TED@BCG Milan
Margaret Mitchell: How we can build AI to help humans, not hurt us
Маргарет Митчелл: Как создать ИИ, который будет помогать, а не вредить людям
Filmed:
Readability: 4.6
1,154,210 views
Как учёный-исследователь Google Маргарет Митчелл помогает разрабатывать компьютеры, которые могут сообщать о том, что они видят и понимают. Она рассказывает предостерегающую историю о пробелах, слепых пятнах и предубеждениях, которые мы неосознанно программируем в ИИ, и просит нас подумать над тем, что технология, которую мы создаём сегодня, будет означать для будущего. «Всё, что мы видим сейчас, это лишь один кадр из эволюции искусственного интеллекта», —говорит Митчелл. «Если мы хотим, чтобы ИИ развивался для помощи человеку, значит, мы должны определить цели и стратегии, которые зададут этот путь уже сейчас».
Margaret Mitchell - AI research scientist
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Double-click the English transcript below to play the video.
00:13
I work on helping computers
communicate about the world around us.
communicate about the world around us.
0
1381
4015
Моя работа — помогать компьютерам
делать сообщения об окружающем мире.
делать сообщения об окружающем мире.
00:17
There are a lot of ways to do this,
1
5754
1793
Есть много способов сделать это,
00:19
and I like to focus on helping computers
2
7571
2592
но мне нравится помогать компьютерам
00:22
to talk about what they see
and understand.
and understand.
3
10187
2874
рассказывать о том,
что они видят и понимают.
что они видят и понимают.
00:25
Given a scene like this,
4
13514
1571
Например, на этой картинке
00:27
a modern computer-vision algorithm
5
15109
1905
современный алгоритм
компьютерного видения
компьютерного видения
00:29
can tell you that there's a woman
and there's a dog.
and there's a dog.
6
17038
3095
может распознать,
что это — женщина, а это — собака.
что это — женщина, а это — собака.
00:32
It can tell you that the woman is smiling.
7
20157
2706
Он может сказать, что женщина улыбается.
00:34
It might even be able to tell you
that the dog is incredibly cute.
that the dog is incredibly cute.
8
22887
3873
Он даже способен сказать,
что собака необыкновенно милая.
что собака необыкновенно милая.
00:38
I work on this problem
9
26784
1349
Я работаю над этим,
00:40
thinking about how humans
understand and process the world.
understand and process the world.
10
28157
4212
думая о том, как люди понимают
и обрабатывают данные о мире.
и обрабатывают данные о мире.
00:45
The thoughts, memories and stories
11
33577
2952
Какие мысли, воспоминания и истории
00:48
that a scene like this
might evoke for humans.
might evoke for humans.
12
36553
2818
может пробуждать в людях
такая вот картинка.
такая вот картинка.
00:51
All the interconnections
of related situations.
of related situations.
13
39395
4285
Всё, что связано с подобными ситуациями.
00:55
Maybe you've seen
a dog like this one before,
a dog like this one before,
14
43704
3126
Возможно, вы видели похожую собаку раньше
00:58
or you've spent time
running on a beach like this one,
running on a beach like this one,
15
46854
2969
или проводили время,
так же бегая по пляжу,
так же бегая по пляжу,
01:01
and that further evokes thoughts
and memories of a past vacation,
and memories of a past vacation,
16
49847
4778
и это, в свою очередь, вызывает мысли
и воспоминания о прошедшем отпуске,
и воспоминания о прошедшем отпуске,
01:06
past times to the beach,
17
54649
1920
о времени, проведённом на пляже,
01:08
times spent running around
with other dogs.
with other dogs.
18
56593
2603
или времени, когда вы бегали
где-то с другой собакой.
где-то с другой собакой.
01:11
One of my guiding principles
is that by helping computers to understand
is that by helping computers to understand
19
59688
5207
Один из моих главных принципов —
это помочь компьютерам понять,
это помочь компьютерам понять,
01:16
what it's like to have these experiences,
20
64919
2896
что значит иметь подобный опыт,
01:19
to understand what we share
and believe and feel,
and believe and feel,
21
67839
5176
понять, чем мы делимся,
во что верим и что чувствуем,
во что верим и что чувствуем,
01:26
then we're in a great position
to start evolving computer technology
to start evolving computer technology
22
74094
4310
потому что тогда мы будем готовы
начать вовлекать компьютерные технологии
начать вовлекать компьютерные технологии
01:30
in a way that's complementary
with our own experiences.
with our own experiences.
