Развитие искусственного интеллекта зашло в тупик

Аналитики Массачусетского технологического института проанализировали более 16 тысяч статей, посвященных разработке искусственного интеллекта, и сделали вывод, что эпоха машинного обучения подходит к концу. В ходе исследования они старались определить направления дальнейшего развития перспективной отрасли, но прогнозы получились очень осторожными.

Сотрудники MIT Review (журнал Массачусетского технологического института) провели анализ статей по теме «искусственный интеллект» за последние 25 лет в крупнейшей открытой базе научных работ arXiv. В работах определялись ключевые слова, затем считалось их количество и распределение по времени. В результате оказалось, что «бум нейросетей» спал, а что придет ему на смену, пока неясно.

До середины 2000-х годов основным направлением развития ИИ-программ были системы, основанные на предварительно заложенных алгоритмах и базах. Затем популярность набирают нейросети, которые обучаются самостоятельно. Однако, как отмечают авторы исследования, последние годы частота употребления связанных с ними ключевых слов в работах по искусственному интеллекту падает. В тоже время возрастает число научных работ по обучению с подкреплением. Это может свидетельствовать о невозможности дальнейшего совершенствования существующих алгоритмов.

Глубинное обучение (deep learning) — это парадигма создания искусственного интеллекта, имеющая три вида: с учителем, без учителя и с подкреплением. В первых двух вариантах программа на предоставленной тренировочной выборке «учится» (с помощью контролирующего ее человека, или без) и сама формирует алгоритмы действий, а затем применяет их на практике. Третий метод — обучение с подкреплением — напоминает дрессировку животных. Ее обсуждение в научных кругах ведется несколько десятилетий, но практические реализации стали возможными лишь недавно.

Василий Парфенов 29 Января 2019, 17:36

В источнике начиная с абзаца The rise of reinforcement learning Статья-источник: https://www.technologyreview.com/s/612768/we-analyzed-16625-papers-to-figure-out-where-ai-is-headed-next/?utm_campaign=Johannes%20Klingebiel&utm_medium=email&utm_source=Revue%20newsletter Если кратко — это значительно сложнее обычных нейросеток. Вот их же анализ (предполагали, что в ближайшее время активно начнет использоваться, почти угадали), тут и о трудностях есть https://www.technologyreview.com/s/603501/10-breakthrough-technologies-2017-reinforcement-learning/