Jakie są główne problemy utrudniające obecny rozwój AI?

Mam doświadczenie w inżynierii komputerowej i pracuję nad opracowaniem lepszych algorytmów naśladujących ludzkie myśli. (Jednym z moich ulubionych jest modelowanie analogiczne stosowane w przetwarzaniu języka i podejmowaniu decyzji.) Jednak im więcej badam, tym bardziej zdaję sobie sprawę z tego, jak skomplikowana jest sztuczna inteligencja.

Próbowałem rozwiązać wiele problemów w tej dziedzinie, ale czasami odkrywam, że odkrywam koło lub próbuję rozwiązać problem, który już okazał się nierozwiązywalny (tj. Problem zatrzymania). Tak więc, aby pomóc w rozwoju sztucznej inteligencji, chcę lepiej zrozumieć obecne przeszkody, które utrudniają nasz postęp w tej dziedzinie.

Na przykład złożoność czasowa i przestrzenna niektórych algorytmów uczenia maszynowego jest wielomianowa, co oznacza, że ​​nawet w przypadku szybkich komputerów ukończenie programu może chwilę potrwać. Mimo to niektóre algorytmy mogą działać szybko na komputerze stacjonarnym lub innym komputerze, mając do czynienia z niewielkim zestawem danych, ale gdy zwiększa się rozmiar danych, algorytm staje się trudny do rozwiązania.

Jakie inne problemy stoją obecnie przed rozwojem sztucznej inteligencji?

1. tak naprawdę nie wiemy, czym jest inteligencja.

2. nie do końca rozumiemy najlepszy dostępny nam model inteligencji (inteligencja ludzka).

3. staramy się powielać ludzką inteligencję (do pewnego stopnia) na sprzęcie, który jest zupełnie inny niż sprzęt, na którym działa w rzeczywistości.

4. ludzki mózg (nasz najlepszy model inteligencji) jest dla nas w większości czarną skrzynką i trudno jest zbadać jego działanie bez zabicia badanego. Jest to oczywiście nieetyczne i nielegalne. Postęp w zrozumieniu mózgu jest więc bardzo wolny.

Połącz te czynniki i zrozum, dlaczego trudno jest robić postępy w AI. Na wiele sposobów możesz argumentować, że strzelamy w ciemności. Oczywiście poczyniliśmy pewne postępy, więc wiemy, że poprawiamy niektóre rzeczy. Ale bez prawdziwej kompleksowej teorii na temat tego, jak AI powinna / powinna działać, jesteśmy zredukowani do wielu prób i błędów oraz iteracji, aby iść naprzód.

Zakładam, że przez AI masz na myśli AG (eneral) I, a nie uczenie maszynowe lub systemy eksperckie dostosowane do konkretnych zadań.

Oprócz odpowiedzi @ mindcrime, czasem brakuje nam próbek do szkolenia, a czasem komputery stają się tak powolne, aby przetworzyć wystarczającą liczbę próbek do pracy w zarządzanych ramach czasowych. @bpachev wspomniał o pamięci, ale na powierzchni nasze superkomputery mają więcej niż wystarczającą ilość pamięci do przechowywania matrycy ludzkiego mózgu. Ale brakuje nam możliwości symulacji w czasie rzeczywistym. Po tym, jak możemy to zrobić, musimy również podłączyć wejście zewnętrzne, potrzebna jest jeszcze większa moc obliczeniowa. Nawet to nie wystarczyłoby do pełnej symulacji ludzkiego mózgu, ponieważ biochemia odgrywa ważną rolę.

Ostatnia uwaga byłaby taka, że ​​istnieje niewielka zachęta do rozwoju AGI poza zrozumieniem, jak działa ludzki umysł. Istnieją algorytmy klasyfikacji, systemy eksperckie, silniki wiedzy, które mogą przewyższyć nawet najlepszych ludzi do określonych zadań.

Jedną z przeszkód w rozwoju AI są podstawowe ograniczenia pamięci komputera. Komputery na poziomie podstawowym mogą pracować tylko z bitami. Ogranicza to rodzaj informacji, które mogą opisać.

EDYTOWAĆ:

Dokładna natura i złożoność ludzkiej pamięci nie jest w pełni zrozumiała, ale twierdzę, że przynajmniej ludzka pamięć jest dobrze przystosowana do rodzajów zadań, które wykonują ludzie. Tak więc pamięć komputera, nawet jeśli teoretycznie jest w stanie reprezentować wszystko, co pamięć ludzka może, jest prawdopodobnie nieefektywna i źle skonstruowana do takiego zadania.