Los cuatro hitos principales de la IA en la historia del desarrollo de la inteligencia artificial
Fuente|Big Data DT
01 El desarrollo de la inteligencia artificial
La Figura 1 es una descripción general del desarrollo de la inteligencia artificial. El desarrollo de la inteligencia artificial ha pasado por una larga acumulación histórica. Ya en 1950, Alan Turing propuso la máquina de pruebas de Turing, que básicamente colocaba a personas y máquinas en una habitación oscura para hablar con personas fuera de la habitación. Si las personas fuera de la sala no pueden distinguir si el interlocutor es un humano o una máquina, entonces la máquina tiene la misma inteligencia que un humano.
▲Figura 1 El origen y desarrollo de la inteligencia artificial
Posteriormente, el concepto de "inteligencia artificial" se propuso por primera vez en la Conferencia de Dartmouth en 1956. En los diez años siguientes, la inteligencia artificial alcanzó su primer pequeño pico en la historia del desarrollo. Los investigadores científicos trabajaron frenéticamente y lograron una serie de resultados notables. Por ejemplo, en 1959 nació el primer robot industrial; Nació un chatbot.
Sin embargo, debido a la grave falta de potencia informática en ese momento, en la década de 1970, la inteligencia artificial marcó el comienzo de su primer invierno. La mayoría de las primeras inteligencias artificiales utilizaban instrucciones fijas para realizar problemas específicos y no tenían capacidades reales de aprendizaje y pensamiento. Una vez que el problema se vuelve complejo, el programa de IA se vuelve abrumado e incomprensible.
Aunque algunos aprovechan para negar el desarrollo y valor de la inteligencia artificial, los investigadores no han dejado de avanzar. Finalmente, en 1980, la Universidad Carnegie Mellon diseñó el primer sistema experto: XCON. Los sistemas expertos tienen una poderosa base de conocimientos y capacidades de razonamiento y pueden simular expertos humanos para resolver problemas en campos específicos.
Desde entonces, el aprendizaje automático ha comenzado a aumentar y se han comenzado a utilizar ampliamente varios sistemas expertos. Desafortunadamente, con la aplicación generalizada de los sistemas expertos, los problemas han ido quedando expuestos gradualmente. Los sistemas expertos tienen aplicaciones limitadas y a menudo cometen errores en cuestiones de sentido común, por lo que la inteligencia artificial ha marcado el comienzo de su segundo invierno.
Del año 65438 al 0997, el ordenador "Deep Blue" de IBM derrotó al campeón mundial de ajedrez Kasparov, convirtiéndose en un hito importante en la historia de la inteligencia artificial. Después de eso, la inteligencia artificial comenzó a desarrollarse de manera constante.
En 2006, la profesora Li Feifei se dio cuenta de que los expertos y académicos habían ignorado la importancia de los "datos" en el proceso de investigación de algoritmos, por lo que comenzó a tomar la iniciativa en la construcción de un conjunto de datos de imágenes a gran escala. ImageNet y comenzó el concurso de reconocimiento de imágenes.
Ese mismo año, debido al continuo desarrollo de las redes neuronales artificiales, se propuso el concepto de "aprendizaje profundo". Después de eso, las redes neuronales profundas y las redes neuronales convolucionales comenzaron a llamar la atención. El desarrollo del aprendizaje profundo desencadenó una vez más un frenesí de investigación en inteligencia artificial que aún continúa.
La Figura 2 enumera algunos eventos importantes en la historia del desarrollo de la inteligencia artificial. El aprendizaje automático ha experimentado un enorme desarrollo desde su nacimiento y ahora se ha aplicado a una amplia gama de campos, incluida la extracción de datos, la visión por computadora, el procesamiento del lenguaje natural, la identificación biométrica, los motores de búsqueda, el diagnóstico médico, la detección de fraudes con tarjetas de crédito, el análisis del mercado de valores, Secuenciación de ADN, reconocimiento de voz y escritura, juegos de estrategia, creación artística y robótica, así como una de las principales tendencias en el desarrollo futuro del aprendizaje automático y el aprendizaje profundo en las que estamos especialmente centrados: el aprendizaje automático automatizado y el aprendizaje profundo.
