Зима искусственного интеллекта – это термин, обозначающий сокращение финансирования исследований и разработок систем искусственного интеллекта. 

Обычно это следует после периода завышенных и недостаточных ожиданий от возможностей систем искусственного интеллекта. Похоже ли это на современный ИИ? 

За последние несколько месяцев мы стали свидетелями того, как несколько ключевых систем генеративного искусственного интеллекта не смогли оправдать обещания инвесторов и руководителей Кремниевой долины: от недавнего запуска модели GPT-4o компании Open AI до обзоров искусственного интеллекта Google и механизма борьбы с плагиатом Perspective. еще тонну.

Хотя такие периоды обычно носят временный характер, они могут повлиять на рост отрасли. 

В этой статье рассматриваются:

Краткая история зим ИИ и причины каждой из них.

Характеристики и уроки, извлеченные из прошлых зим ИИ.

Нас ждет зима искусственного интеллекта?

Будущее ИИ в поиске и ваша роль в нем.

Краткая история зим ИИ и причины каждой из них

У области ИИ богатая (хотя и довольно короткая) история, отмеченная периодами сильного волнения, сменявшимися разочарованиями. Эти периоды упадка и есть то, что мы теперь называем зимами искусственного интеллекта.

Первый произошел в 1970-х годах. Ранние проекты искусственного интеллекта, такие как машинный перевод и распознавание речи, не оправдали возложенных на них амбициозных ожиданий. Финансирование исследований ИИ иссякло, что привело к замедлению прогресса. 

На первую зиму искусственного интеллекта повлияло несколько факторов. 

Короче говоря, исследователи преувеличили возможности того, чего ИИ может достичь в краткосрочной перспективе. 

Даже сейчас мы не до конца понимаем человеческий интеллект, поэтому его сложно воспроизвести с помощью ИИ.

Еще одним ключевым фактором было то, что имевшиеся в то время вычислительные мощности были недостаточны для удовлетворения растущих потребностей в области искусственного интеллекта, что неизбежно тормозило прогресс в этой области. 

Некоторый прогресс наблюдался в 1980-х годах с развитием экспертных систем, которые успешно решали конкретные проблемы в ограниченных областях. Этот период ажиотажа длился до конца 1980-х и начала 1990-х годов, когда наступила очередная зима ИИ.

На этот раз причины были более тесно связаны со смертью одной вычислительной технологии — машины LISP, на смену которой пришли более эффективные альтернативы. 

В то же время экспертные системы не оправдали ожиданий, когда им предлагались неожиданные входные данные, что приводило к ошибкам и подрыву доверия. 

Одним из ключевых усилий по замене машин LISP стал японский проект "Пятое поколение".

Это было сотрудничество между компьютерной индустрией страны и правительством, целью которого было произвести революцию в операционных системах искусственного интеллекта, а также вычислительных методах, технологиях и оборудовании. В конечном итоге ему не удалось достичь большинства своих целей.  

Несмотря на то, что исследования в области ИИ продолжались на протяжении 1990-х годов, многие исследователи избегали использования термина «ИИ», чтобы дистанцироваться от истории невыполненных обещаний в этой области. 

Это очень похоже на тенденцию, наблюдаемую в настоящее время: многие видные исследователи тщательно обозначают конкретную область исследований, в которой они работают, и избегают использования общего термина. 

Интерес к искусственному интеллекту вырос в начале 2000-х годов благодаря развитию машинного обучения и вычислительной техники, но практическая интеграция шла медленно.

Несмотря на то, что этот период называют «весной ИИ», сам термин «ИИ» по-прежнему запятнан прошлыми неудачами и неоправданными ожиданиями. 

Инвесторы и исследователи избегали этого термина, связывая его с преувеличенными и неэффективными системами. 

В результате ИИ часто переименовывали под разными названиями, например машинное обучение, информатика или когнитивные системы. Это позволило исследователям дистанцироваться от стигмы, связанной с ИИ, и обеспечить финансирование своей работы.

С 2000 по 2020 год IBM Watson был ярким примером неудачной интеграции искусственного интеллекта, следуя обещанию компании произвести революцию в здравоохранении и диагностике. 

Несмотря на успех на игровом шоу Jeopardy!, суперпроект искусственного интеллекта столкнулся с серьезными проблемами при применении в реальном здравоохранении. 

Эксперт по онкологии в сотрудничестве с Онкологическим центром доктора медицинских наук Андерсона изо всех сил пытался интерпретировать записи врачей и применять результаты исследований к отдельным случаям пациентов. 

Аналогичный проект в Онкологическом центре Мемориала Слоана-Кеттеринга столкнулся с проблемами из-за использования синтетических данных, которые вносили предвзятость и не учитывали реальные различия в случаях пациентов и вариантах лечения. 

