"Una lección": el científico explicó que 70 años en el área de investigación de la ia se han gastado casi en vano

La Más grande lección que se puede extraer de 70 años de investigación de la ia, radica en el hecho de que los métodos que utilizan los cálculos, en última instancia son los más eficaces y con un amplio margen. La razón última de ello es la ley de moore. O, más bien, su generalización: la continua, exponencial, el abaratamiento de computación procesadores. Acerca de esta "amarga lección", dijo richard sutton, canadiense, un científico de computación. Siguiente — de la primera persona.

¿por Qué la investigación de la inteligencia artificial estaban en un punto muerto a los 70 años?

La Mayoría de los estudios de la inteligencia artificial se llevaron a cabo como si de cálculo disponibles para el agente, eran constantes (y en este caso, la utilización de los conocimientos humanos, sería uno de los pocos métodos para mejorar el rendimiento). Pero después de un poco — mucho más de lo que necesita para un proyecto de investigación — inevitablemente se convierte en disponible mucho más cálculos. En la búsqueda de mejoras que pueden ayudar en el corto plazo, los científicos están tratando de utilizar el máximo de los conocimientos humanos en esta área, pero lo único que tiene valor en el largo plazo es creciente el uso de cálculos. Estos dos aspectos no deben ser contrarias entre sí, pero que en la práctica van. El tiempo dedicado a uno de ellos, no es igual el tiempo, потраченному a otro. Hay psicológicas de los compromisos de inversiones en uno u otro enfoque. Y el enfoque basado en el conocimiento de la persona, tiende a complicar los métodos de tal manera que se vuelven menos adecuados para el uso y las ventajas generales de métodos de cálculo.

Conclusión: de inmediato debe descartar un intento de resolver el problema de ia "de la cabeza", porque ha pasado el tiempo y se va a decidir mucho más fácil y rápido — gracias al aumento de la potencia de cálculo

Muchos ejemplos, cuando los investigadores de la ia ha retrasado entendieron esta amarga lección. Será instructivo considerar algunos de los más destacados ejemplos.

En el ordenador de ajedrez métodos, los ganadores de campeón del mundo de kasparov en 1997, se basaban en la gran y profunda búsqueda. Mientras a ellos con la ansiedad, formaban la mayoría de los investigadores del ajedrez informático, que utilizaron métodos basados en la comprensión de la persona de la estructura especial del ajedrez. Cuando más simple, basado en la búsqueda de un enfoque con el hardware y el software ha sido mucho más eficaz, los investigadores, отталкивающиеся de la comprensión humana del ajedrez, no reconocieron la derrota. Ellos dijeron: "esta vez el enfoque de fuerza bruta, puede ser, y ganó, pero esto no va a ser la estrategia común y, ciertamente, las personas no juegan al ajedrez de esta manera. Estos científicos querían que los métodos basados en la contribución vencido, y muy decepcionado, cuando esto no ha ocurrido.

Conclusión: simple fuerza bruta de cálculo tomará su, tarde o temprano

Un panorama Similar de progreso en los estudios se ha visto en el ordenador de siglo, sólo con un retraso de hasta 20 años. Inicialmente, los enormes esfuerzos se dirigían para evitar la búsqueda, utilizando el conocimiento humano o de las características del juego, pero todos estos esfuerzos resultaron innecesarias o incluso peor, ya que sólo la búsqueda de la aplicaron de manera eficiente y a lo grande. También es importante utilizar el aprendizaje en el proceso de auto-juego para aprender ценностную función (como en muchos otros juegos, e incluso en el ajedrez, sólo formación no ha desempeñado un papel muy importante en el programa de 1997, en el que por primera vez ha ganado el campeón del mundo). Un juego de entrenamiento con uno mismo, la formación en general, es como la búsqueda, que permite aplicar enormes conjuntos de cálculos. La búsqueda y la educación son dos de las más importantes de la clase de técnicas que implican grandes cantidades de cálculos en la investigación de la ia. En la informática, cómo y en el ordenador de ajedrez, los esfuerzos de los investigadores se han centrado en el uso de la comprensión humana (así, para utilizar menos de la búsqueda), y sólo mucho más tarde se ha logrado mucho más éxito, mediante la utilización de la búsqueda y el aprendizaje.

