ماذا يحدث للذكاء الاصطناعي؟ تحليل 16 625 يعمل على مدى السنوات ال 25 الماضية

تقريبا كل شيء تسمع عن مصطنعالمخابرات اليوم ، ويرجع ذلك إلى التعلم العميق. تعمل هذه الفئة من الخوارزميات مع الإحصاءات لإيجاد أنماط في البيانات ، وقد أثبتت قوتها البالغة في تقليد المهارات الإنسانية ، مثل قدرتنا على الرؤية والسمع. إلى درجة ضيقة للغاية ، يمكن حتى تقليد قدرتنا على التفكير. تدعم هذه الخوارزميات بحث Google وتغذية أخبار Facebook ومحرك توصيات Netflix وأيضًا صناعات مثل الرعاية الصحية والتعليم.

كيفية تطوير التعلم العميق

على الرغم من حقيقة أن التعلم العميق هو عملياوحده تم الكشف عن الذكاء المصطنع للجمهور ؛ فهو لا يمثل سوى وميض صغير في المهمة التاريخية للجنس البشري لإعادة إنتاج ذكائه الخاص. لقد كان في طليعة هذا البحث منذ أقل من عقد. ومع ذلك ، إذا كان لإبعاد التاريخ الكامل لهذه المنطقة ، فمن السهل أن نفهم أنه قد يغادر قريبًا أيضًا.

"إذا كان شخص ما في عام 2011 كتب هذا العمقيقول بيدرو دومينجوس ، أستاذ علوم الكمبيوتر بجامعة واشنطن ومؤلف كتاب "The Master Algorithm" إن التعلم سيكون في الصفحات الأولى من الصحف والمجلات في عدد قليل ، وسنكون: نجاح باهر ، حسنًا ، أنت تدخّن المخدر ".

ووفقا له ، صعودا وهبوطا مفاجئةلطالما تميزت الطرق المختلفة بالبحث في مجال الذكاء الاصطناعى. كل عشر سنوات هناك منافسة ساخنة بين الأفكار المختلفة. ثم ، من وقت لآخر ، يبدأ نقرات التبديل ويبدأ المجتمع بأكمله المشاركة في شيء واحد.

أراد زملائنا من MIT Technology Reviewتصور هذه الرحلات ويبدأ. تحقيقا لهذه الغاية ، تحولوا إلى واحدة من أكبر قواعد البيانات من الأوراق العلمية المفتوحة ، والمعروفة باسم arXiv. قاموا بتنزيل مقتطفات من إجمالي 16،625 مقالة متوفرة في قسم "الذكاء الاصطناعي" في 18 نوفمبر 2018 ، وتتبعت الكلمات المذكورة على مر السنين لمعرفة كيف تطورت هذه المنطقة.

بفضل تحليلهم ، وثلاثة الرئيسيةالاتجاهات: تحول نحو التعلم الآلي في أواخر التسعينيات - أوائل 2000s ، وتزايد شعبية الشبكات العصبية التي بدأت في أوائل 2010 ، ونمو التعلم التعزيز في السنوات القليلة الماضية.

ولكن أولا ، بعض التحفظات. أولاً ، يعود تاريخ قسم arXiv مع الذكاء الاصطناعي إلى عام 1993 ، ويشير مصطلح "الذكاء الاصطناعي" إلى الخمسينيات ، وبالتالي فإن قاعدة البيانات نفسها لا تمثل سوى الفصول الأخيرة من تاريخ هذا المجال. ثانياً ، تمثل المستندات المضافة إلى قاعدة البيانات كل عام جزءًا فقط من العمل الذي يتم القيام به في هذا المجال في الوقت الحالي. ومع ذلك ، يقدم arXiv موردا ممتازا لتحديد بعض الاتجاهات البحثية الرئيسية ورؤية شد الحبل بين المعسكرات الأيديولوجية المختلفة.

آلة التعلم النموذجي

أكبر تحول وجدالباحثون ، هذا خروج عن النظم القائمة على المعرفة ، إلى بداية العقد الأول من القرن العشرين. تعتمد أنظمة الكمبيوتر هذه على فكرة أن كل معرفة الإنسانية يمكن ترميزها في نظام من القواعد. وبدلاً من ذلك ، تحول العلماء إلى التعلم الآلي - الفئة الرئيسية للخوارزميات التي تشمل التعلم العميق.

من بين 100 كلمة المذكورة تتعلق النظمعلى أساس المعرفة - "المنطق" ، "القيود" و "القاعدة" - انخفض أكثر. والمرتبطة بالتعلم الآلي - "البيانات" ، "الشبكة" ، "الأداء" - نمت أكثر من غيرها.

سبب هذا التغيير في الطقس بسيط للغاية. في الثمانينيات ، اكتسبت الأنظمة القائمة على المعرفة شعبية بين المعجبين ، وذلك بفضل الإثارة حول المشاريع الطموحة التي حاولت إعادة خلق الحس السليم في السيارات. ولكن عندما تم نشر هذه المشروعات ، واجه الباحثون مشكلة كبيرة: يجب تشفير الكثير من القواعد حتى يتمكن النظام من القيام بشيء مفيد. أدى ذلك إلى زيادة التكاليف وتباطؤ العمليات الحالية بشكل كبير.

