Патрік М. Піларскі, Ph.D. Канада CIFAR AI Chair (Amii) – Серія інтерв’ю

Доктор Патрік М. Піларскі є Канадським CIFAR штатом штучного інтелекту, колишнім Канадським дослідницьким штатом у галузі машинної інтелігентності для реабілітації, та асоційованим професором відділу фізичної медицини та реабілітації, медичного факультету, Університету Альберти.

У 2017 році доктор Піларскі став співзасновником першого міжнародного дослідницького офісу DeepMind, розташованого в Едмонтоні, Альберта, де він обіймав посаду співлідера офісу та старшого наукового співробітника до 2023 року. Він є членом та членом ради директорів Інституту штучної інтелігентності Альберти (Amii), співлідером лабораторії BLINC, а також головним дослідником лабораторії RLAI та мережі SMART в Університеті Альберти.

Доктор Піларскі є лауреатом понад 120 рецензованих статей, старшим членом IEEE, і його робота підтримувалася провінційними, національними та міжнародними дослідницькими грантами.

Ми провели з ним інтерв’ю на щорічній конференції Upper Bound 2023 з питань штучного інтелекту, яка відбулася в Едмонтоні, Альберта, та була організована Amii (Інститут штучної інтелігентності Альберти).

Як ви опинилися в галузі штучного інтелекту? Що привабило вас до цієї галузі?

Це два окремі питання. Що стосується того, що приваблює мене до штучного інтелекту, є щось красиве в тому, як складність може виникнути та як структура може виникнути зі складності. Інтелігентність – це лише один із цих чудових прикладів, тому чи це біологія, чи це те, як ми бачимо складну поведінку, що виникає в машинах, я думаю, є щось красиве в цьому. Це завжди мене цікавило протягом дуже довгого часу, і моя довга й звивиста траєкторія до роботи в галузі штучного інтелекту, в якій я зараз працюю, тобто машини, які вчаться через спроби та помилки, системи підкріплення, які взаємодіють з людьми, коли вони обоє перебувають у потоці досвіду, потоці часу, пройшла через різні платформи.

Я вивчав, як машини та люди можуть взаємодіяти в термінах біомехатронних пристроїв та біотехнологій, речей, таких як штучні кінцівки та протези.

Я розглядав, як штучний інтелект можна використовувати для підтримки медичної діагностики, як ми можемо використовувати машинну інтелігентність, щоб почати розуміти закономірності, які ведуть до захворювання або як різні захворювання можуть проявлятися щодо записів на машині. Але все це є частиною цієї довгої та звивистої траєкторії до того, щоб справді почати цінувати, як можна отримати дуже складну поведінку з дуже простих основ. І це те, що я особливо люблю, особливо щодо навчання з підкріпленням, тобто ідея про те, що машина може вбудуватися у потік часу та вивчити з власного досвіду дуже складну поведінку та захопити як складні явища, дійсно, у світі навколо нього. Це було рушійною силою.

Механіка цього полягає в тому, що я насправді пройшов багато тренувань зі спортивного медицини та інших речей у школі. Я вивчав спортивну медицину, і тепер я працюю в середовищі, де я розглядаю, як машинна інтелігентність та технології реабілітації поєднуються для підтримки людей у їхньому повсякденному житті. Це дуже цікава подорож, як і бічна цікавість до складних систем та складності, а потім дуже практичні прагматичні питання про те, як ми починаємо думати про те, як людей можна краще підтримувати, щоб вони жили життям, яке вони хочуть жити.

Як спорт спочатку привів вас до протезів?

Що насправді цікаво у сфері спортивного медицини, це те, що людина та її унікальні потреби, чи то спорту, чи інших, можуть бути підтримані іншими людьми, процедурами та процесами. Біонічні кінцівки та протезні технології полягають у створенні пристроїв, систем, технологій, які допомагають людям жити життям, яке вони хочуть жити. Ці дві речі дуже тісно пов’язані. Дійсно цікаво повернутися до тих ранніх інтересів і побачити, як вони прийшли до виконання, знову ж таки, у співлідуванні лабораторії, де ми розглядаємо… І особливо машинні системи, які працюють у тісно пов’язаному порядку з людиною, яку вони призначені підтримувати.

Ви раніше обговорювали, як протез адаптується до людини, а не людина адаптується до протезу. Чи можете ви розповісти про машинне навчання за цим?

