Profesör Stanford, yapay zeka çalışanlarına artık "körlemesine" rehberlik eden ilk Yapay Zeka Endeksi raporunu yayınladı
Leifeng.comun Yapay Zeka Teknolojisi Yorumu: İki gün önce, Stanford Üniversitesi Bilgisayar Bilimleri Fakültesi profesörü ve Googleda eski baş bilim adamı Yoav Shoham, "Yapay Zekanın Geçmişi, Bugünü ve Geleceği" hakkında bir rapor vermek için Çin'e geldi. Geliştirme geçmişi, mevcut zorluklar ve bu zorlukların üstesinden nasıl gelineceği çok sık yorumlandı ve aynı zamanda geçen yıl liderlik ettiği bir işe odaklandı: AI Endeksi.
"AI İndeksi" nedir?
Bir ülkenin ekonomik gelişimini anlamak için elbette GSYİH'ya bakmalıyız; ama yapay zekanın gelişimini anlamak istediğimizde neye bakarız? Profesör Yoav Shoham'ın söylemek istediği şey: Yapay Zeka Endeksi.
Bu mesele, Stanford Üniversitesi'nin "AI100" adlı bir proje başlatmaya karar verdiği 2014 yılında başlamalıdır.Çin anlayışı "Yapay Zeka Araştırmalarının Yüzyılı" dır. Projenin temel amacı, önümüzdeki 100 yıl içinde akademik araştırma, ekonomi, etik ve hukuk alanlarında yapay zekanın ilerlemesini ve beklentilerini sürekli olarak araştırmak ve özetlemektir.
Geçen yıl Eylül ayında, "AI100" panel grubu "Stanford'un Yapay Zeka Üzerine Yüzüncü Yıl Araştırması: 2030'da Yapay Zeka ve İnsan Hayatı" konulu ilk raporu başlattı.
Ancak "AI 100", yalnızca her beş yılda bir rapor yayınlaması ve AI'nın gelişimini zamanında izleyememesi gibi bir dezavantaja sahiptir. Geçen yıl (2016) Yoav Shoham "AI100" liderlik ekibinden çekildi ve Ray, Erik, Jack ve Kelven ile yapay zekanın mevcut gelişimini zamanında izlemek ve yansıtmak için tasarlanmış bir göstergeye liderlik etmeye ve geliştirmeye başladı. Sistem-Yapay Zeka Endeksi.
"AI endeksi 2017 yıllık raporu" raporunda belirtildiği gibi:
AI alanı hızla gelişiyor ve uzmanların bile tüm alanın ilerlemesini anlaması ve izlemesi zor. Yapay zeka teknolojisinin mevcut durumunu sunacak ilgili ve makul veriler olmadan, toplantılara gitmek veya yapay zeka ile ilgili bazı kararlar vermek aslında "kör uçmak" gibidir.
Ve şimdi, gerçekten "kör uçuyoruz"!
Profesör Yoav Shoham, bu açık, kar amacı gütmeyen, veri tabanlı AI endeks raporu aracılığıyla AI araştırmacılarına çeşitli alanlarda navigasyon sağlamayı umuyor. Bu raporun aşağıdaki gibi birkaç özelliği vardır:
1. Bu bir yıllık rapordur;
2. Kullandığı tüm veriler halka açıktır ve herkes yeni veriler sunabilir;
3. Bu sadece bir başlangıç. Yoav, AI İndeksini birlikte geliştirmek için daha fazla insanı katılmaya çağırıyor.
Rapor ne dedi?
Basitçe söylemek gerekirse, "AI Endeksi" nin yıllık raporu kabaca iki bölümden oluşmaktadır:
1. Veri bölümü: Tabloyu inceleyin ve eksik olanı kısaca açıklayın, ayrıca ekteki verileri alma ve işleme yöntemini açıklayın;
2. Tartışma bölümü: Önceki tablo çok soğuk ve sahadaki herkes (Wu Enda gibi) sıcak bir yorum için sahaya gelecek.
Veri bölümü
1. Etkinlik hacmi - bu alanda "ne kadar"
1. Akademik
AI Index, yapay zeka araştırmasının gelişimini üç yönden ele alır: makale sayısı, üniversiteye kabul ve AI konferanslarındaki katılımcı sayısındaki değişiklikler.
(1) Yayınlanan makale sayısı
Görülüyor ki, 1996'dan günümüze, yapay zeka ile ilgili makalelerin sayısı neredeyse 9 kat arttı! 9 kere kavramı nedir? Belki kıyaslandığında daha sansasyoneldir
1996'dan günümüze kadar tüm makaleler, CS saha çalışmaları ve AI saha raporları karşılaştırıldığında, büyüme oranı sırasıyla 2 kat, 6 kat ve 9 kat. Simgeyi dikkatlice inceleyerek, CS makalelerinin sayısının 2004'ten 2009'a hızla arttığını ve AI alanındaki makale sayısının da hızla artmaya başladığını göreceksiniz, bu da AI'nın hızla büyüyen gelişiminin CS'nin diğer alanlarındaki araştırmalarla yönlendirildiğini göstermektedir. Süren.
