Detta är vad som händer när Donald Trump möter artificiell intelligens

Bradley Hayes, en postdoktorell medarbetare vid MIT som gör robotforskning, vände just Donald "Drumpf" Trump in i en robot. Han programmerade ett återkommande neuralt nätverk - en artificiell intelligens - att studera och efterlikna republikanska-ish-kandidatens tal.

Hayes "dagjobb", säger han, är "forskning inriktad på humanrobotlagring: design av algoritmer som låter robotar arbeta tillsammans med och lära av människor så att människor kan vara säkrare, effektivare och mer effektiva på jobben." @DeepDrumpf är ett "sidoprojekt". Han inspirerade, delvis, från John Olivers "fantastiska skiss". ("Förhoppningsvis ser han detta - förhoppningsvis ser han det här och uppskattar det.")

Omvänd talade med Hayes om denna patriotiska strävan.

Vad inspirerade dig ytterligare att göra @DeepDrumpf?

Det hände från ett lunchtidssamtal med några kollegor från mig som också gör robotforskning och hanterar maskininlärning. Vi pratade om några olika statistiska modelleringstekniker som var faktiskt relevanta för vår forskning.Det visar sig att samma teknik som ligger bakom DeepDrumpf fungerar i många robotdomener, eftersom det är en modelleringsteknik som försöker lära sig strukturen av sekventiell information eller sekventiell data. Naturligt språk är ett bra exempel på sekventiell data, där stämningsstrukturen är ganska konsekvent: det finns regler, och det finns underliggande struktur för alla data som du får.

Inherit 100 miljoner? Och nu bygger jag över hela världen. Och jag är lite cool.

- DeepDrumpf (@DeepDrumpf) 4 mars 2016

En annan forskare i Stanford skrev en kurs om neurala nätverk och framför allt publicerade en artikel med titeln "Den orimliga effekten av återkommande neurala nätverk". Så skrev han upp denna fantastiska introduktion till denna statistiska modelleringsteknik och en massa människor har visat att den har denna orimliga kraft att representera strukturen i denna typ av fritt formulär textdatas skrivning.

Jag såg en artikel som jämförde talkomplexiteten hos de olika politiska frontrunnarna. Artikeln sa hur Trump använder ett mer förenklat språk, och det är en stor hit med hans röstdemografiska och hans fans. Ur ett politiskt perspektiv är det jättebra, för det gör ditt budskap klart och inom grepp om bredast möjliga publik. från en maskinlärande synvinkel betyder det att det här kan vara den mest trakta modellen vi kan göra.

Hade du hört talas om ett kodningsspråk som heter "Make Python Great Again"?

Du vet, jag såg det igår. TrumpPython eller något sånt? Jag såg det. Jag läste en artikel om det, jag gick till deras GitHub-sida, men jag har inte haft någon tid att spela med det ännu. Men det ser bra ut.

Kan vi lära oss något om Trumps språkliga tendenser, eller något sådant, från din A.I.?

Ja, det är möjligt i den meningen att om du tittar på produktionen från modellen, är det en indikation på den struktur som modellen har lärt sig av data. Så de slags repetitionen, de slags saker som kommer ut ur modellen, kommer att berätta - potentiellt - om vissa saker som är inneboende i hans talmönster och hans budskap.

Kansas De sa alla: "Jag behöver inget. De hade ett hemskt land och har den speciella infrastrukturen, vårt land behöver en rik.

- DeepDrumpf (@DeepDrumpf) 4 mars 2016

Du skulle inte nödvändigtvis kunna hämta det från Twitter-kontot, för det mesta eftersom Twitter bara ger dig 140 tecken att arbeta med. Och eftersom det inte finns en hel del data som har gått in i modellen, och delvis också för att utskrifterna är från debatter - där kandidaterna (och speciellt Trump) tenderar att avbryta sig - gör det för dessa diskontinuiteter i produktionen.

Det finns fortfarande lite manuellt arbete som krävs för att i princip prova en textmur från denna modell och sedan gå igenom den och välja ut den bästa angränsande 140-karaktärsnycket och sedan posta det.

Denna verksamhet. Vår president är Obamacare. nu är det här inte vad det är. Tack så mycket. Vi är inte en cheerleader vi är intressanta

- DeepDrumpf (@DeepDrumpf) 4 mars 2016

Så det är inte så mycket hands-off just nu?