Когда Watson внедрялась в других частях мира, ее рекомендации часто были неактуальны или несовместимы с местной инфраструктурой здравоохранения и схемами лечения. 

Даже в США его критиковали за очевидные или непрактичные советы. 

В конечном итоге неудача Watson в здравоохранении подчеркивает трудности применения ИИ для решения сложных реальных проблем и важность учета ограничений контекста и данных.

Тем временем появилось несколько тенденций, связанных с искусственным интеллектом. Эти нишевые технологии получили ажиотаж и финансирование, но быстро исчезли из-за того, что не оправдали ажиотажа.

Подумайте о:

Чат-боты. 

IoT (интернет вещей).

Устройства голосового управления.

Большие данные.

Блокчейн.

Дополненная реальность.

Автономные транспортные средства. 

Все эти области исследований и разработок по-прежнему имеют огромный потенциал, но интерес инвесторов достигал пика в отдельные периоды в прошлом. 

В целом история искусственного интеллекта представляет собой поучительный рассказ об опасностях шумихи и нереалистичных ожиданий, несмотря на то, что она также демонстрирует устойчивость и прогресс миссии отрасли. Несмотря на неудачи, технологии искусственного интеллекта развивались. 

Копайте глубже: Нет, искусственный интеллект не изменит вашу маркетинговую работу: противоположный взгляд р>

Характеристики и уроки, извлеченные из прошлых зим ИИ

Генераторный ИИ — это последняя итерация в цикле прорыва в области ИИ, ажиотажа, инвестиций и многогранной интеграции технологий во многие сферы жизни и бизнеса. 

Давайте проследим, приближается ли сейчас к зиме искусственного интеллекта. Но перед этим позвольте мне кратко подвести итог урокам, извлеченным из каждой прошлой зимы ИИ. 

Каждая зима ИИ имеет следующие ключевые этапы: 

Цикл ажиотажа

Зимы ИИ часто следуют за периодами сильной шумихи и завышенных ожиданий.

Разрыв между этими нереалистичными ожиданиями и реальными возможностями технологии искусственного интеллекта приводит к разочарованию и разочарованию.

Технические барьеры

Зимы AI часто совпадают с техническими ограничениями.

Будь то нехватка вычислительных мощностей, алгоритмические проблемы или недостаток данных, эти препятствия могут существенно замедлить прогресс.

Финансовая засуха

По мере того как энтузиазм в отношении ИИ ослабевает, финансирование исследований и разработок иссякает.

Отсутствие инвестиций может еще больше задушить инновации и усугубить экономический спад.

Ответная реакция и скептицизм

Зимы искусственного интеллекта часто становятся свидетелями всплеска критики и скептицизма как со стороны научного сообщества, так и со стороны общественности.

Эти негативные настроения могут еще больше ослабить настроения и затруднить получение финансирования или поддержки.

Стратегическое отступление

В ответ на эти проблемы исследователи ИИ часто переключают свое внимание на более управляемые и менее амбициозные проекты.

Это может включать в себя ребрендинг их работы или сосредоточение внимания на конкретных приложениях, чтобы избежать негативных коннотаций, связанных с ИИ.

Затем происходит прорыв в нише, и цикл начинается заново.

Зимы ИИ — это не просто временная неудача; они действительно могут помешать прогрессу.

Финансирование иссякает, проекты закрываются, а талантливые люди покидают сферу деятельности. Это означает, что мы упускаем технологии, которые могут изменить жизнь.

Кроме того, зимы ИИ могут вызвать у людей подозрения в отношении ИИ, из-за чего даже хороший ИИ будет трудно принять.

Поскольку ИИ все больше интегрируется в экономику наших стран, нашу жизнь и многие предприятия, спад наносит ущерб всем.

Это похоже на нажатие тормоза, когда мы начинаем продвигаться к достижению некоторых из крупнейших мировых технологических целей, таких как AGI (общий искусственный интеллект).

Эти циклы также препятствуют долгосрочным исследованиям, что приводит к сосредоточению внимания на краткосрочных выгодах.

Несмотря на замедление прогресса, зимы ИИ дают ценный опыт обучения. Они напоминают нам о том, что нужно реалистично оценивать возможности ИИ, сосредоточиться на фундаментальных исследованиях и обеспечить разнообразие источников финансирования.

Ключевое значение имеет сотрудничество между различными секторами, а также прозрачное информирование о потенциале и ограничениях ИИ, особенно для инвесторов и общественности.

Усвоив эти уроки, мы сможем создать устойчивое и эффективное будущее для искусственного интеллекта, которое действительно принесет пользу обществу.

Давайте ответим на главный вопрос: приближаемся ли мы сейчас к зиме искусственного интеллекта?

Анонсы наших новых статей в Телеграме

Read More