最近、「ハーバード・データ・サイエンスレビュー」の記事、多くの地域は今、実際に、AIとして知られていることを、現在の人工知能の誇大宣伝のレビュー、機械学習に発表された機械学習の専門家は、よく知られたコンピュータサイエンスと統計学者マイケル・I.ジョーダン、実際のAI革命はまだ来ていている間。
人工知能（AI）は、私たちの時代のスローガンとなっています。
技術的な専門家、学者、記者は、ベンチャーキャピタリストは、単語を言っています。技術や学術分野から一般市民に流入する他の多くの言葉のように、単語の「AI」を使用し、重大な誤解があります。
公共の場で他のエリアは、科学者が「AI」、科学者と市民を好きではない理解していないようにしかし、しばしば混乱しています。
ある程度までは、私たちの時間は、人間の知性と誰もが興奮させるだけでなく、私たちのライバルシリコンベースのスマートな外観の種類を参照してください私たちは魅了させて、だけでなく、私たちは恐怖を感じさせるれます。残念ながら、それは私たちの注意をそらします。
我々は早急に推論と意思決定システムの開発の原則を構築する必要があります
私たちは、別の角度からこの時代を伝えることができます。そこ人間、コンピュータ、データ、および生と死の意思決定を必要とする物語は、ですが、焦点は、インテリジェントなシリコンの単なる幻想種類のものです。
私の妻が妊娠したとき、14年前、私たちは、超音波をしました。医師は彼女が胎児の心臓は、いくつかの白い斑点を持って周りを指摘し、遺伝学者でした。彼女は言った、「これらは、ダウン症候群の兆候は、ある」「今、あなたはリスクの1 20ポイントに上昇しているです。」彼女は胎児が症候群の遺伝子を本当にダウン持っているかどうかを確認するために羊水穿刺を通じて、私たちに語りました歪みが、羊水穿刺の危険がある - 穿刺チャンスが胎児の死亡時には約300ポイントです。
統計学者として、私はこれらの数字の源を見つけることにしました。私の研究では、私はそれが10年前、英国のこれらのカルシウム沈着の統計解析を行ったことがわかった白色点が本当にダウン症の予測因子と考えられている反映しています。私はまた、イメージング・マシン・イメージングマシンがチェックを使用していることに気づいた私たちは百を超える数ピクセルの英国の研究よりも、平方インチあたりのピクセルを使用してください。私は、文字通りホワイトノイズである、戻って、遺伝学者が言う、私はそれらの白い斑点が偽陽性である可能性が高いと考えています。
彼女は言った：「ああ、我々は上昇中のダウン症候群の診断発見し、それが出荷された新しいマシンであることを起こる数年前に始まった理由を説明しています..」
私たちは、彼の妻が健康な女の子を出産した数ヶ月後に、羊水穿刺をしませんでした。しかし、このことは私が私がラフな計算の結果を知っている、特に以来、その日は何千人もの人が同じ診断を取得していて、そして多くの人々は、多くの赤ちゃんの不必要な死亡、その結果、羊水検査を行うことを選択し、フィットなりました。
これは、問題は私の個人的な医学的問題ではありません明らかに、それは医療制度、異なる場所と時間での測定変数と結果、統計分析、および他のケースで結果を使用についてです。
この問題は、データ分析そのものではないですが、またにデータベース研究者は約「トレーサビリティ」（出所）を呼び出す - データがデータから引き出され、どのような推論どこから来たかの少しやっている現在の状況で、これらの推論を？専門家は、徐々にこれらの問題に直面してケースを解決できるかもしれないが、問題は、人間の監督のような詳細な状況を必要とせずに、これを行うことができるように惑星規模のヘルスケアシステムを設計することです。
私は、私は突然、私の生い立ちで、惑星規模の推論と意思決定システムのニーズを構築するために見つけることができない基本的な原理、コンピュータサイエンスと統計のこれらの原則の統合を考え、また、コンピュータ科学者ですアカウントに人間ユーティリティを取ります。私の意見では、これらの原則の開発は、少なくともAIシステムとの見事なプレーのようなゲームは、医療分野では、だけでなく、商業、交通、教育ニーズの分野だけでなく、これらの原則を構築することも同様に重要です。
エンジニアリングの新しいブランチ：人間とコンピュータの組み合わせ