(2) Kayıt numarası
Sınırlı veriler nedeniyle, AI Endeksi yalnızca Stanford, Berkeley, Georgia Üniversitesi, Urbana-Champaign'deki Illinois Üniversitesi, Washington Üniversitesi ve Carnegie Mellon Üniversitesi'nin kabul durumunu toplar.
Stanford Üniversitesi, ML ve AI öğrencilerini kaydetmeye 1990 yılında başladı. ML kayıt sayısının 2000'den önce çok az olduğunu ve monofilamentin 2006'dan sonra hızla artmaya başladığını görüyoruz.
AI'ya kayıtlı öğrenci sayısı, 1990'larda bir artış yaşadıktan sonra donma noktasına düştü. 1996'daki donma noktasından bu yana, kayıtlı öğrenci sayısı sadece yavaş bir şekilde artmış, ancak 2006'dan sonra öğrenci sayısı da hızla artmıştır. 2017'de öğrenci sayısı 1996'nın 11 katı olmuştur. (Not: 2017'deki düşüş okul yönetimi sorunlarından kaynaklanıyordu)
AI yönündeki birkaç kolej ve üniversitenin kayıt durumunu karşılaştırdığımızda, Berkeley'in bu konuda daha hevesli göründüğünü, diğer okulların ise biraz daha yavaş olduğunu görebiliriz.
ML'de Stanford Üniversitesi daha aktif. Dikkat çekmeye değer başka bir şey de CMU'nun makine öğrenimine 12 yılda sadece bir majör olarak başladığı, ancak hızla geliştiği.
(3) Katılımcı sayısı
Yukarıdakiler 2016'da 1.000'den fazla katılımcının olduğu bir konferanstır. Bu genel "kase şeklindeki" veri tablosu ayrıca insanların dikkatinin yavaş yavaş sembolik akıl yürütmeden makine öğrenimine ve derin öğrenmeye kaydığını gösteriyor. Gerçekten sözde "doğuda 30 yıl, batıda 30 yıl". Ayrıca bu yılki NIPS konferansındaki katılımcı sayısının 8.000'e kadar çıktığını biliyoruz.
Bu, 2016'da 1000'den az katılımcının olduğu küçük bir toplantıdır. Bundan da anlaşılacağı gibi, insanların dikkati değişmiş olsa da, hala yapay zekada sembolik akıl yürütme araştırmalarını sürekli olarak ilerleten küçük bir grup insan var. Her zaman akademik araştırmaları eğilimi takip etmeyen bazı insanlar vardır.
2. Sanayi
(1) AI ile ilgili girişimler
21. yüzyıldan önce neredeyse hiç AI şirketi yoktu. Bununla birlikte, 2000'den sonra birçok AI şirketi hızla ortaya çıktı.Özellikle 2006'dan sonra, AI sistemlerinin geliştirilmesine adanmış Amerikan start-up şirketlerinin sayısı katlanarak artmaya başladı. 2016'da AI şirketlerinin sayısı 2000'in 14 katı idi.
(2) AI ile ilgili fonlar
Amerika Birleşik Devletleri'nde yapay zeka girişimlerine yatırılan fonlar, 2012 yılından sonra yapay zekaya dikkat etmeye başladı ve yoğun bir şekilde yatırım yapmaya başladı. 2000 yılına kıyasla 2016'daki toplam miktar bunun 6 katıydı.
(3) Açık Pozisyonlar
Aşağıdaki veriler esas olarak iki web sitesinden, Indeed.com ve Monster.com'dan gelmektedir.
2013'teki verilerden başlayarak, ABD'de yapay zeka becerileri gerektiren iş sayısının 2013'ten bu yana 4,5 kat arttığını görebiliyoruz.
Farklı ülkelerdeki yapay zeka ile ilgili açık iş pozisyonlarının büyümesi farklıdır.Kanada ve Birleşik Krallık'ın son iki yılda çok hızlı büyüdüğü görülebilir. Bununla birlikte, hızlı büyümelerine rağmen, mutlak sayıları Birleşik Devletler'dekilerin sadece% 5'i ve% 27'sidir.
Belli alanlarda ML ile ilgili deneyime sahip daha fazla iş olduğu ve açık kadro sayısının iki yılda yaklaşık 10 bin arttığı görülmektedir. Derin öğrenme gerektiren işler de bu yıl ikiye katlandı.
(4) Robot etkisi
Kuzey Amerika'da ve küresel olarak, endüstriyel robot kurulumlarının sevkiyat sayısı 2009'dan sonra yaklaşık 200 bin arttı.
Kuzey Amerika ve dünyada endüstriyel robotlar kat kat arttı. 2009 yılından itibaren endüstriyel robot yük sayısının keskin bir şekilde arttığı görülmektedir.
3. Açık kaynak yazılım-Github proje istatistikleri
Github'da tensorflowh (derin öğrenme yazılım paketi) ve Scikit-learn (makine öğrenimi yazılım paketi) yıldızlarının sayısı (beğenilere veya favorilere eşdeğer) ile, derin öğrenmenin ilgisi makine öğreniminden çok daha fazla görünüyor.
Bir grup fotoğrafına gelin, Tensorflow sadece "çok ileride".
4. Kamu yararı-medyanın duyguları bildirme
"Yapay Zeka" terimini içeren medya makalelerinin sayısı: olumlu ve olumsuz. Özellikle 2017'den sonra çoğunluğun olumlu olduğu görülmektedir.
