Tiga artikel kami sebelumnya memperkenalkan bagaimana Toshiba menerapkan AI di Operasi Yokkaichi, dalam pengenalan gambar LSI, dan komunikasi. Teknologi ini semua berasal di Perusahaan Penilitian dan Pengembangan Toshiba. Osamu Hori, Direktur Pusat, telah terlibat erat dalam penelitian pengenalan gambar sepanjang sebagian besar karirnya, yang saling berkaitan dengan kemajuan AI Toshiba. Kami meminta dia untuk memberitahukan sesuatu dari sejarah – dan masa depan.
Garis depan penelitian AI
-Anda bergabung dengan Toshiba pada tahun 1986 selama apa yang sekarang kita sebut sebagai ledakan kedua AI. Apakah Anda menyadari bahwa bidang penelitian Anda adalah di AI?
Hori: Ya, tentu saja. Kami sudah memiliki istilah “AI”, dan Marvin Minsky, salah satu pendiri AI Lab di Massachusetts Institute of Technology, yang sangat terkenal. Dalam konteks ini bahwa ada minat tinggi dalam bagaimana cara untuk membuat komputer melakukan tugas-tugas berkecerdasan, dan sejak saat saya di universitas, saya, secara pribadi, telah tertarik untuk mendapatkan mesin yang bisa melakukan apa yang bisa orang lakukan.
Pada saat itu, Toshiba sudah memiliki teknologi level teratas untuk pengenalan gambar menggunakan AI, dan itulah yang membuat saya tertarik dengan perusahaan. Proyek pertama saya di Toshiba adalah untuk mengembangkan sebuah sistem untuk mengkonversi diagram gambar tangan dari kabel listrik bawah tanah menjadi data CAD, menggunakan teknologi pengenalan gambar. Kami membutuhkan sistem tersebut untuk mengenali bahwa “ini adalah garis lurus” atau “ini adalah string karakter” dari gambar. Toshiba telah menghasilkan sebuah sistem untuk mengkonversi diagram dari sistem pembangkit listrik data CAD dan kami telah menerima permintaan dari klien kami, sebuah perusahaan listrik, untuk mengembangkan sesuatu yang mirip untuk saluran listrik.
(Marvin Minsky menjadi Profesor Seni Media dan Ilmu Toshiba di MIT pada tahun 1990)
Berdasarkan dari gambar yang dipublikasikan oleh kementerian masalah internal dan komunikasi
(http://www.soumu.go.jp/english/iaoo.html)
Rintangan dari mesin yang memuat pengetahuan secara manual
-Jadi Toshiba sudah memiliki sistem untuk gambar pembangkit listrik. Apakah pemetaan jalur transmisi listrik memerlukan teknik baru?
Hori: Ya. Pekerjaan utama dari ledakan AI kedua adalah tentang menempatkan pengetahuan ke dalam mesin. Sebagai contoh, katakanlah Anda ingin sebuah mesin yang dapat mengenali ayam jantan. Apa yang Anda lakukan adalah Anda membuat aturan seperti: “Ayam Jantan adalah burung dengan jambul, berkokok dan tidak bisa terbang,” dan memasukkan ke dalam memori mesin; dan Anda perlu aturan yang berbeda untuk mendapatkan mesin untuk mengakui bahwa ayam adalah ayam, kucing adalah kucing, dan sebagainya.
Dalam kasus saya, tanda tersebut diidentifikasi dan pemrosesan sinyal ketika gambar sedang dibaca untuk gambar jalur listrik yang berbeda dari itu untuk diagram sistem pembangkit. Kami bisa menggunakan beberapa aspek dari sistem yang ada dalam proyek kami, tapi kebanyakan kami harus membangun lagi.
Mencari terobosan dengan penelitian mesin pembelajar
-Jadi kebutuhan bagi orang untuk menulis aturan untuk mesin untuk mengenali suatu objek menjadi batu sandungan untuk Ledakan AI kedua. Kemudian “musim dingin AI” yang panjang dimulai. Apakah Toshiba melanjutkan penelitian AI-nya?
Hori: Orang-orang berhenti menggunakan kata “AI,” tetapi penelitian terus berlanjut tanpa istirahat, meskipun fokus kepentingan bergeser. Misalnya, dalam teknologi pengenalan gambar, orang-orang yang terlibat jauh dengan visi robot di tahun 1980 pindah ke sistem pengenalan gambar kendaraan yang terpasang. Mereka berkata, “kami menukar sesuatu yang berjalan dengan dua kaki untuk sesuatu dengan kendaraan roda empat. Tapi, sudahlah.” Namun demikian, penelitian sebenarnya membawa Toshiba hadir mendukung teknologi untuk kendaraan tanpa pengemudi.
-Apakah Anda juga menggeser bidang pekerjaan Anda?
