Dette er hvad der sker, når Donald Trump opfylder kunstig intelligens

Bradley Hayes, en postdoktorale medarbejder hos MIT, der gør robotforskning, har lige vendt Donald "Drumpf" Trump ind i en robot. Han programmerede et tilbagevendende neuralt netværk - en kunstig intelligens - at studere og efterligne den republikanske-ish kandidat tal.

Hayes 'dagjob, siger han, er "forskning fokuseret på human robot-teaming: design af algoritmer, der gør robotter i stand til at arbejde sammen med og lære af mennesker, således at mennesker kan være mere sikre, mere effektive og mere effektive i deres job." @DeepDrumpf er et "sideprojekt." Han inspirerede til dels fra John Olivers "fantastiske skitse". ("Forhåbentlig ser han dette - forhåbentlig ser han det her og sætter pris på det.")

Inverse talte med Hayes om dette patriotiske forsøg.

Hvad mere inspirerede dig til at lave @DeepDrumpf?

Det skete fra en frokostkonversation med nogle af mine kollegaer, der også gør robotforskning og beskæftiger sig med maskinindlæring. Vi talte om nogle forskellige statistiske modelleringsteknikker, som faktisk var relevante for vores forskning.Det viser sig, at den samme teknik, der ligger bag DeepDrumpf, virker i mange robotdomeiner, fordi det er en modelleringsteknik, der forsøger at lære strukturen af ​​sekventiel information eller sekventielle data. Naturligt sprog er et godt eksempel på sekventielle data, hvor sætningsstrukturen er ret konsekvent: der er regler, og der er underliggende struktur for alle de data, du får.

Arve 100 millioner? Og nu bygger jeg over hele verden. Og jeg har lidt køligt.

- DeepDrumpf (@DeepDrumpf) 4. marts 2016

En forsker ud fra Stanford skrev et kursus om neurale netværk og offentliggjorde især en artikel med titlen "Den uimodlelle effektivitet af tilbagevendende neurale netværk." Så skrev han op denne fantastiske introduktion til denne statistiske modelleringsteknik og en flok folk har vist, at den har denne urimelige kraft til at repræsentere struktur i denne form for tekstformat i fri form.

Jeg så en artikel, der sammenlignede talkompleksiteten hos de forskellige politiske frontrunnere. Artiklen var at sige, hvordan Trump bruger mere forenklet sprog, og det er et stort hit med hans afstemningsdemografiske og hans fans. Fra et politisk synspunkt er det virkelig godt, fordi det gør din besked klar og i forståelse for det bredest mulige publikum; fra et maskinlæringssynspunkt betyder det, at dette kan være den mest håndterbare model, vi kan lave.

Har du hørt om et kodningssprog kaldet "Make Python Great Again"?

Du ved, jeg så det i går. TrumpPython eller sådan noget? Det så jeg. Jeg læste en artikel om det, jeg gik til deres GitHub side, men jeg har ikke haft tid til at spille med det endnu. Men det ser godt ud.

Kan vi lære noget om Trumps sproglige tendenser, eller noget lignende, fra din A.I.?

Ja, det er muligt i den forstand, at hvis man ser på output fra modellen, er det vejledende for den struktur, som modellen har lært af dataene. Så former for gentagelse, de slags ting, der kommer ud af modellen, vil fortælle dig - potentielt - om visse ting, der er iboende med hans talemønstre og hans budskab.

Kansas De sagde alle: "Jeg har ikke brug for noget. De havde et frygteligt land, og har den særlige infrastruktur, vores land har brug for en rig.

- DeepDrumpf (@DeepDrumpf) 4. marts 2016

Du ville ikke nødvendigvis kunne få det fra Twitter-kontoen selv, for det meste fordi Twitter kun giver dig 140 tegn til at arbejde med. Og fordi der ikke er mange data, der er gået ind i modellen, og også delvis fordi transkripterne er fra debatter - hvor kandidaterne (og især Trump) har tendens til at afbryde sig selv - det giver disse diskontinuiteter i produktionen.

Der er stadig lidt manuel arbejde, der kræves til at prøve en tekstmængde ud fra denne model, og derefter gå igennem den og vælge den bedste sammenhængende 140-tegns nugget, og derefter skrive det.

Dette er forretning. Vores præsident er Obamacare. nu er det ikke det her. Mange tak. Vi er ikke en cheerleader, vi er interessante

- DeepDrumpf (@DeepDrumpf) 4. marts 2016

Så det er ikke så meget hænder på dette tidspunkt?

