https://bodybydarwin.com
Slider Image

Toinen AI-talvi saattaa tuoda pimeässä vaiheessa tekoälyyn

2022

Itse ajavat autot. Nopeammat MRI-skannaukset, robottiradologien tulkitsemana. Mielenluku ja röntgenkuva. Keinotekoinen äly lupaa muuttaa maailmaa pysyvästi. (Tietyllä tavalla se jo on. Kysy vain tältä AI-aikataulun avustajalta.)

Keinotekoisella älykkyydellä voi olla monia muotoja. Mutta se määritellään karkeasti tietokonejärjestelmäksi, joka pystyy vastaamaan ihmisen tehtäviin, kuten aistien havaitsemiseen ja päätöksentekoon. AI: sta on jo varhaisimmista ajoista lähtien kärsinyt äärimmäisen hype-syklin ja sitä seuraavan romahduksen syyt. Vaikka viimeaikainen teknologinen kehitys voi lopulta lopettaa tämän puomin ja rintakuvion, nimeltään poskevasti ”AI-talveksi”, jotkut tutkijat ovat vakuuttuneita siitä, että talvi on jälleen tulemassa.

Ihmiset ovat pohtineet tekoälyn potentiaalia tuhansien vuosien ajan. Muinaiset kreikkalaiset uskoivat esimerkiksi, että Talos-niminen pronssiautomaatti suojasi Kreetan saarta merenkulkijoita vastaan. Mutta AI siirtyi myyttisestä valtakunnasta todelliseen maailmaan vasta viimeisen puolen vuosisadan aikana, aluksi legendaarisen tietotekniikan alan tutkijan Alan Turingin perustavanlaatuisesta esseestä, jonka vuonna 1950 kysyttiin ja joka tarjosi puitteet vastaamaan provosoivaan kysymykseen, voivatko koneet ajatella? "

Tuolloin Yhdysvallat oli kylmän sodan keskellä. Kongressin edustajat päättivät investoida voimakkaasti tekoälyyn osana suurempaa turvallisuusstrategiaa. Erityinen painotus noina aikoina oli käännöksessä, erityisesti venäjästä englanniksi ja englannista venäjäksi. Vuosit 1954–1966 olivat laskennallisen kielitieteilijän W. John Hutchinsin konekääntämishistorian mukaan optimismin vuosikymmen, koska monet tunnetut tutkijat uskoivat läpimurtojen olevan välitöntä ja syvätaskuiset sponsorit tulvivat kentälle apurahoilla.

Mutta läpimurtot eivät tulleet niin nopeasti kuin luvattiin. Vuonna 1966 seitsemän automaattisen kielenkäsittelyn neuvoa-antavan komitean tutkijaa julkaisi hallituksen määräämän raportin, jonka mukaan konekääntäminen oli hitaampaa, kalliimpaa ja vähemmän tarkkaa kuin ihmisen käännös. Rahoitus peruutettiin äkillisesti ja, Hutchins kirjoitti, konekäännös tuli virtuaaliseksi loppuun jo yli vuosikymmenen ajan. Asiat vain pahenivat sieltä. Vuonna 1969 kongressi valtuutti, että Defense Advanced Research Projects Agency eli DARPA rahoittaa vain tutkimusta, jolla on suora vaikutus sotilaalliseen ponnisteluun, panostamalla lukuisia tutkimus- ja perustutkimushankkeita, mukaan lukien AI-tutkimus, jota aiemmin rahoitti DARPA.

"AI-talven aikana AI-tutkimusohjelman oli piilotettava itsensä eri nimillä voidakseen jatkaa rahoituksen saamista Washingtonin yliopiston tietojenkäsittelyhistorian mukaan." "Tietojenkäsittely" ja "paperioppien koneoppiminen" olivat eufemioita, jotka 1970-luvun lopulla keinotekoisen älykkyyden elpyminen tapahtui lievästi, ja Lisp-kone oli tehokas, erikoistunut ja kallis työasema, joka monien mielestä oli AI-laitteiston tulevaisuus. Mutta toiveet romahtivat 1980-luvun lopulla: pöytätietokoneiden nousu ja toistuva skeptisyys valtion rahoituslähteissä AI: n mahdollisuuksista. Toinen kylmäkuva kesti 1990-luvun puoliväliin, ja tutkijat ovat siitä lähtien poimineet jäätä.

