2019-03-31 09:09:54
Με την εκθετική πρόοδο που σημειώνει η Τεχνητή Νοημοσύνη τα τελευταία χρόνια, ήταν αναμενόμενο ότι αργά ή γρήγορα θα γινόταν κάποια βράβευση για τους "πατριάρχες" της τεχνολογίας, οπότε, δεν προκαλεί μεγάλη εντύπωση πως το Turing Award (το "Νόμπελ των προγραμματιστών") για το 2018 απονεμήθηκε στους Yoshua Bengio, Geoffrey Hinton και Yann LeCun.
Η τριάδα των βραβευθέντων θα λάβει $1 εκατ. ως αναγνώριση για τη δουλειά τους στην τεχνολογία Deep Learning (υποκατηγορία της Τεχνητής Νοημοσύνης) για τις τεχνικές που ανέπτυξαν τις δεκατίες του '90 και του '00, οι οποίες οδήγησαν σε τεράστια επιτεύγματα όπως το Computer Vision και το Speech Recognition. Ταυτόχρονα, η δουλειά τους βοήθησε σημαντικά στη διάδοση τεχνολογιών Τεχνητής Νοημοσύνης σε πολλούς τομείς, από τα αυτοοδηγούμενα οχήματα μέχρι τις αυτοματοποιημένες ιατρικές διαγνώσεις.
Yann LeCun - Geoffrey Hinton - Yoshua Bengio
Εμείς σαν τελικοί χρήστες βιώνουμε τους καρπούς της δουλειάς τους σε πληθώρα καθημερινών διεργασιών μας, όπως τα συστήματα αναγνώρισης προσώπου στα smartphones μας ή τις λειτουργίες αυτόματης πρότασης/συμπλήρωσης των προτάσεων που γράφουμε σε κάποιο email.
Οι τρεις επιστήμονες κατέχουν καίριες θέσεις σε διάφορους τομείς της βιομηχανίας και της εκπαίδευσης. Ο Geoffrey Hinton εργάζεται στη Google και στο University of Toronto, ο Yoshua Bengio είναι καθηγητής στο University of Montreal και έχει τη δική του εταιρεία με ονομασία Element AI, ενώ ο Yann LeCun είναι ο επικεφαλής του τμήματος Τεχνητής Νοημοσύνης της Facebook και καθηγητής στο New York University.
Τα πράγματα δεν ήταν πάντοτε ρόδινα για την Τεχνητή Νοημοσύνη, ειδικά στα πρώτα χρόνια των ερευνών τους όταν η προοπτική έμοιαζε χαμένη. Κάπου στα τέλη της δεκαετίας του '80, οι Bengio, Hinton και LeCun άρχισαν να ανταλλάσουν ιδέες για την Τεχνητή Νοημοσύνη και ξεκίνησαν να λύνουν σχετικά προβλήματα. Ένα από αυτά ήταν τα περίφημα νευρωνικά δίκτυα, δηλαδή προγράμματα που αποτελούνται από συνδεδεμένους ψηφιακούς "νευρώνες", κάτι που σήμερα αποτελεί θεμελιώδη λίθο για την Τεχνητή Νοημοσύνη.
Υπήρξε μια σκοτεινή περίοδος από τα μέσα της δεκαετίας του '90 μέχρι τα μέσα της δεκαετίας του 2000, όπου ήταν αδύνατο να δημοσιεύσεις έρευνα επάνω στα νευρωνικά δίκτυα, καθώς η επιστημονική κοινότητα είχε χάσει το ενδιαφέρον της για αυτά. Στην πραγματικότητα, είχαν κακή φήμη και αποτελούσαν μεγάλο ταμπού
YANN LECUN
Σε αυτή τη "μαύρη" φάση, η τριάδα κατάφερε να εξασφαλίσει χρηματοδότηση από την κυβέρνηση του Καναδάγια να οργανώσει τακτικές συναντήσεις, να στήσει εργαστήρια και καλοκαιρινά σεμινάρια για τους μαθητές, με αποτέλεσμα να δημιουργήσουν μια μικρή κοινότητα. Κάπου στο 2012 με 2013 έγινε η μεγάλη "έκρηξη" και όλα πήραν το δρόμο τους.
Το μεγάλο επίτευγμα δεν ήταν άλλο από το ImageNet, ένα benchmark Τεχνητής Νοημοσύνης που έδειξε βελτίωση κατά 40% στην αναγνώριση αντικειμένων χάριν στη χρήση νευρωνικών δικτύων. Η διαφορά ήταν τόσο μεγάλη που ανάγκασε ουσιαστικά πολύ κόσμο να δει την προοπτική τους και να δείξει ενδιαφέρον.
