将来のビジョンをサポートできない場合、人工知能は再び「冬」を迎えることになるのでしょうか？

アラン・チューリングが 1950 年に独創的な論文「コンピューティング機械と知能」で「機械は考えることができるのか?」という疑問を初めて提起して以来、人工知能の開発は順風満帆ではなく、まだ達成されていません。目指すのは「汎用人工知能」。

しかし、この分野は依然として信じられないほどの進歩を遂げています。たとえば、IBM Deep Blue ロボットが世界最高のチェスプレイヤーを破り、自動で誕生しました。運転中の車の衝撃、そして Google DeepMind の AlphaGo が世界最高の囲碁プレイヤーを破った…現在の成果は、過去 65 年間で最高の研究開発の成果を示しています。

この時期に、人工知能に対する人々の初期の良好な期待をほぼ完全に覆した、十分に文書化された「AI Winters」があったことは注目に値します。

AI の冬を招く要因の 1 つは、誇大宣伝と実際の根本的な進歩との間のギャップです。

過去数年、人工知能の冬が再びやってくるのではないかという憶測が流れています。では、人工知能氷河期を引き起こす可能性のある要因は何でしょうか?

人工知能の周期的変動

「AI 冬」とは、商業分野および学術分野が人工知能技術を開発するにつれて、人工知能に対する社会の関心が高まり、投資が漸減する期間を指します。

人工知能は、1950 年代から 1960 年代に急速に発展しました。人工知能には多くの進歩がありましたが、そのほとんどは学術的なものにとどまっています。

1970 年代初頭、人工知能に対する人々の熱意が薄れ始め、この暗い時期は 1980 年頃まで続きました。

この人工知能の冬の間、機械のための人間のような知能の開発に特化した活動は資金が不足し始めています。

1956 年の夏、数学者とコンピューター科学者のグループがダートマス大学の数学学部が入っている建物の最上階を占拠しました。 。

8 週間にわたり、彼らは一緒に新しい研究分野を想像しました。

ダートマス大学の若手教授だったジョン マッカーシーは、セミナーの企画書を作成中に「人工知能」という用語を生み出しました。

彼は、このワークショップでは、「人間の学習のあらゆる側面やその他の知能の特徴は、原則として非常に正確に記述できるため、機械によって説明できる」という仮説を探求する必要があると考えています。それをシミュレートしてください。」

その会議では、研究者たちは今日私たちが人工知能として知っているものを大まかにスケッチしました。

これにより、人工知能科学者の最初の陣営が誕生しました。「象徴主義」は、論理主義、心理学派、またはコンピューター派としても知られる、論理的推論に基づくインテリジェントなシミュレーション手法です。これらは主に物理シンボル システムの仮定と限定合理性の原則であり、人工知能研究において長い間支配的でした。

同社のエキスパート システムは 1980 年代にピークに達しました。

会議から数年後、「コネクショニズム」は人間の知性を人間の脳の高レベルの活動に帰し、知性は多数の単純なユニットによって複雑なプロセスを通じて生成されることを強調しました。相互接続と並列実行の結果。

それはニューロンから始まり、次にニューラル ネットワーク モデルと脳モデルを研究し、人工知能の別の開発の道を切り開きます。

2 つのアプローチは長い間相互に排他的であると考えられており、双方とも汎用人工知能への道を進んでいると信じています。

その会議以来数十年を振り返ると、AI 研究者の希望はしばしば打ち砕かれ、これらの挫折があっても AI の開発を止めることはできなかったことがわかります。

今日、人工知能が産業に革命的な変化をもたらし、世界の労働市場を混乱させる可能性があるにもかかわらず、多くの専門家は、今日の人工知能の応用が限界に達しているのではないかと未だに疑問に思っています。

Charles Choi 氏が「AI が失敗する 7 つの明らかにされた原因」で説明しているように、今日の深層学習システムの弱点はますます明らかになってきています。

しかし、研究者たちは人工知能の将来について悲観的ではありません。近い将来、私たちは再び AI の冬を迎えるかもしれません。

しかし、これは、インスピレーションを受けた人工知能エンジニアがついに私たちを機械思考の永遠の夏に導く瞬間かもしれません。

コンピューター ビジョンと人工知能の専門家、フィリップ ピエクニフスキ氏による「AI の冬がやってくる」というタイトルの記事が、インターネット上で熱い議論を巻き起こしました。

この記事は主に、ディープラーニングの誇大宣伝を批判し、このテクノロジーは革新的とは程遠く、開発のボトルネックに直面していると考えています。

人工知能に対する大手企業の関心は実際に集中しており、人工知能の冬がまたやってくるかもしれません。

人工知能の冬は来るのでしょうか?

1993 年以来、人工知能の分野はますます目覚ましい進歩を遂げてきました。

1997 年、IBM の Deep Blue システムは、チェスの世界チャンピオン、ゲイリーを初めて破りました。カスパロフのコンピューターチェスプレイヤー。

2005 年、スタンフォード大学の無人ロボットが砂漠の道を 131 マイルも一歩も触れずに走行し、DARPA 自律ロボット チャレンジで優勝しました。

2016 年初め、Google の DeepMind の AlphaGo が世界最高の囲碁プレイヤーを破りました。

過去 20 年間で、すべてが変わりました。

特にインターネットの急速な発展により、人工知能業界には、ニューラル ネットワークをトレーニングして広範囲に適用するのに十分な画像、音声、ビデオ、その他の種類のデータが存在します。

しかし、ディープ ラーニング分野の拡大を続ける成功は、ニューラル ネットワークの層の数を増やし、そのトレーニングに使用される GPU 時間を増やすことにかかっています。

人工知能研究会社 OpenAI の分析によると、最大規模の人工知能システムのトレーニングに必要なコンピューティング能力は 2 年ごとに 2 倍になり、その後 3 ～ 4 か月ごとに 2 倍になります。

Neil C. Thompson らが『深層学習の利益逓減』で書いているように、多くの研究者は、人工知能の計算能力の需要が持続不可能な方向に向かっていることを懸念しています。

初期の人工知能研究が直面した共通の問題は、コンピューティング能力の深刻な不足であり、人間の知性や能力ではなくハードウェアによって制限されていました。

過去 25 年間、コンピューティング能力が劇的に向上するにつれて、人工知能も進歩しました。

しかし、急増する大量のデータとますます複雑になるアルゴリズムに直面して、毎年 20ZB の新しいデータが世界中で追加され、AI のコンピューティング能力に対する需要は毎年 10 倍に増加しています。この速度は、パフォーマンスの倍増サイクルに関するムーアの法則をはるかに上回っています。

チップ上に搭載できるトランジスタ数の理論上の物理的限界に近づいています。

たとえば、インテルは、コストを削減しながらトランジスタのサイズを縮小し続けることが難しいため、新しいチップ製造テクノロジーの立ち上げのペースを落としています。つまり、ムーアの法則の終わりが近づいているのです。

写真提供元: Ray Kurzwell、DFJ

コンピューティング能力の継続的な成長、ひいては人工知能の進歩を確実にする短期的なソリューションがいくつかあります。

たとえば、Google は 2017 年半ばに、ディープ ニューラル ネットワークのトレーニングと実行に最適化された「Cloud TPU」と呼ばれる特殊な人工知能チップを開発したと発表しました。

Amazon は、Alexa (人工知能パーソナルアシスタント) 用の独自チップを開発しています。同時に、現在多くのスタートアップ企業がチップ設計を特殊な人工知能アプリケーションに適応させようとしています。

ただし、これらは短期的な解決策にすぎません。

従来のチップ設計を最適化するオプションがなくなったらどうなるでしょうか? AIの冬もまた訪れるのでしょうか？量子コンピューティングが古典的なコンピューティングを超えて、より確かな答えを見つけられない限り、答えは「はい」です。

しかし、これまでのところ、「量子覇権」を達成でき、従来のコンピューターよりも効率的な量子コンピューターはまだ存在していません。

真の「量子超越性」が到来する前に従来のコンピューティング能力の限界に達した場合、将来的には人工知能の新たな冬が訪れるのではないかと私は懸念しています。

人工知能の研究者が取り組んでいる問題はますます複雑になっており、アラン・チューリングの汎用人工知能のビジョンの実現に向けて私たちを押し上げています。ただし、やるべきことはまだたくさんあります。

同時に、量子コンピューティングの助けがなければ、人工知能の可能性を最大限に実現することはほとんど不可能でしょう。

AI の冬が来るかどうかは誰にもわかりません。

ただし、潜在的なリスクを認識し、その兆候に細心の注意を払って、リスクが発生したときに備えられるようにすることが重要です。

以上が将来のビジョンをサポートできない場合、人工知能は再び「冬」を迎えることになるのでしょうか？の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。