23
78428
4587
в процессы, дополняющие
наш собственный опыт.
наш собственный опыт.
01:35
So, digging more deeply into this,
24
83539
3387
Если копнуть глубже,
01:38
a few years ago I began working on helping
computers to generate human-like stories
computers to generate human-like stories
25
86950
5905
несколько лет назад я начала помогать
компьютерам писать рассказы
компьютерам писать рассказы
01:44
from sequences of images.
26
92879
1666
на основе цепочки изображений.
01:47
So, one day,
27
95427
1904
И однажды
01:49
I was working with my computer to ask it
what it thought about a trip to Australia.
what it thought about a trip to Australia.
28
97355
4622
в ходе работы я спросила компьютер,
что он думает о поездке в Австралию.
что он думает о поездке в Австралию.
01:54
It took a look at the pictures,
and it saw a koala.
and it saw a koala.
29
102768
2920
Он взглянул на картинки и увидел коалу.
01:58
It didn't know what the koala was,
30
106236
1643
Он не знал, что такое коала,
01:59
but it said it thought
it was an interesting-looking creature.
it was an interesting-looking creature.
31
107903
2999
но сказал, что считает её
любопытным созданием.
любопытным созданием.
02:04
Then I shared with it a sequence of images
about a house burning down.
about a house burning down.
32
112053
4004
Затем я поделилась с ним цепочкой
изображений о горящих домах.
изображений о горящих домах.
02:09
It took a look at the images and it said,
33
117704
3285
Он посмотрел на картинки и сказал:
02:13
"This is an amazing view!
This is spectacular!"
This is spectacular!"
34
121013
3500
«Удивительный вид! Потрясающе!»
02:17
It sent chills down my spine.
35
125450
2095
У меня по спине побежали мурашки.
02:20
It saw a horrible, life-changing
and life-destroying event
and life-destroying event
36
128983
4572
Он смотрел на ужасное,
разрушающее жизни событие
разрушающее жизни событие
02:25
and thought it was something positive.
37
133579
2382
и думал, что это нечто положительное.
02:27
I realized that it recognized
the contrast,
the contrast,
38
135985
3441
Я поняла, что он распознал контрасты,
02:31
the reds, the yellows,
39
139450
2699
оттенки красного и жёлтого
02:34
and thought it was something
worth remarking on positively.
worth remarking on positively.
40
142173
3078
и подумал, что это заслуживает
позитивной оценки.
позитивной оценки.
02:37
And part of why it was doing this
41
145928
1615
Отчасти он сделал это,
02:39
was because most
of the images I had given it
of the images I had given it
42
147577
2945
потому что большинство изображений,
которые я давала ему,
которые я давала ему,
02:42
were positive images.
43
150546
1840
были позитивными.
02:44
That's because people
tend to share positive images
tend to share positive images
44
152903
3658
Потому что люди склонны делиться
позитивными изображениями,
позитивными изображениями,
02:48
when they talk about their experiences.
45
156585
2190
когда рассказывают о своём опыте.
02:51
When was the last time
you saw a selfie at a funeral?
you saw a selfie at a funeral?
46
159267
2541
Когда вы в последний раз
видели селфи на похоронах?
видели селфи на похоронах?
02:55
I realized that,
as I worked on improving AI
as I worked on improving AI
47
163434
3095
Я осознала, что, совершенствуя
искусственный интеллект,
искусственный интеллект,
02:58
task by task, dataset by dataset,
48
166553
3714
задачу за задачей,
массив данных за массивом,
массив данных за массивом,
03:02
that I was creating massive gaps,
49
170291
2897
я создала огромные бреши,
03:05
holes and blind spots
in what it could understand.
in what it could understand.
50
173212
3999
дыры и слепые пятна в том,
что он мог понимать.
что он мог понимать.
03:10
And while doing so,
51
178307
1334
И делая это,
03:11
I was encoding all kinds of biases.
52
179665
2483
я закодировала все
возможные виды предубеждений.
возможные виды предубеждений.
03:15
Biases that reflect a limited viewpoint,
53
183029
3318
Предубеждений, отражающих
ограниченное видение,
ограниченное видение,
03:18
limited to a single dataset --
54
186371
2261
ограниченное единым набором данных.
