Bagaimanakah revolusi AI membantu kita menjawab soalan falsafah yang paling asas? (Bahagian 1)

Siapa saya? Apa yang saya dilahirkan untuk dilakukan? Bagaimana saya harus hidup? Terdapat banyak artikel, banyak buku, dan banyak sekolah falsafah yang dilahirkan untuk menyelesaikan persoalan terbesar tentang kewujudan manusia. Dalam artikel ini, kami ingin memperkenalkan kepada pembaca renungan mendalam tentang isu falsafah asas ini dari perspektif pakar teknologi terkemuka dunia melalui siri artikel di bawah.

Siri artikel itu diterjemahkan daripada artikel di The Edge oleh pengarang Kai-fu Lee, pengasas syarikat pelaburan teknologi Sinovation Ventures, menduduki tempat No. 1 di China oleh Forbes. Lee telah memegang jawatan penyelidikan di Apple dan bertanggungjawab ke atas operasi di Microsoft dan Google China. Lee juga merupakan saintis komputer yang mencipta sistem pengecaman suara pertama di dunia. Sistem Lee kini digunakan dalam Siri Apple, produk Microsoft dan banyak syarikat lain.

Pengarang Kai-fu Lee, pengasas syarikat pelaburan teknologi No. 1 China Sinovation Ventures (Foto: China Daily)

BAHAGIAN 1: GELOMBANG PERTAMA DAN KEDUA KECERDASAN TIRUAN

Gelombang pertama kecerdasan buatan

Seperti orang lain, soalan yang selalu saya tanya pada diri saya ialah siapa saya dan mengapa saya wujud? Sebagai manusia, siapa kita, kenapa kita wujud? Semasa saya di kolej, saya mempunyai pandangan yang lebih tidak bersalah. Saya sangat ghairah tentang komputer, tentang kecerdasan buatan, dan saya fikir saya ditakdirkan untuk bekerja dengan algoritma komputer, dan dengan rakan sekerja saya, bayangkan bagaimana otak berfungsi. bekerja, bagaimana komputer boleh menjadi pintar seperti otak, malah boleh menggantikan otak, dan itulah yang dipanggil kecerdasan buatan.

Itulah pandangan mudah saya ketika itu. Saya mengikutinya semasa kolej, semasa tahun sarjana saya. Saya pergi ke Carnegie Meelon dan mendapat PhD saya dalam pengiktirafan pertuturan , kemudian menyertai Apple, SGI, kemudian Microsoft dan Google. Di syarikat tersebut, saya terus mengusahakan kecerdasan buatan. Saya fikir usaha kita tentang cara kecerdasan berfungsi dan pemahaman kita tentang kecerdasan buatan akan kembali kepada kita dan berkata, "Ah, begitulah cara otak berfungsi." Kami mensimulasikannya, dan itulah definisi kecerdasan. Itulah yang paling penting dalam kehidupan kita: IQ kita, keupayaan kita untuk berfikir, menganalisis, meramal, memahami - semua itu boleh dibangunkan melalui simulasi. pada komputer.

Saya bernasib baik untuk bertemu dengan Marvin Minsky, Allen Newell, Herb Simon (tiga saintis yang dianggap sebagai perintis dalam bidang kecerdasan buatan), dan mentor saya Raj Reddy (Dabbala Rajagopal "Raj" Reddy, seorang saintis komputer India-Amerika, juga perintis AI). Semua orang ini meninggalkan pengaruh yang mendalam pada cara saya berfikir. Adalah harmoni bahawa mereka juga mengejar pemahaman tentang kecerdasan. Pandangan pada masa itu adalah bahawa kita akan melaksanakan kecerdasan manusia sebagai peraturan dengan cara manusia bertindak jika kita menyediakan proses untuk menjalankan pemikiran kita secara konkrit.

Contohnya, kalau saya lapar barulah saya nak keluar makan. Saya secara tidak sengaja menghabiskan banyak wang pada bulan ini, saya akan pergi ke tempat yang lebih murah. Tempat yang lebih murah tersirat sebagai McDonald's. Di McDonald's, saya mengelakkan makanan bergoreng, jadi saya hanya mendapat hamburger. Perkara "jika, maka, lain" adalah cara kita berfikir (seperti yang kita fikirkan), dan begitulah cara penjanaan sistem pakar atau AI simbolik berfungsi. Pertama. Saya menyedari bahawa ia sangat terhad, kerana apabila kita menulis peraturan terdapat terlalu banyak daripadanya.

