Как будет выглядеть искусственный интеллект через двадцать лет?

Искусственный интеллект является очень быстро развивающейся областью, поэтому трудно делать прогнозы о состоянии дел даже через 6 месяцев, не говоря уже о 15 - 20 лет. Я могу, однако, предложить ряд догадок, основанных на том, что я вижу происходящим прямо сейчас.

Мы все еще далеки от АГИ. Системы искусственного интеллекта нынешнего поколения все еще очень далеки от того, что мы можем увидеть в фантастических фильмах о будущем. Системы, которые у нас есть сейчас, феноменальны при распознавании образов из большого количества данных (даже системы обучения с подкреплением в основном предназначены для запоминания и распознавания образов, которые хорошо работали во время обучения). Это, безусловно, важный шаг, но он очень далек от настоящей интеллектуальной системы. По аналогии с человеческим познанием, то, что мы имеем сейчас, аналогично подсознательным процессам, которые позволяют активировать симпатическую нервную систему за доли секунды, когда ваше периферическое зрение обнаруживает приближающегося хищника или друга - иными словами, основанного на паттерне - полуавтоматические решения, которые наш мозг принимает «аппаратно».

Традиционное программирование не уходит. Иногда я слышу утверждение, что большинство традиционных программ будут заменены системами ИИ. Я очень скептически отношусь к этому утверждению, отчасти как следствие предыдущего пункта, но в более общем плане, потому что искусственный интеллект не требуется для подавляющего большинства задач. Искусственный интеллект лучше всего подходит для случаев, когда речь идет о беспорядке в реальном мире, имеется много данных и нет достаточно фундаментальной модели. Если что-то из этого не соответствует действительности, вам обычно не нужно соглашаться на модель машинного обучения - традиционные альтернативы превосходят вас. Забавный способ думать о том, что люди - самый продвинутый естественный общий интеллект, но мы изобрели компьютеры для выполнения определенных специализированных задач, над которыми мы слишком медлительны. Почему мы должны ожидать, что искусственный интеллект будет какой-то разницей?

ЧИТАЙТЕ ТАК ЖЕ:  Пионеры искусственного интеллекта получают техническую «Нобелевскую премию»

Искусственный интеллект дополнит большинство традиционных задач. Тем не менее, в любое время, когда одна из этих традиционных систем должна взаимодействовать с человеком, появляется возможность для внедрения ИИ. Например, программист, просматривающий сообщения об ошибках, может использовать систему машинного обучения, которая просматривает сообщения об ошибках и предлагает последовательность действий. Компьютеры намного терпеливее людей. Вы не можете заставить человека наблюдать миллионы часов сеансов программирования, чтобы запомнить общие решения проблем, но вы можете заставить систему машинного обучения делать то же самое. Кроме того, системы машинного обучения могут учиться на огромных объемах данных очень быстро и в глобальном масштабе (если какой-либо экземпляр системы машинного обучения когда-либо сталкивался с определенным набором обстоятельств, он может почти мгновенно поделиться этими знаниями в глобальном масштабе, не ограничиваясь скоростью человеческого общения). Я не думаю, что мы еще начали ценить влияние этого, но мы, вероятно, увидим это через 5-10 лет.

Мы будем лучше учиться на маленьких данных. В настоящее время системы ИИ в основном требуют большого количества относительно чистых, курируемых наборов данных. Существуют различные многообещающие подходы, чтобы ослабить это требование в том или ином направлении (или комбинации небольших, хорошо отобранных наборов данных, чтобы начать работу с большим количеством более шумных данных). Я ожидаю, что они будут усовершенствованы в ближайшем будущем.

Мы увидим, что системы ML будут объединены с традиционными подходами. В настоящее время кажется довольно распространенным видеть, что системы ML, полностью состоящие из нейронных сетей, пытаются решить сквозные проблемы. Это часто работает нормально, потому что вы можете восстановить многие традиционные методы обработки сигналов из этих блогов построения (например, преобразования Фурье, обнаружение границ, сегментация и т. Д.), Но изученные версии этих преобразований могут быть значительно более вычислительно дорогими, чем базовый подход. Я не удивлюсь, если эти примитивы немного вернутся (как часть архитектуры нейронной сети). Точно так же я очень взволнован основанными на физике подходами ML, где вы комбинируете нейронную сеть со знанием базовой физической модели