2. Teknik performans - bu alanda "ne kadar iyi"
1. Görme nesnesi algılama
Büyük Sahne Görsel Tanıma Mücadelesi (LSVRC) yarışmasında nesne algılama performansı. 2010 yılında% 28,5 olan hata oranının, 2017 yılında insan performansını aşarak hızla% 2,5'e düştüğü görülmektedir.
2. Vizyon-Görsel Soru-Cevap
AI sisteminin bir resimli soruya açık cevaplı bir görevdeki performansı. Eh, insanoğlunun kötü performansından uzaktır.
3. Doğal dil işleme-Ayrıştırma
Yapay zeka sistemlerinin cümlelerin dilbilgisel yapısını tespit etme görevindeki performansı son on yılda pek değişmiş gibi görünmüyor.
4. Makine çevirisi
AI sisteminin İngilizce-Almanca haber çevirisi görevindeki performansı 2015'ten sonra büyük ölçüde iyileştirildi. Dikkatin azalmasının nedeni, çeviri sisteminin farklı görevlerde farklı performans yeteneklerine sahip olmasıdır.
5. Soru-Cevap
AI sisteminin dosyalardan sorulara cevap bulma görevindeki performansı da çeviri sistemi ile aynıdır. 2015 yılında büyük bir gelişme oldu ama sonra daha yavaş oldu.
6. Ses tanıma
AI sistemlerinin cep telefonlarında sesi tanıma görevindeki performansı, bu yıla girdikten sonra kademeli olarak insan seviyelerine yaklaştı ve hatta onları aştı.
7. Teorik kanıt
Otomatik teorem kanıtlama problemlerini kanıtlayan geniş bir teorem kümesinin ortalama izlenebilirliği. (İşleme kolaylığı azaldı çünkü farklı çözücüler yalnızca belirli problemlerde iyi olabilir)
8. SAT Çözme
Endüstriyel uygulamalar açısından, SAT (Akademik Yetenek Testi) çözücü oranı 2009'dan beri seviyeyi geçebildi, ancak son on yılda önemli ölçüde iyileşmedi.
3. Birden fazla verinin türevsel ölçüm-çapraz karşılaştırması
1. Akademik Sanayi
Açıkçası, veriler akademik faaliyetin (yayınlanan makale sayısı ve kayıt) mühendisliğin gelişimini yönlendirdiğini göstermektedir. 2010 yılında yatırımcılar yapay zekanın gelişimini fark etmeye başladı ve 2013 yılına kadar yatırım önemli ölçüde artmaya başladı.
2. AI canlılık indeksi
Yapay Zeka Canlılık Endeksi, bir alan olarak yapay zekanın canlılığını ölçmek için akademi ve endüstriden (basılı yayınlar, kayıt numaraları ve yatırım) elde edilen sonuçları bir araya getirir. AI canlılık endeksini hesaplamak için yukarıdaki üç faktörün ortalamasını aldık.
Bu sadece basit bir hesaplamadır. Yoav ve diğerleri, bu basit anketin insanların yapay zeka endeks göstergelerini daha doğru analiz etme konusunda ilgilerini uyandıracağını ve zamanın testine dayanabilecek bir çözümü keşfedebileceğini umuyor.
Dördüncü olarak, insan seviyesindeki performansa doğru
AI sistemlerini insanlarla karşılaştırmak neredeyse doğaldır. Açıktır ki, bilgi işlem gibi belirli görevlerde bilgisayarlar insanlardan çok daha üstündür. Ancak, karmaşık görevlerle (soru cevaplama, oyunlar, tıbbi teşhis vb.) Uğraşırken AI sistemlerinin değerlendirilmesi daha zordur.
AI sistemleri genellikle dar arka planlar için tasarlanır, bu nedenle belirli bir görevde mükemmel performans gösterebilir; ancak görev biraz değiştirilirse, AI sisteminin performansı büyük ölçüde azalabilir. İnsanlar tamamen farklıdır.
İnsanları ve AI sistemlerini karşılaştırmak biraz zor olsa da, bazı açılardan bu tür karşılaştırmalar hala çok ilginç. Örneğin, aşağıda listelenen kilometre taşları:
1980'de Othello
1980'lerde, Kai-Fu Lee ve Sanjoy Mahajan, "Othello" oyununu oynamak için bir Bayes öğrenme sistemi olan BILL'i geliştirdiler. Bu program 1989'da Amerikan bilgisayar oyuncusu ulusal şampiyonluğunu kazandı ve en yüksek dereceli Amerikalı oyuncu Brian Rose'u 56-8'lik skorla yendi. 1997'de Logistello adlı bir program Othello'nun dünya şampiyonuna karşı altı maç kazandı.
1995 yılında dama
1952'de Arthur Samuels, dama oynamak için bir dizi program yaptı ve kendi kendine öğrenerek onları geliştirdi. Ancak, 1995 yılına kadar Chinook adlı bir dama programının dünya şampiyonunu mağlup etmesi değildi.
1997'de satranç
1950'lerde, 1967'de insan satranç şampiyonunu yenecek bazı bilgisayar bilimcileri vardı. Ancak 1997 yılına kadar IBM'in DeepBlue sistemi satranç şampiyonu Gary Kasparov'u (Gary Kasparov) yendi. Bugün akıllı telefonunuzda çalışan satranç ve ustalık düzeyindeki programları oynayabilirsiniz.
