Recherche

Pourquoi l'IA moderne est une impasse dans la technologie

Le terme «intelligence artificielle» est souvent utiliséJe parle de réseaux de neurones construits sur la technologie de l’apprentissage automatique en profondeur. De plus, la technologie de formation des réseaux de neurones est bien établie et porte ses fruits. Cependant, tous les scientifiques ne partagent pas le point de vue selon lequel l'intelligence artificielle devrait se développer dans cette voie. Quelqu'un pense même que de tels systèmes «ne valent pas la peine de faire confiance» et que leur développement ne mènera à rien de bon.

L'intelligence artificielle au sens moderne n'est pas du tout ce que beaucoup de gens pensent.

Pourquoi l'apprentissage automatique est mauvais pour le développement humain

Dans le travail à grande échelle publié sur les pagesTechnologyreview, professeur à l'Université de New York, spécialiste des sciences cognitives (sciences cognitives), Gary Marcus, a parlé du potentiel d'utilisation généralisée des réseaux de neurones basée sur l'apprentissage en profondeur.

Tout d’abord, le scientifique croit que la technologie alimitations explicites. En particulier, on discute depuis longtemps de la nécessité de créer la «vraie IA», qui convient à la résolution d’un large éventail de tâches, et pas seulement d’une tâche spécifique, comme c’est le cas actuellement. Les systèmes d'IA existants ont déjà atteint le sommet de leur développement et ils n'ont pratiquement nulle part où se développer. De plus, vous ne pouvez pas simplement prendre et, disons, tout d’abord apprendre à une IA à conduire une voiture et à l’autre à la forcer pour qu'elle soit réparée, puis à combiner les systèmes pour créer un assistant universel. Les intelligences artificielles ne pourront tout simplement pas interagir, car elles "ont étudié de différentes manières".

Vous pouvez entraîner l'IA à mieux jouer à Atarihumain, mais faire un bon robomobile est peu probable. Bien que cette tâche soit également assez hautement spécialisée. L’apprentissage en profondeur fonctionne bien dans l’analyse de données massives, mais les algorithmes ne détectent aucune relation de cause à effet et perçoivent mal les changements de conditions. Déplacez les éléments du jeu vidéo de deux à trois pixels, et l'IA formée deviendra inefficace. Faites en sorte que le terrain de jeu ne soit pas carré, mais rectangulaire, et que l'intelligence artificielle sera perdante, même pour un joueur novice.

Comment rendre l'IA plus intelligente

Pour faire des algorithmes plusefficaces, ils doivent être "enseignés différemment". Il est nécessaire de s’assurer qu’ils commencent à comprendre le rapport entre les objets et les conséquences de leur interaction. Dans ce cas, nous serons le meilleur exemple.

Recruter des étudiants stagiaires et ils par le biaisquelques jours vont commencer à travailler sur n'importe quel problème - du droit à la médecine. Pas parce qu'ils sont tous intelligents. Et du fait que les gens ont une idée générale du monde et non une idée particulière.

Professeur Gary Marcus

De plus, l'offre de Marcus n'est pas nouvelle. L'exemple décrit ci-dessus montre comment les scientifiques ont imaginé «l'IA classique». Pour que cette intelligence artificielle fonctionne efficacement, nous devons programmer tous les résultats possibles à l’avance. Et c'est presque irréaliste. Mais il y a un moyen. À propos, quelle voie de développement de l'IA est à votre avis préférée? Parlez-nous de cela dans notre chat dans Telegram.

Voir aussi: Comment fonctionne l'intelligence artificielle

La solution peut être une sorte de symbiose«AI classique», qui voit la relation et reçoit les décisions de manière compréhensible, et un apprentissage en profondeur, capable de trouver une solution par «essais et erreurs». Cela peut être un système de base de règles et de réglementations relatives au monde. Sur cette base, les systèmes d'intelligence artificielle pourront déjà se développer dans un certain domaine. La véritable intelligence artificielle doit comprendre comment tout fonctionne pour comprendre les relations de cause à effet et passer facilement d’une tâche à l’autre. Les systèmes modernes créés à l'aide d'une technologie d'apprentissage en profondeur n'en sont tout simplement pas capables.