03:21
biases that can reflect
human biases found in the data,
human biases found in the data,
55
189283
3858
Пробелы, которые отражают человеческие
предубеждения, закодированные в данных,
предубеждения, закодированные в данных,
03:25
such as prejudice and stereotyping.
56
193165
3104
такие как предвзятость и стереотипы.
03:29
I thought back to the evolution
of the technology
of the technology
57
197554
3057
Я подумала об эволюции технологий,
03:32
that brought me to where I was that day --
58
200635
2502
которая привела меня к тому,
где я оказалась тогда, —
где я оказалась тогда, —
03:35
how the first color images
59
203966
2233
как первые цветные фотографии
03:38
were calibrated against
a white woman's skin,
a white woman's skin,
60
206223
3048
были откалиброваны по коже белых женщин,
03:41
meaning that color photography
was biased against black faces.
was biased against black faces.
61
209665
4145
а значит, цветные фотографии были
не приспособлены к тёмным лицам.
не приспособлены к тёмным лицам.
03:46
And that same bias, that same blind spot
62
214514
2925
И это же предубеждение,
это же слепое пятно
это же слепое пятно
03:49
continued well into the '90s.
63
217463
1867
продолжалось и в 90-е.
03:51
And the same blind spot
continues even today
continues even today
64
219701
3154
И это же слепое пятно
мы имеем и сегодня
мы имеем и сегодня
03:54
in how well we can recognize
different people's faces
different people's faces
65
222879
3698
в том, насколько хорошо мы можем
узнавать разнообразные человеческие лица
узнавать разнообразные человеческие лица
03:58
in facial recognition technology.
66
226601
2200
в технологии распознавания лиц.
04:01
I though about the state of the art
in research today,
in research today,
67
229323
3143
Я думала о новейших исследованиях,
04:04
where we tend to limit our thinking
to one dataset and one problem.
to one dataset and one problem.
68
232490
4514
где мы склонны ограничивать свое мышление
одним набором данных и одной проблемой.
одним набором данных и одной проблемой.
04:09
And that in doing so, we were creating
more blind spots and biases
more blind spots and biases
69
237688
4881
И делая это, мы создавали всё больше
слепых пятен и предубеждений,
слепых пятен и предубеждений,
04:14
that the AI could further amplify.
70
242593
2277
которые ИИ смог развить дальше.
04:17
I realized then
that we had to think deeply
that we had to think deeply
71
245712
2079
Я поняла, что нужно больше думать о том,
04:19
about how the technology we work on today
looks in five years, in 10 years.
looks in five years, in 10 years.
72
247815
5519
как технологии, с которыми мы работаем
сегодня, будут выглядеть через 5 и 10 лет.
сегодня, будут выглядеть через 5 и 10 лет.
Человечество эволюционирует медленно,
со временем исправляя проблемы
со временем исправляя проблемы
04:25
Humans evolve slowly,
with time to correct for issues
with time to correct for issues
73
253990
3142
04:29
in the interaction of humans
and their environment.
and their environment.
74
257156
3534
во взаимодействии людей
и окружающей среды.
и окружающей среды.
04:33
In contrast, artificial intelligence
is evolving at an incredibly fast rate.
is evolving at an incredibly fast rate.
75
261276
5429
Искусственный интеллект, напротив,
эволюционирует с невероятной скоростью.
эволюционирует с невероятной скоростью.
04:39
And that means that it really matters
76
267013
1773
И значит, действительно важно
04:40
that we think about this
carefully right now --
carefully right now --
77
268810
2317
внимательно подумать прямо сейчас,
04:44
that we reflect on our own blind spots,
78
272180
3008
что мы прячем в своих слепых пятнах,
04:47
our own biases,
79
275212
2317
в своих предубеждениях,
04:49
and think about how that's informing
the technology we're creating
the technology we're creating
80
277553
3857
как это отражается на технологиях,
которые мы создаём,
которые мы создаём,
04:53
and discuss what the technology of today
will mean for tomorrow.
will mean for tomorrow.
81
281434
3902
и обсудить, что технологии настоящего
будут значить для будущего.
будут значить для будущего.
04:58
CEOs and scientists have weighed in
on what they think
on what they think
82
286593
3191
Топ-менеджеры и учёные
всего мира говорят о том,
всего мира говорят о том,
05:01
the artificial intelligence technology
of the future will be.
of the future will be.
