Depuis 1943, l'intelligence artificielle (AI) a parcouru 80 ans. Au cours de ce long parcours, l'IA a connu de nombreuses fluctuations, depuis les premières ébauches de concepts jusqu'à son développement florissant d'aujourd'hui. En revisitant l'histoire du développement de l'IA, nous pouvons en tirer quelques leçons précieuses pour éclairer le développement futur de l'IA.
L'origine de l'IA remonte à décembre 1943. À cette époque, le neurophysiologiste McCulloch et le logicien Pitts ont publié un article sur les réseaux de neurones, émettant l'hypothèse sur la façon dont un réseau de neurones simplifié pouvait exécuter de simples opérations logiques en transmettant des impulsions. Bien que cet article manquait de bases expérimentales, il a inspiré le "connexionnisme", devenant ainsi la base théorique de l'apprentissage profond moderne.
La première leçon est : nous devons nous méfier de la confusion entre l'ingénierie et la science, et entre les conjectures et la science. En même temps, il faut aborder avec prudence les articles remplis de symboles mathématiques et de formules. Plus important encore, il faut résister à l'illusion que "l'humanité peut créer des machines équivalentes à elle-même". Cette arrogance a été le catalyseur des bulles technologiques et de l'engouement pour l'IA au cours des 80 dernières années.
Dans les années 1950, certains pionniers de l'IA ont commencé à prédire l'arrivée de l'intelligence artificielle générale (AGI). Ils pensaient que des machines dotées d'une intelligence humaine, voire surhumaine, allaient bientôt apparaître. Cette attente a même influencé les dépenses et les politiques gouvernementales. Cependant, ce n'est qu'au début du 21e siècle que les gens ont commencé à avoir une compréhension plus claire des limites de l'AGI et de l'IA traditionnelle.
La deuxième leçon est : il faut aborder avec prudence ces nouvelles technologies qui semblent brillantes. Elles peuvent ne pas être très différentes des hypothèses précédentes sur l'intelligence des machines. Comme le dit l'expert en apprentissage profond LeCun, il nous manque encore certains éléments clés qui permettraient aux machines d'apprendre de manière aussi efficace que les humains.
La troisième leçon est la suivante : la distance entre l'incapacité à accomplir une tâche et l'accomplissement à contrecœur est généralement bien plus courte que celle entre l'accomplissement à contrecœur et l'accomplissement parfait. Beaucoup de gens tombent dans le "sophisme du premier pas", pensant que tant que la technologie continue de progresser, les machines finiront par accomplir les tâches parfaitement. Cependant, la réalité est souvent différente.
Au milieu des années 1960, le développement de l'IA est entré dans une nouvelle phase, introduisant deux nouveaux éléments : les logiciels et la collecte de données. Les systèmes experts ont été très populaires, mais au début des années 1990, ils ont soudainement décliné. Cela est principalement dû au processus d'acquisition des connaissances qui est compliqué et long, et aux coûts de maintenance élevés.
La quatrième leçon est la suivante : même si une technologie connaît un succès initial, est largement adoptée et reçoit de nombreux investissements, cela ne garantit pas qu'elle puisse se développer de manière durable. Une bulle technologique peut éclater à tout moment.
Dans l'histoire du développement de l'IA, deux approches, le symbolisme et le connexionnisme, se disputent la position dominante. Pendant longtemps, la recherche en IA a été principalement menée par le milieu académique, avec une forte division en factions. Cependant, ces dernières années, le centre de gravité du développement de l'IA s'est déplacé vers le secteur privé, mais l'ensemble du domaine tend encore à se concentrer sur une seule direction de recherche.
La cinquième leçon est : ne mettez pas toutes vos ressources dans une seule direction de recherche en IA. Une stratégie de recherche diversifiée pourrait être plus bénéfique pour le développement à long terme de l'IA.
Dans l'ensemble, les 80 ans de développement de l'IA nous laissent de nombreuses leçons. Nous devons rester vigilants et ouverts d'esprit, tout en reconnaissant le potentiel de l'IA et en comprenant clairement ses limites. Ce n'est qu'en tirant des leçons de l'histoire que nous pourrons mieux saisir la direction future du développement de l'IA.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
15 J'aime
Récompense
15
5
Reposter
Partager
Commentaire
0/400
BlockchainFoodie
· 08-05 23:28
tout comme cuisiner de nouvelles recettes... l'IA a besoin de temps pour mijoter et développer ses saveurs uniques, pour être honnête.
Voir l'originalRépondre0
FlippedSignal
· 08-04 21:23
Dans cinq ans, l'IA aura cent ans.
Voir l'originalRépondre0
GasWaster69
· 08-03 18:16
Encore une hausse de plusieurs années pour ce jeton.
