Штучний інтелект (AI) у цій сфері за останні 80 років пережив злети та падіння. Незважаючи на те, що передбачити майбутній розвиток ШІ залишається складно, огляд історії може допомогти нам краще зрозуміти, чому минулі прогнози не здійснилися, а також в яких аспектах, яким чином і з яких причин це сталося.
Історія розвитку ШІ почалася в грудні 1943 року, коли нейропсихолог Уоррен Маккалок і логік Уолтер Піттс опублікували статтю про ідеалізовану нейронну мережу. Хоча ця стаття не мала експериментальних підтверджень, вона надихнула на "коннекціонізм", тобто на нині домінуючий глибокий навчальний ШІ. Проте цей підхід не має нічого спільного з реальним функціонуванням мозку, хоча часто описується як "імітація мозку".
Це нагадує нам про необхідність бути обережними, змішуючи інженерію з наукою та науку з припущеннями. Що ще важливіше, потрібно протистояти ілюзії "ми, як боги", тобто вважати, що люди можуть створити машини, подібні до людей. Це зарозумілість протягом останніх 80 років була каталізатором технологічних бульбашок та циклічної лихоманки в AI.
Починаючи з 50-х років XX століття, деякі передбачали, що загальний штучний інтелект ( AGI ) незабаром з'явиться. Однак ці прогнози часто базуються на "метафорі першого кроку", тобто на вірі, що якщо машина може виконати завдання, яке раніше вважалося нездійсненним, навіть якщо вона робить це погано, достатньо подальшого технологічного розвитку, щоб виконати його досконало. Виявилося, що від неможливості зробити щось до поганого виконання, зазвичай, відстань набагато коротша, ніж від поганого виконання до хорошого.
З середини 60-х років XX століття експертні системи зосередилися на отриманні та програмуванні знань про реальний світ. Однак на початку 90-х років цей бум штучного інтелекту згас, головним чином через те, що процес отримання знань був громіздким, трудомістким і дорогим. Це показує, що навіть після десяти чи п'ятнадцяти років широкого впровадження та значних інвестицій не завжди вдається створити стійку "нову індустрію".
Протягом тривалого часу, символічний ШІ на основі правил та статистичний коннекціонізм змагалися за домінування. Перед відродженням коннекціонізму в 2012 році, дослідження ШІ в основному здійснювалося академічними колами, існувала догматичність. Однак в останні роки акцент розвитку ШІ змістився в бік приватного сектору, але вся галузь все ще настійно дотримується єдиного напрямку досліджень. Це нагадує нам, що не слід класти всі "яйця" ШІ в один "кошик".
Оглядаючись на 80-річний розвиток штучного інтелекту, ці уроки можуть допомогти сучасним лідерам AI подолати майбутні злети і падіння. Збереження пильності, різноманітний розвиток та усвідомлення невизначеності технологічного розвитку стануть ключовими для майбутнього розвитку AI.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
20 лайків
Нагородити
20
2
Поділіться
Прокоментувати
0/400
SchrodingerWallet
· 07-20 08:42
Технології також не можуть уникнути кола невдах.
Переглянути оригіналвідповісти на0
LiquidityNinja
· 07-20 08:26
Технічний світ змінюється тричі на день, це справжня абсурдність.
Розкриття AI: 80 років розвитку від фанатизму до раціональності
Розвиток ШІ протягом 80 років: досвід та уроки
Штучний інтелект (AI) у цій сфері за останні 80 років пережив злети та падіння. Незважаючи на те, що передбачити майбутній розвиток ШІ залишається складно, огляд історії може допомогти нам краще зрозуміти, чому минулі прогнози не здійснилися, а також в яких аспектах, яким чином і з яких причин це сталося.
Історія розвитку ШІ почалася в грудні 1943 року, коли нейропсихолог Уоррен Маккалок і логік Уолтер Піттс опублікували статтю про ідеалізовану нейронну мережу. Хоча ця стаття не мала експериментальних підтверджень, вона надихнула на "коннекціонізм", тобто на нині домінуючий глибокий навчальний ШІ. Проте цей підхід не має нічого спільного з реальним функціонуванням мозку, хоча часто описується як "імітація мозку".
Це нагадує нам про необхідність бути обережними, змішуючи інженерію з наукою та науку з припущеннями. Що ще важливіше, потрібно протистояти ілюзії "ми, як боги", тобто вважати, що люди можуть створити машини, подібні до людей. Це зарозумілість протягом останніх 80 років була каталізатором технологічних бульбашок та циклічної лихоманки в AI.
Починаючи з 50-х років XX століття, деякі передбачали, що загальний штучний інтелект ( AGI ) незабаром з'явиться. Однак ці прогнози часто базуються на "метафорі першого кроку", тобто на вірі, що якщо машина може виконати завдання, яке раніше вважалося нездійсненним, навіть якщо вона робить це погано, достатньо подальшого технологічного розвитку, щоб виконати його досконало. Виявилося, що від неможливості зробити щось до поганого виконання, зазвичай, відстань набагато коротша, ніж від поганого виконання до хорошого.
З середини 60-х років XX століття експертні системи зосередилися на отриманні та програмуванні знань про реальний світ. Однак на початку 90-х років цей бум штучного інтелекту згас, головним чином через те, що процес отримання знань був громіздким, трудомістким і дорогим. Це показує, що навіть після десяти чи п'ятнадцяти років широкого впровадження та значних інвестицій не завжди вдається створити стійку "нову індустрію".
Протягом тривалого часу, символічний ШІ на основі правил та статистичний коннекціонізм змагалися за домінування. Перед відродженням коннекціонізму в 2012 році, дослідження ШІ в основному здійснювалося академічними колами, існувала догматичність. Однак в останні роки акцент розвитку ШІ змістився в бік приватного сектору, але вся галузь все ще настійно дотримується єдиного напрямку досліджень. Це нагадує нам, що не слід класти всі "яйця" ШІ в один "кошик".
Оглядаючись на 80-річний розвиток штучного інтелекту, ці уроки можуть допомогти сучасним лідерам AI подолати майбутні злети і падіння. Збереження пильності, різноманітний розвиток та усвідомлення невизначеності технологічного розвитку стануть ключовими для майбутнього розвитку AI.