"Revival of AI" - nicht mehr als teures Eisen und Werbung, auf die Umsetzung der alten Idee gestoßen

Ursprünglicher Autor: Andrew Fentem
  • Übersetzung

Es gibt keinen Geist im Auto



In den letzten Jahren wurden die Medien von übertriebenen Beschreibungen der Technologien für künstliche Intelligenz (KI) und maschinelles Lernen (MO) überfordert. Es scheint, dass es auf dem Gebiet der Informatik noch nie so viele gab, dass so viele lächerliche Aussagen so viele Leute machen, die eine so kleine Vorstellung davon haben, was passiert. Für alle, die sich in den 80er Jahren mit fortschrittlicher Computerhardware beschäftigen, erscheint das Geschehen merkwürdig.

Features Der Atlantik in diesem Monat intellektuelle Hochfliegen und Autor des Bestsellers „ Sapiens Kurze Geschichte der Menschheit. “ Und „ des Homo von Deus: Eine kurze Geschichte der Zukunft “, Yuval Noah Harari beschreibtder Einfluss der KI auf die Demokratie. Der interessanteste Aspekt des Artikels ist das übermäßige Vertrauen von Harari in die Fähigkeiten moderner KI-Technologien. Er beschreibt Googles Begleiter, das DeepMind- Schachspiel , als "kreativ", "einfallsreich" und "geniale Instinkte".

In der BBC- Dokumentation Joy II beschreiben Professor Jim Al-Khalili und DeepMind-Gründer Demis Hassabis, wie das KI-System „eine echte Entdeckung gemacht“ hat, „in der Lage ist, tatsächlich eine neue Idee zu generieren“ und „eigenständig entwickelte Strategien“ entwickelt hat.

Und wenn ein solcher Strom von Übertreibungen und Anthropomorphismen verwendet wird, um stumpfe und mechanistische Systeme zu beschreiben, dann ist es an der Zeit, die Realität mit einer Rückkehr zu den Grundlagen zu testen.

Die Diskussion über Computertechnologie erfolgt häufig durch Mythen, Metaphern und menschliche Interpretationen dessen, was auf dem Bildschirm erscheint. Metaphern wie "Intuition", "kreatives Prinzip" und neuere "Strategien" sind Teil der entstehenden Mythologie. KI-Experten finden Regelmäßigkeiten in den Spielbewegungen von KI und nennen sie "Strategien", aber das neuronale Netzwerk hat keine Ahnung, was eine Strategie ist. Wenn es einen kreativen Anfang gibt, gehört es zu den Forschern von DeepMind, die die Prozesse von Trainingssystemen entwickeln und verwalten.

Heutige KI-Systeme werden auf der Grundlage einer großen Anzahl von automatisierten Versuchen und Fehlern trainiert. In jedem Stadium wird die Rückübertragung verwendet, um Informationen über Fehler zu übertragen und das System anzupassen, um die Anzahl der Fehler in der Zukunft zu reduzieren.- und dies verbessert allmählich die Wirksamkeit der KI bei der Ausführung einer bestimmten Aufgabe, beispielsweise beim Schachspielen.

Die fortlaufende Steigerung der Wirksamkeit von AI, MO und so genannten. „Tiefenlernen“ (GO) basiert meistens auf der Verwendung dieser Technik der Rückwärtsausbreitung. Es wurde erstmals in den 1960er Jahren erfunden und in den 1980er Jahren von Joffrey Hinton auf neuronale Netzwerke angewendet. Mit anderen Worten, seit mehr als 30 Jahren gab es keine wesentlichen konzeptionellen Fortschritte auf dem Gebiet der KI. Die meisten Forschungsergebnisse im Bereich AI und Artikel in den Medien zeigen, was passiert, wenn die Umsetzung der alten Idee in die Berge teurer Computerausrüstung und genialer Werbekampagne gerät.