Di MCC (Consortium of Microelectronic Computer Companies), terdapat seorang profesor bernama Doug Lenat, salah seorang yang paling bijak yang saya kenali. Dia mengupah beratus-ratus orang untuk menulis semua peraturan yang boleh kita fikirkan, berfikir bahawa suatu hari nanti kita akan menyelesaikannya, dan itu akan menjadi otak. Penyelidikannya ditaja oleh Apple dan Microsoft. Saya masih ingat semasa saya melawatnya, dia menunjukkan kepada saya semua jenis bunga itu, berkongsi pengetahuan tentang apa itu setiap jenis bunga, berapa banyak kelopak setiap bunga dan apa warna yang ada padanya. Ternyata terlalu banyak pengetahuan di dunia untuk kita ambil, dan interaksinya terlalu kompleks. Mekanisme itu, sistem berasaskan peraturan, kita tidak tahu bagaimana untuk membinanya.

Itulah gelombang pertama. Orang ramai mula teruja, menyangka kami boleh menulis peraturan, tetapi ia gagal sepenuhnya. Hasil daripada kegagalan itu ialah, dalam beberapa cara, terdapat hanya beberapa aplikasi yang berguna. Itu membuatkan orang ramai percaya bahawa AI telah gagal dan tidak berbaloi untuk diteruskan.

Para saintis perintis dalam bidang kecerdasan buatan yang Kai-fu Lee sangat dipengaruhi oleh: Marvin Minsky, Allen Newell, Herb Simon, Dabbala Rajagopal "Raj" Reddy (Foto: Slideplayer, Wikipedia)

Gelombang kedua kecerdasan buatan

Saya bernasib baik untuk mengikuti gelombang kedua, yang bertepatan dengan kerja kedoktoran saya di Carnegie Mellon. Dalam kerja itu, saya tertanya-tanya sama ada kita boleh menggunakan beberapa jenis statistik atau pembelajaran mesin. Bagaimana jika kami mengumpul sampel dari semua perkara dan melatih sistem? Ia boleh menjadi sampel suara untuk melatih bunyi yang berbeza dalam bahasa Inggeris, sampel anjing dan kucing untuk melatih pengecaman haiwan dll. Mereka memberikan hasil yang baik pada masa itu. Jenis teknologi yang saya bangunkan dan gunakan dalam tesis kedoktoran saya dipanggil "Model Markov Tersembunyi", yang merupakan contoh pertama sistem pembesar suara pengecaman pertuturan serba lengkap. Sistem ini pernah dan masih digunakan dalam banyak produk, seperti Siri, sistem pengecaman suara Microsoft dan teknologi lain yang digunakan dalam suara komputer dan penglihatan komputer. Saya melakukan kerja itu di Carnegie Mellon pada tahun 1980-an, menyelesaikan tesis saya pada tahun 1988, dan terus bekerja di Apple dari 1990-1996, kemudian Microsoft Research sekitar tahun 2000.

Kami optimis bahawa pengiraan untuk kerja ini berkesan kerana kami melihat hasilnya bertambah baik. Tetapi selepas sedekad bekerja, kami melihat peningkatan kritikal mencapai hadnya. Mereka tidak dapat naik lebih jauh, jadi kami takut. Sekali lagi, ramai orang berkata, "Anda boleh mengenali 1000 perkataan, 100 objek, tetapi tidak lebih. Manusia boleh memahami perbendaharaan kata yang tidak terhingga, termasuk perkataan yang baru dibentuk. Itu tidak pintar. Itu bukan AI." Keruntuhan kecerdasan buatan kedua berlaku, kerana ia gagal membuktikan bahawa mesin boleh melakukan apa yang manusia boleh lakukan.

Menurut VnReview Lihat lebih lanjut:

• Kursus kecerdasan buatan (AI) dalam talian percuma dari universiti Finland
• 6 langkah untuk mula belajar pengaturcaraan kecerdasan buatan (AI).
• Kursus dalam talian mengenai kecerdasan buatan (AI), pensijilan