Image by Hyperegio
Στη διάθεση τους είχαν "φθηνή" επεξεργαστική ισχύ από κάρτες γραφικών που κανονικά προοριζόταν για gaming και αφθονία δεδομένων από το Διαδίκτυο, έτσι ώστε να προσφέρουν "τροφή" σε αυτούς τους αλγορίθμους, ενώ οι βασικές αρχές τους στο στήσιμο και την επικοινωνία των νευρωνικών δικτύων μεταξύ τους, αποτελούν πλέον δοκιμά στοιχεία κάθε τεχνολογίας Τεχνητής Νοημοσύνης.
Ο Yann LeCun είναι αισιόδοξος για τις προοπτικές της Τεχνητής Νοημοσύνης, αλλά ξεκαθαρίζει παράλληλα ότι απαιτείται πολύ δουλειά μέχρι να φτάσει στα επίπεδα που υπόσχεται γενικότερα. Τα σημερινά συστήματα Τεχνητής Νοημοσύνης χρειάζονται τεράστιους όγκους δεδομένων για να κατανοήσουν τον κόσμο, μπορούν να ξεγελαστούν εύκολα και είναι πραγματικά καλά μόνο για συγκεκριμένες διεργασίες. Δηλώνει χαρακτηριστικά ότι "ακόμα δεν έχουμε μηχανές με κοινή λογική".
Θα χρειαστεί να αναπτύξουμε νέες μεθόδους για να δημιουργήσουμε Τεχνητή Νοημοσύνη στο επίπεδου του Ανθρώπου και πιθανότατα έχουμε μπροστά μας να ανεβούμε καμιά 50αρια βουνά, μερικά εκ των οποίων ούτε καν τα βλέπουμε για την ώρα. Για την ώρα βρισκόμαστε στο πρώτο βουνό, άντε στο δεύτερο.
YANN LECUN
Αντιλαμβανόμαστε, λοιπόν, ότι η Τεχνητή Νοημοσύνη βρίσκεται ακόμη σε πολύ αρχικό επίπεδο και αν μας εντυπωσιάζει τώρα, φανταστείτε τι μπορεί να γίνει στο μέλλον Freegr network blog- News about pc, technology.
freegr
Η τριάδα των βραβευθέντων θα λάβει $1 εκατ. ως αναγνώριση για τη δουλειά τους στην τεχνολογία Deep Learning (υποκατηγορία της Τεχνητής Νοημοσύνης) για τις τεχνικές που ανέπτυξαν τις δεκατίες του '90 και του '00, οι οποίες οδήγησαν σε τεράστια επιτεύγματα όπως το Computer Vision και το Speech Recognition. Ταυτόχρονα, η δουλειά τους βοήθησε σημαντικά στη διάδοση τεχνολογιών Τεχνητής Νοημοσύνης σε πολλούς τομείς, από τα αυτοοδηγούμενα οχήματα μέχρι τις αυτοματοποιημένες ιατρικές διαγνώσεις.
Yann LeCun - Geoffrey Hinton - Yoshua Bengio
Εμείς σαν τελικοί χρήστες βιώνουμε τους καρπούς της δουλειάς τους σε πληθώρα καθημερινών διεργασιών μας, όπως τα συστήματα αναγνώρισης προσώπου στα smartphones μας ή τις λειτουργίες αυτόματης πρότασης/συμπλήρωσης των προτάσεων που γράφουμε σε κάποιο email.
Οι τρεις επιστήμονες κατέχουν καίριες θέσεις σε διάφορους τομείς της βιομηχανίας και της εκπαίδευσης. Ο Geoffrey Hinton εργάζεται στη Google και στο University of Toronto, ο Yoshua Bengio είναι καθηγητής στο University of Montreal και έχει τη δική του εταιρεία με ονομασία Element AI, ενώ ο Yann LeCun είναι ο επικεφαλής του τμήματος Τεχνητής Νοημοσύνης της Facebook και καθηγητής στο New York University.
Τα πράγματα δεν ήταν πάντοτε ρόδινα για την Τεχνητή Νοημοσύνη, ειδικά στα πρώτα χρόνια των ερευνών τους όταν η προοπτική έμοιαζε χαμένη. Κάπου στα τέλη της δεκαετίας του '80, οι Bengio, Hinton και LeCun άρχισαν να ανταλλάσουν ιδέες για την Τεχνητή Νοημοσύνη και ξεκίνησαν να λύνουν σχετικά προβλήματα. Ένα από αυτά ήταν τα περίφημα νευρωνικά δίκτυα, δηλαδή προγράμματα που αποτελούνται από συνδεδεμένους ψηφιακούς "νευρώνες", κάτι που σήμερα αποτελεί θεμελιώδη λίθο για την Τεχνητή Νοημοσύνη.
