写点什么

下一个 AI 寒冬很快又会来临?

  • 2022-06-17
  • 本文字数:1979 字

    阅读完需:约 6 分钟

下一个AI寒冬很快又会来临?

本文最初发布于博客 CodeX,经 InfoQ 翻译。


AI 寒冬这个词并不是我为了吸引你阅读这篇文章而编造的,实际上,这是 AI 行业的一个知名词汇。其原因是我们在 20 世纪已经经历了两次人工智能寒冬。

什么是 AI 寒冬?

AI 寒冬与雪无关,也与季节无关。它是关于科研资金、创业资金和对人工智能的普遍兴趣的倒退。造成这种倒退的原因是,人们意识到许多希望和承诺无法实现,或者换句话说:人工智能被过度夸大了。


当然,人工智能很吸引人,而且有很多东西有待发现,但如果你认为可以在短时间内轻易实现巨大的科学飞跃,那就太天真了。有时,甚至是简单问题(如知识表示或逻辑推理)的巨大难度也被严重低估了。


就这个领域来说,人工智能这个名字可能并不那么慷慨,因为它导致了人们对人工智能寄予厚望和产生误解,比如说人工智能将在未来几十年内取代许多工作。尽管目前研究的重点不是 AGI(通用人工智能),而是狭义的人工智能,但许多人在想到人工智能时,脑子里仍然会浮现某种终结者或超级智能机器人的形象。这就导致了炒作。



Gartner 的炒作周期


这与 Gartner 的“炒作周期”有很强的相关性,它旨在说明一项新技术一开始会引发不切实际的期望,进而导致对这项技术的大量研究和调查。在意识到这是幻想之后,研究和大众兴趣急剧下降。至此,该项技术才得以通过缓慢但稳定的改进取得真正的进展。


这与人工智能非常相似,只是我们没有“复苏期(Slope of Enlightenment)”这个状态,还没有真正取得稳定的改进。

过去的 AI 寒冬


AI 寒冬时间线


第一次人工智能热发生在 20 世纪 50 年代,这也被称为推理和原型人工智能的时代。但很快,在 1970 年代,一个长达十年的人工智能寒冬开始了。


20 世纪 80 年代出现了新的人工智能热。当时,严重依赖知识表示的专家系统出现,试图重现人类决策过程。但那些成果并不能满足人们的期望,因为知识表示只适用于少数领域,而且由于缺乏数据和计算能力,其他算法并不可行。


下一个人工智能寒冬来了,并持续了一段时间,直到数据量和计算能力几乎呈指数级增长,提供了实施深度学习的可能性。这就是我们现在的情况,很可能是这种模式的重现。

为什么很快又会来临?


这就好比是泡沫破裂。每当某样东西的价值被人为地高估时,一旦普遍的误解转变为人所共知的常识,泡沫就很有可能破灭。



深度神经网络


现在的高性能人工智能,主要是深度神经网络,被认为是黑盒模型,它执行大量的浮点数计算来预测 X,或 Y,或其他东西。这些模型可以非常准确,因为它们是通用多项式函数近似器,有成百上千的神经元随着时间的推移抽象出函数。每当你问自己这样的模型是如何得出结论的时候,能够得出模型推理过程的方法非常有限,因为人无法解释通过无数神经元的浮点数流。这就是为什么这些模型在推理和知识表示研究领域没有取得进展的原因。长远来看,这非常令人担忧,因为我们需要模型有理解力,而不仅仅是进行“愚蠢的”模式检测。


例如,一个在图像中检测狗的神经网络可能会预测图像中存在一只狗,但它并没有真正理解什么是狗,以及除了视觉模式之外它还能做什么。


你可能会认为,一个能够对图像中的狗和猫进行分类的神经网络也能轻易地对图像中的鸟进行分类。但问题是,如果不重新学习它已经学到的所有知识,并在此基础上加入鸟类,人工智能就根本无法对鸟类或其他动物进行分类。这显然可以得出一个结论,推理和知识表示对于发现某种关联非常重要。举例来说,每当人类想到狗的时候,我们的脑子里可能会浮现这个词的拼写,以及狗的样子,还有一些狗的名字,等等。


联想记忆之所以重要,是因为需要有多任务模型(这是迈向 AGI 的第一步),它能够做不止一件事。人工智能不只是对图像中的动物进行分类,还可以对句子中的动物进行推理。它应该明白,“狗”这个词和狗的实际形象紧密相关,并且是指同一个东西。

小结


因为现如今几乎所有的人工智能研究都发生在深度学习领域,设法不断提升神经网络的性能或鲁棒性,所以大的问题并没有得到解决。如果不向基于推理的人工智能范式转变,那么下一个人工智能寒冬将很快到来。

