Bagaimanakah revolusi AI membantu kita menjawab soalan falsafah yang paling asas? (Bahagian 2)

Siapa saya? Apa yang saya dilahirkan untuk dilakukan? Revolusi AI melalui mata pakar teknologi Kaifu-Lee, bahagian 2 akan membantu anda terus menemui jawapan kepada dua soalan manusia yang kekal ini. Selepas kegagalan dua gelombang pertama, bagaimana AI terus berkembang dan berlepas setakat ini? Adakah AI hari ini mempunyai kuasa yang mencukupi untuk mengambil alih dunia seperti yang diramalkan?

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

Ringkasan bahagian 1: mekanisme dua gelombang pertama kecerdasan buatan di dunia: sistem berdasarkan peraturan pemikiran (gelombang pertama), model statistik dan pembelajaran mesin (gelombang kedua )

BAHAGIAN 2: Gelombang ketiga Al dan menilai semula keupayaan sebenar Al hari ini.

Gelombang ketiga AI - letupan berkuasa perkakasan

Semasa gelombang pertama, saya (pengarang Kai-fu Lee) bernasib baik kerana mengenali ahli sains komputer dan psikologi Roger Schank. Malah, salah seorang pelajarnya adalah penyelia saya semasa zaman sarjana saya. Percubaan di atas telah menyebabkan saya percaya bahawa sistem pakar tidak boleh skala dan otak kita mungkin tidak berfungsi seperti yang kita fikirkan. Saya menyedari bahawa, untuk memudahkan proses membuat keputusan, kami menggunakan "jika, maka, lain" sebagai bahasa yang difahami oleh manusia, tetapi otak kita adalah kompleks. jauh lebih rumit daripada itu.

Semasa gelombang kedua, semasa pengajian tesis dan kedoktoran saya, saya membaca karya Judea Pearl di rangkaian Bayesian. Saya sangat dipengaruhi oleh saintis terkemuka di IBM, termasuk Dr. Fred Jelinek, Peter Brown dan Bob Mercer. Mereka membuat tanda dalam mengubah kaedah statistik menjadi arus perdana, bukan sahaja dalam pertuturan tetapi juga dalam terjemahan mesin (dalam 80-an dan 90-an abad ke-20). Saya berhutang budi kepada mereka. Kami masih terperangkap, tetapi ia bukan kerana teknologi itu salah. Sebenarnya, kaedah statistik benar-benar tepat.

Pada akhir 80-an, semasa saya bekerja pada model Markov tersembunyi di Carnegie Mellon, Geoff Hinton bekerja pada rangkaian saraf yang dinamakannya "Rangkaian saraf tertunda masa." Ia dipercayai merupakan versi pertama rangkaian saraf kompleks yang kini dikenali sebagai pembelajaran mendalam, teknologi yang dominan hari ini.

Tetapi mengapa gelombang pembelajaran mesin saraf dan statistik tidak dilepaskan? Jika dilihat semula, gelombang ini tiada kaitan dengan teknologi, kebanyakan teknologi telah pun dicipta. Masalahnya ialah kami tidak mempunyai data latihan yang mencukupi. Otak kita berfungsi dengan cara yang sama sekali berbeza daripada mesin pembelajaran mendalam. Untuk membootstrap mesin pembelajaran mendalam, kita perlu memberi mereka lebih banyak data latihan pada setiap peringkat berbanding manusia. Manusia boleh melihat beratus-ratus muka sebelum mereka mula mengenali orang, tetapi rangkaian saraf pembelajaran mendalam mahu melihat berbilion-bilion wajah untuk menjadi mahir dalam pengecaman.

Sudah tentu, apabila mereka sudah mahir, mereka akan menjadi lebih baik daripada manusia. Itu telah diramalkan. Tetapi pada masa itu, kami hanya tidak mempunyai data latihan yang mencukupi, mahupun kuasa pengkomputeran yang mencukupi untuk membawa teknologi yang ditemui ini ke tahap canggih. Google mula menyedari bahawa untuk mencari, anda memerlukan banyak mesin untuk dijalankan secara selari. Kemudian Jeff Dean (saintis komputer yang mengetuai bahagian AI Google) dan orang lain di Google melihat bahawa, sebaik sahaja anda mempunyai mesin selari itu, anda boleh melakukan lebih daripada mencari. Anda boleh membina AI di atasnya. Untuk membina AI, anda memerlukan cip khas yang pakar dalam melakukannya dengan baik. Kemudian GPU Nvidia datang bersama-sama, dan Google membina TPU sendiri. Itu satu kemajuan yang memberangsangkan. Kebetulan Google mengambil carian, dan carian memerlukan pelayan, dan mereka mendapat Jeff Dean. Ini telah membawa kepada seni bina pembelajaran berasaskan GPU atau TPU secara besar-besaran yang boleh belajar daripada banyak data daripada satu kawasan (GPU ialah pemproses yang terdiri daripada beribu-ribu teras yang lebih kecil dan berprestasi tinggi yang boleh memproses banyak tugasan secara serentak, berbanding dengan CPU konvensional dengan hanya beberapa teras yang dioptimumkan untuk pemprosesan jujukan berterusan).