Conclusión: la búsqueda y el aprendizaje, подпитанные capacidad de procesamiento, superan con mucho a los intentos de resolver la tarea no es estándar, el enfoque de pensamiento"

En el área de reconocimiento de voz en la década de 1970 se celebró el concurso, patrocinado por DARPA. Los participantes proceden de diferentes métodos que han utilizado los beneficios del conocimiento humano — conocimiento de palabras o fonemas, la voz de la ruta y así sucesivamente. Al otro lado de las barricadas eran más nuevos métodos estadísticos, por su naturaleza y realizan más de los cálculos, basados en modelos ocultos de markov (HMM). Y una vez más los métodos estadísticos han vencido a los métodos basados en el conocimiento de la persona. Esto ha llevado a cambios significativos en todo el procesamiento de lenguaje natural, poco a poco внедряющимся durante décadas, hasta que finalmente, las estadísticas y cálculos comenzó a dominar en este ámbito. La reciente subida de aprendizaje profundo en materia de reconocimiento de voz es el último paso en la dirección de la serie. Los métodos de aprendizaje profundo, menos aún confían en el conocimiento humano y utilizan más los cálculos, junto con el entrenamiento en grandes conjuntos de muestras, y generan un impresionante sistema de reconocimiento de voz.

richard sutton, canadiense, un científico de computación

Al igual que los juegos, los científicos siempre han tratado de crear sistemas que funcionan tal como se presentaban en sus cabezas — trataron de poner este conocimiento en sus sistemas— pero todo esto parecía muy improductivo, los científicos simplemente perder tiempo, hasta que — como consecuencia de la ley de moore — se hacían accesibles cada vez más masiva de cálculo y encontraban la aplicación hermosa.

Conclusión: el mismo error se repitió a lo largo de décadas,

Un cuadro Similar fue y en el ámbito de la visión por computador. Los primeros métodos percibido como la búsqueda de alguna forma de los contornos de la recopilación de los cilindros, ya sea por la capacidad de SIFT (escala-invariante de la transformación de los signos). Pero hoy en día todo esto ha echado en el fogón. Las modernas redes neuronales, con una profunda formación sólo utilizan el concepto de convolución y de ciertas invariantes y funcionan mucho mejor.

Es una gran lección.

En cualquier área de ni nos por venir, estamos en todas partes seguimos cometiendo los mismos errores. Para ver esto y eficaz de superar, es necesario entender por qué estos errores tan atractivos debemos aprender una lección, que la construcción de lo que creemos, pensamos como pensamos, no funciona en el largo plazo. La amarga lección, basado en puntos de observación, muestra que: 1) los investigadores de la ia a menudo han tratado de incorporar el conocimiento en sus agentes; 2) es siempre ayudaba a corto plazo y aporte científico de satisfacción; 3) pero en el largo plazo, todo se ponía en un callejón sin salida y frenaba el progreso continuo; 4) прорывной progreso es inevitable que haya venido opuesto de la aplicación de un enfoque basado en la escala de cálculo a través de la búsqueda y el aprendizaje. El éxito fue горьковатого gusto y, a menudo, no усваивался en su totalidad, porque es el éxito de la computación, y no es el éxito orientados a la persona enfoques.

De esta amarga lección debe aprender una cosa: el enorme poder de los métodos de uso general, los métodos que se siguen para escalar con el crecimiento de los cálculos, incluso cuando están disponibles los cálculos se hacen muy grandes. Los dos métodos que, parece, se escalan de forma arbitraria por lo tanto, es la búsqueda y el aprendizaje.

El Segundo, que se debe extraer de esta amarga lección, es que el contenido real de la mente extraordinariamente y excesivamente complejo; nos cuesta dejar de tratar de encontrar formas sencillas de comprender el contenido de la mente, similares a las formas de pensar el espacio, los objetos, los múltiples agentes o simetrías. Todos ellos son parte arbitrariamente complejo mundo exterior. No nos vale la pena tratar de apartarse de ellos, ya que su complejidad es infinito; nos cuesta construir en el meta-prácticas que pueden encontrar y capturar esta arbitraria de la complejidad. Estos métodos pueden encontrar una buena aproximación, pero la búsqueda debe realizarse de nuestros métodos, y no de nosotros. Necesitamos agentes de la ia, que pueden abrir tanto como nosotros, y no contener lo que hemos descubierto. Generar en nuestros descubrimientos sólo complica el proceso de apertura y de búsqueda.

Conclusión: hay que confiar en los cálculos, en lugar de tratar de калькировать humanos de la reflexión y el intento de explicar los complejos métodos de apertura y de búsqueda de simples esquemas; en el largo plazo, dispara primero y no el último.

Discutir la amarga lección de los investigadores de la ia se puede .