우리는 또 다른 AI 겨울로 향하고 있습니까?

AI Winters 이해

AI 겨울은 인공 지능에 대한 자금 조달, 관심 및 흥분의 큰 감소가 특징 인시기입니다. 이러한 침체는 투자 감소, 연구 진행률 둔화 및 상업적 관심 감소로 정의됩니다. 이 용어는 1984 년 미국 인공 지능 협회 연례 회의에서 토론에서 처음으로 사용되었습니다. 이 행사에서 1970 년대 동결의 참전 용사 인 Roger Schank와 Marvin Minsky는 열정의 물결과 비즈니스와 연구 서클이 지속 불가능하다고 경고했습니다. 그들은 과학자들 사이에서 비관론으로 시작하는 연쇄 반응을 예측했으며, 언론의 회의론, 투자의 급격한 삭감, 궁극적으로 연구 노력의 붕괴를 예측했습니다. 그들의 경고는 정확한 것으로 판명되었습니다. 몇 년 안에 1980 년대 중반의 10 억 달러 규모의 AI 산업이 풀리기 시작했습니다.

첫 번째 AI 겨울 : 1970 년대 중반 ~ 1980 년

첫 번째 AI 겨울은 1974 년부터 1980 년까지 지속되었습니다. 가장 빠른 경고 신호 중 하나는 기계 번역 분야에서 비롯되었으며 냉전 동안 주목을 끌었습니다. 당시 CIA를 포함한 미국 기관은 컴퓨터가 러시아 문서를 즉시 번역 할 수 있기를 바라면서 많은 투자를했습니다. 그러나 1960 년대 중반까지는 진보가 지연되었습니다. ALPAC (Automatic Language Processing Advisory Committee)는 기계 번역이 느리고 정확하지 않으며 인간 작업보다 비싸다고 밝혔다. 1966 년에 발행 된 그들의 보고서는 우리를 효과적으로 해당 지역의 지원을 끝내고 많은 경력을 탈선시켰다.

영국에서 영국의 주요 응용 수학자 인 제임스 리틀 (James Lighthill) 경은 1973 년 에이 분야에 매우 비판적인 보고서를 썼습니다. 의회가 의뢰 한이 보고서는 AI가“웅장한 목표”를 충족시키지 못했다고 결론 지었다. 그는 대부분의 작업이 다른 과학 분야에서보다 효과적으로 수행 될 수 있으며“조합 폭발”의 문제를 강조했다고 주장했다. 이것은 작고 제어 된 문제에 대해 효율적으로 보이는 알고리즘이 실제 세계의 복잡성에 직면했을 때 빠르게 관리 할 수 ​​없게되었다는 것을 의미했습니다. 가능성의 수가 증가함에 따라 답변을 계산하는 데 필요한 시간과 자원이 풍부하고 그라운드가 중단됩니다. 이 보고서의 결과로, 정부는 대부분의 영국 AI 연구 프로그램을 해체했으며, 10 년 후 새로운 자금이 나타날 때까지 몇 개의 대학을 활성화시켰다.

미국에서는 자금 조달 압력도 장착되었습니다. 1960 년대에 국방 고급 연구 프로젝트 기관 (DARPA)은 최소한의 감독으로 수백만 달러를 AI에 쏟아 부었습니다. 이는 1969 년과 1973 년의 맨스필드 수정안으로 바뀌었고, 이는 연방 연구 달러를 제한했습니다. 이 교대는 장기적인 개방형 대학 연구를 철회하고 단기적으로 적용된 작업으로 돈을 리디렉션했습니다. 1970 년대 초, DARPA는 구체적인 결과를 요구하고 엄격한 목표에 대한 AI 제안을 판단하기 시작했습니다. 많은 프로젝트가 부족했고 1974 년 까지이 기관은 지원이 급격히 감소했습니다. 한때 관대하고 유연한 자금이었던 것은 AI에 대한 쉬운 돈의 시대를 알리는 투자를 좁게 목표로 삼았습니다.

두 번째 AI 겨울 : 1980 년대 후반에서 1990 년대 중반

두 번째 AI 겨울은 1980 년대 후반에 시작되어 1990 년대 중반까지 지속되었습니다. 그것은 AI 연구원들이 선호하는 프로그래밍 언어를 운영하기 위해 구축 된 전문 컴퓨터 시장의 파열로 시작되었습니다. 1987 년까지 일반 목적 워크 스테이션은 가격의 일부로 특수 시스템의 성능과 일치하거나 초과했습니다. 비용이 많이 드는 하드웨어를 구매할 이유가 없어서 전체 시장이 거의 밤새 사라져서 많은 제조업체가 비즈니스를 벗어났습니다.

동시에 전문가 시스템의 상업적 약속이 사라지기 시작했습니다. 전문가의 의사 결정을 복제하도록 설계된이 규칙 기반 프로그램은 조기 성공을 누 렸습니다. 그러나 채택이 확산됨에 따라 제한이 명확 해졌습니다. 전문가 시스템은 부서지기 쉽고 유지 비용이 많이 들었으며 조건이 변경되었을 때 적응할 수 없었습니다. 규칙을 업데이트하는 경우 종종 프로그래머의 군대가 필요하며 시스템은 기본적인 실수를 저지를 수 있습니다. 1990 년대 초,이자가 감소하고 유지 보수 비용이 상승했으며 배치가 덜 빈번 해졌습니다.