Абсолютно. Як основа в історії використання інструментів, люди адаптували себе до своїх інструментів, а потім ми адаптували свої інструменти до потреб, які у нас є. І тому існує цей ітераційний процес нашої адаптації до наших інструментів. Ми зараз перебуваємо на важливому етапі, коли вперше ми можемо уявити собі будівництво інструментів, які принесуть деякі з тих ознак людської інтелігентності. Інструменти, які дійсно адаптуються та покращуються під час використання людиною. Інструменти, які можуть адаптуватися та покращуватися під час використання людиною, підтримувані безперервним навчанням. Системи, які можуть безперечно вивчити з потоку досвіду. У цьому випадку навчання з підкріпленням та механізми, які підтримують його, речі, такі як навчання з різницею у часі, дійсно критичні для будівництва систем, які можуть безперечно адаптуватися під час взаємодії з людиною та під час використання людиною для підтримки їх у їхньому повсякденному житті.

Чи можете ви визначити навчання з різницею у часі?

Абсолютно, те, що мені подобається в цьому, це те, що ми можемо подумати про основні технології, навчання з різницею у часі та фундаментальні алгоритми передбачення, які підтримують більшу частину того, над чим ми працюємо в лабораторії. У вас є система, яка, подібно до нас, робить передбачення про те, як майбутнє буде виглядати щодо якогось сигналу, щодо чогось, такого як майбутня винагорода, це те, що ми зазвичай бачимо. Але будь-який інший сигнал, який ви можете уявити, наприклад, скільки сили я зараз прикладаю? Як гарячо буде завтра? Скільки пончиків я буду мати завтра? Це можливі речі, які ви можете уявити, передбачаючи. І тому основний алгоритм дійсно розглядає різницю між моїм передбаченням про те, що зараз відбувається, і моїм передбаченням про те, що буде в майбутньому, разом з будь-яким сигналом, який я зараз отримую.

Скільки сили я прикладаю, як роботична рука піднімає чашку кави чи чашку води? Це може бути розглянуто як різниця між моїм передбаченням про те, скільки сили я зараз прикладаю, або скільки сили я прикладу в майбутньому протягом певного періоду. І потім порівняти це з моїми очікуваннями про майбутнє та силою, яку я дійсно прикладаю. Покладіть все це разом, і ви отримаєте цю помилку, помилку різниці у часі. Це приємна накопичення тимчасово розширених прогнозів у майбутньому та різниць між ними, які ви можете використовувати для оновлення структури самої машини.

І тому, знову ж таки, для традиційного навчання з підкріпленням, заснованого на винагороді, це може бути розглянуто як оновлення того, як машина діє на основі майбутньої очікуваної винагороди, яку ви можете сприйняти. Для багатьох речей, які ми робимо, це розглядається як інші види сигналів, використання узагальнених функцій цінності, яке є адаптацією процесу навчання з підкріпленням, навчання з різницею у часі сигналів винагороди до будь-якого виду сигналу інтересу, який може бути застосовним до роботи машини.

Ви часто говорите про протез, званий Каїрським пальцем у ваших презентаціях. Що він може нам розповісти?

Я люблю використовувати приклад Каїрського пальця, 3000-річної протези. Я працюю в галузі нейропротезів, ми зараз бачимо дуже просунуті роботизовані системи, які можуть у деяких випадках мати такий же рівень контролю або ступінь контролю, як біологічні частини тіла. І все ж таки, я повертаюсь до дуже стилізованого дерев’яного пальця 3000 років тому. Я думаю, що це цікаво, оскільки це приклад людини, яка розширює себе технологією. Це те, що ми зараз бачимо щодо нейропротезів та взаємодії людини з машиною, тобто не щось дивне, нове чи дивне. Ми завжди були користувачами інструментів, тваринами, які не є людьми, також використовують інструменти. Є багато чудових книг про це, особливо Френса де Ваала, “Чи ми достатньо розумні, щоб знати, наскільки розумні тварини?“.

Це розширення нас самих, посилення та підтримка себе за допомогою використання інструментів не є чимось новим, це щось, що відбувається з часів початку світу та на території, на якій ми зараз перебуваємо, людьми, які жили тут. Інша цікава річ про Каїрський палець полягає в тому, що докази, принаймні з наукових звітів про нього, свідчать про те, що він був адаптований кілька разів протягом свого взаємодії з користувачами. Вони дійсно заходили та налаштовували його, змінювали та модифікували під час його використання.

Моя думка полягає в тому, що це не просто фіксований інструмент, який був прикріплений до людини протягом її життя, це був фіксований інструмент, який був прикріплений, але також модифікований. Це приклад того, як, знову ж таки, ідея про те, що інструменти адаптуються під час свого використання, це щось зовсім старе. Це не щось нове, і є багато уроків, які ми можемо вивчити з коадаптації людей та інструментів протягом багатьох років.

Ви раніше згадували зворотний шлях між протезами та людиною, чи можете ви розповісти про зворотний шлях?

