Một số tiến bộ AI trong thập kỷ qua có thể gây hiểu nhầm

Trang web này có thể kiếm được hoa hồng liên kết từ các liên kết trên trang web này. Điều kiện.

Một số tiến bộ AI trong thập kỷ qua có thể gây hiểu nhầm 1

Trong thập kỷ qua, trí tuệ nhân tạo và học máy đã nổi lên như một trung tâm nghiên cứu lớn, được thúc đẩy bởi những tiến bộ trong điện toán GPU, thuật toán phần mềm và thiết kế phần cứng chuyên dụng. Dữ liệu mới cho thấy ít nhất một số cải tiến thuật toán trong thập kỷ qua có thể ít hơn so với suy nghĩ trước đây.

Các nhà nghiên cứu cố gắng xác nhận các cải tiến dài hạn trong các thuật toán AI khác nhau đã tìm thấy các tình huống trong đó các bản cập nhật khiêm tốn cho các giải pháp cũ hơn cho phép chúng mô phỏng các phương pháp mới hơn nên thay thế chúng. Nhóm nghiên cứu đã so sánh 81 thuật toán cắt xén khác nhau được ban hành trong khoảng thời gian mười năm và không tìm thấy bằng chứng rõ ràng về sự cải thiện trong khung thời gian đó.

Theo David Blalock, một sinh viên khoa học máy tính tại MIT, người đã làm việc cho dự án này, sau năm mươi bài luận “ngày càng không rõ ràng”. Cố vấn của Blalock, Dr. John Guttag, bị sốc bởi tin tức và nói Khoa học, Đây là một cái cưa cũ, phải không? Nếu bạn không thể đo lường bất cứ điều gì, thật khó để làm tốt hơn. “

Ngẫu nhiên, những câu hỏi như thế này chính xác là lý do tại sao các sáng kiến ​​MLPerf rất quan trọng. Chúng tôi cần các thử nghiệm khách quan mà các nhà nghiên cứu có thể sử dụng để so sánh các mô hình và hiệu suất phần cứng hợp lệ.

Điều đặc biệt các nhà nghiên cứu đã tìm thấy là trong một số trường hợp, các thuật toán cũ hơn và đơn giản hơn có cơ hội áp dụng các phương pháp mới hơn sau khi sửa đổi phương pháp cũ để cải thiện hiệu suất của chúng. Trong một trường hợp, so sánh bảy thuật toán gợi ý phương tiện dựa trên thần kinh cho thấy sáu trong số chúng kém hơn các thuật toán phi thần kinh cũ hơn, đơn giản hơn. So sánh thuật toán nhiếp ảnh của Cornell cho thấy hiệu suất không được cải thiện kể từ năm 2006 sau khi cập nhật phương pháp cũ:

Một số tiến bộ AI trong thập kỷ qua có thể gây hiểu nhầm 1

Hình ảnh từ Khoa học

Có một vài điều tôi muốn nhấn mạnh ở đây: Thứ nhất, có nhiều lợi ích phi thực tế của AI, chẳng hạn như cải tiến cải tiến video AI, hoặc tiến bộ về thị giác máy ảnh và máy tính. GPU tốt hơn nhiều trong việc tính toán AI so với năm 2009 và các máy gia tốc AVX-512 dành riêng cho AI vào năm 2020 cũng bị thiếu trong năm 2009.

Nhưng chúng tôi không nói về việc phần cứng sẽ ngày càng lớn hơn hay tốt hơn trong việc thực hiện các thuật toán AI. Chúng tôi thảo luận về các thuật toán và mức độ phức tạp của chúng trong các mô hình AI. Tôi đã thực sự học được điều gì đó về chủ đề này; David Cardinal, bạn tôi và tôi đã làm việc với một số dự án liên quan đến AI mà tôi đã thực hiện với Dự án DS9 cao cấp. Các cải tiến cơ bản cho thuật toán là khó khăn và nhiều nhà nghiên cứu không được khuyến khích kiểm tra đầy đủ nếu phương pháp mới thực sự tốt hơn phương pháp cũ – nhưng có thể tốt hơn nếu bạn đưa ra một phương pháp mới để làm một cái gì đó thay vì đặt ra một cái gì đó khác.

Tất nhiên, không dễ như nói rằng các mô hình mới hơn không đóng góp bất cứ điều gì hữu ích trong lĩnh vực này. Nếu một nhà nghiên cứu tìm thấy một tối ưu hóa giúp cải thiện hiệu suất của mô hình mới và hóa ra việc tối ưu hóa hoạt động cho mô hình cũ, điều đó không có nghĩa là mô hình mới không liên quan. Xây dựng một mô hình mới là cách tối ưu hóa được phát hiện đầu tiên.

Một số tiến bộ AI trong thập kỷ qua có thể gây hiểu nhầm 2

Hình trên là cái mà Gartner gọi là chu kỳ cường điệu. AI chắc chắn là một đối một và đưa ra tầm quan trọng của công nghệ này đối với những gì chúng ta thấy từ các công ty như Nvidia, Google, Facebook, Microsoft và Intel hôm nay sẽ được thảo luận cho tương lai. Khi nói đến AI, chúng ta đã thấy thành công lớn với các môn học khác nhau, chẳng hạn như dạy máy tính chơi game hiệu quả và thực hiện nhiều nghiên cứu về xe tự lái. Ứng dụng người dùng chính hiện tại vẫn còn khá đặc biệt vào lúc này.

Tôi sẽ không đọc tài liệu này như bằng chứng rằng AI chỉ là không khí nóng, nhưng tôi thực sự nói rằng nó chinh phục vũ trụ và thay thế chúng ta ở đầu chuỗi thức ăn bằng một hạt muối. Tiến bộ thực sự trong lĩnh vực – ít nhất là ở mức cơ bản – có thể khó đạt được hơn so với một số dự kiến.

Tín dụng cho hình ảnh hàng đầu: Getty Images

đọc ngay: