Искусственный интеллект ( AI ) в области уже прошел 80 лет развития. За это время ИИ пережил множество взлетов и падений, методы исследований постоянно менялись, а общественное отношение к нему то было полным любопытства, то беспокойства, то надежд. Оглядываясь на эту историю, мы можем подвести некоторые ценные итоги.
История ИИ восходит к декабрю 1943 года, когда нейрофизиологи МакКаллок и логик Питтс опубликовали статью о идеализированных нейронных сетях. Хотя гипотеза этой статьи позже не прошла эмпирическую проверку, она вдохновила "коннекционизм", который сейчас доминирует в глубоком обучении ИИ.
Первый урок заключается в том, что мы должны быть осторожны, чтобы не смешивать инженерию с наукой и науку с предположениями. Более того, необходимо сопротивляться иллюзии "мы как боги", то есть вере в то, что человечество может создать машины, подобные себе. Эта гордость на протяжении последних 80 лет была катализатором технологических пузырей и периодического восторга по поводу ИИ.
С 1950-х годов предсказания о скором достижении общего ИИ(AGI) появляются одно за другим. Однако, как оказалось, эти прогнозы часто бывают слишком оптимистичными. Второй урок заключается в том, что нам следует осторожно относиться к тем новым вещам, которые кажутся блестящими, так как они могут не представлять собой значительного прогресса по сравнению с предыдущими предположениями о машинном интеллекте.
Третий урок заключается в том, что расстояние от невозможности что-то сделать до плохого выполнения обычно намного короче, чем расстояние от плохого выполнения до хорошего. Мы не должны легко верить в "миф о первом шаге", считая, что как только мы достигнем начального прогресса, идеальный результат будет на горизонте.
С середины 60-х годов XX века экспертные системы были на пике популярности. Однако к началу 90-х эта волна ИИ полностью обрушилась. Четвертый урок заключается в том, что даже после десяти или пятнадцати лет широкого применения и значительных инвестиций первоначальный успех не обязательно приведет к созданию устойчивой "новой отрасли". Пузырь часто лопается.
В ходе развития ИИ символический ИИ на основе правил и статистический коннекционизм постоянно боролись за господство. Лишь в 2012 году глубокое обучение одержало решающую победу. Однако пятый урок говорит нам, что не следует складывать все «яйца» ИИ в одну корзину. Мы должны поощрять разнообразие исследовательских направлений.
Эти уроки важны не только для исследователей и практиков в области ИИ, но также и для инвесторов и принимающих решения. Такие компании, как Nvidia, отлично справляются с возможностями ИИ, но оставаться настороже и диверсифицироваться по-прежнему крайне важно. В следующие 30 лет в области ИИ определенно будут продолжаться как вызовы, так и возможности.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
8 Лайков
Награда
8
5
Поделиться
комментарий
0/400
BloodInStreets
· 18ч назад
Хорошая смерть не лучше, чем плохая жизнь, большие тренды ИИ тоже не избегут трех подъемов и трех падений, ощутите радость сокращения потерь.
Посмотреть ОригиналОтветить0
CommunityJanitor
· 07-30 17:38
Это развитие слишком медленное8
Посмотреть ОригиналОтветить0
RunWithRugs
· 07-30 07:04
Снова создали божество, да?
Посмотреть ОригиналОтветить0
LiquiditySurfer
· 07-30 06:59
Это немного похоже на просмотр свечи рынка, колеблющейся и всегда достигающей новых максимумов.
Посмотреть ОригиналОтветить0
notSatoshi1971
· 07-30 06:38
Через три к года, возможно, мы станем наследниками сознания.
80 лет развития ИИ: пять ключевых выводов, которые помогут вам понять будущие тренды
История и уроки 80-летнего развития ИИ
Искусственный интеллект ( AI ) в области уже прошел 80 лет развития. За это время ИИ пережил множество взлетов и падений, методы исследований постоянно менялись, а общественное отношение к нему то было полным любопытства, то беспокойства, то надежд. Оглядываясь на эту историю, мы можем подвести некоторые ценные итоги.
История ИИ восходит к декабрю 1943 года, когда нейрофизиологи МакКаллок и логик Питтс опубликовали статью о идеализированных нейронных сетях. Хотя гипотеза этой статьи позже не прошла эмпирическую проверку, она вдохновила "коннекционизм", который сейчас доминирует в глубоком обучении ИИ.
Первый урок заключается в том, что мы должны быть осторожны, чтобы не смешивать инженерию с наукой и науку с предположениями. Более того, необходимо сопротивляться иллюзии "мы как боги", то есть вере в то, что человечество может создать машины, подобные себе. Эта гордость на протяжении последних 80 лет была катализатором технологических пузырей и периодического восторга по поводу ИИ.
С 1950-х годов предсказания о скором достижении общего ИИ(AGI) появляются одно за другим. Однако, как оказалось, эти прогнозы часто бывают слишком оптимистичными. Второй урок заключается в том, что нам следует осторожно относиться к тем новым вещам, которые кажутся блестящими, так как они могут не представлять собой значительного прогресса по сравнению с предыдущими предположениями о машинном интеллекте.
Третий урок заключается в том, что расстояние от невозможности что-то сделать до плохого выполнения обычно намного короче, чем расстояние от плохого выполнения до хорошего. Мы не должны легко верить в "миф о первом шаге", считая, что как только мы достигнем начального прогресса, идеальный результат будет на горизонте.
С середины 60-х годов XX века экспертные системы были на пике популярности. Однако к началу 90-х эта волна ИИ полностью обрушилась. Четвертый урок заключается в том, что даже после десяти или пятнадцати лет широкого применения и значительных инвестиций первоначальный успех не обязательно приведет к созданию устойчивой "новой отрасли". Пузырь часто лопается.
В ходе развития ИИ символический ИИ на основе правил и статистический коннекционизм постоянно боролись за господство. Лишь в 2012 году глубокое обучение одержало решающую победу. Однако пятый урок говорит нам, что не следует складывать все «яйца» ИИ в одну корзину. Мы должны поощрять разнообразие исследовательских направлений.
Эти уроки важны не только для исследователей и практиков в области ИИ, но также и для инвесторов и принимающих решения. Такие компании, как Nvidia, отлично справляются с возможностями ИИ, но оставаться настороже и диверсифицироваться по-прежнему крайне важно. В следующие 30 лет в области ИИ определенно будут продолжаться как вызовы, так и возможности.