回顾人工智能的兴起:自2010年以来,人工智能发展了多远?


https://www.ispeech.org

2010年似乎还不是很久。 Facebook已经是一个庞大而费时的巨兽了。智能手机和iPad是人们日常生活的一部分; 《行尸走肉》在全美电视界大受欢迎;最受欢迎的流行音乐艺术家是泰勒·斯威夫特和贾斯汀·比伯。那么,就像我们进入2020年的生活一样吗?也许在某些方面。

然而,人工智能无疑是事情飞跃发展的一个地方。在过去的十年中,人工智能在技术和公众意识方面都取得了巨大进步,这标志着这是该领域历史上最重要的十年发展之一。最大的进步是什么?你应该问的有趣;我刚刚写了一份有关该主题的清单。

IBM Watson在Jeopardy上大获全胜!

人工智能的类型ibm沃森危险xxlarge 1

对于大多数人来说,很少有人会说“ AI在这里”,就像看到人工智能击败了两个冠军Jeopardy!黄金时段电视上的播放器。这就是2011年发生的事情,当时IBM的Watson计算机在受欢迎的测验节目中击败了有史以来收入最高的两个美国游戏节目参赛者Brad Rutter和Ken Jennings。

容易引起公众注意的机器智能显示,而不是严肃的,客观的演示,更多是关于炒作驱动的眼镜。但是,IBM开发的产品令人印象深刻。不同于象棋这样的游戏,它具有严格的规则和局限性, 危险!难以预测。问题可以是任何事物,通常涉及复杂的文字游戏,例如双关语。

“我上过AI课,并且知道在Jeopardy击败人类的那种技术!还有几十年的路程,”詹宁斯在我写《 思考机器》一书时告诉我 “或者至少我以为是。”在游戏结束时,詹宁斯在答题板上写下了一个句子,并把它举起来供相机使用。上面写着:“我首先欢迎我们的新机器人霸主。”

聪明的助手来了

苹果粉丝最广泛地记得2011年10月为公司联合创始人兼首席执行官史蒂夫·乔布斯去世的月份,享年56岁。然而,这也是苹果与iPhone 4s联合发布AI助手Siri的月份。

可以通过口头语言交流的AI概念已经有数十年的历史了。苹果公司前首席执行官曾非常明显地预测到1980年代会出现Siri风格的助手 。将Siri的日期几乎精确到月份。但是Siri仍然是一个了不起的成就。没错,其最初的实施存在一些明显的弱点,并且可以说苹果公司从未设法提供完美的智能助手。尽管如此,它还是引入了一种新型技术,该技术很快就被采用,从Google Assistant到Microsoft的Cortana到Samsung的Bixby。

自那时以来 ,在所有科技巨头中,可以说亚马逊在提升AI助手方面做得最多。由Alexa驱动的Echo扬声器不仅展示了这些AI助手的潜力,还展示了其强大的功能。他们已经证明它们具有足够的吸引力,可以作为独立的硬件存在。如今,基于语音的助手变得司空见惯,甚至几乎没有注册。十年前,大多数人从未使用过。

深度学习进入高速发展

深度学习神经网络并非完全是2010年代的发明。今天的人工神经网络的基础可以追溯到研究人员Warren McCulloch和Walter Pitts 在1943年发表的一篇论文 。神经网络的许多理论工作,例如突破性的反向传播算法,都是在1980年代开创的。如果像2000年的杰夫·欣顿(Geoff Hinton)的无监督学习的进步那样,在2000年代的第一年就实现了一些直接导致现代深度学习的进步。

但是2010年是该技术成为主流的十年。 2010年,研究人员George Dahl和Abdel-rahman Mohamed证明了深度学习语音识别工具可以击败当时最先进的行业方法。之后,水闸打开了。从图像识别(例如:Jeff Dean和Andrew Ng关于识别猫的著名论文)到机器翻译,仅仅不到一个星期的时间,世界就没有提醒人们深度学习有多么强大。

这也不是一个很好的公关活动,一个不知名的艺术家经过数十年的默默无闻的尝试,最终可能跌倒名利。 2010年代是数据量爆炸式增长的十年,这使得利用深度学习成为可能,这是历史上任何时候都不可能实现的。

