Искусственный интеллект ( AI ) за последние 80 лет пережил взлеты и падения. Хотя предсказать будущее развитие ИИ по-прежнему сложно, обзор истории может помочь нам лучше понять, почему прошлые прогнозы не сбылись, а также в каких аспектах, каким образом и по каким причинам это произошло.
История развития ИИ началась в декабре 1943 года, когда нейрофизиологи Маккаллок и логики Питтс опубликовали статью о идеализированных нейронных сетях. Хотя эта статья не имела экспериментального обоснования, она вдохновила "коннекционизм", который сегодня является доминирующим в глубоких обучающих ИИ. Однако этот подход не связан с реальным функционированием мозга, хотя его часто описывают как "имитацию мозга".
Это напоминает нам о том, что мы должны быть осторожны, чтобы не путать инженерию и науку, а также науку и предположения. Более важно сопротивляться иллюзии "мы как боги", то есть считать, что человечество может создать машины, подобные людям. Эта гордыня на протяжении последних 80 лет была катализатором технологических пузырей и циклического увлечения ИИ.
С 1950-х годов некоторые предсказывали, что универсальный ИИ ( AGI ) скоро появится. Однако эти прогнозы часто основываются на "первой ступенчатой ошибке", то есть на предположении, что если машина может выполнить задачу, которую ранее считали невыполнимой, даже если она делает это плохо, то для ее идеального выполнения потребуется только дальнейшее техническое развитие. На самом деле, расстояние от того, чтобы не уметь что-то делать, до того, чтобы делать это плохо, обычно гораздо короче, чем расстояние от того, чтобы делать это плохо, до того, чтобы делать это очень хорошо.
С середины 1960-х годов экспертные системы сосредоточили внимание на получении и программировании знаний о реальном мире. Однако к началу 1990-х годов этот бум ИИ рухнул, в основном из-за того, что процесс получения знаний был громоздким, времязатратным и дорогим. Это показывает, что даже после десяти или пятнадцати лет широкого применения и значительных инвестиций не всегда возможно создать устойчивую "новую индустрию".
Долгое время символическая ИИ на основе правил и статистический коннекционизм боролись за доминирование. До возрождения коннекционизма в 2012 году исследования ИИ в основном проводились академическим сообществом, что приводило к догматизму. Однако в последние годы акцент в развитии ИИ сместился в частный сектор, хотя вся область все еще зациклена на едином направлении исследований. Это напоминает нам, что не следует класть все "яйца" ИИ в одну "корзину".
Оглядываясь на 80-летнюю историю развития ИИ, эти уроки могут помочь нынешним лидерам в области ИИ преодолеть будущие колебания. Поддержание бдительности, диверсификация развития и осознание неопределенности технологического прогресса будут ключевыми для будущего развития ИИ.
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» .
20 Лайков
Награда
20
2
Поделиться
комментарий
0/400
SchrodingerWallet
· 07-20 08:42
Технологии тоже не избежали круговорота неудачников.
Посмотреть ОригиналОтветить0
LiquidityNinja
· 07-20 08:26
Технический круг меняется три раза в день. Это просто абсурд.
Развитие ИИ за 80 лет: откровение от безумия к рациональности
80 лет развития ИИ: опыт и уроки
Искусственный интеллект ( AI ) за последние 80 лет пережил взлеты и падения. Хотя предсказать будущее развитие ИИ по-прежнему сложно, обзор истории может помочь нам лучше понять, почему прошлые прогнозы не сбылись, а также в каких аспектах, каким образом и по каким причинам это произошло.
История развития ИИ началась в декабре 1943 года, когда нейрофизиологи Маккаллок и логики Питтс опубликовали статью о идеализированных нейронных сетях. Хотя эта статья не имела экспериментального обоснования, она вдохновила "коннекционизм", который сегодня является доминирующим в глубоких обучающих ИИ. Однако этот подход не связан с реальным функционированием мозга, хотя его часто описывают как "имитацию мозга".
Это напоминает нам о том, что мы должны быть осторожны, чтобы не путать инженерию и науку, а также науку и предположения. Более важно сопротивляться иллюзии "мы как боги", то есть считать, что человечество может создать машины, подобные людям. Эта гордыня на протяжении последних 80 лет была катализатором технологических пузырей и циклического увлечения ИИ.
С 1950-х годов некоторые предсказывали, что универсальный ИИ ( AGI ) скоро появится. Однако эти прогнозы часто основываются на "первой ступенчатой ошибке", то есть на предположении, что если машина может выполнить задачу, которую ранее считали невыполнимой, даже если она делает это плохо, то для ее идеального выполнения потребуется только дальнейшее техническое развитие. На самом деле, расстояние от того, чтобы не уметь что-то делать, до того, чтобы делать это плохо, обычно гораздо короче, чем расстояние от того, чтобы делать это плохо, до того, чтобы делать это очень хорошо.
С середины 1960-х годов экспертные системы сосредоточили внимание на получении и программировании знаний о реальном мире. Однако к началу 1990-х годов этот бум ИИ рухнул, в основном из-за того, что процесс получения знаний был громоздким, времязатратным и дорогим. Это показывает, что даже после десяти или пятнадцати лет широкого применения и значительных инвестиций не всегда возможно создать устойчивую "новую индустрию".
Долгое время символическая ИИ на основе правил и статистический коннекционизм боролись за доминирование. До возрождения коннекционизма в 2012 году исследования ИИ в основном проводились академическим сообществом, что приводило к догматизму. Однако в последние годы акцент в развитии ИИ сместился в частный сектор, хотя вся область все еще зациклена на едином направлении исследований. Это напоминает нам, что не следует класть все "яйца" ИИ в одну "корзину".
Оглядываясь на 80-летнюю историю развития ИИ, эти уроки могут помочь нынешним лидерам в области ИИ преодолеть будущие колебания. Поддержание бдительности, диверсификация развития и осознание неопределенности технологического прогресса будут ключевыми для будущего развития ИИ.