Lecciones históricas del desarrollo de la IA durante 80 años
Desde 1943, la inteligencia artificial (AI) ha recorrido 80 años. A lo largo de este largo camino, la IA ha experimentado altibajos, desde sus inicios como un concepto hasta su actual florecimiento. Al revisar la historia del desarrollo de la IA, podemos resumir algunas valiosas lecciones que servirán de referencia para el futuro desarrollo de la IA.
El origen de la IA se remonta a diciembre de 1943. En ese momento, el neurofisiólogo McCulloch y el lógico Pitts publicaron un artículo sobre redes neuronales, en el que especulaban cómo una red neuronal simplificada podría realizar operaciones lógicas simples a través de la transmisión de impulsos. Aunque este artículo carecía de evidencia experimental, inspiró el "conectivismo", convirtiéndose en la base teórica del aprendizaje profundo moderno.
La primera lección es: debemos tener cuidado de no confundir la ingeniería con la ciencia, ni confundir la especulación con la ciencia. Al mismo tiempo, debemos ser cautelosos con aquellos artículos llenos de símbolos y fórmulas matemáticas. Lo más importante es resistir la ilusión de que "los humanos pueden crear máquinas que sean equivalentes a ellos mismos". Esta mentalidad arrogante ha sido un catalizador para la burbuja tecnológica y el fervor por la IA durante los últimos 80 años.
En la década de 1950, algunos pioneros de la IA comenzaron a predecir la llegada de la inteligencia artificial general ( AGI ). Creían que las máquinas con inteligencia humana e incluso inteligencia superior estaban a punto de aparecer. Esta expectativa incluso influyó en el gasto y las políticas gubernamentales. Sin embargo, no fue hasta principios del siglo XXI que las personas comenzaron a tener una comprensión más clara de las limitaciones de la AGI y de la IA tradicional.
La segunda lección es: hay que mirar con cautela esas nuevas tecnologías que parecen brillantes. Pueden no diferir mucho de las conjeturas anteriores sobre la inteligencia de las máquinas. Como dice el experto en aprendizaje profundo LeCun, todavía nos faltan algunos elementos clave que permitan a las máquinas aprender de manera tan eficiente como los humanos.
La tercera lección es: la distancia desde no poder completar una tarea hasta completarla a duras penas suele ser mucho más corta que la distancia desde completarla a duras penas hasta completarla a la perfección. Muchas personas caen en la "falacia del primer paso", creyendo que mientras la tecnología continúe avanzando, las máquinas eventualmente podrán completar la tarea de manera perfecta. Sin embargo, la realidad a menudo no es así.
A mediados de la década de 1960, el desarrollo de la IA entró en una nueva etapa, introduciendo dos nuevos elementos: software y recolección de datos. Los sistemas expertos fueron muy populares en su momento, pero a principios de la década de 1990, cayeron abruptamente en desuso. Esto se debió principalmente a que el proceso de adquisición de conocimiento era complicado y lento, y los costos de mantenimiento eran elevados.
La cuarta lección es: incluso si una tecnología obtiene un éxito inicial, recibe una amplia aplicación y una gran cantidad de inversión, no necesariamente podrá continuar desarrollándose. La burbuja tecnológica puede estallar en cualquier momento.
En la evolución de la IA, los enfoques del simbolismo y el conexionismo han estado compitiendo por el dominio. Durante mucho tiempo, la investigación en IA ha sido impulsada principalmente por el ámbito académico, existiendo una fuerte división de facciones. Sin embargo, en los últimos años, el enfoque del desarrollo de la IA se ha trasladado al sector privado, aunque todo el campo todavía tiende a centrarse en una única dirección de investigación.
La quinta lección es: no inviertas todos los recursos en una única dirección de investigación de IA. Una estrategia de investigación diversificada puede ser más beneficiosa para el desarrollo a largo plazo de la IA.
En general, el desarrollo de la IA durante 80 años nos ha dejado muchas enseñanzas. Debemos mantener una actitud de alerta y apertura, reconociendo tanto el potencial de la IA como sus limitaciones. Solo aprendiendo de las lecciones de la historia podremos comprender mejor la dirección futura del desarrollo de la IA.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
15 me gusta
Recompensa
15
5
Republicar
Compartir
Comentar
0/400
BlockchainFoodie
· 08-05 23:28
al igual que cocinar nuevas recetas... la IA necesita tiempo para hervir y desarrollar sus sabores únicos, para ser honesto
Ver originalesResponder0
FlippedSignal
· 08-04 21:23
En cinco años, la inteligencia artificial cumplirá cien años.