我々はすぐに「スマート」を理解することができるようになりますかどうか、私たちは大きな課題に直面している、そしてそれは、人間の生命を高めるために、コンピュータと人間を組み合わせる方法です。
一部の人々はAIがちょうど創造への挑戦への補助はなく、別の観点だと思いますが、これは工学の新しいブランチです。人々は新たな資源や能力を持って、安全性を確保するために土木工学と化学工学の過去数十年のように、この新しい学問分野の目標として重要ないくつかのアイデアを中心に構築されています。土木工学と化学工学は、物理的および化学的に基づいており、そしてこの新しいプロジェクトは、最後の世紀に規律上に構築されます、かなりのアイデア与えられ、そのような情報、アルゴリズム、データ、不確実性、計算、推論などと最適化。焦点のほとんどは、新しい学問分野で、人間のヒトのデータからとなりますのでまた、そのため、その開発は、社会科学と人文科学を表示する必要があります。
建物のさまざまな方法で代わりにブロックが、その原則は一緒の場所ではまだないが、今、私たちは、これらのブロックは一時的なもの兼ね備えています。人間は機械の継続的な建設に関与しているように、人間として、土木工学の出現前に建物や橋を建設、社会的推論と人間と環境の意思決定システムのサイズ。初期の建物や、時には予測不可能な方法で崩壊ブリッジ、そして悲劇的な結果として、私たちの初期の社会的規模の推論と意思決定システムの多くのような概念で重大な欠陥を公開しました。
残念ながら、我々ははい発生する可能性がありますどのような次の重大な欠陥を見込んで良いものではありません。私たちは、規律のエンジニアリング解析と設計の原則である欠けています。
ほとんどのAIは、機械学習は、実際にあります
現在、これらの問題のオープンな議論には、多くの場合、「AI」が困難スコープや新技術の影響を推測することができますインテリジェント総称として、この用語を使用しています。したがって、我々はかつて、最近の世代を参照するために使用されるものの中にAIを理解し、する必要があります。
今日では、AIとして知られているものの大部分は、特にパブリックドメイン、実際には、機械学習（ML）には、この用語は、過去数十年で使用されてきました。MLはフィールドアルゴリズムが予測を行い、意思決定を支援するために、統計、コンピュータ科学とデータを処理するために設計され、他の多くのイデオロギー的な分野（下記参照）、アルゴリズムを組み合わせています。
現実世界への影響という点では、MLは本物である、とだけごく最近まで発生しませ。実際には、1990年代初頭に、MLは、業界の兆候のための巨大な変化を示す必要がありました。世紀の変わり目には、Amazonや他の企業は、のような、バックエンドの不正検出およびサプライチェーン予測の問題、および革新的な消費者志向のサービスの確立を、ミッションクリティカルな解決機械学習における自社のビジネスに積極的になっています推薦システム。
その後の20年間で、データの収集とコンピューティング資源の急速な成長と、それは明らかである、MLはすぐにのみアマゾンの推進力を提供することはありませんし、いずれかは、受電会社に関連付けられている大規模データとその決定を取ることができます。新たなビジネスモデルが登場します。
「データサイエンス」は、データベースの専門家と協力してMLアルゴリズムの専門家を反映して、この現象を参照するために使用され、スケーラブルな構築するためにシステムを配布され、強いMLシステムを必要とするだけでなく、より大きな範囲を生成するシステムを反映しています社会的影響。過去数年にわたり、アイデアや技術動向のこの融合は、「人工知能」を改称します このリブランディングの練習を慎重に検討する必要があります。
人間の知性と強化されたAIを模倣します
歴史的に、「人工知能」は、エキサイティングのソフトウェアとハードウェアでの人間の知性のレベルを達成したいという願望を持つエンティティを参照して、作成するために、1950年代後半における用語です。私はこの願望を参照するために「模倣人間AI」（人間の模倣AI）を使用しますが、（少なくともこれまで精神で、その後、物理的になっていない場合は、私たち人間のあるべきである人工知能のエンティティを強調しているようですどんなにそれが）を意味するかもしれないもの。
