5 μεγάλες προβλέψεις για την τεχνητή νοημοσύνη το 2017



Η περσινή χρονιά ήταν τεράστια για τις προόδους στην τεχνητή νοημοσύνη και τη μηχανική μάθηση. Αλλά το 2017 μπορεί να προσφέρει ακόμη περισσότερα. Εδώ είναι πέντε βασικά πράγματα που πρέπει να περιμένουμε.

Θετική ενίσχυση





στρατόπεδο προσφύγων Zaatari στην Ιορδανία

Η ιστορική νίκη του AlphaGo ενάντια σε έναν από τους καλύτερους παίκτες Go όλων των εποχών, τον Lee Sedol, ήταν ορόσημο για τον τομέα της τεχνητής νοημοσύνης, και ειδικά για την τεχνική που είναι γνωστή ως βαθιά ενισχυτική μάθηση.

Η ενισχυτική μάθηση εμπνέεται από τους τρόπους με τους οποίους τα ζώα μαθαίνουν πώς ορισμένες συμπεριφορές τείνουν να έχουν θετικό ή αρνητικό αποτέλεσμα. Χρησιμοποιώντας αυτήν την προσέγγιση, ένας υπολογιστής μπορεί, ας πούμε, να καταλάβει πώς να πλοηγηθεί σε έναν λαβύρινθο με δοκιμή και σφάλμα και στη συνέχεια να συσχετίσει το θετικό αποτέλεσμα - την έξοδο από τον λαβύρινθο - με τις ενέργειες που οδήγησαν σε αυτό. Αυτό επιτρέπει σε ένα μηχάνημα να μαθαίνει χωρίς οδηγίες ή ακόμη και ξεκάθαρα παραδείγματα. Η ιδέα υπάρχει εδώ και δεκαετίες, αλλά ο συνδυασμός της με μεγάλα (ή βαθιά) νευρωνικά δίκτυα παρέχει τη δύναμη που απαιτείται για να λειτουργήσει σε πραγματικά πολύπλοκα προβλήματα (όπως το παιχνίδι του Go). Μέσα από αδυσώπητους πειραματισμούς, καθώς και ανάλυση προηγούμενων παιχνιδιών, το AlphaGo κατάλαβε μόνος του πώς παίζεται το παιχνίδι σε επίπεδο ειδικών.

Η ελπίδα είναι ότι η ενισχυτική μάθηση θα αποδειχθεί πλέον χρήσιμη σε πολλές πραγματικές καταστάσεις. Και η πρόσφατη κυκλοφορία πολλών προσομοιωμένων περιβαλλόντων θα πρέπει να δώσει ώθηση στην πρόοδο στους απαραίτητους αλγόριθμους αυξάνοντας το εύρος των δεξιοτήτων που μπορούν να αποκτήσουν οι υπολογιστές με αυτόν τον τρόπο.



Το 2017, είναι πιθανό να δούμε προσπάθειες να εφαρμοστεί η ενισχυτική μάθηση σε προβλήματα όπως η αυτοματοποιημένη οδήγηση και η βιομηχανική ρομποτική. Η Google έχει ήδη υπερηφανεύεται ότι χρησιμοποιεί τη βαθιά ενισχυτική εκμάθηση να κάνει τα κέντρα δεδομένων της πιο αποτελεσματικά . Αλλά η προσέγγιση παραμένει πειραματική και απαιτεί ακόμη χρονοβόρα προσομοίωση, επομένως θα είναι ενδιαφέρον να δούμε πόσο αποτελεσματικά μπορεί να αναπτυχθεί.

Μονομαχικά νευρωνικά δίκτυα

Στην ακαδημαϊκή συγκέντρωση τεχνητής νοημοσύνης που πραγματοποιήθηκε πρόσφατα στη Βαρκελώνη, στο συνέδριο Neural Information Processing Systems, μεγάλο μέρος του buzz αφορούσε μια νέα τεχνική μηχανικής μάθησης γνωστή ως παραγωγικά ανταγωνιστικά δίκτυα .

