Стартап (курс CS183) - Стэнфорд, весна 2012 г.

Питер Тиль: Вот вопрос к Бобу и Palantir. Доминантная парадигма, к которой люди склоняются по умолчанию, либо на 100% человеческая, либо на 100% компьютерная. Люди считают их антагонистичными. Как вы собираетесь убедить ученых или Гугл, которые сосредоточены на отодвигании рамок возможностей компьютеров, что парадигма сотрудничества человека и компьютера, предлагаемая Palantir — лучше?

Боб МакГрю: Простой способ сделать это — говорить о конкретной проблеме. Deep Blue побил Каспарова в 1997. Компьютеры сегодня лучше играют в шахматы, чем мы. Хорошо. Но какая сущность лучше играет в шахматы? Оказывается, это не компьютер. Хорошие игроки в паре с компьютером на самом деле побивают людей и машины, играющих по отдельности. Доказано: шахматный ИИ слаб. Но если симбиоз человека и компьютера лучше в шахматах, то он точно так же может быть использован в других контекстах. Анализ данных — это как раз такой контекст. Поэтому мы пишем программы, помогающие аналитикам делать то, что компьютеры сами не могут делать, и то, что аналитики не могут делать без компьютеров.

Эрик Джонас: И взгляните на Amazon Mechanical Turk. Краудсорсинг интеллектуальных задач в ограниченных рамках — даже простые задачи фильтрации, типа “это спам, а это нет” — указывает на быстро размывающуюся разделительную черту между машинами и человеком.

Боб МакГрю: В этом смысле, Crowdflower — это темный близнец Palantir; они фокусируются на том, как использовать людей для улучшения компьютеров.

Вопрос из аудитории: Какие принципы имеет ввиду Palantir в при создании своего ПО?

Боб МакГрю: Нет какой-то одной ключевой идеи. У нас есть несколько разных вертикалей. По каждой из них мы смотрим, что нужно делать аналитикам. Вместо того, чтобы заменить аналитика, мы спрашиваем, в чем конкретно они не так хороши. Как может ПО поддержать их работу? Как правило, это подразумевает создание ПО, обрабатывающего большие объемы данных, идентифицирующего и запоминающего шаблоны и т.п.

Вопрос из аудитории: Как вы балансируете между обучением ваших систем и наполнением их функционалом? Младенцы хорошо понимают выражения лиц, но ни один младенец не понимает арифметику.

Скотт Браун: Это именно такое отличие, которое мы используем, чтобы решить, какие знания должны быть зашиты в наши алгоритмы, а какие — приобретены ими. Если мы не можем сказать, что какое-то конкретное дополнение правдоподобно для обычного человека, мы не добавляем его.