Ми також перебуваємо в особливий час щодо того, як ми розглядаємо взаємовідносини між людиною та машиною, яка спрямована на підтримку людини у її повсякденному житті. Коли людина використовує штучну кінцівку, скажімо, людина з різницею кінцівок, людина з ампутацією використовує штучну кінцівку. Традиційно, вони будуть використовувати її дуже подібно до інструменту, як розширення свого тіла, але ми бачимо, як вони в основному покладаються на те, що ми вважаємо шляхом контролю. Що деяке відчуття їхнього колеса або їхньої наміри передається до пристрою, який потім доручається розібратися в цьому, а потім виконати це, чи то відкриття та закриття руки, чи згинання ліктя, чи створення захвату, щоб взяти ключ. Ми часто не бачимо людей, які вивчають або розглядають зворотний шлях.

Так, велика кількість штучних кінцівок, які ви можете побачити, розгорнуті комерційно, шлях інформації, що тече від пристрою до людини, може бути механічним зв’язком, способом, яким вони дійсно відчувають сили кінцівки та діють відповідно до них. Це може бути ними, які чують шум двигунів, або ними, які спостерігають, як вони беруть щось з іншого місця свого робочого простору, або беруть щось з іншого місця свого робочого простору. І тому ці шляхи є традиційним способом робити це. Є чудові речі, які відбуваються по всьому світу, щоб розглянути, як інформацію можна краще передати від штучної кінцівки до людини, яка її використовує. Особливо навіть тут, в Едмонтоні, є багато дуже крутих робіт, які використовують перепрошивку нервової системи, націлену реновацію нервів та інші речі, щоб підтримати цей шлях. Але це все ж таки дуже гарячий та новий напрямок дослідження, щоб подумати про те, як машинне навчання підтримує взаємодію щодо цього зворотного шляху.

Як машинне навчання може підтримати систему, яка дійсно сприймає та передбачає багато речей про свій світ, фактично передає, маючи цю інформацію переданою чітко та ефективно назад до людини, яка її використовує. Як машинне навчання може підтримати це? Я думаю, що це велика тема, оскільки якщо ви маєте обидва ці шляхи, і шлях контролю, і шлях зворотного зв’язку, обидві системи адаптуються, і пристрій, який використовується людиною, і людина сама будують моделі один одного. Ви можете зробити щось майже дивовижне. Ви можете майже передати інформацію безкоштовно. Якщо ви маєте обидві ці системи, які дійсно добре налаштовані одна до одної, вони побудували дуже потужну модель одна одної, і вони мають адаптацію як до шляху контролю, так і до шляху зворотного зв’язку, ви можете сформувати дуже тісні партнерства між людьми та машинами, які можуть передавати величезну кількість інформації з дуже мало зусиль та дуже малою смугою пропускання.

І це відкриває цілі нові сфери координації людини та машини, особливо в галузі нейропротезів. Я дійсно думаю, що це досить чудовий час для нас, щоб почати вивчати цю область.

Чи думаєте ви, що ці речі будуть надруковані у майбутньому чи як ви думаєте, що виробництво буде продовжуватися?

Я не відчуваю, що я найкраще місце для спекуляцій про те, як це може статися. Я можу сказати, однак, що ми бачимо велике збільшення комерційних постачальників нейропротезних пристроїв, які використовують адитивне виробництво, 3D-друк та інші форми адитивного виробництво на місці для створення своїх пристроїв. Це також дуже приємно бачити, що це не просто прототип, який використовує адитивне виробництво або 3D-друк, це 3D-друк, який стає інтегральною частиною того, як ми забезпечуємо пристрої людьми, і як ми оптимізуємо ці пристрої для конкретних людей, які їх використовують.

Адитивне виробництво або індивідуальне виробництво, індивідуальне підгонка протезів відбувається в лікарнях весь час. Це природна частина надання допомоги людям з різницею кінцівок, які потребують допоміжних технологій або інших видів реабілітаційних технологій. Я думаю, що ми починаємо бачити, що багато цієї індивідуалізації починає змішуватися з виробниками пристроїв, а не просто залишається на рівні надання допомоги. І це також дуже цікаво. Я думаю, що є велика можливість для пристроїв, які не просто виглядають як руки або використовуються як руки, але пристрої, які дуже точно відповідають потребам людини, яка їх використовує, які дозволяють їм виражати себе тим способом, яким вони хочуть виражати себе, і дозволяють їм жити життям, яке вони хочуть жити, не просто тим способом, яким ми думаємо, що рука повинна бути використана у повсякденному житті.

Ви написали понад 120 робіт. Чи є одна з них, яка виділяється для вас, про яку ми повинні знати?

Є одна недавно опублікована робота в галузі прикладної обчислювальної техніки, але вона представляє вершину айсберга думок, які ми висунули протягом понад десяти років, щодо рамок взаємодії людини та машини, особливо щодо того, як людина та протезна кінцівка взаємодіють. Це ідея комунікативного капіталу. І тому ця робота, яку ми недавно опублікували.