Ver originalesResponder0
GasWaster69
· 08-03 18:16
Otra vez ha subido esta moneda durante varios años.
Ver originalesResponder0
0xOverleveraged
· 08-03 17:59
¿Quién sigue este viejo almanaque?
Ver originalesResponder0
gas_fee_therapy
· 08-03 17:50
Han pasado 80 años, realmente se juega cada vez más en el campo.
Desarrollo de la IA en 80 años: 5 grandes lecciones que advierten sobre el futuro
Lecciones históricas del desarrollo de la IA durante 80 años
Desde 1943, la inteligencia artificial (AI) ha recorrido 80 años. A lo largo de este largo camino, la IA ha experimentado altibajos, desde sus inicios como un concepto hasta su actual florecimiento. Al revisar la historia del desarrollo de la IA, podemos resumir algunas valiosas lecciones que servirán de referencia para el futuro desarrollo de la IA.
El origen de la IA se remonta a diciembre de 1943. En ese momento, el neurofisiólogo McCulloch y el lógico Pitts publicaron un artículo sobre redes neuronales, en el que especulaban cómo una red neuronal simplificada podría realizar operaciones lógicas simples a través de la transmisión de impulsos. Aunque este artículo carecía de evidencia experimental, inspiró el "conectivismo", convirtiéndose en la base teórica del aprendizaje profundo moderno.
La primera lección es: debemos tener cuidado de no confundir la ingeniería con la ciencia, ni confundir la especulación con la ciencia. Al mismo tiempo, debemos ser cautelosos con aquellos artículos llenos de símbolos y fórmulas matemáticas. Lo más importante es resistir la ilusión de que "los humanos pueden crear máquinas que sean equivalentes a ellos mismos". Esta mentalidad arrogante ha sido un catalizador para la burbuja tecnológica y el fervor por la IA durante los últimos 80 años.
En la década de 1950, algunos pioneros de la IA comenzaron a predecir la llegada de la inteligencia artificial general ( AGI ). Creían que las máquinas con inteligencia humana e incluso inteligencia superior estaban a punto de aparecer. Esta expectativa incluso influyó en el gasto y las políticas gubernamentales. Sin embargo, no fue hasta principios del siglo XXI que las personas comenzaron a tener una comprensión más clara de las limitaciones de la AGI y de la IA tradicional.
La segunda lección es: hay que mirar con cautela esas nuevas tecnologías que parecen brillantes. Pueden no diferir mucho de las conjeturas anteriores sobre la inteligencia de las máquinas. Como dice el experto en aprendizaje profundo LeCun, todavía nos faltan algunos elementos clave que permitan a las máquinas aprender de manera tan eficiente como los humanos.
La tercera lección es: la distancia desde no poder completar una tarea hasta completarla a duras penas suele ser mucho más corta que la distancia desde completarla a duras penas hasta completarla a la perfección. Muchas personas caen en la "falacia del primer paso", creyendo que mientras la tecnología continúe avanzando, las máquinas eventualmente podrán completar la tarea de manera perfecta. Sin embargo, la realidad a menudo no es así.
A mediados de la década de 1960, el desarrollo de la IA entró en una nueva etapa, introduciendo dos nuevos elementos: software y recolección de datos. Los sistemas expertos fueron muy populares en su momento, pero a principios de la década de 1990, cayeron abruptamente en desuso. Esto se debió principalmente a que el proceso de adquisición de conocimiento era complicado y lento, y los costos de mantenimiento eran elevados.
La cuarta lección es: incluso si una tecnología obtiene un éxito inicial, recibe una amplia aplicación y una gran cantidad de inversión, no necesariamente podrá continuar desarrollándose. La burbuja tecnológica puede estallar en cualquier momento.
En la evolución de la IA, los enfoques del simbolismo y el conexionismo han estado compitiendo por el dominio. Durante mucho tiempo, la investigación en IA ha sido impulsada principalmente por el ámbito académico, existiendo una fuerte división de facciones. Sin embargo, en los últimos años, el enfoque del desarrollo de la IA se ha trasladado al sector privado, aunque todo el campo todavía tiende a centrarse en una única dirección de investigación.
La quinta lección es: no inviertas todos los recursos en una única dirección de investigación de IA. Una estrategia de investigación diversificada puede ser más beneficiosa para el desarrollo a largo plazo de la IA.
En general, el desarrollo de la IA durante 80 años nos ha dejado muchas enseñanzas. Debemos mantener una actitud de alerta y apertura, reconociendo tanto el potencial de la IA como sus limitaciones. Solo aprendiendo de las lecciones de la historia podremos comprender mejor la dirección futura del desarrollo de la IA.