(Foto: Anand Tech)

Teknologi baharu telah berkembang berdasarkan seni bina pembelajaran mesin selari secara besar-besaran yang dinyatakan di atas, dan seni bina ini dijalankan pada GPU dan pemecut baharu. Semakin ramai orang dapat melatih peranti untuk mengecam wajah, mengecam suara, mengecam imej dan menggunakan AI untuk mencari dan ramalan. Terdapat lebih banyak data internet yang tersedia. Amazon menggunakan data ini untuk meramalkan apa yang pelanggan mahu beli. Google menggunakan data untuk meramalkan iklan yang mungkin anda klik dan berkemungkinan besar untuk membayar. Microsoft juga menggunakannya. Di China, kami mempunyai Tencent dan Alibaba. Banyak aplikasi telah dilahirkan berdasarkan sejumlah besar data Internet.

Pada masa yang sama semasa teknologi semakin maju, Geoff Hinton, Yann LeCun dan Yoshua Bengio adalah tiga orang yang terus bekerja pada rangkaian saraf, walaupun mereka tidak lagi menjadi arus perdana pada awal 2000-an. Pada tahun 80-an, Kerja itu baharu, dan statistik terobosan telah menunjukkan bahawa rangkaian ini tidak boleh berskala. Oleh itu, agensi pembiayaan meninggalkan mereka, persidangan berhenti menerima penyelidikan tentang mereka, tetapi ketiga-tiga penyelidik ini meneruskannya dengan sedikit pembiayaan untuk memperhalusi dan membangunkan algoritma yang lebih baik. Dan kemudian lebih banyak data muncul. Satu kejayaan datang dengan penciptaan algoritma baharu, pada satu masa dipanggil "rangkaian saraf kompleks", dan hari ini dikenali sebagai "pembelajaran mendalam".

Set teknologi yang diperolehi daripada tiga profesor di atas mula berkembang pesat dalam industri AI. Sistem pengecaman suara yang direka oleh syarikat terkemuka memenangi keupayaan manusia, dan perkara yang sama berlaku dengan pengecaman muka dan syarikat pengecaman imej. Terdapat bukti e-dagang, pengenalan pengguna/pembesar suara digunakan pada data Internet, ramalan yang lebih tinggi untuk Amazon, memberi mereka lebih banyak wang; ramalan yang lebih baik untuk Facebook tentang cara suapan berita ditarafkan; Hasil carian yang lebih baik daripada Google. Menjelang akhir 2000-an, rangkaian saraf dalam mula menjadi popular di Google, dan meletup hampir di mana-mana dalam tempoh 7 atau 8 tahun yang lalu. Lebih banyak struktur dilahirkan, lebih banyak sistem pintar dibangunkan. Sudah tentu, peristiwa yang menyemarakkan dunia ialah AlphaGo mengalahkan Go master Lee dari Korea dan master Ke dari China dengan margin yang semakin meningkat. Dan baru-baru ini, satu kajian baru mencadangkan bahawa AlphaGo boleh dilatih dari sifar tanpa pengetahuan manusia.

Semua penemuan ini telah membuat dunia tahu bahawa AI adalah realiti pada masa ini. Kami mempunyai sesuatu dalam gelombang kedua, rangkaian saraf dan kaedah statistik adalah betul, kami hanya tidak mempunyai data yang mencukupi, kuasa pengkomputeran tidak mencukupi dan kemajuan tidak mencukupi. tindanan teknologi pada masa itu untuk mewujudkannya. Tetapi sekarang kita telah melakukannya.

Bolehkah AI menguasai manusia?

