미래 비전을 뒷받침할 수 없다면 인공지능은 다시 한번 '겨울'을 맞이하게 될까요?

앨런 튜링(Alan Turing)이 1950년 논문 "컴퓨팅 기계와 지능(Computing Machines and Intelligence)"에서 처음으로 "기계가 생각할 수 있는가?"라는 질문을 제기한 이후 인공지능의 발전은 순조롭게 진행되지 않았으며 아직까지 "보편적 인공지능"을 달성하지 못했습니다. " "지능형" 목표.

그러나 IBM의 Deep Blue 로봇이 세계 최고의 체스 선수를 이기고, 자율 주행 자동차의 탄생, Google DeepMind의 AlphaGo가 세계 최고의 바둑 선수를 이기는 등 이 분야는 여전히 놀라운 발전을 보이고 있습니다. .. 현재의 성과는 지난 65년간 최고의 연구개발 성과를 보여주는 것입니다.

이 기간 동안 잘 문서화된 "AI Winters"가 있었는데, 이는 인공 지능에 대한 사람들의 초기 좋은 기대를 거의 완전히 뒤집었다는 점에 주목할 가치가 있습니다.

AI 겨울을 이끄는 요인 중 하나는 과대 광고와 실제 근본적인 발전 사이의 격차입니다.

지난 몇 년 동안​ 또 다른 인공지능 겨울이 올 수 있다는 추측이 있었습니다. 그러면 어떤 요인이 인공지능 빙하기를 촉발할 수 있을까요?

인공지능의 순환변동

'AI 겨울'은 상업 및 학술 분야에서 이러한 기술에 대한 투자가 점차 줄어들면서 인공지능에 대한 대중의 관심이 점차 감소하는 시기를 말합니다.

인공지능은 처음에는 1950년대와 1960년대에 빠르게 발전했습니다. 인공지능이 많은 발전을 이루었음에도 불구하고 대부분은 학술적인 수준에 머물렀습니다.

1970년대 초반부터 인공지능에 대한 사람들의 열의는 식기 시작했고, 이 암울한 시기는 1980년경까지 지속되었습니다.

이 인공 지능 겨울 동안 기계에 대한 인간과 같은 지능을 개발하는 데 전념하는 활동에는 자금이 부족하기 시작했습니다.

1956년 여름, 수학자 및 컴퓨터 과학자 그룹이 다트머스 대학의 수학과 건물 꼭대기 층을 점거했습니다.

8주 동안 그들은 함께 새로운 연구 분야를 상상했습니다.

​당시 다트머스 대학의 젊은 교수였던 존 매카시는 세미나 제안서를 디자인하면서 '인공지능'이라는 용어를 만들어냈습니다.

그는 워크숍에서 "인간 학습의 모든 측면이나 지능의 다른 모든 특징은 원칙적으로 매우 정확하게 설명되어 기계로 시뮬레이션될 수 있다"는 가설을 탐구해야 한다고 믿습니다.

그 회의에서 연구자들은 오늘날 우리가 알고 있는 인공지능의 대략적인 윤곽을 그렸습니다.

첫 번째 인공 지능 과학자 진영을 탄생시킨 "상징주의"는 논리학, 심리학 학교 또는 컴퓨터 학교라고도 알려진 논리적 추론을 기반으로 하는 지능형 시뮬레이션 방법입니다. 오랫동안 AI 연구를 지배해온 기호 체계와 제한된 합리성의 원리.

그들의 전문 시스템은 1980년대에 정점에 달했습니다.

회의 이후 몇 년 동안 "연결주의"는 인간의 지능을 인간 두뇌의 높은 수준의 활동에 돌렸으며, 지능의 생성은 복잡한 상호 연결을 통해 병렬로 작동하는 수많은 단순 단위의 결과임을 강조했습니다. .

뉴런에서 시작하여 신경망 모델과 뇌 모델을 연구하여 인공지능의 또 다른 발전의 길을 열어줍니다.

두 가지 접근 방식은 오랫동안 상호 배타적인 것으로 간주되어 왔으며 양측 모두 일반 인공 지능으로 가는 길에 있다고 믿고 있습니다.

그 컨퍼런스 이후 수십 년을 되돌아보면 AI 연구자들의 희망이 종종 좌절되었고 이러한 좌절이 AI 개발을 막지 못했다는 것을 알 수 있습니다.

오늘날 인공 지능이 산업에 혁명적인 변화를 가져오고 글로벌 노동 시장을 뒤흔들 잠재력이 있음에도 불구하고 많은 전문가들은 여전히 ​​오늘날의 인공 지능 응용 프로그램이 한계에 도달했는지 궁금해하고 있습니다.

Charles Choi가 AI가 실패하는 7가지 방식에서 설명했듯이 오늘날 딥 러닝 시스템의 약점은 점점 더 분명해지고 있습니다.

하지만 연구자들은 인공지능의 미래에 대해 비관적이지 않습니다. 우리는 가까운 미래에 또 다른 AI 겨울을 맞이하게 될 수도 있습니다.

그러나 이것은 영감을 받은 AI 엔지니어가 마침내 우리를 기계 사고의 영원한 여름으로 이끄는 순간일 수 있습니다.

컴퓨터 비전 및 인공지능 분야의 전문가인 Filip Piekniewski의 "AI Winter is Coming"이라는 제목의 기사가 인터넷에서 뜨거운 논의를 불러일으켰습니다.

