La historia del desarrollo de la inteligencia artificial: 4 imágenes que muestran los principales hitos de la IA
Autor | Wang Jianzong Qu Xiaoyang
Fuente | Big Data DT
01 Historia del 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 un largo período de acumulación histórica. Ya en 1950, Alan Turing propuso la máquina de prueba de Turing, que básicamente coloca a personas y máquinas en una pequeña habitación oscura para hablar con personas fuera de la habitación. la sala no puede decir si el interlocutor es un humano o una máquina, por lo que la máquina tiene una inteligencia similar a la humana.
▲Figura 1 El origen y desarrollo de la inteligencia artificial
Posteriormente, en la Conferencia de Dartmouth de 1956, se propuso por primera vez el concepto de "inteligencia artificial". En los diez años siguientes, la inteligencia artificial alcanzó su primer pequeño pico en la historia del desarrollo. Los investigadores se apresuraron como locos y lograron una serie de logros notables. Por ejemplo, en 1959 nació el primer robot industrial; , También nació el primer chatbot.
Sin embargo, debido a la grave escasez de potencia informática en ese momento, la inteligencia artificial marcó el comienzo de su primer invierno frío en la década de 1970. 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 volvió complejo, el programa de inteligencia artificial se vio abrumado y se volvió poco inteligente.
Aunque algunas personas aprovecharon la oportunidad para negar el desarrollo y el valor de la inteligencia artificial, los investigadores no detuvieron su progreso. Finalmente, en 1980, la Universidad Carnegie Mellon diseñó el primer sistema experto: XCON. Este sistema experto tiene una poderosa base de conocimientos y capacidades de razonamiento que pueden simular a 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, a medida que los campos de aplicación de los sistemas expertos se vuelven cada vez más amplios, los problemas quedan gradualmente expuestos. 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 frío invierno.
En 1997, 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 y ascendente.
En 2006, el profesor 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 gran conjunto de datos de imágenes: ImageNet. Y comenzó el concurso de reconocimiento de imágenes.
En el 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 aparecer en los ojos de las personas. El desarrollo del aprendizaje profundo ha desencadenado una vez más un frenesí de investigación en inteligencia artificial, y este frenesí continúa hoy en día.
La Figura 2 enumera algunos eventos importantes en la historia del desarrollo de la inteligencia artificial. Desde su nacimiento, el aprendizaje automático ha experimentado un rápido desarrollo y ahora se utiliza en una amplia gama de campos, incluida la minería 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 y el análisis del mercado de valores. , secuenciación de secuencias de ADN, reconocimiento de voz y escritura, juegos estratégicos, creación de arte y robots, etc., así como una tendencia importante en el desarrollo futuro del aprendizaje automático y el aprendizaje profundo que nos preocupa especialmente: el aprendizaje automático automatizado y el aprendizaje profundo. (AutoML y AutoDL).
▲Figura 2 Eventos principales en el desarrollo de la inteligencia artificial
02 Inteligencia artificial de próxima generación
Revisemos primero el proceso de desarrollo de la inteligencia artificial a través de la Figura 3 .
▲Figura 3 Historia del desarrollo de la inteligencia artificial
Hasta ahora, según la historia general de desarrollo ascendente, la inteligencia artificial se puede dividir aproximadamente en cuatro etapas de desarrollo, a saber, el período de nacimiento de la inteligencia artificial. agricultura, el período industrial en el que las personas están ansiosas por lograr éxito y ganancias rápidas, el período explosivo en el que las personas pueden obtener ganancias combinando sus fortalezas y ahora el período de desarrollo futuro en el que AutoML se utiliza gradualmente para generar automáticamente redes neuronales.
Debido a las limitaciones de la potencia informática de los primeros días, el aprendizaje automático se encontraba en una etapa de desarrollo lento. La gente se centró más en 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 diversas características de los datos a partir de cantidades masivas de datos, completando así varias 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 continuó mejorando. Al mismo tiempo, las redes neuronales de aprendizaje profundo se están moviendo hacia profundidades más profundas y estructuras más ingeniosas y complejas. El desarrollo y la aplicación de GPU también continúan avanzando rápidamente a medida que las redes neuronales continúan aumentando sus requisitos de potencia informática. 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, de modo que la red se pueda entrenar en dos GPU.
En 2013, ZFNet resolvió aún más el problema de la visualización de mapas de características, dando 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 módulo repetido Inception Model, mejorando aún más la precisión.
En 2015, ResNet desarrolló la idea de repetir módulos en un nivel más profundo, logrando así capacidades de resolución más allá de los niveles humanos. En este momento, debido a la profundización continua de la cantidad de capas de redes neuronales profundas, los parámetros que deben entrenarse son demasiado grandes. Para reducir la cantidad de parámetros que deben entrenarse sin sacrificar la precisión, surgió DenceNet. 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 dan cuenta gradualmente de que desarrollar una nueva estructura de red neuronal requiere cada vez más tiempo y es más laborioso. ¿No dejar que la máquina lo haga sola? ¿Qué tal crear nuevas redes neuronales en un proceso de aprendizaje continuo?
A partir de esta idea, en 2017 Google lanzó AutoML, una red de inteligencia artificial que puede diseñar de forma independiente redes neuronales profundas. Luego lanzó su primer producto en enero de 2018 y lo utilizó como un servicio en la nube, llamado Opened. AutoML en la nube.
Desde entonces, la inteligencia artificial se ha desarrollado aún más y la gente ha comenzado a explorar cómo utilizar el conocimiento de aprendizaje automático y los marcos de redes neuronales existentes para permitir que la inteligencia artificial construya de forma independiente redes adecuadas para escenarios empresariales. Se abre otra puerta.