O desenvolvimento da IA ao longo de 80 anos e suas lições
Ao longo de 80 anos de desenvolvimento na área da inteligência artificial (IA), podemos extrair várias experiências valiosas. Esta trajetória testemunhou as oscilações nos investimentos, a diversificação dos métodos de pesquisa e desenvolvimento, bem como a mudança do sentimento público, que passou da curiosidade à ansiedade e, finalmente, à excitação.
A história da IA pode ser rastreada até dezembro de 1943, quando o neurofisiologista McCulloch e o lógico Pitts publicaram um artigo inovador sobre lógica matemática. Eles propuseram um modelo idealizado e simplificado de rede de neurônios, descrevendo como essas redes realizam operações lógicas simples através da transmissão ou não de impulsos. Embora as hipóteses deste artigo não tenham sido validadas empiricamente mais tarde, ele se tornou uma fonte de inspiração para o aprendizado profundo moderno.
No processo de desenvolvimento da IA, precisamos estar atentos a confundir engenharia com ciência, ciência com especulação, e ciência com artigos repletos de símbolos matemáticos e fórmulas. Mais importante ainda, devemos resistir à tentação da ilusão de que "os humanos podem criar máquinas indistinguíveis de si mesmos". Essa mentalidade teimosa e amplamente disseminada tem sido um catalisador para a bolha tecnológica e o entusiasmo cíclico da IA nos últimos 80 anos.
O conceito de AI( AGI), ou seja, a ideia de que em breve surgirão máquinas com inteligência humana ou até mesmo superinteligência, tem sido um tópico popular no campo da IA. No entanto, ao longo da história, as previsões sobre a realização iminente da AGI frequentemente falharam. Desde que Herbert Simon afirmou em 1957 que "já existem máquinas que podem pensar, aprender e criar", até a previsão de Marvin Minsky em 1970 de que "máquinas com inteligência semelhante à de um ser humano surgiriam em três a oito anos", e mais recentemente, a afirmação da OpenAI de que uma IA superinteligente pode aparecer nesta década, essas previsões refletem um otimismo excessivo em relação às capacidades da IA.
Devemos ter cautela com aquelas novas tecnologias que parecem revolucionárias e examinar cuidadosamente se elas realmente têm uma diferença essencial em relação às especulações anteriores sobre inteligência de máquinas. Como disse o especialista em aprendizado profundo Yann LeCun, ainda nos faltam alguns elementos-chave para permitir que as máquinas aprendam de forma tão eficiente quanto os humanos e os animais.
A "teoria do primeiro passo" na história do desenvolvimento da IA merece nossa atenção. Essa teoria afirma que, desde que um computador consiga completar uma tarefa que antes era considerada impossível, mesmo que o faça de forma insatisfatória, através de um desenvolvimento tecnológico adicional, ele acabará por completar essa tarefa perfeitamente. No entanto, a realidade muitas vezes prova que a distância entre não conseguir fazer algo e fazê-lo de forma insatisfatória é geralmente muito menor do que a distância entre fazê-lo de forma insatisfatória e fazê-lo muito bem.
Em diferentes estágios do desenvolvimento da IA, hardware, software e coleta de dados desempenharam papéis importantes. Os sistemas especialistas, que começaram a ganhar popularidade no meio da década de 1960, voltaram a atenção para a aquisição e programação do conhecimento do mundo real. No entanto, no início da década de 1990, essa febre da IA acabou por estourar, expondo os enormes desafios da aquisição e manutenção do conhecimento. Isso nos lembra que o sucesso inicial e a ampla adoção não garantem a durabilidade de uma "nova indústria", a bolha acabará por estourar.
O debate sobre os métodos de pesquisa em IA tem existido há muito tempo, principalmente entre a IA simbólica baseada em regras e o conexionismo baseado em estatísticas. Nos últimos anos, o foco da pesquisa em IA deslocou-se do mundo acadêmico para o setor privado, mas todo o campo ainda tende a seguir uma única direção de pesquisa. Isso nos lembra que não devemos depositar todas as nossas esperanças em um único método de desenvolvimento de IA.
