С 1943 года искусственный интеллект (AI) прошел 80 лет. За это долгое время ИИ пережил множество взлетов и падений, от первоначального зарождения концепции до сегодняшнего бурного развития. Оглядываясь на историю развития ИИ, мы можем подвести некоторые ценные уроки, которые могут послужить ориентиром для будущего развития ИИ.
Происхождение ИИ можно проследить до декабря 1943 года. В то время нейрофизиолог Маккаллок и логик Питц опубликовали статью о нейронных сетях, предполагая, как упрощенная нейронная сеть может выполнять простые логические операции, передавая импульсы. Хотя эта статья и не имела экспериментальных доказательств, она вдохновила "коннекционизм" и стала теоретической основой современного глубокого обучения.
Первый урок заключается в том, что мы должны быть осторожны, чтобы не путать инженерное дело с наукой и не смешивать предположения с наукой. В то же время, стоит с осторожностью относиться к тем статьям, которые полны математических символов и формул. Самое важное - сопротивляться иллюзии, что "человечество может создать машины, равные себе". Эта гордость на протяжении последних 80 лет была катализатором технологических пузырей и безумия в области ИИ.
В 1950-х годах некоторые пионеры ИИ начали предсказывать приход общего искусственного интеллекта (AGI). Они считали, что машины с человеческим интеллектом, а даже и сверхинтеллектом, вот-вот появятся. Эти ожидания даже повлияли на государственные расходы и политику. Однако только в начале 21 века люди начали более ясно осознавать ограничения AGI и традиционного ИИ.
Второй урок заключается в том, что нужно осторожно относиться к тем новым технологиям, которые кажутся блестящими и привлекательными. Они могут не сильно отличаться от предыдущих предположений о машинном интеллекте. Как сказал эксперт по глубокому обучению ЛеКун, нам все еще не хватает некоторых ключевых элементов, позволяющих машинам учиться так же эффективно, как люди.
Третий урок заключается в том, что расстояние от невозможности выполнить задачу до ее выполнения с натяжкой обычно гораздо короче, чем расстояние от выполнения с натяжкой до идеального выполнения. Многие люди попадают в "ошибку первого шага", считая, что по мере постоянного прогресса технологий машины в конечном итоге смогут идеально выполнять задачи. Однако реальность часто бывает далека от этого.
В середине 1960-х годов развитие ИИ вступило в новую стадию, введя два новых элемента: программное обеспечение и сбор данных. Экспертные системы однажды были очень популярны, но к началу 1990-х годов они внезапно пришли в упадок. Это было в основном связано с тем, что процесс получения знаний был сложным и трудоемким, а также с высокими затратами на обслуживание.
Четвёртый урок заключается в том, что даже если технология достигла первоначального успеха, получила широкое применение и значительные инвестиции, это не гарантирует её устойчивое развитие. Технологический пузырь может в любой момент лопнуть.
В процессе развития ИИ символизм и соедин主义 постоянно боролись за доминирование. На протяжении долгого времени исследование ИИ в основном продвигалось академическим сообществом, существовало сильное разделение на фракции. Однако в последние годы акцент в развитии ИИ сместился в частный сектор, но вся область все еще склонна сосредотачиваться на едином направлении исследований.
Пятый урок: не вкладывайте все ресурсы в одно направление исследований в области ИИ. Многообразная исследовательская стратегия может быть более благоприятной для долгосрочного развития ИИ.
В целом, 80-летняя история развития ИИ оставила нам множество уроков. Мы должны сохранять бдительность и открытость, осознавая потенциальные возможности ИИ, а также четко понимая его ограничения. Только извлекая уроки из истории, мы сможем лучше понять будущее развитие 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» .
15 Лайков
Награда
15
5
Репост
Поделиться
комментарий
0/400
BlockchainFoodie
· 08-05 23:28
так же, как и готовка новых рецептов... ИИ нуждается во времени, чтобы настояться и развить свои уникальные вкусы, если честно.
Посмотреть ОригиналОтветить0
FlippedSignal
· 08-04 21:23
Еще пять лет, и ИИ станет ста лет.
