Патрик М. Пиларски, доктор философии. Председатель AI CIFAR Канады (Amii)

К

Доктор Патрик М. Пиларски — заведующий кафедрой искусственного интеллекта CIFAR Канады, бывший кафедра канадских исследований в области машинного интеллекта для реабилитации и доцент кафедры физической медицины и реабилитации медицинского факультета Университета Альберты.

В 2017 году доктор Пиларски стал соучредителем первого международного исследовательского офиса DeepMind, расположенного в Эдмонтоне, Альберта, где он работал соруководителем офиса и старшим научным сотрудником до 2023 года. Он является научным сотрудником и членом совета директоров Альберты. Институт машинного интеллекта (Amii), соруководитель лаборатории «Бионические конечности для улучшенного естественного контроля» (BLINC), а также главный исследователь Лаборатории обучения с подкреплением и искусственного интеллекта (RLAI) и Сети сенсорно-моторно-адаптивной реабилитации (SMART) в Университет Альберты.

Доктор Пиларски является отмеченным наградами автором или соавтором более 120 рецензируемых статей, старшим членом IEEE и получил поддержку провинциальных, национальных и международных исследовательских грантов.

Мы дали интервью на ежегодной конференции Upper Bound по искусственному интеллекту 2023 года, которая проводится в Эдмонтоне, штат Алабама, и проводится Amii (Институт машинного интеллекта Альберты).

Как вы оказались в AI? Что привлекло вас в отрасли?

Это два отдельных вопроса. Что касается того, что меня привлекает в ИИ, то есть что-то прекрасное в том, как может возникнуть сложность и как из сложности может возникнуть структура. Интеллект — лишь один из удивительных примеров этого, поэтому независимо от того, исходит ли он из биологии или из того, как мы видим, как у машин возникает сложное поведение, я думаю, в этом есть что-то прекрасное. Это всегда увлекало меня в течение очень долгого времени, и мой очень длинный извилистый путь работы в области ИИ, в которой я работаю сейчас, а именно: машины, которые учатся методом проб и ошибок, системы подкрепления, которые взаимодействуют с людьми, пока они оба погружены в воду. в нем поток опыта, поток времени проходил через всевозможные плато. Я изучал, как машины и люди могут взаимодействовать с точки зрения биомехатронных устройств и биотехнологий, таких как протезы и протезы.

Я рассмотрел, как можно использовать ИИ для поддержки медицинской диагностики, как мы можем использовать машинный интеллект, чтобы начать понимать закономерности, которые приводят к болезням, или как различные болезни могут проявляться с точки зрения записей на машине. Но все это часть этого многолетнего стремления по-настоящему понять, как можно получить очень сложное поведение из очень простых основ. И вот что мне действительно нравится, особенно в обучении с подкреплением, так это идея, что машина может встраиваться в поток времени и учиться на собственном опыте демонстрировать очень сложное поведение и улавливать как сложные явления, так и действительно сложные явления в окружающем мире. . Это было движущей силой.

Механика этого заключается в том, что я на самом деле много занимался спортивной медициной и тому подобным еще в старшей школе. Я изучал спортивную медицину и теперь работаю в среде, где наблюдаю, как технологии машинного интеллекта и реабилитации объединяются, чтобы поддерживать людей в их повседневной жизни. Это очень интересное путешествие, такое как побочное увлечение сложными системами и сложностью, а затем очень практичная прагматика того, как мы можем начать думать о том, как можно лучше поддерживать людей и жить той жизнью, которой они хотят жить.

Как спорт изначально привел вас к протезированию?

Что действительно интересно в таких областях, как спортивная медицина, так это изучение человеческого тела и то, как чьи-то уникальные потребности, будь то спорт или что-то еще, на самом деле могут быть поддержаны другими людьми с помощью процедур и процессов. Бионические конечности и технологии протезирования связаны с созданием устройств, строительных систем, строительных технологий, которые помогают людям жить той жизнью, которой они хотят жить. Эти две вещи действительно тесно связаны. На самом деле очень интересно иметь возможность пройти полный круг и воплотить в жизнь некоторые из тех гораздо более ранних интересов, снова совместно руководя лабораторией, где мы изучаем… И особенно системы машинного обучения, которые работают тесно связанным образом, человек, для поддержки которого они предназначены.