online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 AI未來何去何從?MIT:深度學習正走向盡頭

摘要: AI 已經成為最重要的科技發展方向之一,全球資金增加投入於此,預計可能在未來 10 年徹底改變人們的生活。但 AI 技術會朝何種方向發展、究竟要將人們帶往何處?目前恐怕還難以預測。

 


前幾年 AI 最受矚目的技術,可能是在「深度學習」上。這類算法通過使用統計數據,查找期間的模式,並在模仿人類技能上已證明其強大,在某些程度上,它甚至可以模仿人們推理的能力。具體來看,Google 的搜索、Facebook 的動態消息,以及 Netflix 的推薦引擎,都使用了相關的技術,並且正在改變醫療保健和教育等行業的發展。

 

DeepMind 的 AlphaGo 在圍棋上輾壓人類對手,充分顯現了 AI 的強大潛力,同時正在改變 AI 趨勢。但這就是未來的 AI 嗎?麻省理工技術評論研究了過去長時間的 AI 論文,認為過去以來 AI 的發展,其實沒有用到什麼「最新的技術」,只是不同技術輪流主宰研究界。

AI 研究趨勢快速轉移

華盛頓大學資訊科學教授 Pedro Domingos 在《MIT Technology Review》上刊文表示,以長期的 AI 發展來看,每隔十年,不同想法之間就會出現激烈的競爭,偶然機會下,會產生一個主流,並帶領研究界。但相對來說,沒落得也快。

AI論文快速上升(圖表取自MIT Technology Review)
AI 論文快速上升 (圖表取自 MIT Technology Review)

針對 arXiv 科學論文的資料庫的統計,顯示了這一點。根據 16625 篇論文的摘要,可以看出 AI 研究趨勢的演變。

麻省理工技術評論分析認為,AI 過去的發展有 3 個主要趨勢的改變。在 1990 年代到 2000 年代初期,AI 研究朝「機器學習」轉向;到 2010 年代初,研究者看重神經網路;而過去幾年,「深度學習」成為主宰。但無論是何種,這些技術都不是最新的,而是在 1950 年代人工智慧概念萌芽時,就已經在討論的技術。

機器學習為初期主流

在 AI 開始成長的第一個時期,以「機器學習」為典範有其理由。在 1980 年代,人們讓電腦協助工作的做法,就是設定好基本規則,寫定一套程式,讓機器依此運作。然而,在電腦要做的事愈來愈多之後,必須一直編寫規則及程式,不僅增加成本也拖慢發展的速度。

因而,「機器學習」成為主流,讓電腦由一堆數據中,自行提取規則,而不需程式人員一再手動寫程式碼。所以,發展的重點不是奠基於相關知識本身的體系,而是如何讓電腦找出規則。

典範由深度學習轉向強化學習

發展到第 2 個時期,不同的研究人員開始嘗試以不同的技術方法,以得到最好的結果,各種模型都開始被採用。經過 10 多年的穩定競爭之後,在 2012 年年度 ImageNet 競賽期間,Geoffrey Hinton 和他在多倫多大學的同事,以超過 10 個百分點的驚人幅度,達成圖像識別的最佳準確度。在此他所使用的深度學習技術,開始引起了一波新的研究。

這些研究最早集中於視覺領域,後來深度學習開始在各個領域被採用,成為最受歡迎的技術。他們使用的 AlexNet,採用的是神經網路技術,讓此一技術成為 AI 界的顯學。

談及強化學習的論文比例上升(圖表取自MIT Technology Review)
談及強化學習的論文比例上升 (圖表取自 MIT Technology Review)

到第 3 個時期,即現在的主流發展,專注在強化學習。在這之前,有 3 種類型激烈競爭,包括監督、無監督與強化學習的方式,原本監督學習是最常見的方式,但強化學習模仿了懲罰和獎勵訓練動物的過程,獲得快速的進展。

Domingos 表示,這個想法並不新鮮,但幾十年來它並沒有真正發揮作用。 他指出,採用「監督」類型的人,可能還會嘲笑強化學習的方法太舊,但當它繳出成績後,便突然受到重視。造成這個趨勢的一大推力,就是 2015 年 10 月 DeepMind 的 AlphaGo 在圍棋上的表現,也立刻造成學界立竿見影的影響力。

未來,誰知道呢?

由此來看未來 10 年 AI 可能的發展,Domingos 認為,技術的變遷很快,其實是難以預測的。

例如,神經網路稱不上什麼新的技術,它在 1960 年代統治 AI,1980 年代也曾被提及,但很快不受矚目。直到 2012 年捲土重來前,這個想法很長期間不被採用。但強化學習出現後,它又可能再次沒落。

Domingos 表示,每個 10 年中,可能有不同的技術成為主流,以現在來看,恐怕深度學習的時代也會很快終結。

轉貼自: 鉅亨網

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應

YOU MAY BE INTERESTED