φαβέλες στο Ρίο ντε Τζανέιρο

Εφευρέθηκε από τον Ian Goodfellow, τώρα ερευνητή στο OpenAI, τα γενετικά αντίπαλα δίκτυα ή GANs, είναι συστήματα που αποτελούνται από ένα δίκτυο που δημιουργεί νέα δεδομένα αφού μάθει από ένα σύνολο εκπαίδευσης και ένα άλλο που προσπαθεί να κάνει διάκριση μεταξύ πραγματικών και πλαστών δεδομένων. Δουλεύοντας μαζί, αυτά τα δίκτυα μπορούν να παράγουν πολύ ρεαλιστικά συνθετικά δεδομένα. Η προσέγγιση θα μπορούσε να χρησιμοποιηθεί για τη δημιουργία σκηνικών βιντεοπαιχνιδιών, την αποθάμπωση πλάνα βίντεο με pixel ή την εφαρμογή στιλιστικών αλλαγών σε σχέδια που δημιουργούνται από υπολογιστή.



Ο Yoshua Bengio, ένας από τους κορυφαίους εμπειρογνώμονες στον κόσμο στη μηχανική μάθηση (και σύμβουλος PhD του Goodfellow στο Πανεπιστήμιο του Μόντρεαλ), δήλωσε στο NIPS ότι η προσέγγιση είναι ιδιαίτερα συναρπαστική επειδή προσφέρει έναν ισχυρό τρόπο για τους υπολογιστές να μαθαίνουν από δεδομένα χωρίς ετικέτα - κάτι που πολλοί πιστεύουν μπορεί να είναι το κλειδί για να γίνουν οι υπολογιστές πολύ πιο έξυπνοι τα επόμενα χρόνια.

Η έκρηξη της τεχνητής νοημοσύνης στην Κίνα

τεχνολογίας στην τάξη

Αυτή μπορεί επίσης να είναι η χρονιά κατά την οποία η Κίνα αρχίζει να φαίνεται ως σημαντικός παίκτης στον τομέα της τεχνητής νοημοσύνης. Η βιομηχανία τεχνολογίας της χώρας απομακρύνεται από την αντιγραφή δυτικών εταιρειών και έχει προσδιορίσει την τεχνητή νοημοσύνη και τη μηχανική μάθηση ως τους επόμενους μεγάλους τομείς καινοτομίας.

Η κορυφαία εταιρεία αναζήτησης της Κίνας, η Baidu, διαθέτει ένα εργαστήριο επικεντρωμένο στην τεχνητή νοημοσύνη εδώ και αρκετό καιρό και καρπώνεται τα οφέλη όσον αφορά τις βελτιώσεις σε τεχνολογίες όπως η αναγνώριση φωνής και η επεξεργασία φυσικής γλώσσας, καθώς και μια καλύτερα βελτιστοποιημένη διαφημιστική επιχείρηση. Άλλοι παίκτες τώρα προσπαθούν να προλάβουν. Η Tencent, η οποία προσφέρει την εξαιρετικά επιτυχημένη εφαρμογή ανταλλαγής μηνυμάτων και δικτύωσης για κινητά, WeChat, άνοιξε ένα εργαστήριο AI πέρυσι και η εταιρεία ήταν απασχολημένη με τη στρατολόγηση ταλέντων στο NIPS. Η Didi, ο γίγαντας του ride-sharing που αγόρασε τις κινεζικές επιχειρήσεις της Uber νωρίτερα φέτος, κατασκευάζει επίσης ένα εργαστήριο και φέρεται να εργάζεται στα δικά του αυτοκίνητα χωρίς οδηγό.

Οι Κινέζοι επενδυτές ρίχνουν τώρα χρήματα σε νεοφυείς επιχειρήσεις που εστιάζουν στην τεχνητή νοημοσύνη και η κινεζική κυβέρνηση έχει σηματοδοτήσει την επιθυμία να δει τη βιομηχανία τεχνητής νοημοσύνης της χώρας να ανθίζει. υπόσχεται να επενδύσει περίπου 15 δισεκατομμύρια δολάρια έως το 2018.

Εκμάθηση γλώσσας

Ρωτήστε τους ερευνητές της τεχνητής νοημοσύνης ποιος είναι ο επόμενος μεγάλος στόχος τους και είναι πιθανό να αναφέρουν τη γλώσσα. Η ελπίδα είναι ότι οι τεχνικές που έχουν επιτύχει θεαματική πρόοδο στην αναγνώριση φωνής και εικόνας, μεταξύ άλλων τομέων, μπορούν επίσης να βοηθήσουν τους υπολογιστές να αναλύουν και να δημιουργούν γλώσσα πιο αποτελεσματικά.