2011'de Jeopardy!
2011'de IBM'in Watson bilgisayar sistemi, popüler bilgi yarışması şovu Jeopardy'ye katıldı! Eski kazananlar Brad Rutter ve Ken Jennings ile karşı karşıya. Sonunda Watson, 1 milyon dolarla birinci oldu.
2015 yılında Atari oyunları
2015 yılında, Google DeepMind'deki bir ekip 49 Atari oyununun nasıl oynanacağını öğrenmek için bir pekiştirmeli öğrenme sistemi kullandı. Bu sistem, çoğu oyunda (kuşatmayı vurgulamak gibi) insan seviyesinde performansa ulaşabilir, ancak bazıları hala ulaşılamaz görünse de (Montezuma's Revenge gibi).
2016'da ImageNet'te nesne algılama
2016'da ImageNet otomatik etiketlemenin hata oranı 2010'da% 28,5'ten% 3'ün altına düşerken, insan hatası% 5 oldu.
2016, Git
Mart 2016'da Google DeepMind ekibi tarafından geliştirilen AlphaGo sistemi, dünyanın en hile yapan Go ustalarından Li Shishi'yi 4-1 mağlup etti. Mart 2017'de DeepMind, AlphaGo Master'ı piyasaya sürdü ve dünyanın bir numaralı Go ustası Ke Jie'yi yendi. Ekim 2017'de, AlphaGo Zero'nun bir başka yeni versiyonu Nature dergisinde yayınlandı ve önceki AlphaGo'yu 100-0'lık bir skorla mağlup etti.
2017, cilt kanseri sınıflandırması
Esteva ve arkadaşları, Nature dergisinde 2017'de yayınlanan bir makalede bir AI sistemini tanımladılar. 2094'te farklı hastalıkların 129.450 klinik görüntüsünü içeren bir veri setiyle sistemi eğittiler ve ardından 21 ile karşılaştırdılar. İki sertifikalı dermatoloğun tanısal performansı karşılaştırıldığında, AI sisteminin cilt kanseri sınıflandırmasında dermatologlarla karşılaştırılabilir olduğu bulunmuştur.
2017'de konuşma tanıma
2017'de Microsoft ve IBM, insanlarla karşılaştırılabilir konuşma tanıma yetenekleri elde etti.
2017, poker
Ocak 2017'de CMU'dan Libratus adlı bir program, 120.000 uzun bir turnuvada en iyi dört insan oyuncuyu yendi.
Şubat 2017'de Alberta Üniversitesi'nden DeepStack adlı bir program 3000'den fazla oyunda 11 profesyonel oyuncuyu yendi.
2017 yılında Bayan Pac-Man
Microsoft tarafından satın alınan bir derin öğrenme ekibi olan Maluuba, bir AI sistemi geliştirdi ve Atari 2600'de oyunun en yüksek 999.900 puanına nasıl ulaşılacağını öğrendi.
Lei Feng.com'dan not: Yukarıdaki tüm veriler halka açıktır ve rapor ayrıca belirli veri toplama yöntemleri sağlar. İlgilenen öğrenciler "AI Dizini" raporunu indirebilirler.
5. Eksik olan nedir?
Önceki içerik pek çok şeyi kapsıyor, ancak AI'nın tamamını içermediği açıktır.Bu raporda hala iyileştirilmesi gereken birçok alan var.
1. Teknik performans
Bu rapor, ele alınmayan birçok önemli teknik alana sahiptir ve bazı alanlarda henüz net standartlaştırılmış kriterler (diyalog sistemleri, plan planlama, robotların sürekli kontrolü gibi) yoktur. Diğer bazı alanlarda, sağduyu gibi akıl yürütme gibi önemli bir ilerleme kaydetmemiş olabilirler, bu nedenle teknik performansı değerlendirmek zordur. Üçüncüsü, ilgili verileri toplamak için zamanı olmayan bazı alanlar vardır (tavsiye sistemleri, standart testler gibi).
2. Uluslararasılaştırma
Bu rapor (veriler) şu anda ağırlıklı olarak Amerika Birleşik Devletleri merkezli ve Çin'in yapay zeka araştırmalarının ve yatırımlarının da son derece aktif olduğunu biliyoruz. Çin hakkında hiçbir haber yapılmamasının ana nedeni, Yoav ve diğerlerinin Çin'in yapay zeka ile ilgili verilerini almak için zamanlarının olmamasıdır. Bu durum gelecekte düzelebilir.
3. Çeşitlilik ve kapsayıcılık
Yapay zeka sistemlerini araştıran ve geliştirenler, yapay zekanın toplum üzerindeki etkisinin şekillenmesinde önemli rol oynuyor. Yapay Zeka Endeksi raporu, yapay zeka değişimine kimin katılacağını ve gelecekteki yapay zeka araştırma ve geliştirmesini kimin etkileme gücüne sahip olduğunu ölçmelidir.