83
289808
3325
каким по их мнению будет
искусственный интеллект в будущем.
искусственный интеллект в будущем.
05:05
Stephen Hawking warns that
84
293157
1618
Стивен Хокинг предостерегает:
05:06
"Artificial intelligence
could end mankind."
could end mankind."
85
294799
3007
«ИИ может положить конец человечеству».
05:10
Elon Musk warns
that it's an existential risk
that it's an existential risk
86
298307
2683
Илон Маск предупреждает,
что это один из величайших
что это один из величайших
05:13
and one of the greatest risks
that we face as a civilization.
that we face as a civilization.
87
301014
3574
экзистенциальных рисков, с которым
когда-либо сталкивалась наша цивилизация.
когда-либо сталкивалась наша цивилизация.
05:17
Bill Gates has made the point,
88
305665
1452
Билл Гейтс недоумевает:
05:19
"I don't understand
why people aren't more concerned."
why people aren't more concerned."
89
307141
3185
«Я не понимаю, почему
люди не обеспокоены».
люди не обеспокоены».
05:23
But these views --
90
311412
1318
Но эти мнения —
05:25
they're part of the story.
91
313618
1734
это только часть истории.
05:28
The math, the models,
92
316079
2420
Математика, модели,
05:30
the basic building blocks
of artificial intelligence
of artificial intelligence
93
318523
3070
основополагающие кирпичики
искусственного интеллекта —
искусственного интеллекта —
05:33
are something that we call access
and all work with.
and all work with.
94
321617
3135
это то, что мы зовём доступом
и с чем работаем.
и с чем работаем.
05:36
We have open-source tools
for machine learning and intelligence
for machine learning and intelligence
95
324776
3785
У нас есть инструменты с открытым кодом
для машинного обучения и интеллекта,
для машинного обучения и интеллекта,
05:40
that we can contribute to.
96
328585
1734
которыми мы готовы делиться.
05:42
And beyond that,
we can share our experience.
we can share our experience.
97
330919
3340
И кроме того, мы можем
делиться своим опытом.
делиться своим опытом.
05:46
We can share our experiences
with technology and how it concerns us
with technology and how it concerns us
98
334760
3468
Делиться своими знаниями
о технологиях, и как это нас беспокоит,
о технологиях, и как это нас беспокоит,
05:50
and how it excites us.
99
338252
1467
и как это нас волнует.
05:52
We can discuss what we love.
100
340251
1867
Мы можем обсуждать, что мы любим.
05:55
We can communicate with foresight
101
343244
2031
Мы можем общаться, предугадывая,
05:57
about the aspects of technology
that could be more beneficial
that could be more beneficial
102
345299
4857
какие аспекты технологий могут стать
со временем самыми полезными,
со временем самыми полезными,
06:02
or could be more problematic over time.
103
350180
2600
а какие — наиболее сомнительными.
06:05
If we all focus on opening up
the discussion on AI
the discussion on AI
104
353799
4143
Если мы все сосредоточимся
на открытом диалоге об ИИ
на открытом диалоге об ИИ
06:09
with foresight towards the future,
105
357966
1809
в перспективе будущего,
06:13
this will help create a general
conversation and awareness
conversation and awareness
106
361093
4270
это поможет создать атмосферу
общей осведомлённости
общей осведомлённости
06:17
about what AI is now,
107
365387
2513
о том, что ИИ представляет собой сейчас,
06:21
what it can become
108
369212
2001
чем может стать
06:23
and all the things that we need to do
109
371237
1785
и обо всём, что мы должны сделать,
06:25
in order to enable that outcome
that best suits us.
that best suits us.
110
373046
3753
чтобы результат лучше всего нам подходил.
06:29
We already see and know this
in the technology that we use today.
in the technology that we use today.
111
377490
3674
Мы уже видим и знаем всё это
о технологиях, используемых сегодня.
о технологиях, используемых сегодня.
06:33
We use smart phones
and digital assistants and Roombas.
and digital assistants and Roombas.
112
381767
3880
Мы используем смартфоны,
электронные помощники, роботы-пылесосы.
электронные помощники, роботы-пылесосы.
06:38
Are they evil?
113
386457
1150
Разве они — зло?
06:40
Maybe sometimes.
