesująca rzecz o Cairo Toe jest to, że dowody, przynajmniej ze sprawozdań naukowych na ten temat, pokazują, że została ona dostosowana wielokrotnie w trakcie swoich interakcji z użytkownikami. Oni naprawdę weszli i dostosowali ją, zmienili, zmodyfikowali ją podczas jej użycia.

Moje zrozumienie, to nie było po prostu narzędziem, które było przymocowane do osoby przez całe życie, ale było narzędziem, które było przymocowane, ale również modyfikowane. To jest przykład tego, jak, ponownie, pomysł, że narzędzia są dostosowywane w trakcie ich użytkowania, i trwałego użytkowania, jest naprawdę czymś bardzo starym. To nie jest coś nowego, i jest wiele lekcji, które możemy się nauczyć z ko-adaptacji ludzi i narzędzi przez wiele, wiele lat.

Mówiłeś wcześniej o ścieżce sprzężenia zwrotnego między protezą a człowiekiem, czy możesz wyjaśnić ścieżkę sprzężenia zwrotnego?

Jesteśmy również w specjalnym czasie, jeśli chodzi o to, jak widzimy relację między osobą a maszyną, która ma na celu wspierać ją w codziennym życiu. Kiedy ktoś używa sztucznej kończyny, powiedzmy, ktoś z różnicą kończyn, ktoś z amputacją, używa sztucznej kończyny. Tradycyjnie, będą oni używać jej bardzo podobnie do narzędzia, jak rozszerzenia ich ciała, ale będziemy widzieć, jak w dużej mierze polegają na tym, co uważamy za ścieżkę kontroli. Że jakiś rodzaj ich koła lub ich intencji jest przenoszony do tego urządzenia, które jest następnie zadane do ustalenia, co to jest, a następnie wykonania tego, czy to otwieranie i zamykanie dłoni, czy zginanie łokcia, czy tworzenie chwytu, aby podnieść klucz. Często nie widzimy ludzi badających lub rozważających ścieżkę sprzężenia zwrotnego.

Więc duża liczba sztucznych kończyn, które możesz zobaczyć wdrożone komercyjnie, ścieżka informacji płynących z urządzenia z powrotem do osoby może być mechanicznym połączeniem, sposobem, w jaki oni naprawdę czują siły kończyny i działają na nich. Może to być słyszenie szumu silników lub obserwowanie, jak podnoszą mankiet i przenoszą go po biurku, lub gdy chwytają go z innego miejsca w swoim miejscu pracy. I tak, te ścieżki są tradycyjnym sposobem robienia tego. Są niesamowite rzeczy, które dzieją się na całym świecie, aby spójrzmy, jak informacje mogą być lepiej przekazywane z sztucznej kończyny do osoby, która ją używa. Szczególnie tutaj, w Edmonton, jest wiele bardzo fajnych prac, które wykorzystują przewężenie nerwów i inne rzeczy, aby wesprzeć tę ścieżkę. Ale to wciąż bardzo gorący i wschodzący obszar badań, aby pomyśleć o tym, jak uczenie się maszynowe wspiera interakcje w odniesieniu do tej ścieżki sprzężenia zwrotnego.

Jak uczenie się maszynowe może wspierać system, który może postrzegać i przewidywać wiele rzeczy o swoim świecie, i który może przekazywać te informacje w sposób klarowny i skuteczny z powrotem do osoby, która ją używa. Jak uczenie się maszynowe może wspierać to? Myślę, że to jest wspaniały temat, ponieważ jeśli masz obie te ścieżki, ścieżkę sprzężenia zwrotnego i ścieżkę kontroli, obie ścieżki są dostosowywane, i zarówno urządzenie używane przez osobę, jak i osoba sama, budują modele siebie nawzajem. Możesz zrobić coś prawie cudownego. Możesz prawie przekazać informacje za darmo. Jeśli masz obie te systemy, które są naprawdę dobrze dostosowane do siebie, zbudowały bardzo potężny model siebie nawzajem i mają adaptację zarówno do kontroli, jak i ścieżki sprzężenia zwrotnego, możesz utworzyć bardzo ścisłe partnerstwo między ludźmi i maszynami, które mogą przekazywać ogromną ilość informacji z bardzo niewielkim wysiłkiem i bardzo niewielką przepustowością.

I to otwiera cały nowy obszar koordynacji człowiek-maszyna, zwłaszcza w dziedzinie neuroprotez. Myślę, że to jest naprawdę cudowny czas, aby zacząć badać ten obszar.

Czy uważasz, że będą one drukowane w przyszłości w 3D czy jak myślisz, że produkcja będzie przebiegać?

Nie czuję, że jestem w najlepszej pozycji, aby spekulować, jak to może się wydarzyć. Mogę powiedzieć, że widzimy duży wzrost komercyjnych dostawców urządzeń neuroprotezowych, którzy wykorzystują technologie addytywne, druk 3D i inne formy addytywne, aby tworzyć swoje urządzenia. To jest również naprawdę fajne, aby zobaczyć, że to nie jest tylko prototyp wykorzystujący technologie addytywne lub druk 3D, ale druk 3D staje się integralną częścią tego, jak dostarczamy urządzenia osobom i jak optymalizujemy te urządzenia do konkretnych osób, które je używają.