Kaksi viimeistä vuosikymmentä ovat olleet lähes vertaansa vailla olevan optimismin tekoälyn suhteen. Laitteistot, nimittäin suuritehoiset mikroprosessorit, ja uudet tekniikat, erityisesti syvän oppimisen alaisuudessa, ovat viime kädessä luoneet tekoälyn, joka hämmentää sekä kuluttajia että rahoittajia. Neuraaliverkko voi oppia tehtäviä, kun se on huolellisesti koulutettu olemassa olevista esimerkeistä. Nyt klassisen esimerkin käyttämiseksi voit syöttää neuroverkkoa tuhansia kuvia, joista toissa on merkintä "kissa", toisissa merkintä "ei kissaa ja kouluttaa kone tunnistaa" kissat "ja" ei kissat "kuvissa yksinään. oppimisstrategiat tukevat myös kehittyvää tekniikkaa bioinformatiikassa ja farmakologiassa, luonnollisen kielen käsittelyä Alexa- tai Google Home -laitteissa ja jopa mekaanisia silmämunia, joita itse ajavat autot käyttävät näkemiseen.

Mutta juuri ne itse ajavat autot saavat tutkijat hikoilemaan uuden AI-talven mahdollisuuden. Vuonna 2015 Teslan perustaja Elon Musk kertoi, että täysin itsenäinen auto osuu teille vuonna 2018. (Hänellä on vielä teknisesti vielä neljä kuukautta.) General Motors vetoaa vuodelle 2019. Ja Ford sanoo solkivan vuoden 2021 ajaksi. Nämä ennusteet näyttävät kuitenkin yhä vääristyneiltä. . Ja koska ne julkistettiin, niillä voi olla vakavia seurauksia kentälle. Yhdistä hype Arizonan jalankulkijan äskettäiseen kuolemaan, jonka Uber tappoi maaliskuussa ohjaimattomassa tilassa, ja asiat näyttävät yhä pakkaselta sovellettavan AI: n suhteen.

Tulevan talven pelot ovat tuskin ihon syviä. AI-tutkijan Filip Piekniewskin kaltaisten kriitikkojen mukaan syvä oppiminen on hidastunut viime vuosina. "Katoava kaltevuusongelma on kutistunut, mutta estää silti joidenkin hermoverkkojen oppimisen tietyn pisteen ohi, himoittaen ihmisten kouluttajia kaikista ponnisteluistaan ​​huolimatta. Ja keinoälyn taistelu" yleistymisen kanssa jatkuu: Koti, joka on koulutettu kotikissan valokuvien avulla, voi tunnistaa enemmän talon kissoja, mutta se ei voi ekstrapoloida tätä tietoa esimerkiksi rypistävälle leijonalle.

Nämä hikat ovat perustavanlaatuinen ongelma itsenäisille ajoneuvoille. "Jos ampumme 2020-luvun alkupuolelle, jotta voimme olla kohdassa, jossa voisit käynnistää itsenäisen ajamisen, sinun pitäisi nähdä tällä hetkellä joka vuosi yli 60 prosenttia alennus [turvallisuusajoneuvojen interventioissa] joka vuosi vähentääksesi 99, 9999 prosentin turvallisuutta, sanoi Carnegie Mellon -yliopiston tietotekniikan dekaani Andrew Moore äskettäisessä Recode Decode- podcastin jaksossa. "En usko, että asiat etenevät missään lähellä niin nopeasti." Vaikka joitain vuosia voi vähentää ihmisten tarvetta 20 prosentilla, muina vuosina se on yksinumeroinen, mikä saattaa johtaa saapumispäivämäärän taaksepäin vuosikymmeniin.

AI-talvet ovat vaikea ennustaa varsin kausivaihtelujen tavoin. Lisäksi kunkin tapahtuman intensiteetti voi vaihdella suuresti. Jännitys on välttämätöntä kehittyvien tekniikoiden tunkeutumiseen, mutta on selvää, että ainoa tapa estää lumimyrsky on laskettu hiljaisuus - ja paljon kovaa työtä. Kuten Facebookin entinen AI-johtaja Yann LeCun kertoi IEEE Spectrumille, AI on käynyt läpi useita AI-talvia, koska ihmiset väittivät asioita, joita he eivät voineet toimittaa. "

Kuinka tehdä yksinkertaisia ​​aterioita hotellihuoneeseesi

Kuinka tehdä yksinkertaisia ​​aterioita hotellihuoneeseesi

42 prosenttia hinnasta Withingsin älykello ja muut hyvät tarjoukset

42 prosenttia hinnasta Withingsin älykello ja muut hyvät tarjoukset

Kengänpohjan tekeminen, jonka paksuus on alle millimetri, vie enemmän kuin kumi

Kengänpohjan tekeminen, jonka paksuus on alle millimetri, vie enemmän kuin kumi