5 wielkich prognoz dla sztucznej inteligencji na 2017 rok

Miniony rok był ogromny dla postępów w sztucznej inteligencji i uczeniu maszynowym. Ale rok 2017 może przynieść jeszcze więcej. Oto pięć kluczowych rzeczy, na które warto czekać.

Pozytywne wzmocnienie

Historyczne zwycięstwo AlphaGo przeciwko jednemu z najlepszych graczy Go wszech czasów, Lee Sedolowi, było punktem zwrotnym w dziedzinie sztucznej inteligencji, a zwłaszcza dla techniki znanej jako głębokie uczenie się przez wzmocnienie.

Uczenie się przez wzmacnianie czerpie inspirację ze sposobu, w jaki zwierzęta uczą się, w jaki sposób pewne zachowania prowadzą do pozytywnych lub negatywnych wyników. Korzystając z tego podejścia, komputer może, powiedzmy, wymyślić, jak poruszać się po labiryncie metodą prób i błędów, a następnie powiązać pozytywny wynik — wyjście z labiryntu — z działaniami, które do niego doprowadziły. Pozwala to maszynie uczyć się bez instrukcji, a nawet wyraźnych przykładów. Pomysł istnieje od dziesięcioleci, ale połączenie go z dużymi (lub głębokimi) sieciami neuronowymi zapewnia moc potrzebną do działania w naprawdę złożonych problemach (takich jak gra w Go). Dzięki nieustannym eksperymentom, a także analizie poprzednich gier, AlphaGo samodzielnie odkrył, jak grać w tę grę na poziomie eksperckim.

Mamy nadzieję, że uczenie się ze wzmocnieniem okaże się teraz przydatne w wielu rzeczywistych sytuacjach. A niedawne wydanie kilku symulowanych środowisk powinno pobudzić postęp w zakresie niezbędnych algorytmów poprzez zwiększenie zakresu umiejętności, które komputery mogą zdobyć w ten sposób.

W 2017 r. prawdopodobnie zobaczymy próby zastosowania uczenia ze wzmacnianiem do problemów, takich jak zautomatyzowana jazda i robotyka przemysłowa. Google chwaliło się już, że wykorzystuje głębokie uczenie ze wzmacnianiem do zwiększyć wydajność swoich centrów danych . Ale podejście pozostaje eksperymentalne i nadal wymaga czasochłonnej symulacji, więc ciekawie będzie zobaczyć, jak skutecznie można je wdrożyć.

Pojedynek sieci neuronowych

Na sztandarowym spotkaniu akademickim AI, które odbyło się niedawno w Barcelonie, konferencji Neural Information Processing Systems, większość szumu dotyczyła nowej techniki uczenia maszynowego znanej jako generatywne sieci adwersarzy .

Wynalezione przez Iana Goodfellowa, obecnie naukowca z OpenAI, generatywne sieci adwersarzy (GAN) to systemy składające się z jednej sieci, która generuje nowe dane po uczeniu się na podstawie zestawu treningowego, oraz drugiej, która próbuje rozróżniać dane rzeczywiste od fałszywych. Współpracując, sieci te mogą generować bardzo realistyczne dane syntetyczne. Podejście to można wykorzystać do generowania scenerii z gier wideo, usuwania rozmycia pikselowego materiału wideo lub wprowadzania zmian stylistycznych do projektów generowanych komputerowo.

Yoshua Bengio, jeden z wiodących światowych ekspertów w dziedzinie uczenia maszynowego (i doradca doktorancki Goodfellow na Uniwersytecie w Montrealu), powiedział w NIPS, że podejście to jest szczególnie ekscytujące, ponieważ oferuje komputerom potężny sposób uczenia się na danych nieoznakowanych — w co wielu wierzy może być kluczem do uczynienia komputerów o wiele bardziej inteligentnymi w nadchodzących latach.

Boom AI w Chinach

Może to być również rok, w którym Chiny zaczną wyglądać na głównego gracza w dziedzinie sztucznej inteligencji. Krajowy przemysł technologiczny odchodzi od kopiowania zachodnich firm i zidentyfikował sztuczną inteligencję oraz uczenie maszynowe jako kolejne duże obszary innowacji.

Wiodąca chińska firma zajmująca się wyszukiwaniem, Baidu, od jakiegoś czasu ma laboratorium zajmujące się sztuczną inteligencją i zbiera korzyści w postaci ulepszeń w technologiach, takich jak rozpoznawanie głosu i przetwarzanie języka naturalnego, a także lepiej zoptymalizowany biznes reklamowy. Inni gracze starają się teraz nadrobić zaległości. Tencent, który oferuje niezwykle udaną aplikację mobilną do przesyłania wiadomości i sieci WeChat, otworzył w zeszłym roku laboratorium sztucznej inteligencji, a firma była zajęta rekrutacją talentów w NIPS. Didi, gigant wspólnego przejazdu, który kupił chińskie operacje Ubera na początku tego roku, również buduje laboratorium i podobno pracuje nad własnymi samochodami bez kierowcy.

Chińscy inwestorzy przekazują teraz pieniądze na start-upy zorientowane na sztuczną inteligencję, a chiński rząd zasygnalizował chęć zobaczenia rozkwitu branży AI w tym kraju. zobowiązując się zainwestować około 15 miliardów dolarów do 2018 roku.

Nauka języka

Zapytaj naukowców zajmujących się sztuczną inteligencją, jaki jest ich kolejny duży cel, a prawdopodobnie wspomnieliby o języku. Istnieje nadzieja, że ​​techniki, które przyniosły spektakularny postęp, między innymi w rozpoznawaniu głosu i obrazu, mogą również pomóc komputerom w bardziej efektywnym analizowaniu i generowaniu języka.

To od dawna cel w sztucznej inteligencji, a perspektywa komunikacji i interakcji komputerów z nami za pomocą języka jest fascynująca. Lepsze rozumienie języka sprawiłoby, że maszyny byłyby o wiele bardziej użyteczne. Ale wyzwanie jest ogromne, biorąc pod uwagę złożoność, subtelność i moc języka.

Nie oczekuj, że przez chwilę będziesz wdawał się w głęboką i konstruktywną rozmowę ze smartfonem. Jednak dokonuje się imponujących postępów i można spodziewać się dalszych postępów w tej dziedzinie w 2017 roku.

Sprzeciw wobec szumu

Oprócz prawdziwych postępów i ekscytujących nowych aplikacji, w 2016 r. szum wokół sztucznej inteligencji osiągnął oszałamiający nowy poziom. Chociaż wielu wierzy w podstawową wartość rozwijanych obecnie technologii, trudno jest uciec od wrażenia, że ​​rozgłos wokół sztucznej inteligencji trochę wymyka się spod kontroli.

Niektórzy badacze AI są wyraźnie zirytowani. Podczas NIPS zorganizowano imprezę inauguracyjną dla fałszywego start-upu AI o nazwie Rakietowa sztuczna inteligencja , do atrakcja rosnąca mania i nonsens wokół prawdziwych badań nad sztuczną inteligencją. Oszustwo nie było zbyt przekonujące, ale był to świetny sposób na zwrócenie uwagi na prawdziwy problem.

Jednym z prawdziwych problemów jest to, że szum nieuchronnie prowadzi do poczucia rozczarowania, gdy nie dochodzi do wielkich przełomów, co powoduje upadek przewartościowanych startupów i wysychanie inwestycji. Być może 2017 będzie miał jakiś sprzeciw wobec maszyny szumu AI – i może nie byłoby to takie złe.

ukryć