El desarrollo de la IA en 80 años: recorrido y lecciones
A lo largo de los 80 años de desarrollo en el campo de la inteligencia artificial (IA), podemos extraer muchas experiencias valiosas. Este proceso ha sido testigo de la fluctuación de la inversión de capital, la diversificación de los métodos de investigación y desarrollo, así como de la evolución de la emoción pública desde la curiosidad hasta la ansiedad y luego hasta la excitación.
La historia de la IA se remonta a diciembre de 1943, cuando el neurofisiólogo McCulloch y el lógico Pitts publicaron un artículo pionero sobre lógica matemática. Propusieron un modelo de red neuronal idealizado y simplificado, que describía cómo estas redes podían realizar operaciones lógicas simples mediante la transmisión o no transmisión de pulsos. Aunque las hipótesis de este artículo no lograron ser verificadas empíricamente más tarde, se convirtieron en una fuente de inspiración para el aprendizaje profundo moderno.
En el proceso de desarrollo de la IA, debemos tener cuidado de no confundir la ingeniería con la ciencia, la ciencia con la conjetura, y la ciencia con los artículos llenos de símbolos y fórmulas matemáticas. Más importante aún, debemos resistir la tentación de la ilusión de que "los humanos pueden crear máquinas que son indistinguibles de ellos mismos". Esta arrogancia obstinada y generalizada ha sido un catalizador para la burbuja tecnológica y la euforia cíclica de la IA durante los últimos 80 años.
El concepto de AGI( de IA general, es decir, que pronto surgirán máquinas con inteligencia similar a la humana e incluso superinteligencia, ha sido un tema candente en el campo de la IA. Sin embargo, las predicciones históricas sobre la inminente realización de AGI a menudo han fallado. Desde que Herbert Simon proclamó en 1957 que "ya existen máquinas que pueden pensar, aprender y crear", hasta que Marvin Minsky predijo en 1970 que "dentro de tres a ocho años aparecerán máquinas con inteligencia normal", y más recientemente, la afirmación de OpenAI de que una IA superinteligente podría aparecer en esta década, todas estas predicciones reflejan un optimismo excesivo sobre las capacidades de la IA.
Debemos tener cuidado con aquellas nuevas tecnologías que parecen revolucionarias y examinarlas detenidamente para ver si realmente presentan una diferencia esencial con respecto a las conjeturas anteriores sobre la inteligencia de las máquinas. Como dijo el experto en aprendizaje profundo Yann LeCun, aún nos faltan algunos elementos clave para lograr máquinas que aprendan de manera tan eficiente como los humanos y los animales.
La "falacia del primer paso" en la historia del desarrollo de la IA merece nuestra atención. Esta falacia sostiene que, siempre que una computadora pueda completar una tarea que originalmente se creía imposible, incluso si se realiza de manera deficiente, a través de un desarrollo tecnológico adicional, finalmente podrá completar esa tarea de manera perfecta. Sin embargo, la realidad a menudo demuestra que la distancia desde no poder hacer algo hasta hacerlo mal, suele ser mucho más corta que desde hacerlo mal hasta hacerlo muy bien.
En las diferentes etapas del desarrollo de la IA, el hardware, el software y la recolección de datos han desempeñado un papel importante. Los sistemas expertos, que comenzaron a popularizarse a mediados de la década de 1960, dirigieron la atención hacia la obtención y programación del conocimiento del mundo real. Sin embargo, a principios de la década de 1990, esta fiebre de la IA finalmente estalló, exponiendo los enormes desafíos de la adquisición y mantenimiento del conocimiento. Esto nos recuerda que el éxito inicial y la adopción generalizada no garantizan la durabilidad de una "nueva industria", la burbuja, al final, estallará.
El debate sobre los métodos de desarrollo de IA ha existido durante mucho tiempo, principalmente entre la IA simbólica basada en reglas y el conexionismo basado en estadísticas. En los últimos años, el enfoque del desarrollo de IA se ha trasladado del ámbito académico al sector privado, pero todo el campo aún tiende a seguir una única dirección de investigación. Esto nos recuerda que no debemos poner todas nuestras esperanzas en un único método de desarrollo de IA.
