cercetare

Ce se întâmplă cu inteligența artificială? Analiza a 16 625 lucrări în ultimii 25 de ani

Aproape tot ce auziți despre artificiiinteligența de astăzi, se datorează învățării profunde. Această categorie de algoritmi funcționează cu statistici pentru a găsi modele în date și sa dovedit a fi extrem de puternică în imitarea abilităților umane, cum ar fi capacitatea noastră de a vedea și a auzi. Într-un grad foarte restrâns, poate chiar să ne imită capacitatea de a raționa. Acești algoritmi sprijină căutarea Google, fluxul de știri Facebook, motorul de recomandări Netflix și, de asemenea, formează industrii, cum ar fi asistența medicală și educația.

Cum să dezvolți învățarea profundă

În ciuda faptului că învățarea profundă este practicăSingur, inteligența artificială a publicului a fost dezvăluită, ea reprezintă doar un mic bliț în sarcina istorică a omenirii de a-și reproduce propria inteligență. A fost în fruntea acestei căutări pentru mai puțin de un deceniu. Dacă, totuși, pentru a distanța întreaga istorie a acestui domeniu, este ușor de înțeles că în curând se poate și pleca.

"Dacă în 2011 cineva a scris adâncînvățarea va fi pe primele pagini ale ziarelor și revistelor în câțiva ani, vom fi la fel: Wow, ei bine, fumezi droguri ", spune Pedro Domingos, profesor de informatică la Universitatea din Washington și autorul goritului de carte" Algoritmul principal ".

Potrivit lui, suisuri și coborâșuri bruștediverse metode s-au caracterizat de mult timp prin cercetări în domeniul AI. Fiecare deceniu există o concurență caldă între diferite idei. Apoi, din când în când, comutatorul face clic și întreaga comunitate începe să se angajeze într-un singur lucru.

Au dorit colegii mei de la MIT Technology Reviewvizualizați aceste călătorii și începeți. În acest scop, ei au apelat la una dintre cele mai mari baze de date ale lucrărilor științifice deschise, cunoscute sub numele de arXiv. Au descarcat fragmente dintr-un total de 16.625 de articole disponibile in sectiunea "inteligenta artificiala" pe 18 noiembrie 2018 si au urmarit cuvintele mentionate de-a lungul anilor pentru a vedea cum a fost dezvoltat acest domeniu.

Datorită analizei lor, trei principaletendințe: tranziția către o mașină de învățare la sfârșitul anilor '90 - începutul anilor 2000, creșterea în popularitate a rețelelor neuronale, care a început la începutul anilor Anii 2010, și creșterea de armare de învățare în ultimii ani.

Dar, mai întâi, câteva rezerve. În primul rând, secțiunea arXiv cu AI datează din 1993, iar termenul "inteligență artificială" se referă la anii 1950, astfel încât baza de date în sine reprezintă numai ultimele capitole din istoria acestui domeniu. În al doilea rând, documentele adăugate în baza de date în fiecare an reprezintă doar o parte din activitatea care se desfășoară în acest domeniu în acest moment. Cu toate acestea, arXiv oferă o resursă excelentă pentru identificarea unora dintre cele mai importante tendințe de cercetare și pentru a vedea războiul între diferite tabere ideologice.

Paradigma de învățare a mașinilor

Cea mai mare schimbare găsităcercetătorii, aceasta este o abatere de la sistemele bazate pe cunoaștere până la începutul anilor 2000. Astfel de sisteme informatice se bazează pe ideea că este posibilă codarea tuturor cunoștințelor omenirii în sistemul de reguli. În schimb, oamenii de știință s-au îndreptat spre învățarea automată, categoria părinte a algoritmilor care includ învățarea profundă.

Printre cele 100 de cuvinte menționate sunt legate de sistemepe baza cunoștințelor - "logică", "restricții" și "regulă" - a scăzut cel mai mult. Și asociate cu învățarea mașinilor - "date", "rețea", "performanță" - au crescut mai mult decât altele.

Motivul pentru această schimbare de vreme este foarte simplu. În anii 1980, sistemele bazate pe cunoaștere câștiga popularitate în rândul fanilor, grație entuziasmului în jurul proiectelor ambițioase care au încercat să recreeze bunul simț în mașini. Dar când aceste proiecte au fost lansate, cercetătorii s-au confruntat cu o problemă majoră: prea multe reguli trebuiau să fie codificate, astfel încât sistemul să poată face ceva util. Acest lucru a dus la creșterea costurilor și a încetinit semnificativ procesele actuale.

