Каковы основные проблемы, препятствующие текущему развитию ИИ?
Краткое содержание
У меня образование в области компьютерной инженерии, и я работаю над разработкой более совершенных алгоритмов для имитации человеческого мышления. (Один из моих любимых – Аналоговое Моделирование, применяемое к обработке языка и принятию решений.) Однако, чем больше я исследую, тем больше осознаю, насколько сложен ИИ. Я пытался решить множество проблем в этой области, но иногда обнаруживаю, что заново изобретаю велосипед или пытаюсь решить проблему, которая уже доказана как неразрешимая (например, проблема останова). Поэтому, чтобы способствовать развитию ИИ, я хочу лучше понять текущие препятствия, которые сдерживают наш прогресс в этой области. Например, временная и пространственная сложность некоторых алгоритмов машинного обучения является сверхполиномиальной, что означает, что даже с использованием быстрых компьютеров программе может потребоваться некоторое время для завершения. Более того, некоторые алгоритмы могут быть быстрыми на настольном компьютере или другом устройстве при работе с небольшим набором данных, но при увеличении размера данных алгоритм становится непрактичным.
Полный текст
Задано 9 лет, 6 месяцев назад. Изменено сегодня. Просмотрено 914 раз.
Задано 9 лет, 6 месяцев назад
12 $\begingroup$ У меня есть опыт в области компьютерной инженерии и я работаю над разработкой более эффективных алгоритмов для имитации человеческого мышления (один из моих любимых – Аналоговое моделирование, применяемое к обработке языка и принятию решений). Однако, чем больше я изучаю, тем больше осознаю, насколько сложным является ИИ. Я пытался решать множество проблем в этой области, но иногда обнаруживаю, что изобретаю велосипед или пытаюсь решить проблему, которая уже доказана неразрешимой (например, проблема остановки). Чтобы способствовать развитию ИИ, я хочу лучше понять текущие препятствия, сдерживающие наш прогресс в этой области. Например, время и сложность пространства некоторых алгоритмов машинного обучения – суперполиномиальные, что означает, что даже на быстрых компьютерах программе может потребоваться некоторое время для завершения работы. Тем не менее, некоторые алгоритмы могут быть быстрыми на настольном компьютере или другом компьютере при работе с небольшим набором данных, но когда размер набора данных увеличивается, алгоритм становится неуправляемым. Какие еще проблемы сейчас стоят перед разработкой ИИ? machine-learning Поделиться Улучшить вопрос Подписаться Ответ 2 августа 2016 г., 16:27 callyalater 261 2 2 серебряные значки 7 7 бронзовые значки Добавить комментарий | 5 Ответов 5 Сортировка по: Сбросить по умолчанию Наивысший рейтинг (по умолчанию) Измененный дата (от новых к старым) Созданный дата (от старых к новым) 7 $\begingroup$ мы не очень хорошо понимаем, что такое интеллект. Мы не полностью понимаем, как работает лучшая модель интеллекта, которую у нас есть (человеческий интеллект). Мы пытаемся воспроизвести человеческий интеллект (в некоторой степени) на аппаратном обеспечении, которое значительно отличается от того, на котором оно фактически работает. Человеческий мозг (наша лучшая модель интеллекта) в основном является для нас "черным ящиком", и трудно исследовать его работу без повреждения испытуемого. Это, разумеется, неэтично и незаконно. Поэтому прогресс в понимании мозга идет очень медленно. Объедините эти факторы, и вы поймете, почему сложно добиться прогресса в ИИ. Во многом можно утверждать, что мы стреляем наугад. Конечно, мы добились некоторых успехов, поэтому знаем, что делаем некоторые вещи правильно. Но без реальной всесторонней теории о том, как должен/должен работать ИИ, мы сводимся к большому количеству проб и ошибок и итераций для продвижения вперед. Поделиться Улучшить ответ Подписаться отредактировано 12 апреля 2018 г., 2:34 FreezePhoenix 442 3 3 серебряные значки 20 20 бронзовые значки ответил 8 августа 2016 г., 18:08 mindcrime ♦ 3 992 1 1 золотой значок 16 16 серебряных значков 32 32 бронзовых значков Добавить комментарий | 3 $\begingroup$ Я предполагаю, что под ИИ вы имеете в виду AG(eneral)I, а не машинное обучение или экспертные системы, настроенные для решения конкретных задач. Кроме ответа @mindcrime, иногда у нас заканчиваются образцы для обучения и иногда компьютеры становятся слишком медленными, чтобы обрабатывать достаточно образцов, чтобы работать в управляемых масштабах времени. @bpachev упомянул память, но на первый взгляд наши суперкомпьютеры имеют больше памяти, чем необходимо для хранения матрицы человеческого мозга. Но у нас нет возможности моделировать ее в реальном времени. Как только мы сможем это сделать, нам также нужно подключить внешние входные данные, и для этого требуется еще больше вычислительной мощности. Даже тогда этого может быть недостаточно для полного моделирования человеческого мозга, поскольку биохимия играет важную роль. В качестве последнего замечания следует отметить, что нет стимула разрабатывать AGI, кроме как понимания того, как работает человеческий разум. Существуют алгоритмы классификации, экспертные системы и движки знаний, которые могут превзойти даже лучших людей в решении конкретных задач. Поделиться Улучшить ответ Подписаться отредактировано 12 апреля 2018 г., 2:23 FreezePhoenix 442 3 3 серебряные значки 20 20 бронзовые значки ответил 8 августа 2016 г., 19:11 Cem Kalyoncu 330 2 2 серебряные значки 10 10 бронзовых значков Добавить комментарий | 4 $\begingroup$ Что касается вашего последнего замечания, вы подразумеваете, что понимание человеческого разума и человеческого познания не имеет значения.