Начиная с 1950-х годов в области искусственного интеллекта происходит циклическая революция между «AI Winters» и «AI Springs».

«AI Winter» ⇒ Без шумихи и медленных инноваций

«AI Spring» ⇒ Много шумихи и шумных инноваций

В отчете KPMG Процветание в мире искусственного интеллекта 2021 говорится, что «92% руководителей согласны с тем, что искусственный интеллект сделает их организацию более эффективной, а отдельные отрасли заявляют, что уверены в потенциале ИИ для решения некоторых из их самых серьезных проблем. ”

Следовательно, все признаки указывают на то, что в настоящее время мы находимся в фазе цикла «AI Spring».

Как и в случае с бычьим рынком, было бы разумно проявлять осторожность, в недавней статье изложены 4 общих предположения, которые все мы склонны иметь в отношении ИИ.

Хорошая новость заключается в том, что нам не нужно беспокоиться о Скайнет в ближайшее время; но вот в чем мы ошибались в отношении ИИ.

Один ИИ скоро сможет решать любые задачи лучше, чем люди.

Вспомните Джарвиса из «Железного человека» или Скайнет из «Терминатора». Не произойдет.

Это потому, что, хотя сегодня ИИ безумно хорош в очень конкретных задачах, таких как завоевание гроссмейстеров AlphaGo или суперлингвист GPT-3, они не могут применить то, что они знают, для совершенно новых домены.

Процитирую мою любимую цитату из газеты:

«Это было все равно, что утверждать, что первая обезьяна, забравшаяся на дерево, приближалась к приземлению на Луну»

ИИ и люди борются с одними и теми же задачами и легко справляются с ними.

То, что для нас легко, им сложно, и наоборот.

Вы так думаете? Я имею в виду, что по фотографиям Google можно определить 1000 моих родственников в моей телефонной галерее лучше, чем я!

К сожалению, оказалось, что научить любой ИИ научиться чему-то столь же простому, как шарады, сейчас невозможно, а на объяснение моему 7-летнему племяннику уходит 2 минуты!

Мнемоника AI представляет проблему или набор данных, который она представляет.

Термин машинное обучение заставит вас подумать, что машина обучается и что нейронные сети очень похожи на наш мозг.

Однако машины не учатся в человеческом смысле. Если бы модель машинного обучения научили распознавать книги коричневого цвета, если бы она увидела книгу зеленого цвета, она бы не узнала, что это книга! В том же смысле нейронные сети очень слабо вдохновлены мозгом и имеют огромные различия.

Какое все это имеет значение? Это влияет на нашу психологию, когда мы начинаем предполагать, что эти машины работают очень похоже на нас и что у них есть механизмы для решения проблем, как и у нас.

Аналогичная предвзятость существует в том, как именуются наборы данных, и мы автоматически предполагаем, что эффективность работы над набором данных выше, чем у человека, в реальных случаях использования приведет к лучшему, чем у человека, результативности. Это очень редко бывает правдой, и, возможно, именно поэтому так много приложений искусственного интеллекта действительно испытывают трудности при использовании в реальном мире.

Последний вопрос является действительно философским, но он важен для того, чтобы понять, как развивается эта область. Мне потребовалось несколько чтений, чтобы разобраться, и вот упрощенная версия.

Познание исходит от мозга, даже если он изолирован от тела, частью которого он является.

Будучи философами, нам нужно немного поработать воображением. Современные методы разработки моделей искусственного интеллекта предполагают, что при вводе в него нужного количества входных значений эти модели смогут имитировать человеческое познание. Здесь вам нужно задействовать свое воображение, это в основном означает, что если вы вложите в голову мозг более умного человека, вы автоматически станете умнее.

Однако все больше исследований говорят об обратном. Они начинают указывать на то, что познание каждого человека является результатом согласованной работы его тела и мозга.

Например, недавнее исследование в области нейробиологии предполагает, что нейронные структуры, контролирующие познание, тесно связаны с теми, которые контролируют сенсорные и моторные системы. Это означает, что наша двигательная система, система нашего тела, которая помогает нам двигаться, и наша сенсорная система могут улучшить или ухудшить нашу способность думать!

Следовательно, системы искусственного интеллекта без своего рода «тела» вряд ли смогут достичь чего-то близкого к сверхчеловеческому интеллекту.

Подводя итог, нам не нужно беспокоиться о том, что какой-либо сверхчеловеческий ИИ придет к власти и станет нашим повелителем в ближайшее время или, возможно, когда-либо. Фактически, если нам нужно продолжать добиваться больших успехов в этой области, мы должны знать об этих предубеждениях, которые у нас есть в понимании его возможностей, а также его слабых сторон.

Первым шагом к покорению нового рубежа ИИ является придание этим системам «здравого смысла»; то, с чем все мы рождены, и воспринимаем как должное.

О UnifiedAI

Наша миссия - упростить ИИ для бизнеса без больших первоначальных затрат времени, денег или опыта. Таким образом, у нас есть готовые решения на основе рабочих процессов, которые может использовать любой бизнес без кода.

Мы рады сделать следующий шаг в цифровой трансформации для наших компаний-партнеров. Узнать больше о UnifiedAI.