이 기사는 딥 러닝의 과대광고를 주로 비판하며, 이 기술은 혁명적이지 않으며 개발 병목 현상에 직면해 있다고 믿습니다.

인공지능에 대한 대기업들의 관심은 사실상 수렴되고 있으며, 인공지능의 또 다른 겨울​성과가 올 수도 있습니다.

인공지능 겨울이 올까요?

1993년 이후 인공지능 분야는 점점 더 눈부신 발전을 이루었습니다. ​

1997년 IBM의 Deep Blue 시스템이 세계 체스 챔피언 Gary를 최초로 물리쳤습니다﹒ Kasparov의 컴퓨터 체스 플레이어.

2005년 스탠포드 무인 로봇이 사막 도로를 한 발도 건드리지 않고 131마일을 주행하여 DARPA 자율 로봇 챌린지에서 우승했습니다.

2016년 초, Google DeepMind의 AlphaGo가 세계 최고의 바둑 선수를 이겼습니다.

지난 20년 동안 모든 것이 변했습니다.

특히 인터넷의 급속한 발전으로 인해 인공 지능 산업은 신경망을 훈련하고 광범위하게 적용하기에 충분한 사진, 사운드, 비디오 및 기타 유형의 데이터를 보유하고 있습니다.

그러나 딥 러닝 분야의 계속 확장되는 성공은 신경망의 레이어 수를 늘리고 이를 훈련하는 데 사용되는 GPU 시간을 늘리는 데 달려 있습니다.

인공지능 연구 회사인 OpenAI의 분석에 따르면, 최대 규모의 인공지능 시스템을 훈련하는 데 필요한 컴퓨팅 성능은 2년마다 두 배, 그리고 3-4개월마다 두 배로 증가하는 것으로 나타났습니다.

Neil C. Thompson과 동료들이 Diminishing Returns of Deep Learning에 쓴 것처럼 많은 연구자들은 AI의 컴퓨팅 요구 사항이 지속 불가능한 궤도에 있다고 걱정합니다.

초기 인공지능 연구가 직면한 일반적인 문제는 인간의 지능이나 능력이 아닌 하드웨어에 의한 심각한 컴퓨팅 능력 부족이었습니다.

지난 25년 동안 컴퓨팅 성능이 크게 향상됨에 따라 인공 지능 분야에서도 발전이 이루어졌습니다.

그러나 급증하는 방대한 데이터와 점점 더 복잡해지는 알고리즘에 직면하여 전 세계는 매년 20ZB의 데이터를 추가하고 있으며, AI 컴퓨팅 성능에 대한 수요는 매년 10배씩 증가하고 있습니다. 이 속도는 성능 주기를 훨씬 초과했습니다. 무어의 법칙에 의해 배가됩니다.

칩에 설치할 수 있는 트랜지스터 수의 이론적 물리적 한계에 접근하고 있습니다.

예를 들어 인텔은 비용을 절감하면서 트랜지스터 크기를 계속 줄이는 것이 어렵기 때문에 새로운 칩 제조 기술 출시 속도를 늦추고 있습니다. 간단히 말해서, 무어의 법칙의 종말이 다가오고 있습니다.

이미지 제공: Ray Kurzwell, DFJ ​

컴퓨팅 성능의 지속적인 성장을 보장하여 인공 지능의 발전을 촉진할 수 있는 몇 가지 단기 솔루션이 있습니다.

예를 들어, Google은 2017년 중반에 심층 신경망의 훈련 및 실행에 최적화된 "Cloud TPU"라는 특수 인공 지능 칩을 개발했다고 발표했습니다.

Amazon은 Alexa(인공지능 개인 비서)용 칩을 자체 개발합니다. 동시에 현재 칩 설계를 특수 인공 지능 애플리케이션에 적용하려는 많은 스타트업이 있습니다.

그러나 이는 단기적인 해결책일 뿐입니다.

기존 칩 설계를 최적화할 수 있는 옵션이 부족하면 어떻게 되나요? 또 다른 AI 겨울을 보게 될까요? 대답은 '예'입니다. 단, 양자 컴퓨팅이 기존 컴퓨팅을 능가하고 더 확실한 답을 찾을 수 없다면 말이죠.

그러나 지금까지 '양자 우위'를 달성할 수 있고 기존 컴퓨터보다 더 효율적인 양자 컴퓨터는 아직 존재하지 않습니다.

진정한 '양자우월'이 도래하기 전에 전통적인 컴퓨팅 능력의 한계에 도달한다면, 앞으로 또다시 인공지능의 겨울이 올까 두렵습니다.

인공지능 연구자들이 고심하고 있는 문제는 점점 더 복잡해지고 있으며 우리는 인공지능 일반 인공지능에 대한 앨런 튜링의 비전을 실현하는 방향으로 나아가고 있습니다. 그러나 아직 해야 할 일이 많습니다.

동시에 양자 컴퓨팅의 도움 없이는 인공 지능의 잠재력을 최대한 실현할 가능성이 거의 없습니다.

AI 겨울이 올지는 아무도 장담할 수 없습니다.

그러나 잠재적인 위험을 인식하고 징후에 세심한 주의를 기울여 이러한 상황이 발생했을 때 대비하는 것이 중요합니다.

위 내용은 미래 비전을 뒷받침할 수 없다면 인공지능은 다시 한번 '겨울'을 맞이하게 될까요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!