Tiga pemenang Anugerah Turing membahaskan di Forum Heidelberg sama ada pembelajaran mendalam boleh mencapai penaakulan peringkat manusia

Pemenang Anugerah Turing yang berusia 85 tahun, Raj Reddy menyertai Forum Penerima Anugerah Heidelberg ke-9 baru-baru ini. Dia mengeluh dengan ikhlas: "Saya telah bekerja dalam bidang kecerdasan buatan selama hampir 60 tahun, tetapi saya tidak pernah menyangka bahawa teknologi ini akan menjadi praktikal dalam hidup saya >10 tahun yang lalu, pada tahun 2012, pembelajaran mendalam mencapai kejayaan." Pada masa itu, algoritma inovatif untuk klasifikasi imej berdasarkan rangkaian saraf berbilang lapisan tiba-tiba terbukti jauh lebih baik daripada semua algoritma sebelumnya. Kejayaan ini membolehkan aplikasi pembelajaran mendalam dalam bidang seperti pengecaman pertuturan dan imej, terjemahan automatik dan transkripsi, dan robotik.

Memandangkan pembelajaran mendalam diterapkan ke dalam lebih banyak aplikasi harian, semakin banyak contoh ralat yang mungkin muncul: sistem kecerdasan buatan akan mendiskriminasi dan merumuskan stereotaip Tayangan, membuat keputusan yang sukar difahami dan memerlukan sejumlah besar data dan kadangkala sejumlah besar tenaga. ​

Dalam konteks ini, Forum Penerima Anugerah Heidelberg ke-9 menganjurkan seminar mengenai aplikasi dan kesan pembelajaran mendalam untuk kira-kira 200 penyelidik muda dari lebih 50 buah negara. Perbincangan termasuk pemenang Anugerah Turing Yoshua Bengio, Yann LeCun, dan Raj Reddy, pemenang Anugerah Pengkomputeran ACM 2011 Sanjeev Arora, dan penyelidik Shannon Vallor, Been Kim, Dina Machuve, dan Shakir Mohamed.

Ketua Meta Saintis AI Yann LeCun adalah ahli panel yang paling optimistik: “Terdapat ramai orang yang mendakwa bahawa pembelajaran mendalam tidak boleh melakukan ini atau itu, dan kebanyakan dakwaan ini telah diselesaikan selepas beberapa tahun bekerja Terbukti salah Sepanjang lima tahun yang lalu, pembelajaran mendalam telah dapat melakukan perkara yang tidak dapat kita bayangkan, dan kemajuan semakin pesat, sebagai contoh, Facebook syarikat itu 96% ucapan benci, meningkat daripada 40% kira-kira empat tahun lalu. Beliau mengaitkan peningkatan ini dengan pembelajaran mendalam. "Kami dihujani dengan maklumat setiap hari, dan ia semakin teruk. Kami memerlukan lebih banyak sistem automatik yang membolehkan kami menyaring maklumat ini." Universiti Edinburgh di UK, membantah pandangan LeCun bahawa teknologi hanya bergerak ke hadapan, ia nampaknya mempunyai kehendaknya sendiri, dan masyarakat hanya perlu menyesuaikan diri. “Itulah sebabnya kita menghadapi beberapa masalah yang kita hadapi Teknologi boleh mengambil banyak jalan bercabang, dan orang ramai memutuskan sistem pembelajaran mendalam yang dibina dan dibina oleh manusia berdasarkan nilai, insentif dan struktur kuasa mereka sendiri. Penyebaran adalah artifak langsung, dan oleh itu kami bertanggungjawab sepenuhnya untuknya 》​

Salah satu kritikan terhadap pembelajaran mendalam ialah walaupun ia mahir dalam pengecaman corak, ia tidak sesuai pada masa ini. untuk itu. Penaakulan logik, manakala AI simbolik kuno sesuai. Walau bagaimanapun, kedua-dua Bengio dan LeCun tidak melihat sebab mengapa sistem pembelajaran mendalam tidak boleh digunakan untuk membuat alasan. Seperti yang diperhatikan Bengio, "Manusia juga menggunakan beberapa jenis rangkaian saraf dalam otak mereka, dan saya percaya ada cara untuk mencapai penaakulan seperti manusia melalui seni bina pembelajaran mendalam." menambah bahawa dia tidak fikir hanya meningkatkan rangkaian saraf hari ini akan mencukupi. "Saya percaya kita boleh menarik lebih banyak inspirasi daripada biologi dan kecerdasan manusia untuk merapatkan jurang semasa antara kecerdasan buatan dan kecerdasan manusia