كانت الإجابة على هذه المشكلة هي التعلم الآلي. بدلاً من مطالبة الأشخاص بترميز مئات الآلاف من القواعد يدويًا ، يقوم هذا النهج ببرمجة آلات لاستخراج هذه القواعد تلقائيًا من كومة من البيانات. وبالمثل ، تخلى هذا المجال عن الأنظمة القائمة على المعرفة وتحول إلى تحسين التعلم الآلي.

ازدهار الشبكة العصبية

كجزء من نموذج تعلم الآلة الجديدالانتقال إلى التعلم العميق لم يحدث على الفور. بدلاً من ذلك ، كما يتضح من تحليل المصطلحات الأساسية ، اختبر العلماء العديد من الطرق بالإضافة إلى الشبكات العصبية ، وهي الآليات الرئيسية للتعلم العميق. ومن بين الطرق الشائعة الأخرى شبكات بايز ، وآلة ناقلات الدعم والخوارزميات التطورية ، وكلها تستخدم طرقًا مختلفة لإيجاد أنماط في البيانات.

خلال 1990s و 2000s بين هؤلاءطرق كانت هناك منافسة مستدامة. ثم ، في عام 2012 ، أدى انفراج الكاردينال إلى تغيير آخر في الطقس. خلال مسابقة ImageNet السنوية المصممة لتسريع تقدم رؤية الكمبيوتر ، حقق باحث يدعى جيفري هينتون وزملاؤه في جامعة تورنتو أفضل دقة في التعرف على الصور مع خطأ يزيد عن 10٪.

تقنية التعلم العميق هوالمستخدمة ، ولدت موجة جديدة من البحوث - أولا في مجتمع المتخيلين ، وبعد ذلك. مع بدء استخدام المزيد والمزيد من العلماء لتحقيق نتائج مثيرة للإعجاب ، ازدادت شعبية هذه التقنية ، إلى جانب شعبية الشبكات العصبية ، زيادة هائلة.

نمو التعلم التعزيز

أظهر التحليل أنه بعد عدة سنوات من ذروة التعلم العميق ، كان هناك تحول ثالث وأخير في أبحاث الذكاء الاصطناعى.

بالإضافة إلى أساليب التعلم الآلي المختلفة ،هناك ثلاثة أنواع مختلفة: خاضعة للإشراف ، وغير المنضبط وتعزيزها. يتم استخدام التعلم الخاضع للإشراف ، والذي يتضمن تغذية البيانات المصنّفة إلى جهاز ، في أغلب الأحيان ولديه أيضًا أكثر التطبيقات العملية اليوم. ومع ذلك ، في السنوات القليلة الماضية ، أدى التدريب مع التعزيزات التي تحاكي عملية تعليم الحيوانات من خلال "الجزر والعصي" ، والعقوبات والمكافآت إلى زيادة سريعة في الإشارات إليها في الأعمال.

الفكرة في حد ذاتها ليست جديدة ، لكنها لم تكن كذلك لعقود عديدةأنه يعمل. يقول دومينغوس: "ضحك أخصائيو التعلم الخاضعين للإشراف على المدربين المعززين". ولكن ، كما هو الحال بالنسبة للتعلم العميق ، فإن نقطة تحول واحدة جلبت الطريق فجأة إلى الواجهة.

جاءت هذه اللحظة في أكتوبر 2015 ، عندما هزم DeepMind AlphaGo ، المدربين على تعزيزات ، بطل العالم في لعبة go القديمة. كان التأثير على مجتمع البحث فوريا.

العشر سنوات القادمة

تحليل معهد ماساتشوستس للتكنولوجيا مراجعة التكنولوجيا يوفر فقطأحدث فريق من المنافسة بين الأفكار التي تميز أبحاث الذكاء الاصطناعى. ومع ذلك ، فإنه يوضح عدم ثبات الرغبة في ازدواجية الذكاء. يقول دومينغوس: "من المهم أن نفهم أنه لا أحد يعرف كيفية حل هذه المشكلة".

العديد من الطرق التي تم استخدامها علىعلى مدار 25 عامًا ، ظهروا في نفس الوقت تقريبًا في الخمسينيات ، ولم يتمكنوا من مواجهة تحديات ونجاحات كل عقد. على سبيل المثال ، وصلت الشبكات العصبية إلى ذروتها في الستينيات والقليل في الثمانينات ، لكنها ماتت تقريبًا قبل أن تستعيد شعبيتها ، بفضل التعلم العميق.

كل عقد ، وبعبارة أخرى ، رأىهيمنة التكنولوجيا الأخرى: الشبكات العصبية في أواخر الخمسينيات والستينيات ، ومحاولات رمزية مختلفة في السبعينيات ، وأنظمة قائمة على المعرفة في الثمانينات ، وشبكات بايسية في التسعينيات ، وناقلات مرجعية في الشبكات الصفرية والعصبية مرة أخرى في 2010- س.

2020 لن تكون مختلفة ، كما يقولدومينغوس. وبالتالي فإن عصر التعلم العميق قد ينتهي قريبًا. لكن ما سيحدث بعد ذلك - الطريقة القديمة في المجد الجديد أو نموذج جديد تمامًا - هو موضوع النزاعات العنيفة في المجتمع.

يقول دومينغوس: "إذا أجبت على هذا السؤال ، فأنا أرغب في تسجيل براءة الاختراع".

للقبض على أخبار الذكاء الاصطناعي من الذيل ، اقرأ لنا في زين.