DeepMind令人震惊

在所有从事出色AI工作的公司中, DeepMind应该在此列表中独占 entry头。深度学习公司DeepMind成立于2010年9月,直到2014年1月谷歌以5亿美元的天价收购了它之后,大多数人都没有听说过。

星际争霸2谷歌deepmind ai blizzcon 2019 kerrigan
星际争霸II

DeepMind大部分面向公众的工作都涉及开发可玩游戏的AI,能够熟练掌握计算机游戏,包括经典的Atari游戏,例如BreakoutSpace Invaders (借助一些便捷的强化学习算法),以及最近的尝试。在星际争霸2雷神之锤3竞技场

这些玩游戏的AI展示了机器学习的核心宗旨,它们玩得越多,性能越好。在此过程中,他们能够制定新的策略,在某些情况下,甚至连人类创造者都不熟悉。所有这些工作为DeepMind的最大成功奠定了基础。

在围棋上击败人类

Google DeepMind Hanabi
深心

正如该清单已经显示的那样,在各种游戏中AI击败人类玩家时,不乏例子。但是围棋(Go)是一种中国棋盘游戏,其目标是要比对手包围更多的领土。与其他游戏相比,其他游戏可以通过简单的数字运算来击败人类,而在Go中,可允许的棋盘位置总数令人震惊地令人震惊:远远超过宇宙中原子的总数。这使得即使使用超级计算机,也无法通过蛮力尝试来计算答案。

尽管如此,DeepMind还是对其进行了管理。 2015年10月, AlphaGo成为第一个在全尺寸19×19板上击败人类职业围棋选手的计算机围棋程序。第二年,有6000万人进行现场直播,看到世界上最伟大的围棋选手Lee Sedol输给了AlphaGo。到系列赛结束时,AlphaGo击败了塞多尔四场比赛。

在2019年11月,塞多尔宣布打算退休,成为一名职业围棋选手。他说AI是原因。“即使我成为第一,也有一个实体不能被击败,” 他说 。想象一下,如果勒布朗·詹姆斯宣布他要退出篮球比赛是因为一个机器人更擅长射击篮球。那是等效的!

自驾车

梅赛德斯-奔驰在加利福尼亚测试自动驾驶汽车

在二十一世纪的头几年, 自动驾驶汽车的想法似乎永远不会超越科幻小说。在麻省理工学院和哈佛大学的经济学家弗兰克·利维和理查德·默纳内2004年的著作《新劳动分工》中 ,驾驶汽车被描述为一项任务,太复杂了,机器无法完成。他们写道:“对迎面而来的交通左转涉及许多因素,很难想象发现可以复制驾驶员行为的一组规则。”

2010年,Google正式推出了自动驾驶计划 ,现在称为Waymo。在随后的十年中,其他数十家公司(包括像苹果这样的高科技巨头)已经开始开发自己的自动驾驶汽车 。这些汽车共同在公共道路上行驶了数千英里。在此过程中,事实证明与人相比,事故发生的可能性要小。

万无一失的完全自主权仍在进行中,但这仍然是2010年代AI在行动中最明显的展示。

生成对抗网络的兴起

当今大多数AI的肮脏秘密在于,它的核心算法(使之成为现实的技术)实际上是几十年前开发的。发生的变化是可用于运行这些算法的处理能力以及必须训练的大量数据。因此,很少有人听说过一种完全原始的方法来构建AI工具。

克里斯蒂拍卖行绘画
蒂莫西·克莱里/盖蒂图片社

生成对抗网络当然可以胜任。此类机器学习系统通常是GAN的缩写,是Ian Goodfellow及其同事于2014年发明的。权威不亚于AI专家Yann LeCun 将其描述为“过去20年来机器学习中最酷的想法”。

至少从概念上讲,GAN背后的理论非常简单:采用两个最先进的人工神经网络并使它们相互对立。一个网络创建某种东西,例如生成的图像。然后,另一个网络尝试找出哪些图像是计算机生成的,哪些不是计算机生成的。随着时间的流逝,生成对抗过程使“生成器”网络变得足够擅长创建图像,以使他们每次都能成功地欺骗“区分器”网络。

当一群艺术家使用它们来创建由AI开发的原创“绘画”时,生成对抗网络的力量得到了最广泛的认可。结果在2018年的佳士得拍卖会上以惊人的价格售出。

發表評論