Главный вызов ИИ – сменить траекторию развития.
Страна, что 1ой сделает это, выиграет ИИ гонку.

Перепрыгнув через долгий, медленный процесс когнитивного развития и вместо этого сосредоточившись на решении конкретных задач с высокой коммерческой или маркетинговой ценностью, мы лишили ИИ любой способности интеллектуально обрабатывать информацию.

Это происходит из-за того, что глубокое обучение искусственных нейронных сетей лишь выявляет пустоту за фасадом интеллекта. Данный класс алгоритмов не обладает способностью учиться по аналогии, являющейся основой основ интеллекта.

Кроме того, глубокая нейронная сеть избирательно отбрасывает ненужную информацию на каждом из своих уровней. Полностью обученная глубокая нейронная сеть отбрасывает так много информации, что становится абсолютно зависимой только от нескольких ключевых поверхностных особенностей, теряя даже видимость интеллекта.

В итоге, алгоритмическую основную современного ИИ - глубокое обучение – было бы куда правильнее называть глубоким забвением

Чтобы продвигаться вперед, мы должны сначала вернуться назад и предоставить нашим машинам период младенчества, в течение которого они будут постигать структуру мира и открывать для себя интуитивную физику, от которой зависит истинно разумный вывод.

Главный вызов современного ИИ – сменить траекторию развития. И страна, что 1ой сделает это, выиграет ИИ гонку.

Пишу об этом уже который раз. На прошлой неделе, рекомендуя эссе Элисон Гопник. После чего некоторые замшелые зубры ИИ сквозь зубы ворчали, - что, мол, еще ожидать от профессора психологии.

Но вот вам процитированное выше мнение прожженного практика - Гаррета Кеньона из Лос-Аламосской национальной лаборатории, где он ведет несколько проектов по заказу военных из DARPA.
Кеньон куда хлестче и категоричней, чем Гопник. На конкретных примерах он показывает, что даже в ключевой сегодняшней области ИИ – распознавании образов – риски использования глубокого обучения в ответственных приложениях обесценивают в ноль все преимущества этого метода решения задач распознавания.

За такой позицией Кеньона стоит опыт проектов DARPA. И не случайно статья начинается с недавно подписанного распоряжения президента США об учреждении американской «Инициативы по искусственному интеллекту».
Кеньон пишет открытым текстом - чтобы сохранить превосходство США в области ИИ, лучшим способом продвижения вперед является принятие стратегии, более тесно связанной с тем, как учатся дети.
И еще цитата.
Когда действительно интеллектуальные машины, наконец, появятся - и, вероятно, таки появятся - они не будут похожи на глубокие нейронные сети или другие современные алгоритмы ИИ. Путь вперед пролегает через системы, которые имитируют биологию.
__
Статья Кеньона https://blogs.scientificamerican.com/observations/ais-big-challenge1/
Кстати, он – довольно засекреченный ученый, и потому много про него вы не найдете.
Но рекомендую:
- о его работе на DARPA, а также о других самых секретных и потенциально прорывных проектах этого агентства, читайте в книге – финалисте Пулитцеровской премии – «The Pentagon's Brain: An Uncensored History of DARPA, America's Top-Secret Military Research Agency» https://www.pulitzer.org/finalists/annie-jacobsen;
- почти 2х часовая лекция Кеньона «Взлом нейронного кода: раскрытие языка мозга» https://www.youtube.com/watch?v=DvhUJZNM4FA
#ИИ

https://blogs.scientificamerican.com/observations/ais-big-challenge1/

AI's Big Challenge

To make it truly intelligent, researchers need to rethink the way they approach the technology
| Scientific American Blog Network