211service.com
5 große Vorhersagen für künstliche Intelligenz im Jahr 2017
Das vergangene Jahr war enorm für Fortschritte in den Bereichen künstliche Intelligenz und maschinelles Lernen. Aber 2017 könnte durchaus noch mehr liefern. Hier sind fünf wichtige Dinge, auf die Sie sich freuen können.
Positive Verstärkung
Der historische Sieg von AlphaGo gegen einen der besten Go-Spieler aller Zeiten, Lee Sedol, war ein Meilenstein für den Bereich der KI und insbesondere für die als Deep Reinforcement Learning bekannte Technik.
Reinforcement Learning lässt sich von der Art und Weise inspirieren, wie Tiere lernen, wie bestimmte Verhaltensweisen tendenziell zu einem positiven oder negativen Ergebnis führen. Mit diesem Ansatz kann ein Computer beispielsweise durch Versuch und Irrtum herausfinden, wie man durch ein Labyrinth navigiert, und dann das positive Ergebnis – das Verlassen des Labyrinths – mit den Aktionen in Verbindung bringen, die dazu geführt haben. Dadurch kann eine Maschine ohne Anleitung oder sogar explizite Beispiele lernen. Die Idee gibt es schon seit Jahrzehnten, aber die Kombination mit großen (oder tiefen) neuronalen Netzen bietet die nötige Leistung, um sie bei wirklich komplexen Problemen (wie dem Go-Spiel) zum Laufen zu bringen. Durch unermüdliches Experimentieren sowie die Analyse früherer Spiele hat AlphaGo selbst herausgefunden, wie man das Spiel auf Expertenebene spielt.
Die Hoffnung ist, dass Reinforcement Learning sich nun in vielen realen Situationen als nützlich erweisen wird. Und die jüngste Veröffentlichung mehrerer simulierter Umgebungen sollte den Fortschritt bei den erforderlichen Algorithmen vorantreiben, indem die Bandbreite der Fähigkeiten erweitert wird, die Computer auf diese Weise erwerben können.
Im Jahr 2017 werden wir wahrscheinlich Versuche sehen, Reinforcement Learning auf Probleme wie automatisiertes Fahren und Industrierobotik anzuwenden. Google hat sich bereits damit gerühmt, Deep Reinforcement Learning zu verwenden seine Rechenzentren effizienter zu machen . Aber der Ansatz bleibt experimentell und erfordert immer noch zeitaufwändige Simulationen, daher wird es interessant sein zu sehen, wie effektiv er eingesetzt werden kann.
Duellierende neuronale Netze
Auf der kürzlich in Barcelona abgehaltenen akademischen Konferenz „Neural Information Processing Systems“ drehte sich viel um eine neue Technik des maschinellen Lernens, die als bekannt ist Generative gegnerische Netzwerke .
Generative Adversarial Networks oder GANs, erfunden von Ian Goodfellow, jetzt Forschungswissenschaftler bei OpenAI, sind Systeme, die aus einem Netzwerk bestehen, das neue Daten generiert, nachdem es aus einem Trainingssatz gelernt hat, und einem anderen, das versucht, zwischen echten und gefälschten Daten zu unterscheiden. Durch die Zusammenarbeit können diese Netzwerke sehr realistische synthetische Daten erzeugen. Der Ansatz könnte verwendet werden, um Videospielkulissen zu erzeugen, pixeliges Videomaterial unscharf zu machen oder stilistische Änderungen an computergenerierten Designs vorzunehmen.
Yoshua Bengio, einer der weltweit führenden Experten für maschinelles Lernen (und PhD-Berater von Goodfellow an der Universität von Montreal), sagte bei NIPS, dass der Ansatz besonders aufregend sei, weil er Computern eine leistungsstarke Möglichkeit bietet, aus unbeschrifteten Daten zu lernen – etwas, von dem viele glauben könnte der Schlüssel dazu sein, Computer in den kommenden Jahren viel intelligenter zu machen.
Chinas KI-Boom
Dies könnte auch das Jahr sein, in dem China beginnt, wie ein wichtiger Akteur auf dem Gebiet der KI auszusehen. Die Technologiebranche des Landes verlagert sich davon, westliche Unternehmen zu kopieren, und hat KI und maschinelles Lernen als die nächsten großen Innovationsbereiche identifiziert.
Chinas führendes Suchunternehmen Baidu verfügt seit einiger Zeit über ein auf KI ausgerichtetes Labor und erntet die Früchte in Form von Verbesserungen bei Technologien wie Spracherkennung und Verarbeitung natürlicher Sprache sowie einem besser optimierten Werbegeschäft. Andere Spieler versuchen nun, aufzuholen. Tencent, das die äußerst erfolgreiche Mobile-First-Messaging- und Netzwerk-App WeChat anbietet, eröffnete letztes Jahr ein KI-Labor, und das Unternehmen war damit beschäftigt, Talente bei NIPS zu rekrutieren. Didi, der Ride-Sharing-Riese, der Anfang dieses Jahres die chinesischen Aktivitäten von Uber gekauft hat, baut ebenfalls ein Labor und arbeitet Berichten zufolge an seinen eigenen fahrerlosen Autos.
Chinesische Investoren stecken jetzt Geld in KI-fokussierte Startups, und die chinesische Regierung hat den Wunsch signalisiert, die KI-Industrie des Landes aufblühen zu sehen. Zusage, rund 15 Milliarden US-Dollar zu investieren bis 2018.
Sprachen lernen
Fragen Sie KI-Forscher, was ihr nächstes großes Ziel ist, und sie werden wahrscheinlich die Sprache erwähnen. Die Hoffnung ist, dass Techniken, die unter anderem spektakuläre Fortschritte in der Sprach- und Bilderkennung erzielt haben, Computern auch dabei helfen können, Sprache effektiver zu analysieren und zu erzeugen.
Dies ist ein langjähriges Ziel der künstlichen Intelligenz, und die Aussicht, dass Computer mithilfe von Sprache mit uns kommunizieren und interagieren, ist faszinierend. Ein besseres Sprachverständnis würde Maschinen viel nützlicher machen. Aber die Herausforderung ist gewaltig, angesichts der Komplexität, Subtilität und Kraft der Sprache.
Erwarten Sie nicht, mit Ihrem Smartphone für eine Weile in tiefe und bedeutungsvolle Gespräche zu geraten. Aber es werden einige beeindruckende Fortschritte gemacht, und Sie können 2017 weitere Fortschritte in diesem Bereich erwarten.
Gegenreaktion auf den Hype
Neben echten Fortschritten und spannenden neuen Anwendungen hat der Hype um künstliche Intelligenz 2016 neue Höhen erreicht. Während viele an den zugrunde liegenden Wert der heute entwickelten Technologien glauben, ist es schwer, sich des Gefühls zu erwehren, dass die Publicity rund um KI ein wenig außer Kontrolle gerät.
Einige KI-Forscher sind offenbar irritiert. Während NIPS wurde eine Launch-Party für ein gefälschtes KI-Startup organisiert Raketen-KI , zu Markieren die wachsende Manie und der Unsinn um echte KI-Forschung. Die Täuschung war nicht sehr überzeugend, aber es war eine unterhaltsame Art, die Aufmerksamkeit auf ein echtes Problem zu lenken.
Ein echtes Problem ist, dass Hype unweigerlich zu einem Gefühl der Enttäuschung führt, wenn große Durchbrüche ausbleiben, was dazu führt, dass überbewertete Startups scheitern und Investitionen versiegen. Vielleicht wird es 2017 eine Art Gegenreaktion auf die KI-Hype-Maschine geben – und vielleicht wäre das gar nicht so schlecht.