Yan LeCun, AI'dan Bayan Curie mi?
Xin Zhiyuan Rehberi Bu makale, LeCun ve Madame Curie'nin yanı sıra atomik geliştirme ve AI geliştirmenin ortak yanlarını tanıtıyor ve cevap vermeye çalışıyor: yapay zekanın gelişiminin hangi aşaması, tehlikeli olup olmayacağı ve Yann Le Cun'un yeni Richard Feymann mı yoksa yeni Marie mi olduğu Curie mi yoksa ikisi birden mi?
Derin öğrenme ve CNN giderek daha popüler hale geliyor, bunun nedenlerinden biri de pek çok dikkate değer başarı elde etmiş olmasıdır. Ancak bu ısı ne kadar sürebilir? Derin öğrenme, önümüzdeki birkaç yıl içinde yapay zekanın katlanarak büyümesini yine de destekleyebilecek mi? Korkarım dikkatli düşünmemiz gerekiyor.
Amerikan Gelecek Enstitüsü başkanı Roy Amara'nın ünlü bir Amara yasası var: "Teknolojinin etkisini kısa vadede abartma ve uzun vadeli etkisini hafife alma eğilimindeyiz."
Bu nedenle, derin öğrenmenin gereğinden fazla ya da küçümsenmesi, derin öğrenmenin ve yapay zekanın ne kadar ileri düzeyde ve hangi aşamada geliştirildiğine bağlıdır.
Gartner ısı döngüsü eğrisi
Yukarıdaki şekildeki eğri, bir teknolojinin dikkatinin 5 ila 10 yıl içindeki değişimini yansıtmaktadır ve bu, şirketler tarafından teknolojinin gelişim aşamasını değerlendirmek ve teknolojiyi benimseyip benimsemeyeceğine ve ne zaman kullanacağına karar vermek için kullanılabilir. Ancak yapay zeka yalnızca işletmelere uygulanan bir teknoloji değil, aynı zamanda bağımsız bir bilimsel alandır ve ısı döngüsü 50 ila 100 kadar uzun olabilir.
Yapay zekanın gelişme eğilimini gözlemlemenin bir yolu, onu insanın kendini bilme anlayışı ve insan öğrenme sistemlerinin keşfi olarak görmektir. Bu açıdan bakıldığında, yapay zeka alanındaki keşiflerimizi geçmiş bilimsel keşiflerle, özellikle de karmaşık sistemlerle ilgili olanlarla karşılaştırabiliriz: güneş sistemi, evrim, elektrik ... ve atomlar.
Sonra, ilginç bir soruyu yanıtlayarak yapay zekanın mevcut gelişim aşamasını ortaya çıkarmaya çalışalım ve torunlarımız 30 yıl sonra geriye dönüp baktığımızda şu anda yaptığımız şey hakkında ne tür yorumlar yapacaklar: saf mı? Hala tehlikeli mi?
Soru şu: Derin öğrenmenin babası Yann Le Cun ve AI alanında CNN, Feynman mı yoksa Madame Curie mi, yoksa ikisi birden mi?
Kısa bir nükleer fizik tarihi
Yukarıdaki soruları cevaplamak için, nükleer fizik tarihinin basit bir incelemesine ihtiyaç vardır.
Uranyum tuzlarının fosforesansını inceleyen Becquerel, yanlışlıkla uranyumun radyoaktivitesini 1897'de keşfetti. Uranyumun aydınlatıldıktan sonra X-ışınları yayma kabiliyetine sahip olduğunu ve kısa süre sonra uranyumun dış enerji olmadan X ışınları yayabildiğini keşfetti. Daha sonra Bayan Curie radyoaktiviteyi daha dikkatli inceledi ve uranyum dışında diğer doğal radyoaktif bileşikler üzerinde çalıştı.
Radyoaktivitenin keşfi halkın coşkusunu uyandırdı; aynı zamanda radyoaktivite, teorik araştırma ve atomun kendisinin daha iyi anlaşılmasıyla açıklanması gereken yeni bir fenomendir.
Einstein, 1905'te ünlü kütle-enerji denkliği teorisini ortaya attı. Rutherford, birkaç yıl sonra metal plakaları elektronlarla bombardıman etmek için deneyler yaptı ve atomların ilk modelini belirledi: çekirdek ve elektron yörüngeleri.
Bu tamamlanmamış atom modeli 15 yıldır kullanılmaktadır. 1928'e kadar, evrensel olarak kabul edilen modern "spin" modeli ortaya çıktı ve 1935'te güçlü nükleer güç teorisi öne sürüldü.
Güçlü nükleer enerji teorisinin ortaya konulmasından dört yıl sonra, radyoaktif elementler ilk kez uygulandı.Bilim adamları, izotopları kullanarak kanser kemoterapisini başarıyla gerçekleştirdi.Sonra, ilk araştırma nükleer reaktörü 1942'de kuruldu ve ilk tam ölçekli nükleer santral 1956'da inşa edildi. .
1897'de fırlatma hattı unsurunun keşfedilmesinden uygulamanın başarılı bir şekilde uygulanmasına kadar yaklaşık yarım yüzyıl sürdü.
Yapay sinir ağı nasıl başladı
Sinir ağları kavramı uzun süredir var ve asıl motivasyon sinaptik davranışı taklit eden bir algoritma yazmaktı. İlk algılayıcı 1957'de tartışıldı ve ilk çok katmanlı algılayıcı 1965'te tartışıldı.
