Досвід і уроки 80-річного розвитку ШІ

Сфера ШІ пройшла 80-річний шлях розвитку. За цей час фінансування було то високим, то низьким, методи дослідження були різноманітними, а ставлення суспільства до ШІ часом було допитливим, часом тривожним, а часом і захопленим. Оглядаючи цю історію, ми можемо підсумувати деякі цінні уроки.

Історія штучного інтелекту налічує з 1943 року, коли нейрофізіологи Маккалох і логісти Пітц опублікували статтю про нейронні мережі. Хоча ця стаття не мала експериментальних підтверджень, вона надихнула на подальший розвиток гілки штучного інтелекту, яка згодом стала відома як "глибоке навчання". Проте слід бути обережними, щоб не плутати інженерію з наукою і не сприймати припущення як наукові висновки. Ще важливіше – протистояти ілюзії, що "люди можуть створити машини, які будуть такими ж, як люди".

Протягом останніх 80 років ця гордовитість була каталізатором технологічних бульбашок і періодичних захоплень ШІ. Наприклад, концепція загального ШІ ( AGI ), тобто вважається, що незабаром з'являться машини з людським рівнем інтелекту, а навіть з надінтелектом. Від Герберта Саймона в 1957 році до Марвіна Мінського в 1970 році, а також до різних прогнозів останніх років, AGI, здається, завжди "ось-ось з'явиться". Однак факти неодноразово доводили, що ці прогнози надто оптимістичні.

Ми повинні обережно розглядати ті нові технології, які виглядають привабливо. Вони часто не відрізняються суттєво від попередніх припущень про машинний інтелект. Як зазначив експерт з глибинного навчання Ян ЛеКун, нам все ще бракує ключового елемента, який дозволив би машинам навчатися так ефективно, як люди.

Розвиток ШІ також варто бути обережним щодо "первинного міфу". Від нездатності виконати завдання до його часткового виконання, як правило, відстань значно коротша, ніж від часткового виконання до ідеального. Ми не повинні надто оптимістично вважати, що, просто чекаючи, ШІ обов'язково досягне рівня людини.

Покращення апаратної продуктивності колись змусило людей помилково вважати, що штучний інтелект також розвиватиметься синхронно. Але насправді програмне забезпечення та дані є однаково важливими. Експертні системи, які були популярні в 80-х роках минулого століття, зрештою занепали через труднощі в отриманні та підтриманні знань, що також показує, що початковий успіх не може гарантувати тривалий розвиток нової індустрії.

Протягом тривалого часу дві методології – символічний штучний інтелект на основі правил і статистичний коннекціонізм – конкурували одна з одною. Академічна спільнота часто схиляється до вибору між цими двома підходами, але в останні роки акцент у розробці штучного інтелекту змістився в бік приватного сектору. Тим не менше, вся галузь все ще надто залежить від єдиного напрямку досліджень, що є приводом для занепокоєння.

Врешті-решт, успіх NVIDIA, безумовно, заслуговує на похвалу, але ми не повинні забувати про злети і падіння в історії розвитку ШІ. Зберігаючи пильність і здобуваючи уроки з історії, можливо, ми зможемо допомогти NVIDIA зберегти лідерство в майбутніх хвилях ШІ.