▲Figura 2 Eventos principales en el desarrollo de la inteligencia artificial
02 Inteligencia artificial de próxima generación
Revisemos primero el desarrollo de la inteligencia artificial a través de la Figura 3.
▲Figura 3 El desarrollo de la inteligencia artificial
Hasta ahora, según el proceso general de desarrollo ascendente, la inteligencia artificial se puede dividir aproximadamente en cuatro etapas de desarrollo, a saber, el período de nacimiento de agricultura intensiva, el período de éxito rápido y ganancias rápidas El período de industrialización, el período explosivo de acumular una pequeña cantidad en una gran cantidad y el período de desarrollo futuro del uso de AutoML para generar gradualmente y automáticamente redes neuronales.
En los primeros días, debido a las limitaciones de la potencia informática de las computadoras, el aprendizaje automático se encontraba en una etapa de desarrollo lento. La gente prestaba más atención a dotar a las computadoras de capacidades de razonamiento lógico y de conocimientos resumidos por los humanos. Sin embargo, con el desarrollo del hardware informático, especialmente la aplicación de GPU en el aprendizaje automático, las computadoras pueden aprender varias características de datos a partir de datos masivos para completar diversas tareas básicas que les asignan los humanos.
En este momento, el aprendizaje profundo comenzó a lograr un gran éxito en campos como el habla y las imágenes. Surgieron infinitamente varias redes de aprendizaje profundo, y la precisión para completar tareas relacionadas también mejoró constantemente.
Al mismo tiempo, las redes neuronales de aprendizaje profundo están avanzando hacia estructuras más profundas y más ingeniosas. El desarrollo y la aplicación de GPU también avanzan rápidamente a medida que aumenta la demanda de potencia informática de redes neuronales. La Figura 4 muestra el desarrollo de las principales redes neuronales en los últimos años.
▲Figura 4 El desarrollo de las principales redes neuronales profundas
En 2012, para aprovechar al máximo la potencia informática de múltiples GPU, AlexNet diseñó de forma innovadora la red neuronal profunda en dos partes, para que la red pueda El entrenamiento se realiza en dos GPU.
En 2013, ZFNet resolvió aún más el problema de visualizar mapas de características y avanzó un gran paso adelante en la comprensión de las redes neuronales profundas. En 2014, VGGNet logró una mayor precisión al aumentar aún más la profundidad de la red; ese mismo año, la invención de GoogLeNet introdujo el modelo Inception de módulo repetido para mejorar aún más la precisión.
En 2015, ResNet desarrolló la idea de repetir módulos a un nivel más profundo, logrando así una resolución más allá de los niveles humanos. En este momento, debido a la profundización de las capas de la red neuronal profunda, los parámetros a entrenar son demasiado grandes. Para reducir la cantidad de parámetros que deben entrenarse sin sacrificar la precisión, DenceNet nació en 2017.
Con el desarrollo continuo de redes neuronales profundas y la invención y utilización continua de varios modelos y módulos novedosos, las personas se han dado cuenta gradualmente de que desarrollar una nueva estructura de red neuronal se está volviendo cada vez más laborioso y requiere más tiempo. ¿Por qué no dejar que la máquina cree por sí sola una nueva red neuronal mientras continúa aprendiendo?
A partir de esta idea, en 2017, Google lanzó AutoML, una red de inteligencia artificial que puede diseñar de forma independiente redes neuronales profundas, y posteriormente lanzó su primer producto en 2018 y 1, y lo abrió como un servicio en la nube. llamado Nube AutoML.
Desde entonces, la inteligencia artificial se ha desarrollado aún más y la gente ha comenzado a explorar cómo utilizar el conocimiento existente del aprendizaje automático y los marcos de redes neuronales para permitir que la inteligencia artificial construya de forma independiente redes adecuadas para escenarios empresariales. La inteligencia ha sido abierta.