Răspunsul la această problemă a fost învățarea mașinilor. În loc de a solicita oamenilor să codifice manual sute de mii de reguli, această abordare programează mașinile să extragă automat aceste reguli dintr-o grămadă de date. În mod similar, această zonă a abandonat sistemele bazate pe cunoaștere și sa îndreptat spre îmbunătățirea învățării în mașină.

Rețeaua de rețele neuronale

Ca parte a noii paradigme de învățare a mașinilortrecerea la învățarea profundă nu a avut loc imediat. În schimb, așa cum arată analiza termenilor cheie, oamenii de știință au testat multe metode în plus față de rețelele neuronale, principalele mecanisme de învățare profundă. Printre alte metode populare au fost rețelele Bayesian, mașina de suport vector și algoritmii evoluționiști, care folosesc diferite abordări pentru a găsi modele în date.

În anii 1990 și 2000 între acesteametode a existat o concurență constantă. Apoi, în 2012, un progres cardinal a condus la o altă schimbare de vreme. În timpul unui concurs anual ImageNet creat pentru a accelera progresul viziunii pe computer, un cercetător numit Geoffrey Hinton și colegii săi de la Universitatea din Toronto au obținut cea mai bună precizie în recunoașterea imaginilor cu o eroare de doar 10%.

Tehnica de învățare profundă elfolosit, a generat un nou val de cercetare - mai întâi în comunitatea de vizualizatori și apoi dincolo. Pe măsură ce tot mai mulți oameni de știință au început să o folosească pentru a obține rezultate impresionante, popularitatea acestei tehnici, împreună cu popularitatea rețelelor neuronale, a crescut dramatic.

Creșterea procesului de învățare a armăturilor

Analiza a arătat că la câțiva ani după perioada de vârf a învățării adânci a existat o treime și o ultimă schimbare în cercetarea AI.

În plus față de diferitele metode de învățare a mașinilor,Există trei tipuri diferite: supravegheate, necontrolate și întărite. Învățarea supravegheată, care implică alimentarea datelor etichetate cu mașina, este utilizată de cele mai multe ori și are și cele mai practice aplicații de astăzi. Cu toate acestea, în ultimii ani, învățarea de armare, care simulează procesul de învățare a animalelor prin „morcov și băț“, pedepsele si recompensele, a condus la creșterea rapidă a referințelor sale în lucrări.

Ideea însăși nu este nouă, dar de multe decenii nu a avut-oEa a lucrat. "Specialiștii în învățare supravegheați au râs la formatorii de întărire", spune Domingos. Dar, ca și în învățarea profundă, un moment de cotitură a adus brusc metoda.

Acest moment a venit în octombrie 2015, când DeepMind AlphaGo, antrenat cu întăriri, la învins pe campionul mondial în jocul antic. Impactul asupra comunității de cercetare a fost instantaneu.

Următorii zece ani

MIT Technology Review oferă numaiCea mai recentă concurs de concurs între ideile care caracterizează cercetarea AI. Cu toate acestea, el ilustrează inconstanța dorinței de a duplica inteligența. "Este important să înțelegem că nimeni nu știe cum să rezolve această problemă", spune Domingos.

Multe dintre metodele folositepe parcursul a 25 de ani, a apărut aproximativ în același timp în anii 1950 și nu a reușit să răspundă provocărilor și succeselor fiecărui deceniu. Rețelele neuronale, de exemplu, au atins vârful în anii '60 și puțin în anii '80, dar aproape au murit înainte de a-și recâștiga popularitatea datorită învățării profunde.

Fiecare deceniu, cu alte cuvinte, a văzutdominarea altor tehnologii: rețele neuronale la sfârșitul anilor 50 și 60, diverse încercări simbolice în anii '70, sisteme bazate pe cunoaștere în anii '80, rețele bayesiene în anii '90, vectori de sprijin în rețelele zero și neuronale din nou în 2010 - x.

Anii 2020 nu vor fi diferiti, spuneDomingos. Deci, epoca învățării profunde se poate termina în curând. Dar ceea ce se va întâmpla în continuare - vechea metodă în noua glorie sau o paradigmă complet nouă - este subiectul unor dispute puternice în comunitate.

"Dacă răspundeți la această întrebare", spune Domingos, "vreau să brevet răspunsul".

Pentru a prinde știrile despre inteligența artificială de coadă, citiți-ne în Zen.

Notificare Facebook pentru UE! Trebuie să vă autentificați pentru a vizualiza și posta comentarii FB!