4. Devlet ve tüzel kişi yatırımı
Bu raporda sunulan risk sermayesi verileri yalnızca Amerika Birleşik Devletleri'ne odaklanıyor ve yapay zeka araştırma ve geliştirmeye (Ar-Ge) yapılan toplam yatırımın yalnızca küçük bir bölümünü temsil ediyor. Hükümet ve şirketler, yapay zeka araştırma ve geliştirmesine gerçekten çok para yatırdı. Bu verilerin toplanması zor olabilir. Daha derine inmek için, oldukça koordineli bir işbirliği gerekli olabilir.
5. Belirli sektörlerin etkisi
Rapor ayrıca yapay zekanın sağlık, otomotiv, finans, eğitim ve diğer alanlardaki etkisine ilişkin ilgili göstergelerden yoksundur. İlgili göstergelerin belirlenmesi ve bir araya getirilmesi zor olduğundan, bu alanlar en önemli ve başa çıkılması en zor alan olabilirler ve bunları yapmak için alanlarını derinlemesine anlayan kişiler gerektirirler. Yoav ve diğerleri de bu alanlardaki uzmanların raporun bu bölümünü iyileştirmek için onlarla işbirliği yapmasını bekliyor.
Ek olarak, bu rapor ırk, cinsiyet vb. İle ilgili soruşturmaları tartışmadı.
6. Sosyal etki
Bu rapor aynı zamanda AI'nın neden olduğu sosyal risklerle ilgili sorunları da ele almadı. Sonraki raporlarda Yoav ve diğerleri, AI güvenliği, AI öngörülebilirliği, AI algoritma adaleti, AI çağında gizlilik, AI'nın ahlaki etkisi ve diğer konular hakkında tartışmalar sunmayı umuyor.
Yukarıda çok fazla sorun var, ana sebep: insan eksikliği, veri eksikliği! Bu nedenle Yoav ve diğerleri, yapay zeka indeks raporunu ortaklaşa iyileştirmek veya iyileştirmek ve yapay zeka topluluğundaki insanlara yapay zeka geliştirmede doğru ve zamanında sezgisel eğilimler sağlamak için birisinin onlara katılabileceğini umuyor.
Uzman Forumu
Veriler her zaman soğuk ve eksiktir, yalnızca geçmişi tanımlayabilir, ancak insanlara bugünü ve geleceği söyleyemez. AI Endeksi, rapora akademi, endüstri, hükümet ve medyadaki bir dizi AI uzmanının görüşlerini benzersiz bir şekilde ekledi, böylece insanlar AI'nın bugünü ve geleceği hakkında canlı bir anlayışa sahip olacak. Aşağıda, Leifeng.com okuyucular ve ilgilenen okuyucular için beş uzmanın görüşlerini derledi.
Barbara Grosz (Harvard Üniversitesi)
Barbara Grosz, Harvard Üniversitesi Mühendislik ve Uygulamalı Bilimler Fakültesi'nde doğa bilimci.
Bu AI Endeksi raporu övgüye değerdir ve birçok eksikliği giderir. Ancak rapor, yapay zeka teknolojisi ve insan etkileşiminin bu yönünü henüz ele almadı. İnsanları kopyalamak yerine insan yeteneklerini tamamlayabilen veya geliştirebilen yapay zeka teknolojilerinin geliştirilmesine son zamanlarda artan vurgu göz önüne alındığında, bu özellikle dikkate değer. Örneğin, IJCAI-16'nın teması "İnsan Bilişsel Yapay Zeka" ve AAAI-18'in teması "İnsan ve Yapay Zeka İşbirliği" Son yıllarda yapay zeka ve insanlar üzerine birçok seminer ve sempozyum gördüm.
Bu boşluk, doğal dil işleme bölümünde yansıtılır.Raporda ayrıştırma, makine çevirisi vb. Bahsedilir, ancak diyalog sistemleri veya sohbet robotlarından bahsetmez. Ayrıştırma ve makine çevirisinin insan duygularını dikkate alması gerekmez, ancak diyalog sistemleri ve sohbet robotları bunu yapar. Bu önemli bir noktadır.
AI Endeksi raporunun işaret ettiği gibi, bu faktörler yalnızca onları ölçmenin iyi bir yolu olduğunda rapora dahil edilir. İnsan faktörlerini dikkate alan yapay zeka teknolojisini ölçmek gerçekten büyük bir zorluk ama çok önemli. Yapay zeka algoritmalarının ve sistemlerinin yalnızca verimliliğini ve hesaplama gücünü dikkate almak yeterli değil, aynı zamanda insan yaşamı üzerindeki etkilerini de göz önünde bulundurmak yeterli. AI Endeksi raporu bu göstergelerin ölçülmesini teşvik edebilirse, ister bilgisayar çalışanları isterse bir bütün olarak toplum olsun, AI alanına çok büyük bir katkı sağlayacaktır.
Ek olarak, gelecekte AI Index raporunun yalnızca yapay zeka kurslarına kaydolmayı araştırmakla kalmayıp, aynı zamanda yapay zekanın etik konularını inceleyen kursları da dahil etmeyi umduğunu umuyorum. Akıllı sistemler günlük yaşamlarımızı giderek daha fazla kapladıkça, AI öğretim kurslarının öğrencilere etiği dikkate almanın önemini aktarması gerekir.
AI İndeksinin ayrıca, bir AI sistemi tasarlarken sistemin tasarlanması gerekip gerekmediğini kaç şirketin dikkate alacağını ve kaç AI sistem tasarımcısının tasarladıkları sistemin tasarım süreçlerinde beklenmedik sonuçlara sahip olup olmayacağını dikkate alması gerekir. Ve onları geliştirmeye çalışın.
