Dieses Jahrzehnt der Daten hat das neue Experiment der Universität im Bereich der künstlichen Intelligenz vorangetrieben.
Dr. Finn und ihr Team haben ein neuronales Netzwerk aufgebaut, ein mathematisches System, das Fähigkeiten aus riesigen Datenmengen lernen kann. Durch das Aufspüren von Mustern in Tausenden von Katzenfotos kann ein neuronales Netzwerk lernen, eine Katze zu identifizieren. Durch die Analyse Hunderter alter Telefonanrufe kann es lernen, gesprochene Wörter zu erkennen. Oder indem es die Art und Weise untersucht, wie Lehrassistenten Codierungstests auswerten, kann es lernen, diese Tests selbst auszuwerten.
Das Stanford-System verbrachte Stunden damit, Beispiele aus alten Midterms zu analysieren und aus einem Jahrzehnt der Möglichkeiten zu lernen. Dann war es bereit, mehr zu erfahren. Mit nur einer Handvoll zusätzlicher Beispiele aus der neuen Prüfung, die in diesem Frühjahr angeboten wurde, konnte es die gestellte Aufgabe schnell erfassen.
“Es sieht viele Arten von Problemen”, sagte Mike Wu, ein anderer Forscher, der an dem Projekt arbeitete. „Dann kann es sich an Probleme anpassen, die es noch nie zuvor gesehen hat.“
In diesem Frühjahr lieferte das System 16.000 Feedbacks, und die Studenten stimmten dem Feedback in 97,9 Prozent der Fälle zu, so eine Studie der Stanford-Forscher. Zum Vergleich: In 96,7 Prozent der Fälle stimmten die Schüler dem Feedback der menschlichen Lehrer zu.
Herr Pham, ein Ingenieurstudent an der Universität Lund in Schweden, war überrascht, dass die Technologie so gut funktioniert. Obwohl das automatisierte Tool eines seiner Programme nicht auswerten konnte (vermutlich, weil er einen Codeschnipsel geschrieben hatte, der anders ist als alles, was die KI je gesehen hatte), identifizierte es beide spezifische Fehler in seinem Code, einschließlich dessen, was in der Computerprogrammierung und Mathematik als . bekannt ist einen Zaunpfostenfehler und Vorschläge zu deren Behebung. „So gut durchdachtes Feedback bekommt man selten“, sagt Pham.
Die Technologie war effektiv, weil ihre Rolle so scharf definiert war. Beim Ablegen des Tests schrieb Herr Pham Code mit sehr spezifischen Zielen, und es gab nur so viele Möglichkeiten, wie er und andere Studenten schief gehen konnten.
Aber mit den richtigen Daten können neuronale Netze eine Reihe von Aufgaben lernen. Dies ist dieselbe grundlegende Technologie, die Gesichter in den Fotos identifiziert, die Sie auf Facebook posten, die Befehle, die Sie in Ihr iPhone eingeben, und bei Diensten wie Skype und Google Translate von einer Sprache in eine andere übersetzt. Das Stanford-Team und andere Forscher hoffen, dass diese Techniken die Bildung auf viele andere Arten automatisieren können.