ポール・アレンが「最先端」の人工知能研究者に570万ドルを寄付
テイラー・ソパー著
ポール G. アレン ファミリー財団は本日、最新のアレン優秀研究者 (ADI) プログラム助成金の一環として、人工知能分野の研究者 7 名に 570 万ドルを授与しました。
機械読み取り、図の解釈と推論、空間と時間の推論に取り組んでいる研究者は、世界中の 4 つの大学から集まっており、そのうち 4 人はワシントン大学で働いています。
「アレン特別研究員プログラムは、科学者や研究者にとって、従来の常識の限界を押し広げ、私たちの存在や世界についての考え方の限界を試すためのプラットフォームとなっています」と、ポール・G・アレン・ファミリー財団の共同マネージャーであるデューン・アイブス氏は声明で述べています。「私たちは、ディープインテリジェンスの仕組みを理解し始めたばかりです。これらの助成金が、将来人工知能を現実のものにするための貴重な触媒となることを願っています。」
[関連記事: アマゾン、マイクロソフト、フェイスブック、グーグルの次の戦場: 人工知能]
ADIプログラムは2010年に開始され、人工知能（AI）分野の研究者への最初のコミットメントとなります。2014年のAIトピックへの重点は、新たに設立されたアレンAI研究所のビジョンと関連しています。この研究所は、アレン氏が設立し、CEOのオーレン・エツィオーニ氏が率いる数百万ドル規模のプロジェクトであり、この地域のテクノロジー業界、そしてさらに重要なことに、社会全体に大きな影響を与える可能性があります。ワシントン大学の元コンピュータサイエンス教授であり、ベテラン起業家でもあるエツィオーニ氏は、2013年9月に同研究所で働き始めました。
ただし、ADI プログラムは新しい Allen Institute for AI とは異なるものであり、Allen の財団によって全額出資され、運営されています。
受賞者と財団による説明は次のとおりです。
デヴィ・パリク、バージニア工科大学
人間と世界との関わりの大部分は、常識によって導かれています。私たちは、鳥が飛んでいる様子や、蹴ったボールが動く様子など、視覚世界にある物体を理解するために常識を用いています。では、この常識を機械に伝えるにはどうすればよいでしょうか？今日の機械は、画像や動画における詳細な視覚認識を正確に行うことができないため、視覚世界から直接常識を学ぶことができません。このプロジェクトにおいて、パリク氏は抽象的なシーンを活用して機械に常識を教えることで、機械にとって視覚世界を簡素化することを提案しています。
マニーシュ・アグラワラ（カリフォルニア大学）とジェフリー・ヒーア（ワシントン大学）
何百年もの間、人間は視覚化を通してコミュニケーションをとってきました。世界は変化し続けましたが、私たちは複雑な考えを伝え、物語を視覚的に伝え続けています。今日、チャートやグラフは科学論文、教科書、レポート、ニュース記事、ウェブページなど、あらゆる場所で見られるグラフィック形式となっています。人間はチャートやグラフからデータを容易に解釈できますが、機械には同じ能力がありません。アグラワラとヒーアは、これらの視覚化や図を解釈するための計算モデルを開発します。機械がこれらの図をより適切に「読む」ことができれば、有用なデータや関係性を抽出し、より優れた情報アプリケーションを開発できるようになります。
セバスチャン・リーデル、ユニバーシティ・カレッジ・ロンドン
機械には知識を保存し、それを用いて推論する2つの方法があります。1つ目は論理（記号と規則を用いる）、もう1つはベクトル（実数の列）です。論理とベクトルはどちらも利点と限界があります。論理は非常に表現力豊かで、命題を証明するのに適したツールです。一方、ベクトルは非常にスケーラブルです。リーデルは、機械がテキストやその他の情報源から読み取った記号的知識をベクトル形式に変換し、代数演算によって論理の振る舞いを近似するというアプローチを研究します。最終的には、このアプローチによって、機械は高校の理科試験に合格したり、自動的に事実確認を行ったりできるようになるでしょう。
アリ・ファルハディ（ワシントン大学）とハンナネ・ハジシルジ（ワシントン大学）
Farhadi 氏と Hajishirzi 氏のプロジェクトは、学校で子供たちに教えられるのと同じ方法でコンピューターに図表の解釈を教えることを目指しています。教科書や試験問題では、文章では伝えにくい重要な情報を伝えるために図表が使用されているため、図表の理解は子供にとって不可欠なスキルです。子供たちは、学年が上がるにつれて徐々に図表の解釈を学び、知識と推論スキルを広げていきます。コンピューターにとって、図表の解釈は、教科書を自動的に理解し、科学の問題に答えるために不可欠な要素です。このプロジェクトの要となるのは、幼児教育と機械学習の原理を融合させた Spoon Feed Learning フレームワーク (SPEL) です。SPEL は、教科書 (就学前教育から) から図表と関連する現実世界の知識を徐々に学習し、各学年で学習した内容を使用して、次のより複雑な学年で新しい知識を学習および収集します。SPEL は、さまざまな複雑さのレベルにわたって自動視覚識別、テキストの位置合わせ、および推論を組み合わせることを活用しています。
ルーク・ゼトルモイヤー、ワシントン大学
私たち人間が蓄積してきた知識と情報の大部分はテキスト形式です。コンピュータは今のところ、そのデータをどのように行動に移せばよいのか理解できていません。ゼトルモイヤー氏は、生物学や化学といったSTEM分野の科学的知識を抽出するための、新たな意味解析アルゴリズムを構築しています。この知識は、次世代の自動質問応答（QA）システムの設計を支えるものとなるでしょう。IBMのJeopardy向けWatsonシステムをはじめ、既存のQAシステムは非常に成功を収めていますが、それらは概して事実に基づく質問応答に限られています。これに対し、ゼトルモイヤー氏の研究は、長期的には、機械があらゆる教科書を自動的に読み取り、そこに含まれる知識をすべて抽出し、その情報を用いてその分野の大学レベルの試験に合格することを目指しています。