一个乐观的观点


尽管目前人工智能面临着许多困难,但希望仍在。一个可能将深度学习和推理相结合的研究领域是逻辑神经网络,它试图将神经元映射到由 AND、OR 等运算符组成的逻辑谓词上......其前景是,神经网络将不再是黑盒子,知识表示可以更容易地转移到其他模型。



公平地说,到今天为止,这种方法还不是很有效,因为在映射神经元状态以获得逻辑谓词时,许多信息会丢失。人们希望能够找到解决此类问题的方法,使人工智能的梦想成为现实。


查看英文原文:


https://medium.com/codex/ai-winter-is-coming-2527e333df38?accessToken=eyJhbGciOiJIUzI1NiIsImtpZCI6ImRlZmF1bHQiLCJ0eXAiOiJKV1QifQ.eyJhdWQiOiJhY2Nlc3NfcmVzb3VyY2UiLCJleHAiOjE2NTU0NTc4MTksImZpbGVHVUlEIjoiV3IzRFZ5YVlQbGZZSjFrSiIsImlhdCI6MTY1NTQ1NzUxOSwidXNlcklkIjoyMDQxOTA5MH0.qdAPgdgTEXxuN0EPTjE_1sLAFNTVlzEwkmeYDoSis3I

2022-06-17 18:073064
用户头像
刘燕 InfoQ高级技术编辑

发布了 1112 篇内容, 共 546.5 次阅读, 收获喜欢 1978 次。

关注

评论

发布
暂无评论
发现更多内容

京东面试,这个问题让我与50万擦肩而过,帮忙看看,mysql下载教程window10

Java 程序员 后端

人性的弱点-读书笔记,java面试题大汇总小山博客

Java 程序员 后端

今日头条一面:十道经典面试题解析,Redis如何实现高可扩展

Java 程序员 后端

九年程序员生涯,我的一些经验教训,offer来了java面试百度云版

Java 程序员 后端

二十不惑的年纪,竟4面拿下字节跳动offer,我简直走了,jdk和jre区别面试题

Java 程序员 后端

京东前端面经(123面详细),进阶学习工作最全指南

Java 程序员 后端

为什么说简历很重要?怎么才能写出一份完美的简历?这篇文章你值得拥有

Java 程序员 后端

二面余额宝(交叉面),mybatis功能架构

Java 程序员 后端

什么是 MySQL 全局锁、表锁、行锁,Java高级开发岗必问知识点

Java 程序员 后端

互联网寒冬下!疫情又遭滑铁卢!从裁员到斩获新offer我经历了什么

Java 程序员 后端

五分钟带你了解Seata分布式事务,java基础菜鸟教程txt

Java 程序员 后端

人到中年的焦虑,Java面试第一问就是做过什么最有难度的项目

Java 程序员 后端

人工智能 - 语音识别的技术原理是什么,Java理论知识思维导图

Java 程序员 后端

从Mybatis源码到Spring动态数据源底层原理分析系列二、Mybatis执行器源码分析

Java 程序员 后端

互联网架构“高并发”到底怎么玩,用Elasticsearch搞定日均1亿订单查询

Java 程序员 后端

京东T7架构师手写的10万字Spring Boot详细学习笔记+源码免费下载

Java 程序员 后端

京东十年T8架构师手撕MySQL:手写666页核心知识,超85,java在线编译器实现原理

Java 程序员 后端

京东T9裂墙力荐的82万字spring cloud微服务和分布式系统实践文档

Java 程序员 后端

京东三面被惨虐:索引+数据库,kafka入门与实践epub

Java 程序员 后端

什么?这个岗位薪资秒杀一众程序员?,java技术面试常见问题

Java 程序员 后端

从Mybatis源码到Spring动态数据源底层原理分析系列一、Mybatis初始化源码浅析

Java 程序员 后端

为什么阿里巴巴不建议在for循环中使用”+,java编程技术开发题库和答案

Java 程序员 后端

五位阿里大牛联手撰写的《深入浅出Java多线程》,java开发视频直播

Java 程序员 后端

五分钟看穿Java并发相关概念,并发原来如此简单,linux学习步骤

Java 后端

今年,我在字节跳动面试了九次【已意向书,mongodb入门pdf

Java 程序员 后端

从 0 到 1,带你解剖 MVP 的神秘之处,并自己动手实现 MVP !

Java 程序员 后端

从Java小白到拿到30k offer,分享自己的学习路程,java基础案例教程pdf百度云

Java 程序员 后端

Vue进阶(幺伍伍):vue-resource 拦截器 interceptors 使用

No Silver Bullet

Vue vue-resource 10月月更

什么是接口的幂等性,如何实现接口幂等性?,java微服务架构视频下载

Java 程序员 后端

什么神仙笔记!阿里P9用39实例+1项目讲明白了Spring Cloud家族

Java 程序员 后端

二叉树的各种算法面试题及答案解析,linux基础教程第二版pdf

Java 程序员 后端

下一个AI寒冬很快又会来临?_AI&大模型_Stefan Haas_InfoQ精选文章