A medida que miramos al futuro, tanto gigantes del hardware como NVIDIA, como startups enfocadas en AGI, deberían aprender lecciones de la evolución de la IA. Mantenerse alerta, diversificar el desarrollo y evitar caer en la trampa de una única ruta tecnológica son clave para asegurar el éxito a largo plazo en el campo de la IA.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
14 me gusta
Recompensa
14
4
Compartir
Comentar
0/400
LiquidationWatcher
· hace7h
las mismas vibras de burbuja tecnológica de siempre... tengo que mantenerme sobrio ahora
80 años de desarrollo de la IA: el apocalipsis de la pasión a la razón
El desarrollo de la IA en 80 años: recorrido y lecciones
A lo largo de los 80 años de desarrollo en el campo de la inteligencia artificial (IA), podemos extraer muchas experiencias valiosas. Este proceso ha sido testigo de la fluctuación de la inversión de capital, la diversificación de los métodos de investigación y desarrollo, así como de la evolución de la emoción pública desde la curiosidad hasta la ansiedad y luego hasta la excitación.
La historia de la IA se remonta a diciembre de 1943, cuando el neurofisiólogo McCulloch y el lógico Pitts publicaron un artículo pionero sobre lógica matemática. Propusieron un modelo de red neuronal idealizado y simplificado, que describía cómo estas redes podían realizar operaciones lógicas simples mediante la transmisión o no transmisión de pulsos. Aunque las hipótesis de este artículo no lograron ser verificadas empíricamente más tarde, se convirtieron en una fuente de inspiración para el aprendizaje profundo moderno.
En el proceso de desarrollo de la IA, debemos tener cuidado de no confundir la ingeniería con la ciencia, la ciencia con la conjetura, y la ciencia con los artículos llenos de símbolos y fórmulas matemáticas. Más importante aún, debemos resistir la tentación de la ilusión de que "los humanos pueden crear máquinas que son indistinguibles de ellos mismos". Esta arrogancia obstinada y generalizada ha sido un catalizador para la burbuja tecnológica y la euforia cíclica de la IA durante los últimos 80 años.
El concepto de AGI( de IA general, es decir, que pronto surgirán máquinas con inteligencia similar a la humana e incluso superinteligencia, ha sido un tema candente en el campo de la IA. Sin embargo, las predicciones históricas sobre la inminente realización de AGI a menudo han fallado. Desde que Herbert Simon proclamó en 1957 que "ya existen máquinas que pueden pensar, aprender y crear", hasta que Marvin Minsky predijo en 1970 que "dentro de tres a ocho años aparecerán máquinas con inteligencia normal", y más recientemente, la afirmación de OpenAI de que una IA superinteligente podría aparecer en esta década, todas estas predicciones reflejan un optimismo excesivo sobre las capacidades de la IA.
Debemos tener cuidado con aquellas nuevas tecnologías que parecen revolucionarias y examinarlas detenidamente para ver si realmente presentan una diferencia esencial con respecto a las conjeturas anteriores sobre la inteligencia de las máquinas. Como dijo el experto en aprendizaje profundo Yann LeCun, aún nos faltan algunos elementos clave para lograr máquinas que aprendan de manera tan eficiente como los humanos y los animales.
La "falacia del primer paso" en la historia del desarrollo de la IA merece nuestra atención. Esta falacia sostiene que, siempre que una computadora pueda completar una tarea que originalmente se creía imposible, incluso si se realiza de manera deficiente, a través de un desarrollo tecnológico adicional, finalmente podrá completar esa tarea de manera perfecta. Sin embargo, la realidad a menudo demuestra que la distancia desde no poder hacer algo hasta hacerlo mal, suele ser mucho más corta que desde hacerlo mal hasta hacerlo muy bien.
En las diferentes etapas del desarrollo de la IA, el hardware, el software y la recolección de datos han desempeñado un papel importante. Los sistemas expertos, que comenzaron a popularizarse a mediados de la década de 1960, dirigieron la atención hacia la obtención y programación del conocimiento del mundo real. Sin embargo, a principios de la década de 1990, esta fiebre de la IA finalmente estalló, exponiendo los enormes desafíos de la adquisición y mantenimiento del conocimiento. Esto nos recuerda que el éxito inicial y la adopción generalizada no garantizan la durabilidad de una "nueva industria", la burbuja, al final, estallará.
El debate sobre los métodos de desarrollo de IA ha existido durante mucho tiempo, principalmente entre la IA simbólica basada en reglas y el conexionismo basado en estadísticas. En los últimos años, el enfoque del desarrollo de IA se ha trasladado del ámbito académico al sector privado, pero todo el campo aún tiende a seguir una única dirección de investigación. Esto nos recuerda que no debemos poner todas nuestras esperanzas en un único método de desarrollo de IA.
A medida que miramos al futuro, tanto gigantes del hardware como NVIDIA, como startups enfocadas en AGI, deberían aprender lecciones de la evolución de la IA. Mantenerse alerta, diversificar el desarrollo y evitar caer en la trampa de una única ruta tecnológica son clave para asegurar el éxito a largo plazo en el campo de la IA.