114
388268
1547
Может быть, иногда.
06:42
Are they beneficial?
115
390664
1333
Они полезны?
06:45
Yes, they're that, too.
116
393005
1533
Безусловно.
06:48
And they're not all the same.
117
396236
1761
И все они разные.
06:50
And there you already see
a light shining on what the future holds.
a light shining on what the future holds.
118
398489
3540
И в них вы уже видите луч света,
освещающий наше будущее.
освещающий наше будущее.
06:54
The future continues on
from what we build and create right now.
from what we build and create right now.
119
402942
3619
Будущее начинается в том, что
мы создаём и строим прямо сейчас.
мы создаём и строим прямо сейчас.
06:59
We set into motion that domino effect
120
407165
2642
Мы запускаем тот эффект домино,
07:01
that carves out AI's evolutionary path.
121
409831
2600
который определит путь развития ИИ.
07:05
In our time right now,
we shape the AI of tomorrow.
we shape the AI of tomorrow.
122
413173
2871
В нашем настоящем мы
задаем форму ИИ будущего.
задаем форму ИИ будущего.
07:08
Technology that immerses us
in augmented realities
in augmented realities
123
416566
3699
Технологии, которые погружают
нас в дополненные реальности,
нас в дополненные реальности,
07:12
bringing to life past worlds.
124
420289
2566
возвращают к жизни прошлые миры.
07:15
Technology that helps people
to share their experiences
to share their experiences
125
423844
4312
Технологии, которые помогают
людям делиться опытом,
людям делиться опытом,
07:20
when they have difficulty communicating.
126
428180
2262
когда они испытывают
трудности в общении.
трудности в общении.
07:23
Technology built on understanding
the streaming visual worlds
the streaming visual worlds
127
431323
4532
Технологии, основанные на понимании
потоковых визуальных миров,
потоковых визуальных миров,
07:27
used as technology for self-driving cars.
128
435879
3079
используются для самоуправляемых машин.
07:32
Technology built on understanding images
and generating language,
and generating language,
129
440490
3413
Технологии, основанные на понимании
изображений и искусственных языков,
изображений и искусственных языков,
07:35
evolving into technology that helps people
who are visually impaired
who are visually impaired
130
443927
4063
превращаются в технологии, которые
помогают слабовидящим людям
помогают слабовидящим людям
07:40
be better able to access the visual world.
131
448014
2800
получать доступ к визуальному миру.
07:42
And we also see how technology
can lead to problems.
can lead to problems.
132
450838
3261
Но мы также видим, как технологии
могут привести к проблемам.
могут привести к проблемам.
07:46
We have technology today
133
454885
1428
Сегодня у нас есть технологии,
07:48
that analyzes physical
characteristics we're born with --
characteristics we're born with --
134
456337
3835
которые анализируют наши
врождённые физические характеристики —
врождённые физические характеристики —
07:52
such as the color of our skin
or the look of our face --
or the look of our face --
135
460196
3272
такие как цвет кожи или черты лица —
07:55
in order to determine whether or not
we might be criminals or terrorists.
we might be criminals or terrorists.
136
463492
3804
чтобы определить, можем ли мы
быть преступниками или террористами.
быть преступниками или террористами.
07:59
We have technology
that crunches through our data,
that crunches through our data,
137
467688
2905
У нас есть технологии,
анализирующие данные о нас,
анализирующие данные о нас,
08:02
even data relating
to our gender or our race,
to our gender or our race,
138
470617
2896
даже такие данные как пол или раса,
08:05
in order to determine whether or not
we might get a loan.
we might get a loan.
139
473537
2865
чтобы определить, можем
ли мы получить кредит.
ли мы получить кредит.
08:09
All that we see now
140
477494
1579
Всё, что мы видим сейчас,
08:11
is a snapshot in the evolution
of artificial intelligence.
of artificial intelligence.
141
479097
3617
это лишь один кадр из эволюции
искусственного интеллекта.
искусственного интеллекта.
08:15
Because where we are right now,
142
483763
1778
Потому что то, где мы сейчас, —
08:17
is within a moment of that evolution.
143
485565
2238
это всего лишь момент этой эволюции.
08:20
That means that what we do now
will affect what happens down the line
will affect what happens down the line
144
488690
3802
Это означает, что всё, что мы
делаем сегодня, окажет влияние
делаем сегодня, окажет влияние
08:24
and in the future.