これは主に学術的なキャリアです。このような研究、統計、パターン認識、情報理論や制御理論などの関連する学問分野は、すでに存在するが、多くの場合、人間や動物の行動に触発されますが、これらの領域は、低レベルの信号と意思決定に焦点を当てていると言えます。
例えば、リスはそれを生きるために、森林の3次元構造を感知することができ、かつ、枝に枝から、これらの分野で有益この能力をジャンプすることができます。推論すると人間を考えるために高度や認知能力：AIは別の何かに焦点を当てるように設計します。しかし、60年後、高レベルの思考や推論はとらえどころのないまま。今、主にパターン認識やモーションコントロールの低レベルに関連する工学分野におけるAIの開発として知られているだけでなく、統計学の分野、規律の焦点は、データのパターンを発見し、十分なテスト仮説に基づいて予測を行うことですそして、意思決定。
実際には、今逆伝搬アルゴリズムのよく知られた、いわゆる「AI革命」の中核であると考えられ、デビッド・ラメルハートは1960年代と60年代に制御理論の分野でそれに早い1980年代初頭に再発見され、それが発生しました。その初期のアプリケーションの一つは、月にアポロ宇宙船のフライの推力を最適化することです。
1960年代以来、AIは大きな進歩を遂げたが、この進歩は人間を模倣するAIの追求からのものではないと言うことができます。代わりに、アポロ宇宙船の一例として、これらのアイデアは、多くの場合、シーンの背後に隠されており、研究者の仕事は、特定の技術の課題に焦点を当てました。一般の人が見ることはできませんが、しかし、文書検索、テキスト分類、不正検出、推薦システム、パーソナライズ検索、ソーシャルネットワーク分析、大幅な進歩を遂げている計画、診断、およびA / Bテストや他の研究やシステムビルダーの分野、これらの中進歩には、Google、Netflixは、FacebookやAmazonや他の企業の成功を促進します。
人々は単にAIと呼ばれていることすべてを置くことができ、実際には、これが起こっているようです。突然の最適化や統計の研究者AIの研究者と呼ばれる自分自身を見つける人のために、そのようなラベルは、彼らがびっくりするかもしれません。しかし、脇わきのラベルは、大きな疑問は、このシングルを使用して、問題領域およびビジネス・インテリジェンスの彼らの明確な理解を妨げ不明確な頭字語は、役割を果たしていますさ。
過去20年間で、産業・学術分野は大きな進歩を遂げている - 人間のAIを模倣するサプリメントとして、しばしば「スマート強化」（インテリジェンス増強、IA）と呼ばれます。ここでは、計算やデータは、サービスの強化人間の知性と創造性を作成するために使用されています。それは人間の記憶と事実に基づく知識を高めることができるように、検索エンジンは、IAの一例として見ることができ、自然言語翻訳は、それが人間のコミュニケーション能力を向上させることができ、別の例IAです。音と映像生成コンピューターに基づいた芸術家はパレットを作成し、増強する能力を提供します。将来的にこのタイプのサービスは推論や思考の高レベルが含まれていないが、何があるかもしれないが、それらは主に人間が使用できるパターンを捕捉するために様々な文字列マッチングと数値演算を実行します。
規律の者がアイデアコンピューティング、データネットワークと物理的実体上に構築された「スマートインフラ」、より興味深く、安全な人間環境の広い範囲でみましょう。現在、このインフラストラクチャは、すでに、それによって個人と社会がますます深い影響を与え、交通、医療、ビジネス、金融で始まっています。
あなたは、我々は全体のヘルスケアシステムをカバーする社会の中で生きて、このシステムは、医師が、より正確な診断を支援するための医療機器を人と医師間のデータフローを確立し、分析することができ、そしてケアを提供想像することができます。このシステムは、体細胞、DNA、血液検査、環境、集団遺伝学と薬や治療に関する科学文献の多くからの情報を統合することができます。それだけでなく、個々の患者と医者を懸念している、だけでなく、すべての人間との関係上、金融と銀行システムの今日の課題は同じ支払いの分野に関する同じように、ソースや信頼性の概念に医療情報の関連性を維持するのに役立ちます。1は、このようなシステムを予見することができますが、そのようなので、上のプライバシーの問題、責任問題、安全保障上の問題となど多くの問題があるでしょう。進捗状況を、これらの問題に直面するのではなく、妨げるために勇気を課題として、しかし、我々は見られるべきです。
