Yicai Anları · Wu Xuening | Yapay zekanın üçüncü dalgasının öncekinden farkı nedir?
Yapay zekanın (AI) 1956'da doğumundan bu yana, 60 yıldan fazla bir süredir "üç artış ve iki düşüş" yaşadı.
2016 yılında Google Go robotu AlphaGo'nun ünü ile yapay zeka terimi, medyayı ve halkın düşüncesini çok fazla işgal etmeye başladı.Yapay zeka ulusal düzeyden kurumsal düzeye kadar her yerde görülebiliyor. Ekonomik büyümenin yavaşlaması ve sermayenin gelgitiyle birlikte yapay zekanın "kış teorisi" yeniden yayılmaya başladı. "Çatışmak ve aceleyle ayrılmak" bir sürü tüy getirdi. Yapay zekanın geleceği nerede?
Yapay zeka tarihi kendini tekrar edecek mi?
Yapay zekanın babası ve Turing Ödülü sahibi John McCarthy, 1956'da Dartmouth Yaz Sempozyumu'nda "yapay zeka" terimini ortaya attığında farklı bir sesi vardı. İngilizcede Yapay (yapay, insan yapımı) terimi, biraz "yanlış" anlamına gelen suni deri, suni ipek vb. Gibi hafif aşağılayıcı bir anlama sahiptir. O zamanlar, bazı İngiliz akademisyenler "düşünen makine" terimini kullanmaya daha istekliydi. Alan Turing, II.Dünya Savaşı'nın bitiş sürecini büyük ölçüde hızlandıran, on milyonlarca insanın zayiatını azaltan ve büyük katkılar sağlayan "gizemli makine" muammasıyla Alman kodunu kırdı ve ünlü soruyu sordu, makineler düşünebilir mi? ?
Bu açıdan bakıldığında yapay zeka terimi aslında uygundur. Bugün, yapay zeka makine öğreniminin temel direği, aktif öğrenmeyi yapmak değil, sadece "eğitilmektir". Daha da önemlisi, bu sadece parametre uydurma (Uydurma) için en küçük hata değerini bulmanın bir yöntemidir ve Herhangi bir bilinç olmadan. Küçük veriler gibi insan bilişsel yetenekleri gerektiren alanlarda, bugünün yapay zekası 5 yaşındaki çocuklarla karşılaştırılamaz. Örneğin, çocuklar birkaç fotoğrafı gördükten sonra "kedi" kavramını kolayca öğrenebilirler. "Gelişmiş" evrişimli sinir ağlarının benzer görevleri tamamlamak için büyük miktarda etiket verisinden öğrenmesi gerekir. Yine de, algoritmaların iyileştirilmesi ve katlanarak artan bilgi işlem gücü sayesinde, bazı senaryolarda yapay zeka inanılmaz yetenekler sergiledi ve bazı sektörlerde inovasyon üzerinde önemli bir etkiye sahip oldu.
McCarthy'nin yapay zeka tanımı şudur: Akıllı makineler yapma bilimi ve mühendisliği. Yapay zekanın doğuşundan on yıldan fazla bir süre sonra, bilim adamları kendilerini insan düşüncesini taklit ederek zekaya ulaşmaya adadılar. Günümüzün sinir ağları, bilgi grafikleri ve diyalog robotlarının prototipi gibi yapay zeka algoritmaları o dönemde çoktan ortaya çıkmıştır (sırasıyla, algılayıcı: basit görsel ayrım görevlerini tamamlayabilir; DENDRAL: kütle spektrometresi verilerini girip belirli bir maddeyi çıkarabilir Kimyasal yapı; ELIZA: psikoterapi için bir sohbet robotu) O zamanın tarihsel koşulları nedeniyle, AI çok sınırlı şeyler yapabilir. Halkın, AI'nın geleceği ve AI'nın vaat edilen yetenekleri hakkındaki gerçekçi olmayan iyimserliği yerine getirilmedi. 1970'lerde on yıl süren ilk AI kışını tetikledi.
