Патенты Google Files AI

Google только что сообщил о том, что он подал как минимум шесть патентов на фундаментальные нейронные сети и искусственный интеллект. Это плохо для академических исследований или для разработки компаний ИИ.

Недавний пост в группе машинного обучения Reddit проливает свет на тот факт, что Google подал как минимум шесть патентов на то, что вы можете считать фундаментальными идеями в использовании нейронных сетей.

Первый — это патент на бросивший учебу, изобретателями которого были названы Джеффри Хинтон и его команда из Университета Торонто Александр Крижевский, Илья Суцкевер и Нитиш Шриваства. Они, безусловно, изобрели отсев, как покажет быстрая проверка академической успеваемости. Отсев — это стандартный метод, используемый почти всеми, кто тренирует нейронную сеть, чтобы избежать переобучения. Процитируем патент:
«Система для обучения нейронной сети. Коммутатор связан с детекторами признаков, по крайней мере, на некоторых уровнях нейронной сети. Для каждого обучающего случая коммутатор случайным образом выборочно отключает каждый из детекторов признаков в соответствии с заранее сконфигурированной вероятностью. Затем веса из каждого обучающего примера нормализуются для применения нейронной сети к тестовым данным «.
По сути, вы усложняете сети заучивание входных данных путем случайного отбрасывания нейронов.
Вторая патентная заявка на нейронную сеть поступила от членов той же группы и утверждает, что патентует идею параллельной сверточной сети. Хотя команда Хинтона может утверждать, что создала улучшенную и простую в использовании реализацию сверточных сетей на основе графического процессора, нет никакого смысла в том, что она изобрела распараллеливание таких сетей.
Третий вариант снова принадлежит команде Хинтона и пытается запатентовать идею модификации обучающих изображений путем искажения их цветового пространства для создания дополнительных обучающих изображений — таким образом увеличивая общий размер обучающего набора.
Четвертый касается использования Q-обучения с нейронной сетью. Мы должны представить себе, что Уоткинс, изобретатель Q-обучения, и Тесауро, первый человек, применивший обучение с подкреплением с нейронными сетями, подумают о патентной заявке.
Пятый, «Классификация объектов данных», смехотворен и в основном претендует на патент на любой метод, выполняющий классификацию. Его очень широкая формулировка, кажется, охватывает все, от самых старых классических методов, таких как линейный дискриминантный анализ, до новейших классификаторов нейронных сетей. Среди его изобретателей — Сами Бенжио и список исследователей Google.
Шестой касается встраивания слов, что опять же является довольно стандартной техникой.
Как говорится на анонимном постере на Redit:
«Я боюсь, что Google только что начал гонку вооружений, которая может нанести значительный ущерб академическим исследованиям в области машинного обучения. Теперь вполне вероятно, что другие компании, использующие машинное обучение, поспешат запатентовать каждую исследовательскую идею, частично разработанную их сотрудниками. Мы все были в ситуации дилеммы узника, и Google просто дезертировал. Теперь исследователи будут защищать свои идеи гораздо более воинственно, учитывая, что теперь патентование этих идей честная игра, а на карту поставлены большие деньги ».
Вы можете сделать из благотворительности предположение, что Google только что запатентовал идеи, чтобы защитить их, то есть не дать другим более злым компаниям запатентовать их и взимать плату за реализацию библиотек машинного обучения с открытым исходным кодом. В качестве прецедента см. Google Frees Up More Patents. Даже если это так, библиотеки с открытым исходным кодом часто очищаются от несвободных подпрограмм, и это значительно усложняет жизнь исследователям.
Google необходимо прояснить позицию, но даже если он это сделает, нет никакого способа убедиться, что он не реализует свои патентные права в более поздний срок. Источником проблемы является вся патентная система США с ее политикой «первым должен подать заявку изобретатель».
Мы должны надеяться, что эти патенты не выдаются, но, судя по прошлым результатам, это кажется маловероятным.