Υπήρξε μια σκοτεινή περίοδος από τα μέσα της δεκαετίας του '90 μέχρι τα μέσα της δεκαετίας του 2000, όπου ήταν αδύνατο να δημοσιεύσεις έρευνα επάνω στα νευρωνικά δίκτυα, καθώς η επιστημονική κοινότητα είχε χάσει το ενδιαφέρον της για αυτά. Στην πραγματικότητα, είχαν κακή φήμη και αποτελούσαν μεγάλο ταμπού
YANN LECUN
Σε αυτή τη "μαύρη" φάση, η τριάδα κατάφερε να εξασφαλίσει χρηματοδότηση από την κυβέρνηση του Καναδάγια να οργανώσει τακτικές συναντήσεις, να στήσει εργαστήρια και καλοκαιρινά σεμινάρια για τους μαθητές, με αποτέλεσμα να δημιουργήσουν μια μικρή κοινότητα. Κάπου στο 2012 με 2013 έγινε η μεγάλη "έκρηξη" και όλα πήραν το δρόμο τους.
Το μεγάλο επίτευγμα δεν ήταν άλλο από το ImageNet, ένα benchmark Τεχνητής Νοημοσύνης που έδειξε βελτίωση κατά 40% στην αναγνώριση αντικειμένων χάριν στη χρήση νευρωνικών δικτύων. Η διαφορά ήταν τόσο μεγάλη που ανάγκασε ουσιαστικά πολύ κόσμο να δει την προοπτική τους και να δείξει ενδιαφέρον.
Image by Hyperegio
Στη διάθεση τους είχαν "φθηνή" επεξεργαστική ισχύ από κάρτες γραφικών που κανονικά προοριζόταν για gaming και αφθονία δεδομένων από το Διαδίκτυο, έτσι ώστε να προσφέρουν "τροφή" σε αυτούς τους αλγορίθμους, ενώ οι βασικές αρχές τους στο στήσιμο και την επικοινωνία των νευρωνικών δικτύων μεταξύ τους, αποτελούν πλέον δοκιμά στοιχεία κάθε τεχνολογίας Τεχνητής Νοημοσύνης.
Ο Yann LeCun είναι αισιόδοξος για τις προοπτικές της Τεχνητής Νοημοσύνης, αλλά ξεκαθαρίζει παράλληλα ότι απαιτείται πολύ δουλειά μέχρι να φτάσει στα επίπεδα που υπόσχεται γενικότερα. Τα σημερινά συστήματα Τεχνητής Νοημοσύνης χρειάζονται τεράστιους όγκους δεδομένων για να κατανοήσουν τον κόσμο, μπορούν να ξεγελαστούν εύκολα και είναι πραγματικά καλά μόνο για συγκεκριμένες διεργασίες. Δηλώνει χαρακτηριστικά ότι "ακόμα δεν έχουμε μηχανές με κοινή λογική".
Θα χρειαστεί να αναπτύξουμε νέες μεθόδους για να δημιουργήσουμε Τεχνητή Νοημοσύνη στο επίπεδου του Ανθρώπου και πιθανότατα έχουμε μπροστά μας να ανεβούμε καμιά 50αρια βουνά, μερικά εκ των οποίων ούτε καν τα βλέπουμε για την ώρα. Για την ώρα βρισκόμαστε στο πρώτο βουνό, άντε στο δεύτερο.
YANN LECUN
Αντιλαμβανόμαστε, λοιπόν, ότι η Τεχνητή Νοημοσύνη βρίσκεται ακόμη σε πολύ αρχικό επίπεδο και αν μας εντυπωσιάζει τώρα, φανταστείτε τι μπορεί να γίνει στο μέλλον Freegr network blog- News about pc, technology.
freegr
ΦΩΤΟΓΡΑΦΙΕΣ
ΜΟΙΡΑΣΤΕΙΤΕ
ΔΕΙΤΕ ΑΚΟΜΑ
ΠΡΟΗΓΟΥΜΕΝΟ ΑΡΘΡΟ
Black Shark 2: Επίσημο με Snapdragon 855, 12GB RAM
ΕΠΟΜΕΝΟ ΑΡΘΡΟ
Όταν οι " αριστεροί " απολαμβάνουν τον καπιταλισμό ..
ΣΧΟΛΙΑΣΤΕ
