Аналітики Массачусетського технологічного інституту проаналізували понад 16 тисяч статей, присвячених розробці штучного інтелекту, і зробили висновок, що епоха машинного навчання підходить до кінця. У ході дослідження вони намагалися визначити напрями подальшого розвитку перспективної галузі, але прогнози вийшли дуже обережними.
Василь Парфьонов
Співробітники MIT Review (журнал Массачусетського технологічного інституту) провели аналіз статей по темі «штучний інтелект» за останні 25 років у найбільшій відкритій базі наукових робіт arXiv. У роботах визначалися ключові слова, потім вважалося їх кількість і розподіл за часом. У результаті виявилося, що «бум нейромереж» спав, а що прийде йому на зміну, поки неясно.
До середини 2000-х років основним напрямом розвитку ШІ-програм були системи, засновані на попередньо закладених алгоритмах і базах. Потім популярність набирають нейромережі, які навчаються самостійно. Однак, як відзначають автори дослідження, останні роки частота вживання пов’язаних з ними ключових слів у роботах з штучного інтелекту падає. Водночас зростає кількість наукових робіт з навчання з підкріпленням. Це може свідчити про неможливість подальшого вдосконалення існуючих алгоритмів.
Глибинне навчання (deep learning) — це парадигма створення штучного інтелекту, що має три види: з учителем, без вчителя і з підкріпленням. У перших двох варіантах програма на наданій тренувальної вибіркою «навчається» (з допомогою контролюючого її людини, або без) і сама формує алгоритми дій, а потім застосовує їх на практиці. Третій метод — навчання з підкріпленням — нагадує дресирування тварин. Її обговорення в наукових колах ведеться кілька десятиліть, але практичні реалізації стали можливими лише нещодавно.
Thanks!
Our editors are notified.