現在のAIの成果は、コアの問題を解決することはできません
今、私たちは重大な問題に直面している：AIはこれらの課題（あるいは唯一の方法）、それに対処するために実際にある人間の模倣に基づいて、最高の伝統的な方法で、現在のですか？
実際には、近年では、サクセスストーリーの一部の成功を機械学習は、コンピュータビジョン、音声認識、ゲーム、ロボット工学などのAIの人間の模倣の分野です。多分、我々は、これらの分野で多くの技術進歩を待って、待ち続けなければなりません。注意すべき2つのものがあります。
まず、人間のAIはまだ非常に限られている模倣達成の成功があり、我々はこれまで、究極の願望を達成するから、まだです。一方、この領域でそれが行われている限られた進歩は巨大な喜びを作成するだけでなく、存在していなかった他のエンジニアリング分野であるAIの過度の熱狂やメディアの注目、その結果、恐怖の多くを生みました。
さらに重要なことは、第二の点は、これらの分野で達成成功は、IAおよびIIの重要な問題を解決するのに十分ではありません。このような自律走行車など。自動操縦を実現するには、これらの問題は、人々の能力（あるいは人的資源の不足）に関連している可能性があり、エンジニアリングの一連の問題を解決しないといけないことがほとんどありません。全体的な搬送システム（IIシステム）は、むしろ現在の広範な懸念人間のドライバーよりも、現在の航空管制システムに近づけることができます。このシステムは、既存の航空管制システムに比べ、特に、意思決定の改善のための情報を提供するために、データおよび適応統計的モデリングを大量に使用することができますはるかに複雑です。これらの課題を満たすことが、最先端に焦点を当てるだけ模倣人間AIが十分ではありません注力が必要です。
必要性については、（例えばチューリングテストなど）AIの古典的な問題を解決するだけでなく、IAおよびIIの問題を解決するための最良の選択ができないという理由だけで、人間の視覚は、AIとIA IIの目標をカバーして模倣すると言われています。しかし、歴史の中で、この引数はほとんど前例。？ '最初のAIのグループを作成する必要があり、より多くの議論がある:?私たちの目標は、化学プラントを建設する場合、それは、フレームワークの化学者AIを構築する必要があるかどうか、彼の土木工学、化学工学を実行するために使用AI AIの大工や職人の前にいることを聞きました化学者、そしてTAが構築する方法を研究している聞かせて？
そこ私たちが知っているように、人間の知性が唯一のインテリジェントであることを言っているので、我々は最初のステップとして、人間の知性を模倣する必要があります。ただし、一部の人間は推論では、実際に良いではない、人間は自分の過ち、偏見や制限があります。また、人間が直面しなければならない大規模な近代的な意思決定-IIシステムを実行することができるように十分に進化していない、また能力はII環境が発生する不確実性に対処することが不可欠です。
一つは、人間の知性を模倣する人工知能システムがする、人工知能が修正され、この機能は、任意のサイズの問題に拡張することができるだけでなく、それを言うかもしれません。サイエンスフィクションでは非常に魅力的になりますが、重大な問題我々IAおよびII、に直面した場合に行う主要な戦略ではありませんが、もちろん、今では、サイエンスフィクション、この投機的な議論の範疇にあるこれらの問題が出現し始めています。私たちは、自分の長所に応じてIAおよびIIの問題に対処する必要があるだけでなく、模倣人間のAI。
もちろん、人工AIの古典的な問題がまだ意味があります。しかし、現在の焦点は、特定のヒトスキルのデモンストレーションを模倣するためにAIの研究、展開深学習インフラやシステムによって収集されたデータにあります。ほとんどの新しい解釈の原則関与していない研究は、研究では、古典的なAIの分野でいくつかの主要な未解決の問題から注意をそらすために傾向があります。