1980'lerin başında, Japonya o zamanlar dünyanın en büyük ikinci ekonomisi haline geldi ve aynı zamanda teknolojide aktif olarak dünya lideri bir konum arıyordu. "Beşinci nesil bilgisayar" (beşinci nesil bilgisayar, ilk dört nesil bilgisayar temsili teknolojilere bölünmüştür: elektronik tüpler) önerdi. , Transistörler, büyük ölçekli entegre devreler ve çok büyük ölçekli entegre devreler), İngiliz ve Amerikan hükümetleri de takip etmeye zorlandı ve ilgili teknolojilere büyük yatırım yaptı.Aynı zamanda, makine öğreniminin sinir ağı algoritmasında iki atılım gerçekleşti. Enerji fiziğine dayalı Hopfield ağı önerildi; günümüzde derin öğrenmede hala önemli bir rol oynayan "geri yayılım" yöntemi sinir ağlarının parametre eğitiminde yaygın olarak kullanılıyor ve iyi sonuçlar elde etti. Bu yılın (2019) Turing Ödülü sahibi JefferyHinton'ın ödülü için önemli temellerden biri olun; 1990'ların başında Yang Likun (Yann LeCun, New York Üniversitesi profesörü, New York Üniversitesi profesörü, 2019 Turing Ödülü sahibi, Amerikan Mühendislik Akademisi akademisyeni, eski Facebook Yapay Zeka Araştırma Enstitüsü Müdürü) ticari olarak elle yazılmış rakam tanımayı gerçekleştirdi. Bu algoritma Amerika Birleşik Devletleri'ndeki çeklerin% 10'unun tanınmasında kullanıldı. 1992'de Carnegie Mellon Üniversitesi'nin basit bir sinir ağı tarafından kontrol edilen ilk insansız zırhlı aracı da kullanıldı. Yolda. Buna rağmen, ancak o dönemdeki bilgi işlem gücü ve veri hacmi ile kısıtlanan yapay zeka, hızla yükselen internetin göz kamaştırıcı ışığında giderek ortadan kayboldu ancak bu aşamadaki teorik rezervler, bugün yapay zekanın gelişimi için önemli bir kaynak sağlıyor.
İlk iki yapay zeka patlamasının iki özelliği vardır: Birincisi, katılımcıların bakış açısına göre, ana devlet yatırımının hakim olması, işletmelerin katılımının düşük olması ve uygulamanın son derece sınırlı olması; diğeri, teknolojinin temelde mantıksal akıl yürütme ile sembolizmin hakim olmasıdır. Hakim konum, sinir ağı okulunun gelişimi uzun süredir bastırılmıştı.Nesnel olarak, sinir ağının ihtiyaç duyduğu veri miktarı ve hesaplama gücü o zamanlar olgun değildi ve bu nedenle YZ'nin ana biçimi, gerçekte başa çıkması zor olan deterministik akıl yürütmekti. Bir çok belirsizlik sorunu.
Şu anda üçüncü yapay zeka dalgasının tepesinde
İnternetin 30 yıldır hızla gelişmesiyle birlikte, sosyal ağlar, Nesnelerin İnterneti ve bulut bilişim tarafından üretilen devasa miktardaki veriler, bu yapay zeka turunun refahı için yakıt sağladı. Moore Yasası, son 30 yılda bilgi işlem gücünde milyon kat artış sağladı ve veriye dayalı yapay zeka için güçlü bir ivme sağladı. 2006'da Kanadalı bilim adamı Profesör Geoffrey Hinton ve diğerleri, derin öğrenme çağının başlangıcını işaret eden bir yılda üç ağır makale yayınladılar. AlphaGo 2016'da medyayı patlattığından beri AI, B tarafında tüm toplumun dikkatini çekti; finans, perakende ve hızlı tüketim malları endüstrileri, para kazanmaya ve inovasyona yardımcı olmak için yapay zekayı kullandı, bu da büyük değer yarattı; C tarafında, yüz tanıma Akıllı hoparlörler gibi kişisel asistanlar olağandır. Bilim alanında, ister protein katlama araştırması olsun, ister kara deliklerin görsel resimlerini çizmek olsun, veri yoğun araştırmalar birçok disiplinin araştırma yöntemlerini tamamen değiştirdi ve hatta beşeri ve sosyal bilimlerin tüm yönlerine nüfuz etti.