Αυτός είναι ένας μακροχρόνιος στόχος στην τεχνητή νοημοσύνη και η προοπτική των υπολογιστών να επικοινωνούν και να αλληλεπιδρούν μαζί μας χρησιμοποιώντας τη γλώσσα είναι συναρπαστική. Η καλύτερη κατανόηση της γλώσσας θα έκανε τις μηχανές πολύ πιο χρήσιμες. Αλλά η πρόκληση είναι τρομερή, δεδομένης της πολυπλοκότητας, της λεπτότητας και της δύναμης της γλώσσας.

Μην περιμένετε να μπείτε σε βαθιά και ουσιαστική συζήτηση με το smartphone σας για λίγο. Ωστόσο, γίνονται μερικές εντυπωσιακές εισβολές και μπορείτε να περιμένετε περαιτέρω πρόοδο σε αυτόν τον τομέα το 2017.

πόσο μεγάλο είναι το παρατηρήσιμο σύμπαν

Αντίδραση στη διαφημιστική εκστρατεία

Εκτός από τις γνήσιες προόδους και τις συναρπαστικές νέες εφαρμογές, το 2016 είδε τη διαφημιστική εκστρατεία γύρω από την τεχνητή νοημοσύνη να φτάνει σε νέα ύψη. Ενώ πολλοί πιστεύουν στην υποκείμενη αξία των τεχνολογιών που αναπτύσσονται σήμερα, είναι δύσκολο να ξεφύγουμε από την αίσθηση ότι η δημοσιότητα γύρω από την τεχνητή νοημοσύνη ξεφεύγει λίγο.

Ορισμένοι ερευνητές τεχνητής νοημοσύνης είναι προφανώς εκνευρισμένοι. Ένα πάρτι εκτόξευσης διοργανώθηκε κατά τη διάρκεια του NIPS για μια ψεύτικη εκκίνηση με τεχνητή νοημοσύνη Rocket AI , προς το αποκορύφωμα η αυξανόμενη μανία και η ανοησία γύρω από την πραγματική έρευνα AI. Η εξαπάτηση δεν ήταν πολύ πειστική, αλλά ήταν ένας διασκεδαστικός τρόπος να επιστήσω την προσοχή σε ένα πραγματικό πρόβλημα.

Ένα πραγματικό πρόβλημα είναι ότι η διαφημιστική εκστρατεία οδηγεί αναπόφευκτα σε ένα αίσθημα απογοήτευσης όταν δεν συμβαίνουν μεγάλες ανακαλύψεις, προκαλώντας την αποτυχία των υπερεκτιμημένων νεοφυών επιχειρήσεων και την εξάντληση των επενδύσεων. Ίσως το 2017 να έχει κάποιου είδους αντίδραση ενάντια στη μηχανή διαφημιστικής εκστρατείας AI — και ίσως αυτό δεν θα ήταν τόσο κακό.

κρύβω

Πραγματικές Τεχνολογίες

Κατηγορία

Χωρίς Κατηγοριοποίηση

Τεχνολογία

Βιοτεχνολογία

Τεχνική Πολιτική

Την Αλλαγή Του Κλίματος

Άνθρωποι Και Τεχνολογία

Silicon Valley

Χρήση Υπολογιστή

Περιοδικό Mit News

Τεχνητή Νοημοσύνη

Χώρος

Έξυπνες Πόλεις

Blockchain

Feature Story

Προφίλ Αποφοίτων

Σύνδεση Αποφοίτων

Δυνατότητα Ειδήσεων Mit

1865

Η Θέα Μου

77 Mass Ave

Γνωρίστε Τον Συγγραφέα

Προφίλ Στη Γενναιοδωρία

Βλέπεται Στην Πανεπιστημιούπολη

Επιστολές Αποφοίτων

Νέα

Εκλογές 2020

Με Ευρετήριο

Κάτω Από Τον Θόλο

Πυροσβεστική Μάνικα

Άπειρες Ιστορίες

Πανδημικό Τεχνολογικό Έργο

Από Τον Πρόεδρο

Θέμα Εξώφυλλου

Φωτογραφίες

Συνιστάται