Man kann nicht sagen, dass DeepMind keine wertvolle Arbeit leistet. Die Hilfsarbeit von Maschinen bei der Entwicklung neuer Strategien und Ideen ist eine interessante Sache, insbesondere wenn die Arbeit dieser Maschine aufgrund ihrer Komplexität schwer zu verstehen ist. In unserer säkularen Kultur zieht die Magie und das Mysterium der Technologie die Menschen an, und ein mysteriöses Bild von einem meist trockenen und rationalen Ingenieurwesen zu vermitteln, ist nur von Vorteil. Aber im Auto, einem Freund von Google, gibt es keinen Geist.

Eisen gegen Software, Analog gegen Digital, Thompson gegen Hassabis


Der ganze Rummel um die DeepMind-Maschinen erinnert mich an die freudige Erregung, die vor einigen Jahrzehnten auf einer völlig anderen Welle und vielleicht einem tieferen System des "Machine Learning" entstand.

Im November 1997, die Arbeit von Adrian Thompson - ein Forscher vom Zentrum für Computational Neuroscience und Robotik, Sussex Universität - bekam auf dem Cover der Zeitschrift New Scientist, zusammen mit Artikel „Schaffung von prähistorischen Silizium - Darwinismus in dem Elektronik - Labor Freigabe und sieht , was er will. Ein hartes Auto, das niemand versteht. “

Die Arbeit von Thompson erregte eine leichte Sensation, da er den Zoll ablehnte und die Entwicklung des MO-Systems in elektronischen Geräten einleitete, anstatt den Programmansatz zu verwenden, wie alles andere. Er entschied sich dafür, weil er erkannte, dass digitale Software durch das binäre Ein- / Ausschalten der Schalter, die die Signale verarbeiten, die das Gehirn jedes digitalen Computers bilden, begrenzt ist.

Im Gegensatz dazu haben sich die Neuronen des menschlichen Gehirns so entwickelt, dass sie an verschiedenen subtilen, manchmal unvorstellbar komplexen physikalischen und biochemischen Prozessen teilnehmen.. Thompson meinte, dass die Entwicklung von Computergeräten, die den automatischen Prozess der natürlichen Selektion verwenden, alle analogen (unendlich variierten) physikalischen Eigenschaften der realen Welt, die dem Silizium innewohnen, ausnutzen kann, von denen die einfachsten digitalen Switches eines Computers gemacht werden, was zu etwas führen kann, das effizient aussieht analoge Arbeit der Komponenten des menschlichen Gehirns. Und er hatte recht.

In seinem Labor führte Thompson eine Weiterentwicklung der FPGA-Konfiguration durch (z. B. einen digitalen Siliziumchip, bei dem die Verbindungen zwischen seinen digitalen Switches ständig neu konfiguriert werden können), um ihn zu lehren, zwei verschiedene Audiosignale zu trennen. Er schaute sich im Chip um, um zu sehen, wie der evolutionäre Prozess die Verbindungen zwischen den Switches aufbaute, und bemerkte ein beeindruckend effektives Arbeitsschema - sie verwendete nur 37 Komponenten.

Darüber hinaus ist die resultierende Entwicklung des Schemas für Digitalingenieure nicht mehr verständlich. Einige der 37 Komponenten waren nicht mit anderen verwandt, aber als sie aus dem Stromkreis entfernt wurden, funktionierte das gesamte System nicht mehr. Die einzig vernünftige Erklärung für diese merkwürdige Situation war, dass das System mysteriöse elektromagnetische Verbindungen zwischen seinen digitalen Komponenten verwendete. Mit anderen Worten, der evolutionäre Prozess übernahm die analogen Eigenschaften der Komponenten und Materialien des Systems aus der realen Welt, um seine „Berechnungen“ durchzuführen.

Es war eine Gehirnexplosion. Ich war in den 1990er Jahren ein junger Forscher und hatte sowohl Erfahrung als auch auf dem Gebiet der Forschung an elektronischen GerätenSowohl AI als auch Thompson haben mich getroffen. Der Computer war nicht nur in der Lage, eine völlig neue Art elektronischer Schaltungen zu erfinden und die Fähigkeiten elektronischer Ingenieure zu übertreffen, sondern, was noch wichtiger ist, die Entwicklung unendlich viel leistungsfähigerer Computersysteme und KI.