O sırada bilgisayar daha yeni gelişmeye başlamıştı ve hız çok yavaştı En basit ağın eğitilmesi sadece birkaç gün sürdü ve verimlilik son derece düşüktü, bu nedenle önümüzdeki on yıl içinde yaygın olarak kullanılmadı.
İlk dönüm noktası, Werbos'un geri yayılmayı keşfettiği 1974'te gerçekleşti. Geri yayılım, sinir ağı işlemlerinin ayırt edici ve öngörülebilir özelliklerini kullanır Ağ bir hata yaptığında, hatanın kendisi kendini düzeltmesine yardımcı olmak için ağın tüm katmanlarına kadar izlenebilir. Bir anlamda bugün derin öğrenme dediğimiz şeyin başlangıcıdır.
Birkaç yıl sonra Kunihiko Fukushima, görsel korteksteki duyusal hücrelerin çalışma modundan esinlenen Neocognitron'u piyasaya sürdü. Neocognitron ile CNN daha sonra yaygın olarak tanındı.
Sinir ağlarının en büyük gelişimi, bilgi işlem gücündeki artıştan kaynaklanmaktadır.Bu ilaç, modern GPU'lar ve TPU'lar sayesindedir.
Yann Le Cun: Yapay zekanın bir ışık demeti görmesine izin verin
Yann Le Cun, sinir ağını ilk kez yere koymadan önce, AI uzun bir kış geçiriyordu.
Yann Le Cun, posta yönlendirme için kullanılan postalardaki posta kodlarını tanımlamak için geri yayılımı ve CNN'yi kullanıyor. Sonuçlar sevindirici olsa da, derin öğrenmenin ana akım haline gelmesi yaklaşık 20 yıl alacaktır.
Üç G: Google, GAN ve GPU
Ian Goodfellow, 2014 yılında bir barda Montreal Üniversitesi'nden meslektaşlarıyla hararetli bir tartışmada bulundu. Otomatik olarak gerçekçi görüntüler üretme yeteneği ve sinir ağlarına bunu yapmayı nasıl öğreteceğiniz hakkında. Sarhoş Ian, iki sinir ağının birbiriyle savaşmasını sağlamak için çılgın bir fikir doğurdu, ilk ağ görüntü üretiyor, ikinci ağ birincisini "ayarlıyor".
İki sinir ağını paralel olarak çalıştırmanın neden etkili olduğu hala net değil ve bu sorunun hala acilen çözülmesi gerekiyor. GAN'ın son birkaç yılında ortaya çıkan bir makine öğrenimi örneği, ancak diğerleri şunları içerir:
- Öğrenme (açıklanabilir ve merak) Yapay zeka sisteminin kendisi meraktan yoksundur, yeni şeyler öğrenemez ve yorumlanabilirlikten yoksundur.
- Derin İkili Q-Öğrenme (DDQN), derin öğrenme ağı bir strateji öğrenmeye çalışır (örneğin, Atari Pong oynamak). Belirli bir adımın akıllı ve birbiriyle ilişkili olup olmadığını ayrı ayrı değerlendiren iki ağın sonucu
- YOLO (Yalnızca Bir Kez Bakarsınız) nesne algılama algoritması, görüntüdeki nesneleri garip bir şekilde algılar, ancak süper hızlıdır
Geri yayılım, CNN, GAN, RNN, LTSM vb. Gibi çeşitli yapay zeka kavramlarının gözden geçirilmesi atomun gelişimi ile karşılaştırılabilir.
Atom ve Derin Öğrenme / AI
30 yıl sonra yapay zeka
Geleceği tahmin etmek zordur, ancak geçmiş bilimsel keşiflere dayanarak bazı varsayımlar yapmaya çalışabilir ve AI'da önemli ilerleme kaydetmek için gerçekten ne yapılması gerektiğini öğrenebilirsiniz.
- Daha fazla teori: Yapay zekanın mevcut aşaması, spin modelinin ortaya çıkmasından önceki aşamaya benzer.
- Belki ileride itici faktörleri (merak, genelleme yeteneği vb.) İçeren uygun bir öğrenme teorisi kurmak ve bu kavramları entegre etmek mümkündür.
- Daha fazla sanayileşme: Mühendislik alanı evrensel ve yeniden kullanılabilir bileşenler gerektirir. Bu nükleer endüstriden doğrulandı. Derin öğrenmede, gömme ve yeniden kullanılabilir temsiller bir trend haline geliyor
- Daha ticari uygulamalar: Yapay zeka şu anda gerçek dünya yerine sanal dünyada çalışıyor ve bu da bazı pratik uygulamalarını sınırlıyor. Yapay zekanın üzerinde çalışabileceği ve içgörüleri optimize edebileceği "dijital ikiz fabrika" gibi ortaya çıkan bazı kavramlar
- Daha fazla donanım: Radyoaktivite, elektrometre yapılırken yanlışlıkla keşfedildi. AI, mevcut donanım (GPU ve TPU dahil) üzerinde geliştirilmiştir, bu nedenle gelecekte kuantum bilgisayarlara ihtiyaç duyulabilir
30 yıl sonra, yukarıda bahsedilen iki "tahmin" den en azından herhangi biri gerçeğe dönüşürse, torunlarımız 21. yüzyılın başlarında derin öğrenme araştırması alanına döndüklerinde şöyle diyebilirler: Evet, belki Yann Le Cun, AI alanında Bayan Curie'dir!
Referans bağlantısı:
https://medium.com/ai-musings/is-yann-le-cun-the-new-marie-curie-52538f87237c
