Прогресс в области искусственного интеллекта

См. также: История искусственного интеллекта и Сроки искусственного интеллекта

Приложения искусственного интеллекта были использованы в широком спектре областей , включая медицинскую диагностику , биржевую торговлю , управление роботами , право, научные открытия и игрушки. Однако многие приложения ИИ не воспринимаются как ИИ: "многие передовые ИИ фильтруются в общие приложения, часто не называясь ИИ, потому что, как только что-то становится достаточно полезным и достаточно распространенным, оно больше не помечено ИИ." " многие тысячи приложений ИИ глубоко встроены в инфраструктуру каждой отрасли." В конце 1990-х и начале 21-го века технология ИИ стала широко использоваться в качестве элементов более крупных систем, но области редко приписывают эти успехи.

Каплан и Haenlein структура искусственного интеллекта по три эволюционных этапа: 1) узкий искусственный интеллект – применение ИИ только для конкретных задач; 2) искусственный интеллект – применение AI в нескольких местах и в состоянии самостоятельно решать проблемы, они никогда не были даже предназначены для; и 3) искусственный супер интеллект – применение AI в любой области способен научного творчества, социальных навыков, и вообще мудрости.

Чтобы позволить сравнение с человеческой работой, искусственный интеллект может быть оценен по ограниченным и четко определенным проблемам. Такие тесты были названы предметными экспертными тестами Тьюринга . Кроме того, меньшие проблемы обеспечивают более достижимые цели, и число положительных результатов постоянно растет.

Текущая производительность

Прогресс в машинной классификации изображений Частота ошибок ИИ по годам. Красная линия-частота ошибок обученного человека по конкретной задаче

В своем знаменитом тесте Тьюринга Алан Тьюринг выбрал язык, определяющую особенность человека, за его основу. Тем не менее, есть много других полезных способностей, которые можно описать как проявление той или иной формы интеллекта. Это дает лучшее представление о сравнительном успехе искусственного интеллекта в различных областях.

В том , что было названо тестом Фейгенбаума, изобретатель экспертных систем приводил доводы в пользу конкретных экспертных тестов. статья Джима Грея из Microsoft 2003 года предложила распространить тест Тьюринга на понимание речи , речь и распознавание объектов и поведения.

ИИ, как электричество или паровой двигатель, является технологией общего назначения. Нет единого мнения о том, как охарактеризовать, в каких задачах ИИ стремится преуспеть.Некоторые версии парадокса Моравека замечают, что люди с большей вероятностью превзойдут машины в таких областях, как физическая ловкость, которые были прямой целью естественного отбора . в то время как проекты, такие как AlphaZero, преуспели в создании своих собственных знаний с нуля, многие другие проекты машинного обучения требуют больших учебных наборов данных. Исследователь Эндрю Нг предположил, как "очень несовершенное эмпирическое правило", что " почти все, что типичный человек может сделать с менее чем одной секундой умственной мысли, мы, вероятно, можем сейчас или в ближайшем будущем автоматизировать использование ИИ."

Игры обеспечивают высокий уровень для оценки темпов прогресса; многие игры имеют большую профессиональную базу игроков и хорошо зарекомендовавшую себя конкурентную рейтинговую систему. AlphaGo завершила эру классических настольных тестов. Игры с несовершенным знанием предоставляют новые вызовы ИИ в области теории игр; самая заметная веха в этой области была доведена до конца победой Libratus в покере в 2017 году. e-sports продолжают предоставлять дополнительные тесты; Facebook AI, Deepmind и другие занимаются популярной франшизой StarCraft видеоигр.

Широкие классы результатов теста ИИ могут быть представлены в виде:

• оптимальный : невозможно выполнить лучше (Примечание: некоторые из этих записей были решены людьми)
• супер-человек: работает лучше, чем все люди
• высокий человек: работает лучше, чем большинство людей
• par-human: выполняет аналогично большинству людей
• sub-human: выполняет хуже, чем большинство людей

игра	Чемпионат	статус	сложность	совершенство
Отелло (реверси)	1997	28	58	Идеал
Шашки	1994	21	31	Идеал
Шахматы	1997	46	123	Идеал
Scrabble	2006	Рыться	скарабей	Идеал
Сёги	2017	71	226	Идеал
Го	2016	172	360	лох
2P No-limit hold ' em	2017	--	--	лох
Звездолет	--	270+	--	Текст ячейки

Оптимальный

Читайте также: решенная игра

• Крестики-Нолики
• Соедините Четыре: 1988 Connect Four
• Шашки (иначе 8x8 проектов): слабо решенный (2007) [26]
• Кубик Рубика: главным образом решенный (2010) [27]
• Heads-up limit hold'em poker : статистически оптимальный в том смысле, что "человеческой жизни игры недостаточно, чтобы установить со статистической значимостью, что стратегия не является точным решением" (2015)

Супер-человек

• Отелло (он же реверси): С. 1997
• Scrabble: 2006
• Нарды: c. 1995-2002
• Шахматы: суперкомпьютер (c. 1997); персональный компьютер (c. 2006); мобильный телефон (c. 2009); компьютер побеждает человека + компьютер (c. 2017)
• Опасность!: Ответ на вопрос, хотя машина не использовала распознавание речи (2011) [36] [37]
• Сеги: С. 2017
• Arimaa: 2015
• Go: 2017
• Хедз-ап безлимитный холдем покер: 2017

Высокий человек

• Кроссворды: c. 2012
• Dota 2: 2018
• Bridge card-playing: согласно обзору 2009 года, "лучшие программы достигают экспертного статуса (bridge) карточных игроков", за исключением торгов.
• StarCraft II: 2019