Kai-Fu Lee (İnovasyon Atölyesi)
AI indeksi, yapay zekayı tartışmak için büyük çaba sarf etti. İlk raporunda, AI'nın gelişimini anlamak için kullanılabilecek birçok önemli istatistik var, ancak esas olarak ABD pazarı için. Şimdi Çin'in yapay zeka durumunun bazılarını doldurmama izin verin.
"Veri asla çok fazla değildir." (Daha fazla veri gibi veri yoktur.) Daha fazla veri, daha akıllı yapay zeka. Peki Çin ne kadar veri üretiyor?
Çin, dünyanın en çok cep telefonu ve İnternet kullanıcısına sahip, ABD veya Hindistan'ın yaklaşık üç katı. Pek çok insan Çin ile Amerika Birleşik Devletleri arasındaki verilerin üç kat daha büyük olduğunu düşünebilir, ancak gerçek çok daha büyük. Çin'de insanlar Amerikalıların 50 katı kadar ödeme yapmak için cep telefonlarını kullanıyorlar; Çin'in gıda taşıma hacmi ABD'nin on katı ve bisiklet paylaşım şirketi Mobike'nin sıfırdan günde 20 milyon siparişe çıkması sadece 10 ay sürdü. 20 milyon bisiklet, GPS verilerini ve diğer sensör bilgilerini sunucuya göndererek her gün 20 terabayt veri oluşturur. Benzer şekilde, Çinli bir araba paylaşım şirketi olan DiDi'nin verilerini bazı pilot şehirlerdeki trafik kontrolüne bağladığı bildirildi. Tüm bu İnternet bağlantılı şeyler, mevcut ürünleri ve uygulamaları daha verimli hale getirmeye yardımcı olan veriler üretecek ve ayrıca hiç düşünmediğimiz uygulamalar da var.
Çin'in yapay zeka ürünlerinin kalitesi nasıl? Pek çok insan, Çin'in 15 yıl önce taklit etmekten başka bir şey olmadığını hatırlayabilir. Ancak şimdi akıllı ve istekli Çinli teknoloji devleri ve girişimcileri, denizaşırı meslektaşlarını bile geride bırakarak Batılı yenilikler tarafından yönlendirildi. Yapay zekaya bir örnek vermek gerekirse, Çinli yüz tanıma girişimi Face ++, kısa süre önce üç bilgisayarlı görme yarışmasında Google, Microsoft, Facebook ve CMU ekiplerinin önünde birinci oldu.
Çin Devlet Konseyi, 2030 yılına kadar bir AI inovasyon merkezi olma planını açıkladı.
Çin hükümetinin teknolojik gelişmeye karşı açık bir tavrı var. Çin'in çevresi de hızlı başlangıç ve yinelemeye daha elverişli. Temmuz 2017'de Çin Devlet Konseyi, 2030 yılına kadar küresel bir yapay zeka inovasyon merkezi olma hedefiyle çok net bir hedefle "Yeni Nesil Yapay Zeka Geliştirme Planı" nı açıkladı. Planın, yapay zekayı büyük endüstriler ve eyalet hükümetleri için en önemli öncelik olarak teşvik etmesi bekleniyor. Bunun sadece büyük bir konuşma olduğunu düşünüyorsanız, sonunda çok iyi uygulanmış olan yüksek hızlı tren gibi bazı projelerde Çin'in geçmiş politikalarına bakabilirsiniz. Çin hükümetinin yapay zeka konusundaki politikalarının da benzer bir yol izleyeceğini bekleyebiliriz.
Çin, Çin'i çok güçlü bir yapay zeka gücü haline getirecek olan en son teknolojiye, profesyonel deneylere ve yapay zeka alanında hızlı gelişime sahiptir. Yapay zekanın bu çağında, Çin-ABD ikilisinin sadece kaçınılmaz olmadığını, aslında çoktan geldiğini tahmin ediyorum.
Wu Enda (Coursera, Stanford)
Yapay zeka yeni güçtür ve birçok sektörü sessizce değiştirmektedir. Süre AI Endeksi, çağdaş insanların bu sosyal dönüşümü izlememize ve yönlendirmemize yardımcı olur ve ayrıca gelecek nesillerin AI'nın yükselişini gözden geçirmesine ve anlamasına yardımcı olacaktır.
Ek olarak, AI artık küresel bir fenomendir. AI Endeksi ayrıca bize her birimizin kendi ulusal sınırlarımızı aşması ve küresel ilerlemeyi anlamamız gerektiğini hatırlatır. Amerika Birleşik Devletleri ve Çin en büyük yatırıma ve en hızlı uygulamaya sahiptir ve Kanada ve Birleşik Krallık da bu alanda öncü araştırma katkıları yapmıştır. Çünkü yapay zeka, web aramasından otonom sürüşe ve müşteri hizmetleri sohbet robotlarına kadar birçok teknolojik sistemin temelini değiştirdi. Bu, birçok ülkeye belirli uygulama alanlarında gelişmeyi atlama fırsatları sağlar Akıllı AI politikalarına sahip ülkeler daha hızlı gelişirken, belirsiz politikaları olan ülkeler geride kalma riskiyle karşı karşıya kalacak.