Teori Komputer di Princeton University Scientist Sanjeev Arora menambah bahawa ia bukan." hanya pembelajaran mendalam yang tidak boleh menaakul, tetapi kita juga tidak boleh menaakul dengan rangkaian neural dalam. "Kita perlu memahami lebih lanjut tentang apa yang berlaku di dalam kotak hitam sistem pembelajaran mendalam, dan itulah yang saya cuba lakukan," kata Arora Raj Reddy setakat ini Ahli kumpulan paling lama dalam komuniti kecerdasan buatan , beliau telah terlibat dalam penyelidikan kedoktoran perintis kecerdasan buatan John McCarthy sejak tahun 1960-an. Reddy melihat gelas itu separuh penuh, bukan separuh kosong. "Aplikasi penting pembelajaran mendalam adalah untuk membantu orang di bahagian bawah piramid sosial. Kira-kira 2 bilion orang di dunia tidak boleh membaca atau menulis. Pelbagai teknologi bahasa kini cukup baik untuk digunakan, seperti pengecaman pertuturan dan terjemahan. Saya bekerja dalam bidang ini Selama hampir 60 tahun, saya tidak pernah menjangkakan bahawa teknologi ini akan menjadi praktikal dalam hidup saya, dan bahawa dalam sepuluh tahun walaupun orang yang buta huruf akan dapat membaca mana-mana buku, menonton mana-mana filem, dan bercakap dengan sesiapa sahaja, di mana-mana sahaja. dunia, dalam bahasa ibunda mereka.” ​

Walau bagaimanapun, pengendalian bahasa khusus yang lebih kecil masih menjadi masalah yang tidak dapat diselesaikan untuk teknik pembelajaran mendalam kerana lebih sedikit data yang tersedia. Di Afrika sahaja, terdapat 2,000 bahasa yang dituturkan tetapi tiada teknologi AI tersedia, kata perunding sains data Dina Machuve. Adalah penting untuk pergi ke komuniti dan melihat perkara yang berkesan untuk komuniti itu, jadi apabila mencari aplikasi pembelajaran mendalam untuk Afrika, Machuve memfokuskan pada aplikasi imej - "Kami telah membangunkan pengesanan awal penyakit ayam dan penyakit tanaman berdasarkan sistem pengesanan imej ." ​

Malangnya, dalam banyak cara, Afrika kekal sebagai "benua yang hilang" dalam penyelidikan dan penggunaan pembelajaran mendalam, tambah Shakir Mohamed, seorang penyelidik di DeepMind. “Kami mengira berapa banyak kertas daripada orang Afrika telah diserahkan di NeurIPS, persidangan pemprosesan maklumat saraf yang terkenal, antara 2006 dan 2016, dan jawapannya ialah: 0. Perkara yang sama berlaku untuk Amerika Latin, mungkin 1. Saya harap anda semua Orang , di mana sahaja anda berada, ambil serius soal perwakilan, siapa yang melakukan kerja, di mana ia dilakukan dan bagaimana anda berkongsi pengalaman anda dengan orang lain.”​

Been Kim , seorang saintis penyelidikan di Google Brain, berkata dia berharap semua orang menyedari bahawa pembelajaran mendalam bukanlah alat ajaib yang boleh menyelesaikan semua masalah sosial. Malah, dia memerhati, "Mungkin terdapat penyelesaian bukan AI yang lebih sesuai untuk masalah anda berbanding pembelajaran mesin. Anda perlu berhenti dan bertanya: Adakah ini alat yang betul?"

Apabila ditanya apa yang orang awam patut tahu tentang kecerdasan buatan dan prospeknya, Mohamed berkata: "Masa depan masih belum diputuskan. Kita masih boleh mencipta dan membentuk masa depan, dan itulah yang harus kita sentiasa ingat."

Atas ialah kandungan terperinci Tiga pemenang Anugerah Turing membahaskan di Forum Heidelberg sama ada pembelajaran mendalam boleh mencapai penaakulan peringkat manusia. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!