Önceki iki yapay zeka dalgasından farklı olarak, işle yakından entegre olan birçok AI uygulama senaryosu uygulandı veya uygulanıyor ve işletmeler ana destekleyiciler haline geldi. Teknik olarak, bir tür makine öğrenimi olarak derin öğrenme, önceki sembolizmin mekanik muhakemesini terk eder ve uygulama senaryolarını büyük ölçüde genişleten olasılık temelli bir paradigmayı benimser. Sembolizm bir bilgi grafiği biçiminde devam eder ve yeni nesil arama motorlarının temel teknolojisi haline gelir. Bugün, arama motoruna şöyle bir soru girersiniz: Yao Mingin karısı kimdir? Sistem, bir dizi benzer bağlantı yerine doğrudan "Ye Li" sonucunu döndürecektir.
Aynı zamanda, refahın sınırları aşikardır. Öncelikle derin öğrenme teknolojisi teorik destekten yoksundur.Şu anda modelin yapısı ve eğitimi, önce buhar motorları, sonra termodinamik; önce uçaklar ve sonra aerodinamik; önce teleskoplar ve sonra optikler olmak üzere ampirisizm hakimiyetindedir. Teoriden önce pratik yapmak, insanların dünyayı anlamaları için önemli bir yoldur.Gelecekte derin öğrenme teorisinin doğuşu, algoritmaların hesaplama gücüne ve verisine olan bağımlılığını azaltacaktır; ikinci olarak, çığır açan algoritma fikirleri eksikliği vardır. Derin öğrenmedeki popüler evrişimli sinir ağı (CNN) ve uzun-kısa süreli bellek ağı (LSTM) hem 1980'lerde hem de 1990'larda önerildi, ancak o zamanki veri miktarı ve hesaplama gücü nedeniyle popüler değillerdi. . Yapay zeka patlamasının mevcut turunda, gerçek göz alıcı yenilikler yetersizdir.Anti-Sinir Ağları (GAN), oyun teorisi fikrini ortaya koyar, derin öğrenmeyle birleştirilmiş AlphaGo takviye öğrenimi, doğal dil işlemedeki kelime vektörleri ve diğer teknolojiler az sayıdadır. Birçok önemli yenilik.
Klasik mekaniğin ve kuantum mekaniğinin gelişim süreci, günümüzün derin öğrenmesine benzer: Tycho, büyük miktarda gezegensel hareket verisi topladı. Asistanı Kepler, bu verilerde gezegen hareketinin üç yasasını keşfetti, ancak bunun arkasındaki ilkeleri gösteremedi. Newton, üç yasaya dayanarak evrensel çekim yasasını önerene kadar; kuantum mekaniği alanında, insanlar hidrojen atomunun spektral verilerini çok erken elde ettiler, ancak açıklayamıyorlar. 1885'te İsviçreli bir matematik öğretmeni bu verilerin yasasını keşfetti ve "Balmer formülünü" önerdi, ancak nedenini açıklayamadı. Bohr'un çekirdek modelinin Balmer'in formülüyle tamamen tutarlı olması 1913'e kadar değildi. Bugün büyük veriye ve bazı iyi derin öğrenme modellerine sahibiz, ancak yine de teorik destekten yoksundurlar.Bu modellerin iyi bir açıklaması Kepler ve Balmer eyaletinde, Newton ve Boll'un önermesini bekliyor gibi görünüyor. Açıklamak için teori.
Yapay zeka teorisinin öncüsü olan akademik topluluk, mevcut modellerden ziyade derin öğrenme, denetimsiz öğrenme, zayıf denetimli öğrenme, model yorumlanabilirliği ve genel yapay zeka (AGI) gibi temel teorik araştırmalarda çığır açan yenilikler bekliyor. Tez yayınlamak için ince ayar, "yenilik". Bu yapay zeka turunun ana algoritmaları, bilişsel bilim, oyun teorisi ve kuantum mekaniği gibi geniş alanlardan esinlenmiştir.Büyük veri ile yönlendirilen algoritma odaklı bilimsel araştırma paradigması (dördüncü paradigma), çeşitli disiplinlerin araştırmalarına uygulanır. Stone, yeşim taşına saldırabilir, diğer disiplinlerin ilerlemesi de yapay zekanın yenilikçiliğini geri besleyebilir ve önemli bir devrimci rol oynayabilir, özellikle beyin bilimi, psikoloji ve diğer disiplinlerin gelişimi kapalı bir döngü oluşturabilir ve yapay zekanın gelişimini karşılıklı olarak teşvik edebilir. İyi huylu ilişki.
