人工智能如何在 2000 年左右发生巨大变化

在“炒作人工智能阻碍创新”(播客第163集)中，AndrewMcDiarmid采访了ErikJ.Larson，他是《人工智能的神话：为什么计算机不能像我们一样思考》(2021年)(哈佛大学出版社，2021年)的作者在“机器将统治!”的路上炒作会抹黑——并分散人们对人工智能实际进展的注意力。

这部分从01:59开始。部分成绩单和注释、显示注释和其他资源如下。

AndrewMcDiarmid：您能不能先为我们描绘一下今天的AI格局，以及为什么它没有朝着正确的方向发展?

ErikLarson：基本上从2000年左右开始，人工智能从旧的做事方式转变为一种数据驱动的方式。基本上我们现在正在处理我所说的大数据人工智能，它基本上是“当你拥有海量数据集时，人工智能的效果最好。”

某些事情，比如图像识别、Facebook上的人脸识别、个性化新闻提要，它让这些变得更加强大。但这也导致AI基本上是作为归纳来完成的。

在做AI的旧方式中，我们会编写规则。我实际上是从这个营地出来的，然后最终在现代AI工作……2000年。当时，它刚刚起飞。谷歌几乎不为人所知，除了加利福尼亚的小口袋，没有Facebook，在2000年没有Web2.0，人工智能正处于这些冬季之一，人们失去了一点信心，资金枯竭，等等。

所以20年前，当我开始时，该领域仍在尝试基本上编写规则或使用我在书中所说的演绎方法，对吗?哲学中的演绎很好理解。

经典的例子是

这是一种指定前提然后得出结论的方法。这些推论是基于规则的，因为您实际上编写或指定了知识，然后以这种方式得出结论。在我工作的第一家公司，我们仍在使用这种方法。事实上，它是德克萨斯州奥斯汀市著名的人工智能公司。

但是网络在几年前就已经起飞了。我的意思是我认为第一家商业公司是在1994年在网络上的。但是就1995年到2000年万维网上页面的增长而言，流量确实开始加速。所以突然间有了所有这些数据。

当前的人工智能技术实际上可以追溯到1950年代;2000年之后的大变化是更多的数据

ErikLarson：旧方法……已经存在很长时间了。深度学习基于称为神经网络的东西，而神经网络实际上是人工智能中较旧的机器学习算法之一。我认为最初的神经网络被称为感知器，它们实际上出现在1950年代，几乎是在该领域刚开始的时候。在2000年代的下一个十年里，学习算法并不是什么新鲜事物，但是可用于提供它们的数据量只是呈指数增长，因为网页基本上是文本和图像，对吗?

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！