Посмотреть ОригиналОтветить0
GasWaster69
· 08-03 18:16
Снова рост уже несколько лет этот токен
Посмотреть ОригиналОтветить0
0xOverleveraged
· 08-03 17:59
Кто еще следует этому старому календарю
Посмотреть ОригиналОтветить0
gas_fee_therapy
· 08-03 17:50
80 лет прошло, действительно, чем больше играешь, тем больше дикой природы.
80 лет развития ИИ: 5 главных уроков для предупреждения о будущем
Уроки истории развития ИИ за 80 лет
С 1943 года искусственный интеллект (AI) прошел 80 лет. За это долгое время ИИ пережил множество взлетов и падений, от первоначального зарождения концепции до сегодняшнего бурного развития. Оглядываясь на историю развития ИИ, мы можем подвести некоторые ценные уроки, которые могут послужить ориентиром для будущего развития ИИ.
Происхождение ИИ можно проследить до декабря 1943 года. В то время нейрофизиолог Маккаллок и логик Питц опубликовали статью о нейронных сетях, предполагая, как упрощенная нейронная сеть может выполнять простые логические операции, передавая импульсы. Хотя эта статья и не имела экспериментальных доказательств, она вдохновила "коннекционизм" и стала теоретической основой современного глубокого обучения.
Первый урок заключается в том, что мы должны быть осторожны, чтобы не путать инженерное дело с наукой и не смешивать предположения с наукой. В то же время, стоит с осторожностью относиться к тем статьям, которые полны математических символов и формул. Самое важное - сопротивляться иллюзии, что "человечество может создать машины, равные себе". Эта гордость на протяжении последних 80 лет была катализатором технологических пузырей и безумия в области ИИ.
В 1950-х годах некоторые пионеры ИИ начали предсказывать приход общего искусственного интеллекта (AGI). Они считали, что машины с человеческим интеллектом, а даже и сверхинтеллектом, вот-вот появятся. Эти ожидания даже повлияли на государственные расходы и политику. Однако только в начале 21 века люди начали более ясно осознавать ограничения AGI и традиционного ИИ.
Второй урок заключается в том, что нужно осторожно относиться к тем новым технологиям, которые кажутся блестящими и привлекательными. Они могут не сильно отличаться от предыдущих предположений о машинном интеллекте. Как сказал эксперт по глубокому обучению ЛеКун, нам все еще не хватает некоторых ключевых элементов, позволяющих машинам учиться так же эффективно, как люди.
Третий урок заключается в том, что расстояние от невозможности выполнить задачу до ее выполнения с натяжкой обычно гораздо короче, чем расстояние от выполнения с натяжкой до идеального выполнения. Многие люди попадают в "ошибку первого шага", считая, что по мере постоянного прогресса технологий машины в конечном итоге смогут идеально выполнять задачи. Однако реальность часто бывает далека от этого.
В середине 1960-х годов развитие ИИ вступило в новую стадию, введя два новых элемента: программное обеспечение и сбор данных. Экспертные системы однажды были очень популярны, но к началу 1990-х годов они внезапно пришли в упадок. Это было в основном связано с тем, что процесс получения знаний был сложным и трудоемким, а также с высокими затратами на обслуживание.
Четвёртый урок заключается в том, что даже если технология достигла первоначального успеха, получила широкое применение и значительные инвестиции, это не гарантирует её устойчивое развитие. Технологический пузырь может в любой момент лопнуть.
В процессе развития ИИ символизм и соедин主义 постоянно боролись за доминирование. На протяжении долгого времени исследование ИИ в основном продвигалось академическим сообществом, существовало сильное разделение на фракции. Однако в последние годы акцент в развитии ИИ сместился в частный сектор, но вся область все еще склонна сосредотачиваться на едином направлении исследований.
Пятый урок: не вкладывайте все ресурсы в одно направление исследований в области ИИ. Многообразная исследовательская стратегия может быть более благоприятной для долгосрочного развития ИИ.
В целом, 80-летняя история развития ИИ оставила нам множество уроков. Мы должны сохранять бдительность и открытость, осознавая потенциальные возможности ИИ, а также четко понимая его ограничения. Только извлекая уроки из истории, мы сможем лучше понять будущее развитие ИИ.