Endüstri dünyasında, iyi veri koşullarına sahip ve finans ve perakende gibi "paraya yakın" birkaç endüstri dışında, geleneksel endüstriler veri toplama, veri yönetişimi ve dijital dönüşüm sürecinde yetenek eksikliği gibi bir dizi zorlukla karşı karşıyadır. Kesinlikle zor. Başka bir bakış açısıyla, bu endüstrilerin de büyük bir potansiyeli var. Bazı basit "hızlı kazanma" senaryolarıyla başlayabilir, aşamalı olarak veri kültürü ve yetenekleri geliştirebilir ve daha iyi bir kullanıcı deneyimi oluşturmak gibi mevcut işleri optimize edebilirsiniz. Daha sonra, tek seferlik ürün satışlarını uzun vadeli kişiselleştirilmiş hizmetlere dönüştürmek gibi yapay zeka iş modeli inovasyonunun kullanımını düşünün. Örneğin, yabancı bir akıllı buzdolabı, gıda ambalajının son kullanma tarihini belirleyebilir ve ardından kullanıcılara yiyecek sağlamak için perakendecilerle işbirliği yapabilir. hizmet.
Bu yapay zeka turunun ilk yarısı C tarafında yiyecek, giyecek, barınma ve ulaşım açısından popüler hale geldi.Bir sonraki ana savaş alanı B tarafında olacak.İşletmeler her zaman havayı düşünmemeli ve her AI sahnesini istikrarlı bir şekilde iniş yapmanın en önemli yolu budur. Tüm toplumun ve çeşitli endüstrilerin dijital dönüşümü on yıllarca devam edecek. Akademik topluluk, önümüzdeki on yıl içinde AI teorisinde büyük bir atılım yapmasa bile, sektördeki AI senaryolarının uygulanmasında çok fazla darboğaz etkisi olmayacak. Çoğu kurumsal AI senaryosu En havalı teknolojiyi kullanmak gerekli değildir, doğru teknoloji en iyisidir. Gartner'ın tahminlerine göre, işletmelerdeki tahmin algoritmalarına olan talep, gelecekte katlanarak artacaktır. Çoğu senaryo, aşırı tahmin doğruluğu peşinde koşmak zorunda değildir. Şu anda popüler olan çerçeveleri ve araçları kullanarak, sıradan programcılar ve iş analistleri bunların çoğunu tatmin edebilir. Bu tür bir talep için, finans sektöründe risk kontrolü ve perakende sektöründe ürün tavsiyesi gibi birkaç temel senaryo için% 1'lik bir doğruluk artışı büyük bir değer getirecektir. İşletmeler doğal olarak bu alanlara yatırım yapmak için hiçbir çabadan kaçınmayacaktır. Veri bilimciler Yararlı yerler de bu alanlara kayacaktır.
Bugün, YZ'nin asıl amacı artık onu bir beyin gibi düşündürmek değil, bir insan asistanı olmak için eşsiz yeteneğini kullanmaktır.Sanayi devriminin fiziksel gücümüzü serbest bırakması gibi, AI beyin gücümüzü tekrarlayan görevler için özgürleştirdi. Daha değerli yaratıcı işlerle uğraşmak için daha fazla zamana ve enerjiye sahip olalım. Günümüzün bilinçsiz yapay zekanın insanlığa hükmetmesi konusundaki endişeleri temelsiz olsa da, çok sayıda endüstrinin dijital dönüşüm sürecinde olduğunu gördük. Gerçek fiziksel dünya yavaş yavaş sanal dijital alanla eşleştirilir. Kanun, sanal dünyadaki karar alma rolü, gerçek hayatta sürekli ortaya çıkıyor ve "The Matrix" filminin öngördüğü çağ, ulaşılabilir gibi görünüyor. AI, yeni insan bilinçaltı zihnine dönüşüyor ve bizim için çeşitli kararlar alıyor Son karar verme gücüne sahip olduğumuza rağmen, genellikle kendi bilgi kozamız içinde yaşadığımızı bilmiyoruz.