Derin öğrenme önce konuşma tanımayı tersine çevirdi, ardından bilgisayarla görü. Bugün doğal dil işleme ve robotik de benzer bir devrim geçiriyor. Ses ve görsel doğruluktaki son gelişmeler, ses (örneğin) veya bilgisayarla görme (örneğin, kendi kendine giden arabalar) kullanan uygulamalarda da patlama yarattı. Bugün, doğal dil işlemenin derin öğrenme dönüşümü de sorunsuz bir şekilde ilerliyor ve bu da ilgili uygulamaların (sohbet robotları gibi) güçlü bir şekilde geliştirilmesine yol açacak. Robot teknolojisinin derin öğrenimi de muazzam bir ivme kazandı ve bu da birçok yeni uygulamaya (yeni üretim yetenekleri gibi) yol açacak.
Sebastian Thrun (Stanford Üniversitesi, Udacity)
Sebastian Thrun, Google'ın sürücüsüz arabalarının babasıdır
Yapay zeka alanı 60 yılı aşkın bir geçmişe sahip ve şimdiden önemli bir etkiye sahip. Örneğin, AI, Google arama algoritmasının, Amazon web sitesi tasarımının, Netflix film önerisinin vb. Çekirdeğidir. Ancak, güçlü bilgi işlem gücü ve benzeri görülmemiş verilerin birleşimi, giderek toplumda ezber bozan bir hale geldi.
Geçtiğimiz birkaç yıl içinde, sistem, yüksek vasıflı insanlarla karşılaştırılabilecek hatta ötesine geçecek kadar gelişti. DeepMind's AlphaGo, dünyanın en iyi Go ustasını yendi. Kendi laboratuvarımızda, AI sisteminin cilt kanseri görüntülerini bazı kalifiye dermatologlardan daha doğru teşhis edebildiğini gördük. Ayrıca Google'ın sürücüsüz arabalarının benim gibi sıradan sürücülerden daha iyi sürdüğüne her zaman inandım. Ve yeni kurulan Cresta, yapay zeka sistemlerinin insan uzmanlarla işbirliğinin çevrimiçi satış ekiplerinin verimliliğini ikiye katlayabileceğini şimdi kanıtladı.
Yakın gelecekte yapay zekanın bizi tekrar eden görevlerden kurtaracağına inanıyorum. Yapay zeka sistemi, insan uzmanları iş başında izleyebilecek ve günlük işlerimizde sahip olmamız gereken becerilerde kademeli olarak ustalaşabilecek. Bu olduğunda, makineler gittikçe daha fazla tekrar eden görevler yapacak ve biz insanların yaratıcı çalışmalar için daha fazla zamanımız olacak.
Bu tür bir devrimin tarihte benzer durumları vardır. Buhar makinesinin icadından önce, çoğumuz çiftçiydik, çoğumuz kendi fiziksel gücümüzle (beyin gücümüzden ziyade) tanımlanmıştık ve sürekli olarak çiftçilik üzerinde çok tekrarlayan işler yapıyoruz. Şimdi makine çiftçiyi bir süpermen haline getirdi FarmersFeedUS.org'a göre Amerikalı bir çiftçi 155 kişiyi besleyebilir. Sonuç olarak, ABD nüfusunun% 2'sinden azı tarımla uğraşıyor, bu da bizim% 98'imizin başka işler yapmasına izin veriyor ve Amerikan işgücünün% 75'i ofiste. Avukat, muhasebeci, doktor, yazılım mühendisi vb. Oluruz. Elbette, çalışmalarımızın çoğu hala oldukça tekrarlı. Bugünün yapay zeka teknolojisinin bu tekrarlayan çalışma modellerini öğrenebileceği ve işi daha hızlı tamamlamamıza yardımcı olacağı düşünülebilir. en sonunda Yapay zekanın yardımıyla, ister yaşam ister dünyanın bilişi olsun, gerçek "süpermenler" olabiliriz.
Bu iyi mi kötü mü? Bence gelecekte insanlar tarihe baktıklarında bunun insanlığın büyük bir ilerlemesi olduğunu düşünecekler. Birçoğumuz artık tekrarlayan el emeğiyle uğraşmadığımızda, daha eğitimli ve daha yaratıcı oluruz. Bu yeni devrimle, benzeri görülmemiş bir insan yaratıcılığı çağına gireceğiz.
Tabii bu da insanlığa ağır bir yük getiriyor. Tahminlere göre sürücüsüz taksiler günlük ulaşımın ana yöntemi haline gelirse, insan işlerinin 1 / 9'u tehlikede olacak. Bu değişikliklere uyum sağlamak için biz insanlar yaşam boyu öğrenenler olmalı, yeni becerilerde ustalaşmalı ve yeni teknolojileri öğrenmeliyiz. Bir bütün olarak toplum perspektifinden, herkesin bu değişikliklere uyum sağlamasına yardımcı olacak yeni yollar bulmamız gerekiyor.