145
492516
1200
на наше будущее.
08:26
If we want AI to evolve
in a way that helps humans,
in a way that helps humans,
146
494063
3951
Если мы хотим, чтобы ИИ развивался
для помощи человеку,
для помощи человеку,
08:30
then we need to define
the goals and strategies
the goals and strategies
147
498038
2801
значит, мы должны
определить цели и стратегии,
определить цели и стратегии,
08:32
that enable that path now.
148
500863
1733
которые зададут этот путь сейчас.
08:35
What I'd like to see is something
that fits well with humans,
that fits well with humans,
149
503680
3738
Я бы хотела видеть что-то,
что хорошо подходит людям,
что хорошо подходит людям,
08:39
with our culture and with the environment.
150
507442
2800
соотносится с нашей
культурой и окружением.
культурой и окружением.
08:43
Technology that aids and assists
those of us with neurological conditions
those of us with neurological conditions
151
511435
4484
Технологии, которые помогают тем из нас,
кто страдает неврологическими
кто страдает неврологическими
08:47
or other disabilities
152
515943
1721
или другими заболеваниями,
08:49
in order to make life
equally challenging for everyone.
equally challenging for everyone.
153
517688
3216
чтобы сделать жизнь
одинаково трудной для всех.
одинаково трудной для всех.
08:54
Technology that works
154
522097
1421
Технологии, работающие
08:55
regardless of your demographics
or the color of your skin.
or the color of your skin.
155
523542
3933
независимо от вашего цвета кожи
или демографических характеристик.
или демографических характеристик.
09:00
And so today, what I focus on
is the technology for tomorrow
is the technology for tomorrow
156
528383
4742
Сегодня я сосредоточена на технологиях,
которые будут с нами завтра
которые будут с нами завтра
09:05
and for 10 years from now.
157
533149
1733
и через 10 лет.
09:08
AI can turn out in many different ways.
158
536530
2634
ИИ может стать чем угодно.
09:11
But in this case,
159
539688
1225
Но в данном случае
09:12
it isn't a self-driving car
without any destination.
without any destination.
160
540937
3328
это не самоуправляемая машина
без конечного пункта назначения.
без конечного пункта назначения.
09:16
This is the car that we are driving.
161
544884
2400
Этой машиной управляем мы.
09:19
We choose when to speed up
and when to slow down.
and when to slow down.
162
547953
3595
Мы выбираем, когда следует
ускориться, а когда замедлиться.
ускориться, а когда замедлиться.
09:23
We choose if we need to make a turn.
163
551572
2400
Мы выбираем, когда нам нужно повернуть.
09:26
We choose what the AI
of the future will be.
of the future will be.
164
554868
3000
Мы выбираем, каким будет ИИ будущего.
09:31
There's a vast playing field
165
559186
1337
Есть бесчисленное множество
09:32
of all the things that artificial
intelligence can become.
intelligence can become.
166
560547
2965
вещей, которыми может стать
искусственный интеллект.
искусственный интеллект.
09:36
It will become many things.
167
564064
1800
И он станет множеством вещей.
09:39
And it's up to us now,
168
567694
1732
И наша задача сегодня —
09:41
in order to figure out
what we need to put in place
what we need to put in place
169
569450
3061
выяснить, что именно
мы должны вложить в ИИ,
мы должны вложить в ИИ,
09:44
to make sure the outcomes
of artificial intelligence
of artificial intelligence
170
572535
3807
чтобы полученные результаты
09:48
are the ones that will be
better for all of us.
better for all of us.
171
576366
3066
стали самыми лучшими для всех нас.
09:51
Thank you.
172
579456
1150
Спасибо.
09:52
(Applause)
173
580630
2187
(Аплодисменты)
ABOUT THE SPEAKER
Margaret Mitchell - AI research scientistMargaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence.
Why you should listen
Margaret Mitchell's research involves vision-language and grounded language generation, focusing on how to evolve artificial intelligence towards positive goals. Her work combines computer vision, natural language processing, social media as well as many statistical methods and insights from cognitive science. Before Google, Mitchell was a founding member of Microsoft Research's "Cognition" group, focused on advancing artificial intelligence, and a researcher in Microsoft Research's Natural Language Processing group.
Margaret Mitchell | Speaker | TED.com