AI berlepas di mana-mana. Banyak aliran pemikiran baru muncul. Terdapat sekumpulan orang yang mula merenung kembali soalan asal kita: siapa kita, dan mengapa kita wujud? Orang-orang ini memberi alasan bahawa, kerana AI telah dapat memperbaiki dirinya dengan begitu pantas dalam dua atau tiga tahun yang lalu, jika kita memanfaatkannya di kawasan lain, kita akan mempunyai mesin super-pintar yang boleh dimasukkan ke dalam kepala kita dan menjadi pembesaran manusia, atau mereka akan menjadi jahat dan memerintah manusia.

Saya hanya mahu mengharamkan pemikiran seperti ini. Cuma itu tidak tepat. Tidak kira betapa majunya AI hari ini atau muncul sama seperti AI melakukan perkara yang luar biasa seperti mengalahkan manusia dalam permainan catur, pengecaman suara, pengecaman muka, kenderaan pandu sendiri, robot industri, AI masih akan dihadkan dalam cara berikut: Hari ini AI (yang kami panggil AI lemah) ialah peranti yang mengoptimumkan berdasarkan banyak data tentang bidang yang belajar melakukan sesuatu dengan sangat baik. Ia adalah robot tugas tunggal menegak, tetapi ia hanya boleh melakukan satu perkara. Anda tidak boleh mengajarnya banyak perkara. Anda tidak boleh mengajarnya banyak bidang. Anda tidak boleh mengajarnya untuk mempunyai akal (akal sehat, pengetahuan biasa, pengalaman, tingkah laku yang kebanyakan kita bersetuju adalah betul atau salah). Anda tidak boleh memberikannya emosi. Ia tidak mempunyai kesedaran diri, maka ia tidak mempunyai keinginan, malah pemahaman tentang cara mencintai atau menguasai manusia.

Semua cakap negatif itu mengarut. Itu terlalu banyak imaginasi. Kami melihat AI memasuki aplikasi baharu di kawasan yang berkembang pesat, tetapi pertumbuhan pesat aplikasi adalah dalam teknologi matang yang kami ada. Pertumbuhan itu akan berakhir apabila semua teknologi dibangunkan. Kemudian kita perlu menunggu kejayaan baharu untuk kemajuan AI selanjutnya. Tetapi anda tidak boleh meramalkan kemajuan selanjutnya.

Jika anda melihat sejarah AI, jenis inovasi pembelajaran mendalam ini hanya berlaku sekali sahaja. Hanya sekali sejak 1957, sekali dalam 60 tahun, kita mempunyai satu kejayaan. Anda tidak boleh meneruskan dan meramalkan bahawa kita akan mencapai kejayaan tahun depan, dan kemudian bulan depan atau lusa. Itu terlalu pantas. Penggunaan aplikasi hanya kini berlaku. Itu bagus, tetapi idea ciptaan pantas adalah konsep yang bodoh. Pada pendapat saya, mereka yang membuat dakwaan ini dan mereka yang mengatakan bahawa perpaduan di hadapan kita sama sekali tidak menyentuh keadaan industri yang sebenar.

Hari ini, hanya ada AI yang menumpukan pada melakukan satu perkara pada satu masa, dan ia merupakan alat yang hebat. Ia pandai mencipta nilai. Ia akan menggantikan banyak pekerjaan manusia dan beberapa pekerjaan manusia yang lain. Itulah yang patut kita fikirkan, bukan AI yang besar dan berkuasa, sebuah mesin yang seperti manusia dan boleh berfikir dalam banyak bidang, dan mempunyai persepsi yang sama seperti manusia. Lagipun, kita tidak boleh meramalkan itu berdasarkan kemajuan semasa.

Bolehkah itu berlaku suatu hari nanti, seratus atau seribu tahun dari sekarang? Saya fikir apa-apa boleh berlaku. Tetapi mungkin kita harus menumpukan tenaga kita pada perkara di sini, hari ini. Dan apa yang ada di sini sekarang ialah mesin super yang dioptimumkan yang boleh melakukan lebih baik daripada manusia dalam pekerjaan: memilih saham, membuat pinjaman, sokongan pelanggan, telepemasaran, kerja barisan pengeluaran, sokongan undang-undang. AI boleh melakukan perkara itu lebih baik daripada manusia. Mereka mengambil alih dan membebaskan masa lapang kita, membolehkan kita melakukan perkara yang kita benar-benar suka dan melakukan yang terbaik. Ini peluang seumur hidup, bukan prospek menakutkan komputer menjadi sangat pintar.

Menurut VnReview

Lihat lagi:

• 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