Bu raporun (AI Index) önemli olmasının nedeni budur. Yapay zeka alanındaki son gelişmeleri dikkatle inceler ve toplum üzerindeki etkisini kayıt altına alır. Umarım bu rapor, halkın yapay zeka tartışmalarına yapıcı bir katkı sağlayabilir. Yapay zekanın getirdiği zorlukların üstesinden gelirsek, bu zorluklara hazırlanabilirsek ve liderliği ele alabilirsek, gelecek harika olacaktır. Bu hepimiz için geçerli.
Michael Wooldridge (Oxford Üniversitesi)
Michael Wooldridge, Oxford Üniversitesi Bilgisayar Bilimleri Bölümü başkanı ve Uluslararası Yapay Zeka Konferansı ve Avrupa Yapay Zeka Derneği'nin başkanıdır.
Bu rapor, yapay zeka teknolojisinin ilk günlerde yapay zekanın bazı temel sorunlarında (oyunlar, makine çevirisi, teorem kanıtları ve Soru-Cevap vb.) İstikrarlı bir ilerleme kaydettiğini göstermek için bir dizi kanıt kullanıyor; birçok açıdan yapay zeka insanlara ulaştı ve hatta onları geçti. Profesyonel seviye. Rapor ayrıca yapay zekanın öğrencilerin ve endüstriyel sokakların ilgisini çektiğine, yapay zeka kurslarına kayıtlı öğrenci sayısının arttığına ve yapay zeka şirketlerinin önemli ölçüde büyüdüğüne dair çok net kanıtlar sunuyor.
Açıkçası, bu yapay zeka için bir balon dönemi. Bu rapor beni bazı sorular düşünmeye sevk etti: Bu balon sonunda patlayacak mı (bkz. 1996-2001 İnternet balonu) veya yavaş yavaş küçülecek mi? Ve ne zaman oluyor? Bu olduktan sonra geriye ne kalacak? En çok endişelendiğim şey şu anda tanık olunan büyük ölçekli yatırımın hayal kırıklığına uğrayacağı ve başka bir AI kışını görebileceğimiz. Artık AI endüstrisinde çok sayıda endüstri dolandırıcıları ve yılan yağı satıcısı var (yılan yağı satıcısı, büyülü yeteneklerini abartarak ürünlerini satan insanlar), AI'nın yapmasını bekledikleri şeyi satıyorlar, ancak mevcut olanı değil AI yapabilir. Bu, insanların AI konusunda giderek daha fazla hayal kırıklığına uğramasına neden olabilir.
Ancak, önümüzdeki birkaç yıl içinde AI balonunun küçülmesinin kaçınılmaz olduğunu düşünmeme rağmen, şiddetli bir patlama yerine hafif bir azalma beklemek için nedenler olduğunu düşünüyorum. Bunun ana nedeni, AI Endeksinin, AI'nın insanların beklediğini yerine getirdiğini açıkça göstermesidir.Çeşitli görevlerde, AI sistemleri performansı istikrarlı bir şekilde (ve bazen hızlı bir şekilde) iyileştirmektedir ve bu çalışmalar birçok farklı uygulama alanında gerçekleştirilmiştir. Büyük bir başarı. Başka bir deyişle, sanırım Mevcut AI balonunun altında önemli bir şey var Artık büyük şirketler AI teknolojisinin verimli bir şekilde nasıl kullanılacağını anlıyor. Bunlar yüzünden AI kışını tekrar göreceğimize inanmıyorum. (Bu yüzden, bu dilin nasıl ortadan kaldırıldığını görmek için 2027'de AI Index raporunu okumayı dört gözle bekliyorum.)
Nasıl katılacağım
Bir kez daha vurgulanması gereken şey, bu AI Endeksinin hala çok kusurlu olduğudur.Öte yandan, bu açık bir rapor. AI Endeksinin iyileştirilmesi ve geliştirilmesi için herkes topluluğa katılabilir. Peki nasıl katılmalı?
Birçok yolu var-
1, geri bildirim. AI Index 2017 raporunu okuduktan sonra herhangi bir fikriniz varsa e-posta veya twitter yoluyla geri bildirim gönderin.
2, Verilerinizi açın. Siz veya kuruluşunuz ilgili verileri paylaşma olanağına sahipse, onlarla iletişime geçin.
3. Alan bilgisi sağlayın. Gelecekteki Yapay Zeka Endeksi raporları, yapay zekanın sağlık, ulaşım ve tarım gibi belirli dikey sektörlerdeki etkisini ölçecek. Sektörünüzde iyi bir AI anlayışınız varsa, bunun için gidin Kapicchu!
4. Hatayı belirtin. AI Index'in tüm veri ve veri kullanım yöntemleri herkese açıktır, böylece 1. adımdan sonuna kadar her adımını kontrol edebilirsiniz.
5. Veri toplamaya yardımcı olun. Açıkçası, AI hakkında on milyonlarca veri var ve AI Index ekibinin üyeleri bununla ilgilenmekten çok uzak.Eğer ilgileniyorsanız, emrinizdeki verileri toplamaya ve düzenlemeye ve onlar için paketlemeye de yardımcı olabilirsiniz.
6. Birlikte uluslararası hale getirin. Raporun veri kaynağından da şu anda verilerin çoğunun Amerika Birleşik Devletleri'nden geldiği ve Çin ile ilgili herhangi bir veri bulunmadığı görülüyor. Yani ilerlememizi raporda görmek istemiyor muyuz?
Ancak, bu sadece bir başlangıç!