Det lærer effektivt som sandsynlighedsfordeling, og du kan prøve fra det. Hvad det betyder er - du har din model, og du kan bede om et brev. Og hvis du beder om nok bogstaver i træk, vil det give dig ting, der ligner engelsk. Eller endnu bedre, nogle af dem ligner ting, som Trump måske ville have sagt - fordi det var trænet på ham. Så den generelle proces jeg har fulgt er: Jeg ville prøve, sige 500 eller 1.000 tegn fra den. Det ville bare give mig en tekstmængde med 500 eller 1.000 tegn værd, jeg tror, ​​ramblings, og så vil jeg bare vælge den bedste 140 tegn blok, der giver mening. Eller den bedste sætning, der kommer ud af det, der synes at være relevant.

For eksempel, i går aftes brugte jeg det til en slags live-tweet debatten. Og så er en af ​​de ting, du kan gøre med en model som denne, at du kan prale det. Så fordi modellen kun giver dig et tegn ad gangen, har den denne afhængighed af de tegn, der er kommet før den - de breve, som den tidligere har produceret. Sådan lærer man ord, det er sådan, det fanger sætestruktur og visse grammatikelementer.

Sig jeg begynder min sætning med 'Romney er' og så spørg det om de næste tusind tegn. Vi kalder den priming. Det vil give det output, det vil have, men det sætter den første del af sekvensen til, at 'Romney er …'

Er der referencer til de tweets med bracketed sætninger?

Lige præcis.

Romney er et redskab. Jeg vil fortælle dig det her. De er nok det sidste, vi har brug for i en leder, vi kan ikke gøre det.

- DeepDrumpf (@DeepDrumpf) 3. marts 2016

En af de ting, jeg håber at gøre, når processen er lidt renere - og det kommer bare til at komme med flere data - er at begynde at få det til at interagere med de andre kandidater. Hvis du kigger på Twitter-kontoen, følger den de andre primære kandidater. Til sidst vil det forhåbentlig begynde at reagere på dem og måske udfordre dem. Men det er mere af en weekend-projekt slags ting.

@realDonaldTrump De skal betale lige nu, og ligesom, absolut. Jeg er rigtig rig. Åh jeg vil støtte og få dem.

- DeepDrumpf (@DeepDrumpf) 3. marts 2016

Kan du forklare, hvad et tilbagevendende neuralt netværk er i et simplistisk, uspecialiseret sprog?

Sikker på - vi vil prøve. Et neuralt net tager i almindelighed noget input, så er det noget matematik i midten, og det giver dig en output. Generelt er det bare en klassifikator. Så i betragtning af noget input, vil det fortælle dig, hvilken klasse den input svarer til. Et populært eksempel ville være - et grundlæggende neuralt netværk - du giver det et billede af en kat, og du vil have det at fortælle dig det - hvis det er som en kat, en hund eller et fly eller en bil - du vil have for at sige at "Okay - med stor tillid - det er en kat, du lige gav mig."

Så det er den højtstående klassifikationsopgave. Dette er et lignende begreb, men i stedet for at være kat, hund, bil, klasserne er de enkelte bogstaver i alfabetet og tegnsætning. Så det tager et input, og så gør det matematik til det, baseret på det, det er lært - så hele læringen sker 'i midten', vi kalder det - og det giver dig en klassifikation i slutningen. Så ligesom dette brev.

Den ting der gør det til en tilbagevendende neurale net er, at udgangen fra tidligere trin bliver fodret ind i næste trin som en del af modellen. Den kendsgerning, at modellen gav mig en 'M', vil føle ind i den næste gennemgang af modellen. Så så kan det give dig en 'a' og derefter en 'k' og derefter en 'e', ​​fordi det forsøger at sætte ud 'Make America great igen', fordi det er repræsenteret i dataene meget.

Er du særlig stolt af nogen DeepDrumpf tweets hidtil?

Ja, faktisk. Jeg har et par, som jeg ikke har postet endnu, men -

Eksklusiv.

Griner Præcis. Af dem der er opført, er jeg særlig tilfreds med 'Jeg er, hvad ISIS ikke har brug for.'

Jeg er, hvad ISIS ikke har brug for.

- DeepDrumpf (@DeepDrumpf) 3. marts 2016

Lad os se … Jeg frøede det med 'Jeg er ikke racistisk, men …' og fortsættelsen af ​​det var '… tro det', som jeg syntes var ret fremragende. Jeg skulle gemme den ene for, hvornår det blev relevant, hvis det blev relevant.

Intet godt kommer nogensinde efter disse ord.

Vil du hellere stemme på Donald Trump eller stemme for @DeepDrumpf?

Jeg tror, ​​at der er afveje med hvert af disse valg.