Ini Apa Yang Terjadi Apabila Donald Trump Memenuhi Kepintaran Buatan

Bradley Hayes, sekutu pasca doktoral di MIT yang melakukan penyelidikan robotik, hanya menghidupkan Donald "Drumpf" Trump menjadi robot. Beliau telah memprogramkan rangkaian neural berulang - kecerdasan buatan - untuk mengkaji dan meniru ucapan calon Republikan.

"Hari kerja Hayes," katanya, adalah "penyelidikan yang difokuskan pada robot manusia-manusia: merancang algoritma yang membiarkan robot berfungsi bersama dan belajar dari manusia supaya manusia dapat lebih selamat, lebih efisien, lebih efektif dalam pekerjaan mereka." @DeepDrumpf adalah "projek sampingan." Dia menarik inspirasi, sebahagiannya, dari "lakaran hebat" John Oliver. ("Mudah-mudahan dia akan melihat ini - semoga dia akan melihatnya dan menghargainya.")

Songsang bercakap dengan Hayes mengenai usaha patriotik ini.

Apa lagi yang memberi inspirasi kepada anda untuk membuat @DeepDrumpf?

Ia datang dari perbualan makan tengah hari dengan beberapa rakan saya yang juga melakukan penyelidikan robotik dan menangani pembelajaran mesin. Kami bercakap mengenai beberapa teknik pemodelan statistik yang benar-benar relevan untuk penyelidikan kami.Ternyata teknik yang sama di belakang DeepDrumpf berfungsi dalam banyak domain robotik, kerana ia adalah teknik pemodelan yang cuba mempelajari struktur maklumat berurutan, atau data berurutan. Bahasa semulajadi adalah contoh yang baik dari data berurutan, di mana struktur kalimatnya adalah agak konsisten: ada peraturan, dan terdapat struktur mendasar untuk semua data yang anda dapatkan.

Memperoleh 100 juta? Dan sekarang saya sedang membina di seluruh dunia. Dan saya mempunyai sedikit keren.

- DeepDrumpf (@DeepDrumpf) 4 Mac 2016

Seorang penyelidik yang berlainan di Stanford menulis kursus mengenai rangkaian saraf, dan, khususnya, menerbitkan sebuah artikel bertajuk "Keefektifan Rasional Neural Rangkaian Berulang." Jadi, beliau menulis pengenalan hebat ini dengan teknik pemodelan statistik ini, dan sekumpulan orang telah menunjukkan bahawa ia mempunyai kuasa yang tidak munasabah untuk mewakili struktur dalam bentuk tulisan teks bentuk bentuk bebas ini.

Saya melihat satu artikel yang membandingkan kerumitan pertuturan pelbagai pelukis politik. Artikel itu mengatakan bagaimana Trump menggunakan bahasa yang lebih mudah, dan ia sangat besar dengan demografi mengundi dan peminatnya. Dari perspektif politik, itu benar-benar hebat, kerana ia menjadikan mesej anda jelas dan dalam jangkauan pemirsa yang paling luas; dari sudut pandangan mesin pembelajaran, ini bermakna model ini boleh menjadi model paling berkesan yang boleh kita buat.

Sekiranya anda mendengar bahasa pengekodan yang dipanggil "Buat Python Great Again"?

Anda tahu, saya melihatnya semalam. TrumpPython atau sejenisnya? Saya melihatnya. Saya membaca artikel tentangnya, saya pergi ke halaman GitHub mereka, tetapi saya tidak mempunyai masa untuk bermain dengannya lagi. Tetapi ia kelihatan hebat.

Bolehkah kita belajar apa-apa mengenai kecenderungan bahasa Trump, atau apa-apa seperti itu, dari A.I.

Ya, mungkin dalam erti kata bahawa, jika anda melihat output dari model, ia menunjukkan struktur yang model telah dipelajari dari data. Jadi jenis pengulangan, jenis perkara yang keluar dari model itu, akan memberitahu anda - berpotensi - mengenai perkara-perkara tertentu yang wujud pada pola ucapan dan mesejnya.

Kansas Mereka semua berkata, "Saya tidak memerlukan apa-apa. Mereka mempunyai negara yang dahsyat, dan mempunyai infrastruktur khas, negara kita memerlukan yang kaya.

- DeepDrumpf (@DeepDrumpf) 4 Mac 2016

Anda tidak semestinya dapat memperolehnya dari akaun Twitter itu sendiri, kebanyakannya kerana Twitter hanya memberi anda 140 watak untuk berfungsi. Dan, kerana tidak ada banyak data yang masuk ke dalam model, dan juga sebahagiannya kerana transkrip adalah dari perdebatan - di mana calon-calon (dan terutama Trump) cenderung mengganggu diri mereka - ia membuat ketidakpastian dalam output.

Masih ada sedikit kerja manual yang diperlukan untuk pada dasarnya mencontohkan dinding teks dari model ini dan kemudian melangkahinya dan memilih yang terbaik bersebelahan dengan 140 aksara nugget, dan kemudian siarkannya.

Ini perniagaannya. Presiden kami adalah Obamacare. sekarang, inilah yang tidak. Terima kasih banyak - banyak. Kami bukan tukang sorak kami menarik

- DeepDrumpf (@DeepDrumpf) 4 Mac 2016

Oleh itu, ia tidak begitu mudah pada ketika ini?