І ця робота висуває наш погляд на те, як передбачення, які вивчаються та підтримуються в реальному часі протезною кінцівкою, яка взаємодіє з людиною, людина сама може сформувати фактично капітал, можуть сформувати ресурс, на який обидві сторони можуть покладатися. Як я раніше сказав, ми можемо зробити щось дійсно чудове, коли ми маємо людину та машину, які будують моделі одна одної, адаптуються в реальному часі на основі досвіду, і починають передавати інформацію у двонаправленому каналі. Як бічне питання, оскільки ми живемо у магічному світі, де є записи, і ви можете вирізати речі з них.

Це майже як магія.

Точно. Це звучить як магія. Якщо ми повернемося до мислителів, таких як Ешбі, В. Росс Ешбі, у 1960-х роках та його книгу “Введення в кібернетику“, яка говорила про те, як ми можемо посилити людський інтелект. І він дійсно сказав, що це складається з посилення можливості людини вибирати між одним із багатьох варіантів. І це робиться можливим системами, де людина взаємодіє з машиною, де відкритий канал спілкування між ними. І тому, якщо ми маємо цей канал спілкування відкритим, якщо це двонаправлений, і якщо обидві системи будують капітал у вигляді передбачень та інших речей, тоді ви можете почати бачити, як вони дійсно виравнюються та стають більше, ніж сума своїх частин. Ви можете отримати більше, ніж ви вкладаєте.

І я думаю, що це чому я вважаю цю роботу однією з наших найбільш цікавих робіт, оскільки вона представляє зміну думок. Це представляє зміну думок щодо того, щоб вважати нейропротезні пристрої системами з агентністю, системами, яким ми не просто приписуємо агентність, але й покладаємося на них, щоб вони могли коадаптуватися з нами, щоб побудувати ці ресурси, комунікативний капітал, який дозволяє нам помножити нашу можливість взаємодії з світом, дозволяє нам отримати більше, ніж ми вкладаємо, і дозволяє людям, я хочу сказати, з точки зору протезу,停止ити думати про протез у своєму повсякденному житті та почати думати про життя свого повсякденного життя. Не про пристрій, який допомагає їм жити своїм повсякденним життям.

Які застосування ви бачите для інтерфейсів мозку та машини з урахуванням того, про що ви щойно говорили?

Одне з моїх улюблених прикладів – це щось, що ми висунули знову протягом майже десяти років, це технологія, звана адаптивним перемиканням. Адаптивне перемикання засноване на знанні про те, що багато систем, з якими ми взаємодіємо у своєму повсякденному житті, покладаються на нас, щоб ми перемикалися між багатьма режимами або функціями. Чи то ви перемикаєтеся між додатками на своєму телефоні, чи ви намагаєтеся розібратися в правильній налаштуванні на своєму свердлі, чи ви адаптуєте інші інструменти у своєму житті, ми перемикаємося між багатьма режимами або функціями весь час, думаючись назад до Ешбі, нашу можливість вибирати між багатьма варіантами. І тому в адаптивному перемиканні ми використовуємо навчання з різницею у часі, щоб дозволити штучній кінцівці вивчити, яку моторну функцію людина може хочеть використовувати та коли вона хоче її використовувати.

Дійсно проста передумова полягає в тому, що якщо я простягую руку до чашки та закриваю свою руку, система повинна бути 能на побудувати передбачення через досвід, що в цій ситуації я, ймовірно, буду використовувати функцію відкриття та закриття руки. І тоді в майбутньому, у подібних ситуаціях, щоб бути 能ною передбачити це. І коли я навігаціюю через хмару режимів та функцій, дати мені більше або менше тих, яких я хочу, не маючи потреби розібратися серед усіх цих багатьох варіантів. І це дуже простий приклад побудови цього комунікативного капіталу. Ви маєте систему, яка дійсно побудована передбачення через взаємодію, вони передбачення про цю людину, цю машину, їхнє взаємовідносини в цій ситуації в цей час. І той спільний ресурс потім дозволяє системі реконфігурувати свій інтерфейс управління на льоту, так що людина отримує те, чого вона хоче, і коли вона хоче.

І круто те, що людина завжди має можливість сказати: “О, це те, чого я дійсно хотів”, і перемкнути на іншу моторну функцію. У роботизованій руці це може бути різні види хватів, чи то форма хвату для взяття дверної ручки, чи для підняття ключа, чи для потрушування комусь руки. Це різні режими функцій, різні хватові моделі. Дійсно цікаво, що система може почати побудувати розуміння того, що є відповідним у якій ситуації. Одиниці капіталу, на які обидві сторони можуть покладатися, щоб рухатися більш швидко через світ, і з меншим когнітивним навантаженням, особливо у частині одиниці.