Hori: Saya melanjutkan ke video. Sekitar tahun 1995, World Wide Web menyebar di mana-mana, dan kita semua diharapkan untuk melihat lebih banyak data teks, gambar, dan video. Kami meraih sukses yang cukup dalam mengeluarkan target teks dari suatu data masif, jadi saya memutuskan untuk bekerja pada pencarian visual gambar bergerak yang orang bisa lakukan dengan mudah, tapi sulit untuk mesin, dan saya mulai mengembangkan teknologi untuk menemukan wajah dalam gambar, suatu area di mana ada permintaan yang besar.
Masalah utamanya adalah desain aturan seleksi fitur. Ketika Anda mencoba untuk mendapatkan mesin untuk mengenali wajah, Anda harus terlebih dahulu merancang fitur indeks yang mewakili bentuk mata dan telinga. Dari pengalaman, orang tahu apa bentuk mata dan dapat mengenali mereka pada pandangan. Tapi mesin tidak bisa. Berbagai metode untuk aturan seleksi merancang fitur yang diusulkan – bahkan di kedalaman musim dingin AI. Apa yang kami munculkan adalah teknik “fitur pendampingan-peristiwa”.
Ketika kita melihat wajah manusia, kita secara bersamaan dapat melihat ada mata dan telinga. Teknik “fitur pendampingan-peristiwa” meningkatkan jumlah jenis fitur yang bisa dipilih dengan melihat kombinasi seperti fitur yang muncul secara bersamaan, dan dengan menggunakan teknik untuk merekonstruksi fitur yang membedakan wajah, mesin mampu mengenali obyek lebih akurat. CoHOG *, yang digunakan oleh pengenalan gambar otomotif LSI Toshiba untuk mengenali kehadiran pejalan kaki, adalah contoh dari teknik “fitur pendampingan-peristiwa”.
(* CoHOG: Toshiba’s Co-occurrence Histograms of Oriented Gradients technology)
-Hal ini mengejutkan untuk mendengar bahwa ada kemajuan dalam teknologi pengenalan gambar bahkan di musim dingin AI.
Hori: Bahkan kemudian ada banyak yang bisa kami lakukan, seperti penggalian rincian seleksi fitur dari data dengan metode statistik dan menggunakan metode mesin pembelajar statistik dalam mengklasifikasikan obyek dalam proposal untuk teknik “fitur pendampingan-peristiwa”.
Di masa itu penelitian AI menuju dua arah. Salah satunya adalah untuk mengembangkan jaringan saraf AI untuk meniru fungsi saraf otak, tapi itu terhalang oleh keterbatasan dalam kekuatan pemrosesan. Jadi saya memilih jalan lain, statistik mesin pembelajaran, untuk penelitian saya dan mencari lebih banyak cara untuk menempatkan AI untuk penggunaan praktis.
Mendapatkan aturan seleksi fitur secara mandiri dengan pembelajaran dalam
-Jadi saat Anda sedang meneliti mesin pembelajaran statistik, kapan Anda mulai melihat pentingnya pembelajaran dalam? Saya memahami bahwa pembelajaran dalam dikatakan sebagai AI dengan kemampuan untuk mempelajari hal-hal untuk dirinya sendiri.
Hori: Saya menyadari hal itu pada tahun 2013. Pada tahun 2012, University of Toronto memenangkan secara meyakinkan kompetisi pengenalan gambar kelas dunia dengan “Super Vision”, yang menggunakan pembelajaran dalam. Ketika saya mendengar tentang hal ini, saya segera megenali bahwa itu adalah sesuatu yang berbeda, karena dia telah berhasil di mana mesin-mesin pesaing telah sepenuhnya gagal.
Sebenarnya, dengan mesin pembelajaran statistik sebuah mesin dapat membuat klasifikasi otomatis berdasarkan aturan seleksi fitur yang dirancang oleh seseorang, sehingga dalam arti bahwa pembelajaran dalam tidak berbeda dari mesin pembelajaran statistik. Namun, dengan mesin pembelajaran statistik sebuah mesin tidak dapat merancang aturan seleksi fitur sendiri. Misalnya, jika Anda mengatakan kepada mesin seekor kelinci memiliki telinga yang panjang, itu akan mengklasifikasikan objek dengan telinga panjang sebagai “kelinci,” tetapi tidak dapat datang dengan fitur yang membedakan dari telinga panjang dengan sendirinya. Itulah sebabnya kami harus bekerja keras pada teknik pendampingan-peristiwa dan merancang aturan pemilihan fitur dari kita sendiri.
Satu hal mengenai pembelajaran dalam, bagaimanapun, adalah bahwa hal itu memungkinkan mesin untuk merancang aturan seleksi fitur dengan sendirinya. Jika kita masukan sejumlah besar data gambar ke dalam mesin dan mengatakan bahwa mereka adalah gambar kelinci, mesin akan memutuskan dengan sendirinya apa aturan seleksi fitur berlaku untuk mengenali kelinci. Rancangan otonom aturan seleksi fitur ini adalah terobosan dalam menghemat tenaga kerja yang besar.