Par-человек

• Оптическое распознавание символов для ISO 1073-1: 1976 и аналогичных специальных символов.
• Классификация изображений
• Распознавание почерка

Sub-human

• Оптическое распознавание символов для печатного текста (близкое к человеческому для текста, напечатанного латинским шрифтом)
• Распознавание объектов [ требуется разъяснение]
• Распознавание лиц: низкая-средняя человеческая точность (с 2014)
• Визуальный ответ на вопрос, , такой как VQA 1.0
• Различные задачи робототехники, которые могут потребовать прогресса в аппаратном обеспечении робота, а также ИИ, в том числе:
  • Стабильное двуногое передвижение: двуногие роботы могут идти, но менее стабильны, чем человеческие ходоки (с 2017)
  • Гуманоидный футбол
• Распознавание речи: "почти равный человеческой работе" (2017) [53]
• Объяснимость . Современные медицинские системы могут диагностировать определенные заболевания хорошо, но не могут объяснить пользователям, почему они поставили диагноз.[54]
• Различные задачи, которые трудно решить без контекстуальных знаний, в том числе:
  • Перевод
  • Слово-смысл двусмысленность
  • Обработка естественного языка

Прошлые и текущие прогнозы

Экспертный опрос вокруг 2016, проведенный Katja Grace of the Future of Humanity Institute and associates, дал средние оценки 3 лет для чемпионата Angry Birds, 4 лет для Мировой Серии Покера и 6 лет для StarCraft. На более субъективных задачах опрос дал 6 лет для складывания белья, а также средний человеческий работник, 7-10 лет для экспертного ответа на вопросы "легко Googleable", 8 лет для средней транскрипции речи, 9 лет для среднего телефонного банкинга и 11 лет для экспертного написания песен, но более 30 лет для написания бестселлера New York Times или победы в конкурсе. Математический конкурс путнэма.

Шахматы

AI победил гроссмейстера в регламентной турнирной игре впервые в 1988 году; ребрендинг как Deep Blue , он победил действующего чемпиона мира по шахматам в 1997 году (см. Deep Blue против Гарри Каспарова ).

Прогноз	Прогноз	разрыв лет	Вангователь	Источник
1957	1967 или раньше	10 или меньше	Герберт А. Саймон, экономист	--
1990	2000 или раньше	10 или меньше	Рэй Курцвейл, футурист	Возраст интеллектуальных машин [

Go

AlphaGo победил чемпиона Европы Go в октябре 2015 года, а Lee Sedol в марте 2016 года, один из лучших игроков в мире (см. AlphaGo против Lee Sedol ). Согласно Scientific American и другим источникам, большинство наблюдателей ожидали, что производительность сверхчеловеческого компьютера Go будет по крайней мере через десять лет. Оценки, когда компьютеры будут превышать людей в Go

Год	Прогноз	лет	вангователь	участник	источник
1997	2100 или позже	100 или больше	Пит Хатт, физик и поклонник Go	Институт перспективных исследований	Нью-Йорк Таймс
2007	2017 или раньше	10 или меньше	Feng-Hsiung Hsu, Deep Blue lead	Microsoft Research Asia	IEEE Spectrum
2014	2024	10	Реми Кулом, компьютер Go программист	CrazyStone	Wired

Искусственный общий интеллект человеческого уровня (AGI)

Пионер и экономист по искусственному интеллекту Герберт А. Саймон неточно предсказал в 1965 году:"машины будут способны в течение двадцати лет выполнять любую работу, которую может сделать человек". Точно так же в 1970 году Марвин Минский писал, что "в течение одного поколения... проблема создания искусственного интеллекта будет существенно решена."[69]

Четыре опроса, проведенные в 2012 и 2013 годах, показали, что средняя оценка среди экспертов, когда прибудет AGI, была от 2040 до 2050 года, в зависимости от опроса.[70][71]

Опрос Grace около 2016 года показал, что результаты варьировались в зависимости от того, как был сформулирован вопрос. Респонденты, которых попросили оценить, "когда невооруженные машины могут выполнять каждую задачу лучше и дешевле, чем человеческие работники", дали агрегированный средний ответ 45 лет и 10% шанс его выполнения в течение 9 лет. Другие респонденты просили оценить, " когда все занятия полностью автоматизируются. То есть, когда для какой-либо профессии можно было бы построить машины для выполнения этой задачи лучше и дешевле, чем человеческие рабочие", - оценивается в среднем 122 года и 10% вероятность 20 лет. Средний ответ, когда "исследователь ИИ" мог быть полностью автоматизирован, составлял около 90 лет. Не было найдено никакой связи между старшинством и оптимизмом, но азиатские исследователи были намного более оптимистичны, чем североамериканские исследователи в среднем; азиаты предсказали 30 лет в среднем для "выполнения каждой задачи", по сравнению с 74 годами, предсказанными североамериканцами.

Оценки того, когда прибудет AGI

год	прогноз	лет	предсказатель	источник
1965	1985 или раньше	20 или меньше	Герберт А. Саймон	Форма автоматизации для мужчин и управления
1993	2023 или раньше	30 или меньше	Вернор Виндж, писатель-фантаст	"Наступающая Технологическая Сингулярность"
1995	2040 или раньше	45 или меньше	Ханс Моравец, исследователь робототехники	Wired
2008	Никогда	--	Гордон Э. Мур, изобретатель закона Мура	IEEE Spectrum
2017	2029	12	Рэй Курцвейл	Интервью

См. также

• Применение искусственного интеллекта
• Список проектов искусственного интеллекта
• Список новых технологий

Пруф

/aiimpacts.org/miri-ai-predictions-dataset/

• /youtu.be/_Te61Yqwd_Y