Olhando para o futuro, tanto gigantes de hardware como a Nvidia, quanto startups focadas em AGI, devem aprender com a história do desenvolvimento da IA. Manter-se alerta, diversificar o desenvolvimento e evitar cair na armadilha de uma única linha tecnológica são todos fatores chave para garantir o sucesso a longo prazo no campo da IA.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
16 Curtidas
Recompensa
16
4
Compartilhar
Comentário
0/400
LiquidationWatcher
· 12h atrás
mesmas vibrações antigas da bolha tecnológica... tenho que me manter sóbrio agora
Desenvolvimento da IA em 80 anos: uma revelação da transição do entusiasmo para a racionalidade
O desenvolvimento da IA ao longo de 80 anos e suas lições
Ao longo de 80 anos de desenvolvimento na área da inteligência artificial (IA), podemos extrair várias experiências valiosas. Esta trajetória testemunhou as oscilações nos investimentos, a diversificação dos métodos de pesquisa e desenvolvimento, bem como a mudança do sentimento público, que passou da curiosidade à ansiedade e, finalmente, à excitação.
A história da IA pode ser rastreada até dezembro de 1943, quando o neurofisiologista McCulloch e o lógico Pitts publicaram um artigo inovador sobre lógica matemática. Eles propuseram um modelo idealizado e simplificado de rede de neurônios, descrevendo como essas redes realizam operações lógicas simples através da transmissão ou não de impulsos. Embora as hipóteses deste artigo não tenham sido validadas empiricamente mais tarde, ele se tornou uma fonte de inspiração para o aprendizado profundo moderno.
No processo de desenvolvimento da IA, precisamos estar atentos a confundir engenharia com ciência, ciência com especulação, e ciência com artigos repletos de símbolos matemáticos e fórmulas. Mais importante ainda, devemos resistir à tentação da ilusão de que "os humanos podem criar máquinas indistinguíveis de si mesmos". Essa mentalidade teimosa e amplamente disseminada tem sido um catalisador para a bolha tecnológica e o entusiasmo cíclico da IA nos últimos 80 anos.
O conceito de AI( AGI), ou seja, a ideia de que em breve surgirão máquinas com inteligência humana ou até mesmo superinteligência, tem sido um tópico popular no campo da IA. No entanto, ao longo da história, as previsões sobre a realização iminente da AGI frequentemente falharam. Desde que Herbert Simon afirmou em 1957 que "já existem máquinas que podem pensar, aprender e criar", até a previsão de Marvin Minsky em 1970 de que "máquinas com inteligência semelhante à de um ser humano surgiriam em três a oito anos", e mais recentemente, a afirmação da OpenAI de que uma IA superinteligente pode aparecer nesta década, essas previsões refletem um otimismo excessivo em relação às capacidades da IA.
Devemos ter cautela com aquelas novas tecnologias que parecem revolucionárias e examinar cuidadosamente se elas realmente têm uma diferença essencial em relação às especulações anteriores sobre inteligência de máquinas. Como disse o especialista em aprendizado profundo Yann LeCun, ainda nos faltam alguns elementos-chave para permitir que as máquinas aprendam de forma tão eficiente quanto os humanos e os animais.
A "teoria do primeiro passo" na história do desenvolvimento da IA merece nossa atenção. Essa teoria afirma que, desde que um computador consiga completar uma tarefa que antes era considerada impossível, mesmo que o faça de forma insatisfatória, através de um desenvolvimento tecnológico adicional, ele acabará por completar essa tarefa perfeitamente. No entanto, a realidade muitas vezes prova que a distância entre não conseguir fazer algo e fazê-lo de forma insatisfatória é geralmente muito menor do que a distância entre fazê-lo de forma insatisfatória e fazê-lo muito bem.
Em diferentes estágios do desenvolvimento da IA, hardware, software e coleta de dados desempenharam papéis importantes. Os sistemas especialistas, que começaram a ganhar popularidade no meio da década de 1960, voltaram a atenção para a aquisição e programação do conhecimento do mundo real. No entanto, no início da década de 1990, essa febre da IA acabou por estourar, expondo os enormes desafios da aquisição e manutenção do conhecimento. Isso nos lembra que o sucesso inicial e a ampla adoção não garantem a durabilidade de uma "nova indústria", a bolha acabará por estourar.
O debate sobre os métodos de pesquisa em IA tem existido há muito tempo, principalmente entre a IA simbólica baseada em regras e o conexionismo baseado em estatísticas. Nos últimos anos, o foco da pesquisa em IA deslocou-se do mundo acadêmico para o setor privado, mas todo o campo ainda tende a seguir uma única direção de pesquisa. Isso nos lembra que não devemos depositar todas as nossas esperanças em um único método de desenvolvimento de IA.
Olhando para o futuro, tanto gigantes de hardware como a Nvidia, quanto startups focadas em AGI, devem aprender com a história do desenvolvimento da IA. Manter-se alerta, diversificar o desenvolvimento e evitar cair na armadilha de uma única linha tecnológica são todos fatores chave para garantir o sucesso a longo prazo no campo da IA.