Det lär sig effektivt som sannolikhetsfördelning, och du kan prova från det. Vad det betyder är - du har din modell och du kan fråga den om ett brev. Och om du frågar om tillräckligt med bokstäver i rad, kommer det att ge dig saker som liknar engelska. Eller, ännu bättre, liknar några av dem saker som Trump faktiskt kunde ha sagt - för att det var utbildat på honom. Så den allmänna processen jag har följt är: Jag skulle prova, säga 500 eller 1000 tecken från den. Det skulle bara ge mig en vägg med text med 500 eller 1000 tecken, jag antar, ramblings, och sedan, därifrån, väljer jag bara det bästa 140 teckenblocket som är meningsfullt. Eller den bästa meningen som kommer ut ur den som verkar vara relevant.

Till exempel, igår kväll brukade jag använda den till en slags live-tweet debatten. Och så, en av de saker du kan göra med en modell som denna är att du kan pröva det. Så eftersom modellen bara ger dig ett tecken åt gången, har det detta beroende av de tecken som har kommit före det - de bokstäver som det tidigare har skrivit ut. Så det lär sig ord, det är hur det fångar meningsstrukturen och vissa grammatiska element.

Säg att jag börjar min mening med "Romney är" och sedan fråga den för nästa tusen tecken. Vi kallar det priming. Det kommer att ge vilken produkt som helst som helst, men det kommer att ställa in den första delen av sekvensen till att "Romney är …"

Är det som hänvisar till dessa tweets med bracketed fraser?

Helt rätt.

Romney är ett verktyg. Jag vill berätta det här. De är förmodligen det sista vi behöver i en ledare, det kan vi inte göra.

- DeepDrumpf (@DeepDrumpf) 3 mars 2016

En av de saker som jag hoppas göra, när processen är lite renare - och det kommer bara att komma med mer data - är att börja få det att interagera med de andra kandidaterna. Om du tittar på Twitter-kontot följer det med de andra primära kandidaterna. Så småningom kommer det förhoppningsvis att börja reagera på dem och kanske utmana dem. Men det är mer av ett weekendprojekt sånt.

@realDonaldTrump De kommer att betala just nu och gillar, absolut. Jag är riktigt rik. Åh jag vill stödja och få dem.

- DeepDrumpf (@DeepDrumpf) 3 mars 2016

Kan du förklara vad ett återkommande neuralt nätverk är i ett förenklat, ospecialiserat språk?

Visst - vi ska försöka. Ett neuralt nätverk, i allmänhet, tar lite inmatning, då gör det lite matematik i mitten, och det ger dig en utgång. I allmänhet är det bara en klassificerare. Så, med viss inmatning, kommer det att berätta vilken klass som ingången motsvarar. Ett populärt exempel skulle vara - ett grundläggande neuraltät - du ger den en bild av en katt, och du vill att den ska berätta för dig det - om det är som en katt, en hund eller ett flygplan eller en bil - du vill för att säga att "Okej - med hög självförtroende - det här är en katt som du bara gav mig."

Så det är högklassificeringsuppgiften. Detta är ett liknande begrepp, men istället för att vara katt, hund, bil, klasserna är de enskilda bokstäverna i alfabetet och skiljetecken. Så det tar en inmatning, och då gör matematiken till det baserat på vad det har lärt sig - så allt lärandet händer "i mitten," vi kallar det - och det ger dig en klassificering i slutet. Så typ, det här brevet.

Saken som gör det till en återkommande neuraltät är att utmatningen från tidigare steg får mat till nästa steg som en del av modellen. Det faktum att modellen gav mig en "M" kommer att mata in i nästa genomgång av modellen. Så då kan det ge dig en "a" och sedan en "k" och sedan en "e", eftersom det försöker sätta ut "Make America great again", för att det är representerat i uppgifterna mycket.

Är du särskilt stolt över några DeepDrumpf-tweets hittills?

Ja, faktiskt. Jag har ett par som jag inte faktiskt har lagt upp ännu, men -

Exklusiv.

Skrattar Exakt. Av de som publiceras är jag särskilt nöjd med "Jag är vad ISIS inte behöver".

Jag är vad ISIS inte behöver.

- DeepDrumpf (@DeepDrumpf) 3 mars 2016

Låt oss se … Jag gjorde frö det med "Jag är inte rasistisk, men …" och fortsättningen av det var "… tro det", som jag tyckte var ganska utmärkt. Jag skulle spara den för när det blev relevant om det blev relevant.

Inget bra kommer någonsin efter dessa ord.

Skulle du hellre rösta på Donald Trump eller rösta på @DeepDrumpf?

Jag tror att det finns kompromisser med vart och ett av dessa val.