Produkcja addytywna lub produkcja na zamówienie, dopasowanie protez do potrzeb osób, które je używają, jest naturalną częścią opieki nad osobami z różnicą kończyn, które potrzebują wspomagających technologii lub innych rodzajów rehabilitacji. Myślę, że zaczynamy widzieć, że wiele z tej personalizacji zaczyna się łączyć z producentami urządzeń, a nie tylko pozostaje w punkcie opieki. I to jest również naprawdę ekscytujące. Myślę, że jest ogromna możliwość dla urządzeń, które nie tylko wyglądają jak ręce, ale urządzenia, które bardzo precyzyjnie spełniają potrzeby osoby, która je używa, i które pozwalają im wyrazić się w sposób, w jaki chcą, i żyć życiem, które chcą żyć, nie tylko w sposób, w jaki myślimy, że ręka powinna być używana w codziennym życiu.

Napisałeś ponad 120 prac. Czy jest jakaś, która wyróżnia się dla ciebie, o której powinniśmy wiedzieć?

Jest jeden niedawno opublikowany artykuł w Neural Computing Applications, ale reprezentuje on szczyt lodu myślenia, które przedstawiliśmy przez ponad dekadę, na temat ram, w jaki sposób ludzie i maszyny interaktywnie współpracują, zwłaszcza w jaki sposób ludzie i urządzenia protezowe interaktywnie współpracują. To jest pomysł, który nazywamy kapitałem komunikacyjnym. I tak, ten artykuł, który niedawno opublikowaliśmy.

I ten artykuł przedstawia nasz pogląd na to, jak przewidywania, które są uczione i utrzymywane w czasie rzeczywistym przez urządzenie protezowe, które interaktywnie współpracuje z osobą, osoba sama może utworzyć kapitał, może utworzyć zasób, na który obie strony mogą polegać. Pamiętaj, wcześniej powiedziałem, że możemy zrobić coś naprawdę spektakularnego, gdy mamy człowieka i maszynę, które są obie budujące modele siebie nawzajem, dostosowujące się w czasie rzeczywistym na podstawie doświadczeń, i zaczynające przekazywać informacje w dwukierunkowym kanale. Jako poboczny wątek, ponieważ żyjemy w magicznym świecie, w którym są nagrania, i możesz wyciąć rzeczy z niego.

To jest jak magia.

Dokładnie. Brzmi to jak magia. Jeśli wrócimy do myślicieli, jak Ashby, W. Ross Ashby, w latach 60-tych i jego książki “Wprowadzenie do cybernetyki” mówił o tym, jak możemy zwiększyć ludzką inteligencję. I on naprawdę powiedział, że to wszystko sprowadza się do zwiększenia zdolności osoby do wyboru jednej z wielu opcji. I to jest możliwe dzięki systemom, w których osoba interaktywnie współpracuje z maszyną, gdzie jest kanał komunikacji otwarty między nimi. Więc, jeśli mamy ten kanał komunikacji, jeśli jest to dwukierunkowy, i jeśli obie strony budują kapitał w postaci przewidywań i innych rzeczy, wtedy możesz zacząć widzieć, jak one naprawdę dostosowują się do siebie i stają się więcej niż sumą swoich części. Możesz uzyskać więcej, niż wkładasz.

I myślę, że to jest dlaczego uważam, że to jest jeden z naszych najbardziej ekscytujących artykułów, ponieważ reprezentuje on zmianę myślenia. Reprezentuje on zmianę myślenia w kierunku postrzegania urządzeń neuroprotezowych jako systemów z agencyjnością, systemów, którym nie tylko przypisujemy agencyjność, ale również polegamy na nich, aby współpracować z nami, aby budować te zasoby, kapitał komunikacyjny, który pozwala nam zwiększyć naszą zdolność do interakcji ze światem, pozwala nam uzyskać więcej, niż wkładasz, i pozwala ludziom, powiedziałbym, z perspektywy protezy, przestać myśleć o protezie w swoim codziennym życiu i zacząć myśleć o życiu swoim życiem, a nie o urządzeniu, które im pomaga żyć swoim życiem.

Jakie są niektóre zastosowania, które widzisz dla interfejsów mózg-komputer w odniesieniu do tego, o czym właśnie mówiłeś?

Jeden z moich ulubionych to coś, co przedstawiliśmy, ponownie, przez ostatnie prawie 10 lat, jest technologia zwana przełączaniem adaptacyjnym. Przełączanie adaptacyjne opiera się na wiedzy, że wiele systemów, z którymi interaktywnie współpracujemy na co dzień, polega na tym, że przełączamy się między wieloma trybami lub funkcjami. Czy to przełączanie się między aplikacjami na telefonie, czy próba ustalenia odpowiednich ustawień na wiertarce, czy dostosowanie innych narzędzi w naszym życiu, przełączamy się między wieloma trybami lub funkcjami cały czas, myśląc o Ashby, nasza zdolność do wyboru jednej z wielu opcji. Więc w przełączaniu adaptacyjnym, wykorzystujemy uczenie się z różnicy czasowej, aby pozwolić sztucznej kończynie nauczyć się, jaka funkcja motoryczna osoba może chcieć użyć i kiedy chce ją użyć. To jest naprawdę prosta premisa, że po prostu akt mojego sięgania po filiżankę i zamykania dłoni.