Насколько быстро развивается искусственный интеллект?

Привет. Когда? Этот вопрос больше всего волнует футуристов, экспертов в сфере AI и просто людей, интересующихся технологиями. Когда мы получим общий AI человеческого уровня или выше? Действительно, сейчас сложно предсказать, когда произойдут новые прорывные разработки в области AI. Ученые из исследовательского проекта Дартмута по искусственному интеллекту в 1956 году полагали, что, возможно, двух месяцев было бы достаточно, чтобы добиться значительных успехов в целом ряде сложных проблем, включая компьютеры, которые могут понимать язык, улучшать себя и даже понимать абстрактные понятия.

И вот, шестьдесят лет спустя, эти проблемы еще не решены. 

Что мы видим уже сегодня: десятикратное увеличение академической активности с 1996 года, взрывной рост стартапов, ориентированных на AI, и соответствующих венчурных инвестиций. 

Мы можем оценить данные с сайта Github, где содержится больше исходного кода, чем где-либо в мире. Можно отслеживать количество создаваемых людьми, связанных с AI приложений, а также уровни интереса в популярных пакетах машинного обучения, таких как Tensorflow и Keras. Необходимо проанализировать настроение новостных статей, в которых упоминается искусственный интеллект: на удивление, учитывая озабоченность по поводу апокалипсиса и кризиса занятости, количество тех, кто оценивает технологию позитивно, перевешивают количество скептиков в соотношении три к одному.

Но опять же, это может быть всего лишь измерением энтузиазма вокруг AI в целом.

Существует очень много медийного шума вокруг этой технологии, который не имеет отношения к существу вопроса. Упоминать AI стало общим трендом.

Чтобы приблизиться к сути развития AI нужно оценивать прогресс алгоритмов в отношении ряда конкретных задач. Насколько хорошо компьютерное зрение работает в задаче «Большой масштаб визуального распознавания»? Насколько хорошо AI может распознавать человеческую речь по телефонным звонкам и проч.

В других узких областях AI все еще догоняют людей. Перевод, выполняемый при помощи AI, по-прежнему не достаточно хорош. Программы пока не могут хорошо выполнить тест SAT и др.

Измерение эффективности современных систем искусственного интеллекта по узким задачам полезно и довольно легко. Вы можете определить метрику, которую просто вычислить, или разработать альтернативу с помощью системы подсчета очков, и сравнить текущее программное обеспечение с предыдущим. Академики всегда могут оценить лучший метод оценки перевода или понимания естественного языка. Проект Loebner, упрощенный аналог теста Тьюринга по принципу "вопрос и ответ", недавно включил новый тип вопросов "Winograd Schema" (писал об этом), которые основаны на контекстуальном понимании, где AI еще испытывает большие трудности. 

Однако, оценка действительно становится трудной, когда мы пытаемся сопоставить эти узкоспециальные достижения с общим интеллектом. Это сложно из-за отсутствия понимания нашего собственного интеллекта. Компьютеры - превосходят людей в шахматах, а теперь даже в более сложные игры, такие как Go. Но означает ли это, что мы приблизились к общему интеллекту? Здесь сложнее отслеживать прогресс.

Мы можем отметить специализированную производительность алгоритмов для задач, которые ранее считались прерогативой людей, например, AI теперь может прогнозировать рак кожи с большей точностью, чем дерматологи. Мы могли бы даже попытаться отследить один конкретный подход к общему AI; например, сколько отделов мозга было успешно смоделировано компьютером? В качестве альтернативы, мы могли бы просто отслеживать количество профессий и профессиональных задач, которые теперь могут быть выполнены до приемлемого стандарта при помощи AI без участия человека.

Прогресс в развитии искусственного интеллекта в течение ближайших нескольких лет гораздо более вероятно будет напоминать постепенный подъем, поскольку все больше и больше задач могут быть превращены в алгоритмы и реализованы с помощью программного обеспечения, а не в виде цунами, внезапного взрыва AI. Вероятно, можно было бы измерить способность системы AI учиться и адаптироваться к функциям людей в задачах, связанных с офисом.

Таким образом, пока мы не можем нарисовать временную шкалу для общего интеллекта, поскольку это все еще слишком туманно.

Майкл Вудридж, руководитель отдела компьютерных наук Оксфордского университета, отмечает: 

«Основная причина, по которой общий AI не отражается в отчетах, заключается в том, что ни я, ни кто-либо еще не знаем, как измерить этот прогресс». 

Также он обеспокоен хайпом вокруг AI, который раздут "шарлатанами", преувеличивающими прогресс, который был достигнут.

Ключевой проблемой, которую поднимают все эксперты, является этика искусственного интеллекта.

Конечно, нам не нужен общий AI, чтобы серьезно повлиять на общество; алгоритмы уже трансформируют нашу жизнь и окружающий нас мир. В конце концов, почему Amazon, Google и Facebook стоят столько денег? Эксперты согласны с необходимостью специального индекса для оценки преимуществ AI, взаимодействия между людьми и AI и нашей способности программировать ценности, этику и надзор в этих системах.

Барбра Грош из Гарварда защищает эту точку зрения, говоря: «Важно взять на себя задачу определения меры успеха для систем AI по его воздействию на жизнь людей».

Для тех, кто обеспокоен апокалипсисом занятости в результате развития AI, отслеживание использования AI в областях, считающихся наиболее уязвимыми (скажем, беспилотных автомобилей, заменяющих водителей такси), было бы хорошей идеей. Следует также измерить готовность общества для адаптации к новым тенденциям в области AI; Например, предоставляем ли мы достаточные образовательные возможности для переподготовки людей, чьи профессии займет AI? 

Мы ведем гонку, но мы не знаем, как добраться до конечной точки или как далеко нам нужно еще пройти. Нам приходится судить по внешним декорациям, пытаясь понять, насколько далеко мы уже продвинулись. По этой причине измерение прогресса является сложной задачей, которая начинается с определения самого термина "прогресс". 

Подробней, фото1, фото2

технологиинаукаpskжизньии
25%
17
708
4933.645 GOLOS
0
В избранное
Константин
Наука, технологии, AI, IoT, BigData, роботы, криптовалюты, программирование. Самое актуальное и интересное
708
0

Зарегистрируйтесь, чтобы проголосовать за пост или написать комментарий

Авторы получают вознаграждение, когда пользователи голосуют за их посты. Голосующие читатели также получают вознаграждение за свои голоса.

Зарегистрироваться
Комментарии (3)
Сортировать по:
Сначала старые