第二个 AI 冬天之后发生了什么?

人工智能 历史 冬天
2021-11-05 13:23:54

我知道这是一个非常笼统的问题,但我试图向非该领域的人说明这个话题,而且我的理解非常有限,因为我只是一个对物理有基本了解的二年级学生R 和 Python。我的意思是,我不想在这里说任何错误。

因此,根据维基百科的说法,在第二个 AI 寒冬之后,由于专家系统与公众和科学家的预期不符,人工智能“由于计算能力的提高(参见摩尔定律),更加强调解决特定问题、人工智能与其他领域(如统计学、经济学和数学)之间的新联系,以及研究人员对数学方法和科学标准的承诺”。

我现在想了解的是,人工智能的兴起是否与公众可用的更大计算能力有关,或者是否存在我不知道的基本数学进步。如果是后者(因为根据我的理解,神经网络背后的数学模型植根于 70 年代和 80 年代),我将不胜感激。

同样,请不要被这个问题的一般性质冒犯,我知道可能很难正确回答,但是,我只是想向非专业观众简要介绍该领域的历史,并想在这方面要清楚。

1个回答

我对 AI 发展的解读(这里稍微简化一下)是,大数据集的可用性、计算能力的提高以及新机器学习算法的引入(需要大数据集和海量计算能力)促成了 AI 的复兴。

然而,正如本网站所见证的那样,该领域发生了范式转变:虽然以前的 AI 方法主要是象征性的,并带有一些关联主义,但当前的 AI 主流纯粹基于统计模型和机器学习。

仅靠海量(分布式)计算能力是不够的,因为传统符号方法中的领域建模/知识获取存在瓶颈。如果没有大量的训练数据,新算法(基本上是神经网络的进一步发展)本身也是不够的。只有这三个要素的结合才能使 AI 复苏。