Voir l'originalRépondre0
0xOverleveraged
· 08-03 17:59
Qui suit encore ce vieux calendrier ?
Voir l'originalRépondre0
gas_fee_therapy
· 08-03 17:50
Cela fait 80 ans, et il est vrai qu'on joue de plus en plus à l'extérieur.
80 ans de développement de l'IA : 5 grandes leçons pour avertir l'avenir
Les leçons de 80 ans de développement de l'IA
Depuis 1943, l'intelligence artificielle (AI) a parcouru 80 ans. Au cours de ce long parcours, l'IA a connu de nombreuses fluctuations, depuis les premières ébauches de concepts jusqu'à son développement florissant d'aujourd'hui. En revisitant l'histoire du développement de l'IA, nous pouvons en tirer quelques leçons précieuses pour éclairer le développement futur de l'IA.
L'origine de l'IA remonte à décembre 1943. À cette époque, le neurophysiologiste McCulloch et le logicien Pitts ont publié un article sur les réseaux de neurones, émettant l'hypothèse sur la façon dont un réseau de neurones simplifié pouvait exécuter de simples opérations logiques en transmettant des impulsions. Bien que cet article manquait de bases expérimentales, il a inspiré le "connexionnisme", devenant ainsi la base théorique de l'apprentissage profond moderne.
La première leçon est : nous devons nous méfier de la confusion entre l'ingénierie et la science, et entre les conjectures et la science. En même temps, il faut aborder avec prudence les articles remplis de symboles mathématiques et de formules. Plus important encore, il faut résister à l'illusion que "l'humanité peut créer des machines équivalentes à elle-même". Cette arrogance a été le catalyseur des bulles technologiques et de l'engouement pour l'IA au cours des 80 dernières années.
Dans les années 1950, certains pionniers de l'IA ont commencé à prédire l'arrivée de l'intelligence artificielle générale (AGI). Ils pensaient que des machines dotées d'une intelligence humaine, voire surhumaine, allaient bientôt apparaître. Cette attente a même influencé les dépenses et les politiques gouvernementales. Cependant, ce n'est qu'au début du 21e siècle que les gens ont commencé à avoir une compréhension plus claire des limites de l'AGI et de l'IA traditionnelle.
La deuxième leçon est : il faut aborder avec prudence ces nouvelles technologies qui semblent brillantes. Elles peuvent ne pas être très différentes des hypothèses précédentes sur l'intelligence des machines. Comme le dit l'expert en apprentissage profond LeCun, il nous manque encore certains éléments clés qui permettraient aux machines d'apprendre de manière aussi efficace que les humains.
La troisième leçon est la suivante : la distance entre l'incapacité à accomplir une tâche et l'accomplissement à contrecœur est généralement bien plus courte que celle entre l'accomplissement à contrecœur et l'accomplissement parfait. Beaucoup de gens tombent dans le "sophisme du premier pas", pensant que tant que la technologie continue de progresser, les machines finiront par accomplir les tâches parfaitement. Cependant, la réalité est souvent différente.
Au milieu des années 1960, le développement de l'IA est entré dans une nouvelle phase, introduisant deux nouveaux éléments : les logiciels et la collecte de données. Les systèmes experts ont été très populaires, mais au début des années 1990, ils ont soudainement décliné. Cela est principalement dû au processus d'acquisition des connaissances qui est compliqué et long, et aux coûts de maintenance élevés.
La quatrième leçon est la suivante : même si une technologie connaît un succès initial, est largement adoptée et reçoit de nombreux investissements, cela ne garantit pas qu'elle puisse se développer de manière durable. Une bulle technologique peut éclater à tout moment.
Dans l'histoire du développement de l'IA, deux approches, le symbolisme et le connexionnisme, se disputent la position dominante. Pendant longtemps, la recherche en IA a été principalement menée par le milieu académique, avec une forte division en factions. Cependant, ces dernières années, le centre de gravité du développement de l'IA s'est déplacé vers le secteur privé, mais l'ensemble du domaine tend encore à se concentrer sur une seule direction de recherche.
La cinquième leçon est : ne mettez pas toutes vos ressources dans une seule direction de recherche en IA. Une stratégie de recherche diversifiée pourrait être plus bénéfique pour le développement à long terme de l'IA.
Dans l'ensemble, les 80 ans de développement de l'IA nous laissent de nombreuses leçons. Nous devons rester vigilants et ouverts d'esprit, tout en reconnaissant le potentiel de l'IA et en comprenant clairement ses limites. Ce n'est qu'en tirant des leçons de l'histoire que nous pourrons mieux saisir la direction future du développement de l'IA.