Hassabis begann als führender KI-Programmierer in einem inzwischen vergessenen Spiel von Lionhead Studio, Black & White.

Was ist also passiert? Warum wird Thompson praktisch vergessen, und Google's Muttergesellschaft Alphabet wirft Hassabis Geld ab und BBC-Dokumentarfilme singen für ihn Panik-Liedtext? Meistens geht es um Glück. In den 1990er Jahren war AI wie die Großmütter Pantaloons in Mode. Auf den Schultern von AI liegt heute die Last, uns zur „vierten industriellen Revolution“ führen zu müssen. Das Kapital jagt das "nächste große Projekt". Obwohl die digitalen KI-Systeme von DeepMind nicht sehr gut für die Modellierung komplexer realer analoger Systeme wie Wetter oder menschliches Gehirn geeignet sind, sind sie definitiv gut geeignet, digitale Daten aus der einfachsten digitalen Online-Welt in Form von Links, Klicks, Likes, Wiedergabelisten und Pixeln zu verarbeiten .

DeepMind profitierte auch von seiner Fähigkeit, sich von Angesicht zu Angesicht zu zeigen. DeepMind bewarb seine Technologie und seine Führungsrolle und kultivierte das technologische Mysterium, aber die gesamte Demonstration seiner Arbeit wurde auf Spielzeug mit den einfachsten berechenbaren Regeln reduziert. Der Vorteil von Spielen ist ihre Verständlichkeit und visuelle Attraktivität für Medien und Öffentlichkeit. Tatsächlich werden die meisten kommerziellen Anwendungen dieser Technologie mit banalen Hintergrund-Geschäftsanwendungen in Verbindung gebracht , beispielsweise zur Optimierung der Energieeffizienz der Rechenzentren, in denen Google seine Computer unterhält.

Ceci n'est pas une paddel *


* "Dies ist kein Paddel" - ein Hinweis auf das Bild "The Treachery of Images "

, das Thompson und Hassabis gemeinsam haben - abgesehen von seiner Zugehörigkeit zu Großbritannien - waren auf jeden Fall die Erfahrung und die Fähigkeiten, die für ein effektives Training und die Entwicklung ihrer Systeme erforderlich sind, sondern die Abhängigkeit von den Fähigkeiten und der Kreativität der Menschen Offensichtlich ist die Schwäche eines AI- oder MO-Systems. Auch ihre Technologie war sehr fragil. Zum Beispiel haben Thompson-Systeme oft nicht mehr bei Temperaturen gearbeitet, bei denen sie sich entwickelten. In DeepMind konnte eine einfache Änderung der Größe des Paddels in einem der Videospiele des Unternehmens die Wirksamkeit der KI vollständig aufheben. Diese Zerbrechlichkeit beruht auf der Tatsache, dass DeepMinds KI nicht versteht, was Paddel ist - und sogar das Videospiel selbst; Seine Schalter funktionieren nur mit Binärzahlen.

MO-Systeme haben in der Tat in der Tat große Erfolge erzielt, aber dieser Fortschritt wurde größtenteils durch die Verwendung einer großen Anzahl von Standard-Computergeräten zur Lösung von Problemen und nicht von radikalen Innovationen erzielt. Irgendwann wird es in naher Zukunft nicht mehr möglich sein, mehr kleine Siliziumschalter auf einen Siliziumchip zu schieben. Die Effizienz des Schemas (mehr Berechnungen mit weniger Geräten) wird kommerziell wichtig werden, und an diesem Punkt kann die sich entwickelnde Ausrüstung schließlich in Mode kommen.

Es können auch Hybridsysteme auftreten, die die Ansätze von Thompson und Hassabis kombinieren. Was auch immer passiert, Harrari wird warten müssen, bis er ein "kreatives" KI-System erhalten kann, um seinen nächsten Bestseller zu schreiben.

Jetzt auch beliebt: