チューリング賞受賞者3人がハイデルベルク・フォーラムでディープラーニングが人間レベルの推論を実現できるかどうかを討論

85 歳のチューリング賞受賞者ラジ・レディ氏は、最近開催された第 9 回ハイデルベルク賞受賞者フォーラムに参加しました。彼は心からため息をつきました。「私は 60 年近く人工知能の分野で働いてきましたが、この技術が自分の生きているうちに実用化されるとは思いもしませんでした。」

10 年前の 2012 年、ディープラーニングは画期的な進歩を遂げました。そのとき、多層ニューラル ネットワークに基づく画像分類のための革新的なアルゴリズムが、それまでのすべてのアルゴリズムよりもはるかに優れていることが突然証明されました。このブレークスルーにより、音声および画像認識、自動翻訳および文字起こし、ロボット工学などの分野でのディープラーニングの応用が可能になります。

ディープラーニングが日々のアプリケーションに組み込まれることが増えるにつれ、起こり得るエラーの例がますます表面化しています。人工知能システムは、印象、とらえどころのない意思決定、および要求を識別し、固定概念を定式化します。大量のデータ、そして場合によっては大量のエネルギー。

これに関連して、第 9 回ハイデルベルク賞受賞者フォーラムは、50 か国以上から集まった約 200 人の若手研究者を対象に、ディープラーニングの応用と影響に関するセミナーを開催しました。ディスカッションには、チューリング賞受賞者のヨシュア・ベンジオ氏、ヤン・ルカン氏、ラージ・レディ氏、2011年ACMコンピューティング賞受賞者のサンジーブ・アローラ氏、研究者のシャノン・ヴァラー氏、ビーン・キム氏、ディナ・マチュベ氏、シャキール・モハメド氏が参加しました。

Meta のチーフ AI サイエンティストである Yann LeCun 氏は、パネリストの中で最も楽観的でした。 「数年間の研究を経て解決されました。誤りであることが判明しました。過去 5 年間で、ディープ ラーニングは私たちの誰も想像できなかったことを実現し、進歩は加速しています。」

LeCun たとえば、メタ 同社の Facebook は現在、ヘイトスピーチの 96% を自動的に検出しており、約 4 年前の 40% から増加しています。彼はこの改善は深層学習のおかげであると考えています。 「私たちは毎日大量の情報にさらされており、状況は悪化するばかりです。この情報を選別できる自動化システムがさらに必要になるでしょう。」

シャノン・ヴァラー英国のエディンバラ大学の教授であるルカン氏は、テクノロジーは進歩しているだけで、独自の意志を持っているようで、社会は適応する必要があるだけだというルカン氏の見解に異議を唱えている。 「まさにそれが、私たちが抱えている問題のいくつかに陥る理由です。テクノロジーは多くの分かれ道をたどる可能性があり、どの分岐点が最適であるかを人間が決定します。ディープラーニングシステムは、人間が独自の価値観、インセンティブ、権力構造に基づいて構築し、構築します。」

ディープ ラーニングに対する批判の 1 つは、ディープ ラーニングはパターン認識には優れているものの、現時点では次のような用途には適していないというものです。論理的な推論と、昔ながらの記号的な AI が適しています。しかし、Bengio 氏も LeCun 氏も、深層学習システムを推論に使用できない理由はないと考えています。 Bengio 氏が述べたように、「人間も脳内で何らかのニューラル ネットワークを使用しており、深層学習アーキテクチャを通じて人間のような推論を実現する方法があると信じています。」

ただし、Bengio 氏は次のように述べています。彼は、単に今日のニューラルネットワークをスケールアップするだけでは十分ではないと考えているとも付け加えた。 「生物学と人間の知能からさらにインスピレーションを得て、人工知能と人間の知能の間にある現在のギャップを埋めることができると信じています。」

プリンストン大学の理論コンピューターの科学者サンジーブ・アローラ氏は、そうではないと付け加えた。ディープラーニングだけでは推論することはできませんが、ディープ ニューラル ネットワークでも推論することはできません。アローラ氏は、「深層学習システムのブラックボックス内で何が起こっているのかをもっと理解する必要があり、それが私がやろうとしていることです。」

ラジ・レディはそうです。人工知能コミュニティで最も長くグループのメンバーとして活動しており、1960 年代から人工知能の先駆者ジョン マッカーシーの博士号研究に携わってきました。レディはグラスが半分空ではなく、半分が満たされていると認識します。 「ディープラーニングの重要な用途は、社会ピラミッドの底辺にいる人々を助けることです。世界の約 20 億人は読み書きができません。音声認識や翻訳など、さまざまな言語テクノロジーは現在、十分に使用できるようになりました。私は仕事をしています。この分野では 60 年近くもの間、この技術が生きているうちに実用化されるとは予想もしていませんでしたが、10 年後には、文盲の人でも、世界中のどこでも、どんな本も読み、どんな映画も見られ、誰とでも会話できるようになるでしょう。世界に、母国語で。」

しかし、利用できるデータがはるかに少ないため、より小規模なニッチな言語を処理することは、深層学習技術にとって未解決の問題のままです。データサイエンスコンサルタントのディナ・マチュベ氏によると、アフリカだけでも2,000の言語が話されているが、利用できるAI技術は存在しないという。コミュニティに入って、そのコミュニティに何が機能するかを確認することが重要であるため、アフリカ向けのディープラーニング アプリケーションを探すとき、Machuve 氏は画像アプリケーションに焦点を当てました。 ."

残念なことに、アフリカはディープ ラーニングの研究と展開において、さまざまな意味で依然として「欠けている大陸」であると、DeepMind の研究者である Shakir Mohamed 氏は付け加えます。 「2006 年から 2016 年の間に、有名な神経情報処理カンファレンスである NeurIPS にアフリカ人からの論文が何本提出されたかを数えてみました。その答えは 0 件でした。ラテンアメリカでも同じことが当てはまり、おそらく 1 件です。皆さんの投稿を願っています。どこにいても、誰がその仕事をしているのか、どこで行われているのか、どのように自分の経験を他の人と共有しているのか、表現の問題に真剣に取り組むことができます。」

Been Kim Google Brainの研究科学者は、ディープラーニングがすべての社会問題を解決できる魔法のツールではないことを人々に理解してほしいと述べた。実際、彼女は次のように述べています。「機械学習よりも、AI 以外のソリューションの方があなたの問題に適しているかもしれません。立ち止まって自問する必要があります。これは適切なツールですか?」

# #人工知能とその展望について一般の人々が知っておくべきことを尋ねると、モハメド氏は次のように述べた。「未来はまだ決まっていない。私たちはまだ未来を創造し、形づくることができる。それが私たちが常に覚えておくべきことだ。」

以上がチューリング賞受賞者3人がハイデルベルク・フォーラムでディープラーニングが人間レベルの推論を実現できるかどうかを討論の詳細内容です。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。