これらの問題は、自然言語処理のシステムに検知し、推論する必要性が挙げられ、因果関係を推測するために対応する必要性を表明しました。扱いやすい不確かさの表現だけでなく、開発し、長期的な目標を追求するシステムの開発を計算する開発。これらは、人間のAIの古典的な目標を模倣しているが、人工知能における革命の電流波形では、これらの未解決の問題ということを忘れがちです。
予見可能な将来のために、コンピュータはまだ抽象的に現実の状況を推論する人間の能力と比較することはできませんので、IAは、また、非常に重要な問題です。私たちは、最も差し迫った問題を解決するための意図的な人間とコンピュータの相互作用を通過する必要があります。私たちは、コンピュータが人間の創造を交換しない、人間の創造の新しいレベルを出産したことができるようにしたいです。
AIは、現在のビジョンは、AI革命の話をするのは時期尚早、狭すぎます
まず「人工知能」を提案した用語ジョン・マッカーシー（彼はダートマス大学の教授だったとき、その後、マサチューセッツ工科大学に行ってきました）、彼は言葉を提案したとき、それは彼の駆け出しの研究プロジェクトを区別するためと雪であるべきですバート・ワイナープロジェクト（MITは古い教授でした）。ウインナーは、「制御理論」インテリジェントシステムのために、自分のビジョンを参照するための用語、およびオペレーションズ・リサーチ、密接統計に関連して、パターン認識、情報理論や制御理論の概念を提案しました。そして、マッカーシーは、ロジックとの連携を強調しました。興味深いことに、今日は「スマート」コンテンツ・システム上にウィーンより支配的であるが、外観は使用される単語は、「人工知能」Maikaxitiアウトです。
歴史上の意見の相違に加えて、我々は認識する必要があり、その人工知能もたらした顔の私達の狭いビジョンに影響を与えます人工知能、産学のほとんどのごく一部、上の現在の公開対話すべての課題と機会。
それは私たちの日常生活の中でますます影響力となってきているので、ここでは広い視野、および、サイエンスフィクションのシナリオの間にはほとんど関係、より多くの人の理解と技術関連の成形のための必要性を達成していること。この理解とシェーピングでは、我々はすべての人生の歩みからの音の様々なだけでなく、技術的な対話を必要とします。人間だけAIを模倣するフォーカス、それは私たちが知らないことがあり、または情報のより広い範囲を習得する必要はありません。
アカデミアは、認識され、特に社会科学のニーズに、統計や他の分野を計算し、これらの貢献やアイデアは非常に重要であり、重要な役割を果たすべき最も革新的な技術のいくつかのアイデアを提供するだけでなく、と研究者と共同で貢献していきます科学と人文科学の視点の知識。
人間の進歩の科学が不可欠であるが、一方で、私たちは私たちの努力と成果を誇張すべきではありません。目標は、新しい社会的な成果を確立することです。これらは、ワークピースの仕方の声明に基づいて構築する必要があります。私たちは、ヘルスケア、交通機関のオプションとビジネスの機会を提供するためのシステムを作成したい、その後、これらのシステムは本当に役割を果たしていないことが判明していない、彼らは私たちの幸福と生活に影響を与え、エラーを発見しただろう。私が強調してきたように、データと学習の分野での焦点として「エンジニアリングの規律」があることはできません。エキサイティングなこれらの分野の発展の見通しが、まだとみなすことができない「エンジニアリング分野。」
私たちは、新しい技術の規律の誕生を目撃しているという事実を受け入れる必要があります。「プロジェクト」無関心、感情的なマシンだけでなく、人類のコントロールを失うことを考えるための簡単な単語のユニークな意味合いを持っているが、我々はあなたがエンジニアリング分野を望むものを構築することができます。人間本位の新興エンジニアリング分野：現代の時代に、私たちは今までに新しいものの歴史の中で構想する真の機会を迎えています。ここで私は、この新しい規律に名前を付けるつもりはありませんが、頭文字「AI」は規律の名前を引き続き使用する場合は、その後、私たちは言葉と制限の真の意味を理解する必要があります。私たちは、憶測を鎮めるために、自分の視野を広げる必要があり、今後の課題が明確に理解を持っています。
大連どの病院婦人科良いmobile.dlfkyy.cn