둔화는 전 세계적이었습니다. 일본의 야심 찬 5 세대 프로젝트는 1981 년에 시작하여 인간과 같은 대화, 번역 및 이유가있는 기계를 건설하기 위해 시작되었습니다. 미국에서는 90 개가 넘는 프로젝트에 자금을 지원 한 DARPA의 전략적 컴퓨팅 이니셔티브가 리더십이 AI를 다음 기술의 물결보다는 "영리한 프로그래밍"으로 기각 한 후에도 축소되었습니다.

이 분야는 전적으로 휴면되지 않았지만, 전용 하드웨어의 붕괴, 전문가 시스템의 브라이언스 및 전국 대규모 프로젝트의 실패는 두 번째 AI 겨울을 가져 오기 위해 결합되었습니다.

통치 : 1990 년대 후반 이상

AI 환경은 1990 년대 후반과 2000 년대 초에 변경되었으며, 컴퓨팅 성능 상승, 대규모 디지털 데이터 세트 및 데이터 중심 학습 방법의 혁신 덕분에 AI 환경이 바뀌 었습니다. AI는 수제 규칙에 의존하는 대신 예에서 배우기 시작했습니다. 이 통계적 접근 방식은 현대 머신 러닝을위한 기초를 설정했습니다.

인간의 시각 피질을 기반으로 한 시스템이 많은 양의 교육 데이터와 강력한 프로세서를 사용하여 주요 이미지 인식 경쟁에서 모든 라이벌을 능가하는 시스템이 느슨하게 성능이 우수한 2012 년에 획기적인 결과가 나왔습니다. 몇 년 후, 연구원들은 변압기를 소개했습니다. 이 모델 디자인은주의 패턴에 중점을 두며, 본질적으로 AI는 어떤 단어 나 정보가 가장 중요한지 결정하도록 가르치고 있습니다. 이 접근법은 엄청난 양의 텍스트에 대한 효율적인 처리 및 이해, 언어 기반 애플리케이션을 변환하고 대형 언어 모델의 기초를 마련 할 수있게 해주었다.

2010 년대 초부터 관심, 자금 및 입양이 급증하여 과거의 동결과 다른 부활을 표시했습니다. AI 붐이라고 불리는이 부흥은 계속해서 그 범위와 영향력을 넓히고 있습니다.

우리가 또 다른 AI 겨울에 직면 할 것 같지는 이유

초기 AI 겨울은 일반적인 요구에 따라 고장난 정부 기금, 과장된 약속 및 취성 기술에 대한 공통 패턴에 의해 유발되었습니다. 오늘날의 환경은 다르게 보입니다.

AI는 더 이상 소수의 정부 기관에 의존하지 않습니다. 공공 자금 지원은 여전히 ​​중요하지만 잘 발달 된 벤처 캐피탈 생태계는 이제 많은 투자를 주도하여 신생 기업과 개인 실험실에서 위험을 확산시킵니다. 이 다각화는 갑자기 붕괴 가능성이 줄어 듭니다.

컴퓨팅의 경제성이 바뀌 었습니다. 과거에는 하드웨어가 너무 비싸거나 너무 제한적이었습니다. 이제 클라우드 플랫폼, 특수 칩 및 대규모 데이터 세트가 널리 액세스 할 수있는 동안 비용이 계속 떨어지고 있습니다. AI 기술은 더욱 강력하며 현대 아키텍처는 도메인에 걸쳐 적응하고 딥 러닝 및 자연어 처리의 발전을 실질적인 가치를 제공합니다.

거버넌스가 마침내 주목을 받고 있습니다. 최근에 발표 된 AI 행동 계획과 함께 인프라 투자 정책 가능성이 미국에서 전 세계적으로 전 세계적으로 제정되고 있습니다. 성장을위한 가드 레일을 만들기 위해 표준 및 책임 조치가 논의되고 있습니다.

이 요인들은 함께 또 다른 AI 겨울의 확률을 줄입니다. 이 분야는 과거주기보다 경제에 더 탄력적이고 다양하며 내장되어 있습니다.

다음 AI 겨울을 피하십시오

역사에 따르면 약속이 결과를 초과하면 운동량이 빠르게 회전 할 수 있습니다. 인간 수준의 지능의 근접성을 과장하거나 윤리적, 안전 및 에너지 문제를 무시하는 것은 신뢰를 침식하고 반발을 유발합니다.

AI가 중요한 인프라와 국가 전략에 포함되어 있기 때문에 오늘날의 위험은 높습니다. 신뢰 상실은 지난 수십 년보다 훨씬 큰 규제, 투자자 퇴각 및 대중 회의론을 초대 할 수 있습니다.

또 다른 AI 겨울을 피하려면 혁신과 현실적인 기대치, 인프라에 대한 꾸준한 투자 및 진행 상황과 한계에 대한 투명의 의지와 혁신이 필요합니다. 투자자들이 거품, 컴퓨팅 및 에너지 비용이 오르고, 시장 과대 광고에 보조를 맞추기위한 정책 투쟁으로 위험은 여전히 ​​남아 있습니다. 그러나 낙관론에 대한 이유가 있습니다. 연구원들은 이제 텍스트, 이미지 및 사운드를 처리하는 시스템을 구축하는 반면 엔지니어는보다 효율적인 알고리즘을 설계합니다.

튜링의 질문은“기계가 생각할 수 있습니까?”라는 질문은 여전히 ​​해결되지 않은 채 남아 있습니다. 역사가 분명한 것은 진정한 도전이 야망과 책임과 일치하여 현재 AI 스프링이 지속되고 또 다른 AI 겨울에 전달되지 않는다는 것입니다.

위 내용은 우리는 또 다른 AI 겨울로 향하고 있습니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!