Ia secara berkesan belajar sebagai taburan kebarangkalian, dan anda boleh mencontohinya. Apa maksudnya - anda mempunyai model anda dan anda boleh meminta surat. Dan, jika anda memintanya untuk surat yang cukup berturut-turut, ia akan memberi anda perkara yang menyerupai Bahasa Inggeris. Atau, lebih baik lagi, sesetengah daripada mereka menyerupai perkara yang sebenarnya dikatakan Trump - kerana ia telah dilatih kepadanya. Jadi, proses umum yang saya ikuti adalah: Saya akan sampel, katakan, 500 atau 1,000 aksara daripadanya. Ia hanya akan memberi saya dinding teks dengan 500 atau 1,000 karakter yang bernilai, saya rasa, ramblings, dan kemudian, dari dalam itu, saya hanya akan memilih blok 140 aksara terbaik yang masuk akal. Atau kalimat terbaik yang keluar daripadanya seolah-olah agak relevan.

Contohnya, malam tadi saya menggunakannya untuk membahaskan debat langsung. Dan sebagainya, salah satu perkara yang boleh anda lakukan dengan model seperti ini adalah anda boleh memaksimumkannya. Jadi, kerana model itu hanya memberi anda satu watak pada satu masa, ia mempunyai kebergantungan ini pada watak-watak yang telah datang sebelum itu - huruf yang ia hasilkan sebelumnya. Itulah bagaimana ia belajar perkataan, itulah bagaimana ia menangkap struktur kalimat dan unsur-unsur tertentu dalam tatabahasa.

Katakanlah saya memulakan kalimat saya dengan 'Romney adalah' dan kemudian bertanya untuk ribuan aksara yang akan datang. Kami menyeru bahawa penyebuan. Ia akan memberikan apa sahaja keluaran yang mereka mahu, tetapi ia akan menetapkan bahagian awal urutan itu kepada 'Romney adalah …'

Adakah itu merujuk kepada tweet dengan frasa bertanda?

Sangat tepat.

Romney adalah alat. Saya ingin memberitahu anda perkara ini. Mereka mungkin perkara terakhir yang kita perlukan dalam pemimpin, Kita tidak boleh berbuat demikian.

- DeepDrumpf (@DeepDrumpf) 3 Mac 2016

Salah satu perkara yang saya berharap lakukan, sekali prosesnya sedikit lebih bersih - dan itu akan datang dengan lebih banyak data - adalah untuk memulakannya berinteraksi dengan calon lain. Jika anda melihat akaun Twitter, ia mengikuti calon utama yang lain. Akhirnya, ia sememangnya akan mula bertindak balas kepada mereka dan mungkin mencabar mereka. Tetapi itu lebih daripada semacam projek projek hujung minggu.

@realDonaldTrump Mereka akan membayar sekarang, dan seperti, sama sekali. Saya sangat kaya. Oh, saya mahu menyokong dan memilikinya.

- DeepDrumpf (@DeepDrumpf) 3 Mac 2016

Bolehkah anda menerangkan rangkaian neural berulang dalam bahasa yang mudah dan tidak khusus?

Pasti - kami akan cuba. Jaring neural, pada umumnya, mengambil beberapa input, maka ia melakukan beberapa matematik di tengah, dan ia memberi output kepada anda. Secara umum, ia hanya pengelas. Jadi, memandangkan beberapa input, ia akan memberitahu anda kelas apa yang input sesuai. Satu contoh yang popular akan menjadi satu - net neural asas - anda memberikan gambar kucing, dan anda ingin memberitahu anda bahawa - jika ia, seperti, kucing, anjing, atau pesawat, atau kereta - anda mahu ia mengatakan bahawa "Baiklah - dengan keyakinan yang tinggi - ini kucing yang anda hanya memberi saya."

Jadi itulah tugas klasifikasi peringkat tinggi. Ini adalah konsep yang sama, tetapi bukan kucing, anjing, kereta, kelas adalah huruf individu abjad dan tanda baca. Jadi ia mengambil input, dan kemudian ia melakukan matematik berdasarkan apa yang dipelajari - jadi semua pembelajaran berlaku 'di tengah-tengah', kami akan memanggilnya - dan ia memberi anda klasifikasi pada akhirnya. Jadi, seperti, surat ini.

Perkara yang menjadikannya a berulang neural net adalah bahawa output dari langkah-langkah terdahulu akan dimasukkan ke dalam langkah seterusnya sebagai sebahagian daripada model. Hakikat bahawa model itu memberi saya 'M' akan memberi makan kepada model seterusnya. Oleh itu, ia mungkin memberi anda sebuah 'a' dan kemudian 'k' dan kemudian 'e' kerana ia cuba untuk mengeluarkan 'Make America hebat lagi', kerana ia mewakili banyak data.

Adakah anda sangat bangga dengan sebarang tweet DeepDrumpf setakat ini?

Ya, sebenarnya. Saya mempunyai pasangan yang saya belum benar-benar diposkan, tetapi -

Eksklusif.

Ketawa Tepat. Daripada yang diposting, saya sangat gembira dengan 'Saya ISIS tidak perlu.'

Saya adalah ISIS tidak perlu.

- DeepDrumpf (@DeepDrumpf) 3 Mac 2016

Mari kita lihat … Saya membinanya dengan 'Saya bukan perkauman, tetapi …' dan kesinambungannya adalah '… percayalah,' yang saya fikir adalah sangat baik. Saya akan menyelamatkan orang itu apabila ia menjadi relevan, jika ia menjadi relevan.

Tiada apa-apa kebaikan yang berlaku selepas perkataan itu.

Adakah anda lebih suka mengundi untuk Donald Trump atau mengundi untuk @DeepDrumpf?

Saya fikir ada tradeoffs dengan setiap pilihan tersebut.