Mendukung masyarakat dengan menempatkan AI ke dalam infrastruktur
-Sejak kehadiran pembelajaran dalam, apa keuntungan Toshiba di AI?
Hori: Saya percaya bahwa Toshiba memiliki dua keuntungan. Salah satunya adalah peneliti yang berpengalaman dalam apa yang sekarang disebut AI, tetapi dikenal di masa lalu sebagai mesin pembelajaran atau pengenalan pola, bidang tradisional penelitian untuk Toshiba. Sebenarnya, ketika pembelajaran dalam muncul pada tahun 2012, banyak peneliti di Jepang menanggapi dengan dingin, karena pengalaman pahit mereka dengan jaringan saraf selama musim dingin AI. Tapi ada banyak peneliti di Toshiba, apakah mendukung atau tidak, yang tampak dekat pada pembelajaran dalam; jadi kami memiliki basis penelitian AI yang memungkinkan kami untuk menanggapi kemajuan teknologi terdepan.
Keuntungan kami yang lain adalah kami memiliki data besar dan pengetahuan domain spesifik di bidang infrastruktur. Data dalam jumlah besar yang diperlukan bagi pembelajaran dalam untuk memungkinkan mesin untuk belajar aturan seleksi fitur. Toshiba memiliki jumlah data yang besar pada infrastruktur, seperti data produksi di Yokkaichi Operation, yang memproduksi penyimpanan flash. Kami juga memiliki orang-orang terdepan dengan pengetahuan domain spesifik.
Dengan dua kekuatan ini Toshiba bisa, jika ingin, melakukan penelitian AI sepenuhnya sendiri. Saya percaya karena itu proyek di Yokkaichi memberikan hasil yang sangat cepat.
-Masalah apa yang Toshiba coba atasi dengan menggabungkan AI dengan teknologi infrastruktur yang sudah mapan?
Hori: Saya yakin Anda tahu istilah “IOT”. Hal ini umumnya dipandang sebagai gabungan data di Web dan hal-hal, tapi saya pikir masa depan akan lebih tentang penggalian data dari hal-hal. Toshiba dapat memperkenalkan sensor pada sistem infrastruktur, seperti jalan, rel kereta api dan pabrik, dan ekstrak data. Namun, orang tidak dapat menganalisis volume data yang begitu besar secara manual. Jadi kita akan menggunakan AI untuk melakukan analisis untuk mengambil tanda-tanda peringatan dini, sehingga kita dapat melaksanakan perawatan preventif dan mengoptimalkan operasi. Toshiba akan memberikan kontribusi kepada masyarakat dengan membuat sistem infrastruktur yang sangat handal dan mengoptimalkan pengoperasian sistem yang semakin kompleks di mana masyarakat bergantung.
-Bisakah Anda memberitahu saya bagaimana hidup kita akan berubah secara khusus?
Hori: Sebagai salah satu contoh, dengan liberalisasi pasar listrik di Jepang jumlah perusahaan yang bertanggung jawab untuk memasok listrik akan meningkat dan ini menyebabkan pasokan dan permintaan struktur yang kompleks. Dalam rangka untuk membantu mencegah pemadaman listrik yang dihasilkan dari ketidakseimbangan pasokan dan permintaan, kami bisa mendapatkan AI untuk memutuskan secara real time pembangkit listrik mana yang ditempatkan online atau mundur dengan menganalisis data penjualan pada jumlah daya dibeli dan jual, diantara faktor-faktor lain . Hal ini akan mengarah ke generasi efisien listrik.
AI sebagai sarana untuk mempromosikan kesejahteraan
-ada banyak diskusi tentang dampak etika dan sosial dari AI. Bagaimana Anda melihat masa depan AI?
Hori: Saya melihat definisi yang luas dari AI sebagai “mesin yang bertindak dengan cara yang tampaknya cerdas untuk manusia”. Itu sebabnya saya pikir AI dipandang sebagai pengambil alih pekerjaan yang muncul pada pandangan pertama tentang “intelektual”. Sekali lagi, karena pekerjaan termasuk tanggung jawab, ada diskusi tentang siapa yang memikul tanggung jawab jika AI gagal di tempat kerja. Dapat dikatakan bahwa pembangunan AI menghadapi masalah yang banyak. Dan juga, mesin hanya dapat menangani data dari peristiwa masa lalu sehingga sulit bagi AI untuk membuat keputusan dalam situasi atau konsep yang sama sekali baru. Oleh karena itu, saya berpikir bahwa manusia akan terus dibutuhkan untuk membuat keputusan kreatif.
Toshiba dikatakan sebagai perusahaan teknologi. Saya juga melihatnya sebagai sebuah perusahaan yang menghargai teknologi. Saya percaya bahwa teknologi harus mempromosikan kesejahteraan masyarakat dan bahwa AI adalah alat yang ampuh untuk tujuan ini. Saya pikir hal itu hebat bahwa Toshiba terlibat dalam usaha ini.
Link :
