2010 년대는 인공 지능 (AI)에있어 좋은 해였습니다.
많은 양의 데이터를 처리 할 수있는 능력으로 인간처럼 학습 할 수있는 딥 러닝 기술의 발달로 인류는 어디서나 인간을 대체 할 수있는 인공 지능을 체험하기 시작했습니다.
그러나 과학자들은 딥 러닝을 최종 해결책으로 보지 않습니다. AI 전문가들은 지난주 Montreal.AI가 주최 한 온라인 토론에서 AI를 인간 수준으로 끌어 올리려면 딥 러닝 이상의 또 다른 솔루션이 필요하다는 데 동의했습니다.
딥 러닝의 단점은 인간의 추론 능력입니다.
‘AI Discussion 2 : AI Development : Interdisciplinary Approach’라는 주제로 진행된 이번 토론에서 AI 전문가들은 딥 러닝의 다양한 문제점을 지적했습니다.
특히 초청 토론에 참여한인지 과학자 게리 마커스 (Gary Marcus)는 겉보기에는 화려 해 보이는 딥 러닝과 달리 수술 과정에서 발생하는 다양한 문제로 인해 실무자들이 어려움을 겪고 있다고 설명했다.
가장 어려운 부분은 딥 러닝에 필요한 데이터의 양입니다. 데이터를 수집, 분석, 처리하는 과정에서 다른 알고리즘에 비해 너무 많은 데이터를 요구하고있어 인공 지능 운용에 어려움이 더해 졌다고한다.
Gary Marcus는 또한 딥 러닝이 데이터에서 생성 된 지식을 다른 영역에 적용하는 데 어려움을 겪고 있다고 밝혔습니다. 특히 추론과 지식을 표현할 때 불투명도, 표현력 부족 등 다양한 단점을 지적했다.
인간은 오감으로 구성된 감각 기관을 통해 다양한 자극을받습니다.
이러한 방식으로 수신 된 정보는 관계가 분석되는 뇌로 전송됩니다. 예를 들어 책상 위에 책과 볼펜이있는 경우 책상 앞에서 책을 읽고 볼펜으로 필기 할 수 있다는 것을 상기시킬 수 있습니다.
이 능력을 추론이라고합니다. 문제는 인공 지능이 이런 상식 능력이 없다는 것입니다.
고 기사 이세돌을이긴 ‘알파 고’에서 볼 수 있듯이 일부 분야에서는 딥 러닝이 인간의 능력을 훨씬 능가하는 것이 사실이다. 실제로 의료계에서는 의사보다 효과적으로 피부 질환을 진단하는 사례가보고되고있다.
그러나 약간 다른 지역으로 이동하면 그 능력을 발휘할 수 없습니다. 이 현상은 그들이하고있는 일을 포괄적으로 이해하지 못하고 높은 수준에서 그것을 처리 할 수 없음을 시사합니다.
상식적인 인터랙티브 AI 개발
딥 러닝의 이러한 단점은 전문가들이 자주 지적했습니다.
이에 몬트리올 AI 논의에 참석 한 전문가들은 하이브리드 AI 등 다양한 유형의 인공 지능을 개발하고 있다고 밝혔다.
“Neural-symbolic Cognitive Reasoning ”이라는 책을 저술 한 컴퓨터 과학자 Luis Lamb은 기계 학습 기능에 논리적 형식화 기능과이 두 축을 기반으로하는“신경 기호 AI ”를 추가했습니다. 추천합니다.
논리적 형식화의 기능은 철학에서 논리에 이르기까지 인공 지능에 맞는 논리를 개발하는 것입니다. 논리를 넓히면서 AI 참여 영역을 넓힐 수 있다고 말했다.
Google Cloud의 최고 AI 과학자였던 스탠포드 대학의 Fei-fei Li 교수는“현재 인공 지능 시스템은 주변 세계와의 활발한 상호 작용에서 인간과 달리 매우 부족하고 부족합니다. .”
이 교수는“이러한 단점을 보완하기 위해서는 인공 지능이 사회화되어야한다”고 말했다. “현재 Stanford Research Institute는 주변 세계를 이해하면서 스스로 행동 할 수있는 대화 형 에이전트를 구축하고 있습니다. ”
컴퓨터 과학자 Richard Sutton은 “대부분의 AI 작업에는 저명한 신경 과학자 David Marr가 만든”계산 이론 “이라는 용어가 없습니다.”라고 지적합니다.
계산 이론은 특정 알고리즘이 문제를 얼마나 효율적으로 수행 할 수 있는지에 대한 연구를 말합니다.
Richard Sutton은“이 계산 이론으로 목표를 정의하고 목표를 추구하는 이유를 정의하는 데있어 강화 학습 외에는 계산 이론을 발견 할 수 없습니다.”라고 말했습니다. “우리는이를 위해 추가적인 계산 이론을 개발해야합니다.”
워싱턴 대 최 예진 교수는 상식의 중요성을 강조했다. 인공 지능은 사람들이 가지고있는 상식이 없습니다.
그러나 최 교수는 “인공 지능 발전에있어 상식의 중요성을 간과 한 바있다. 인공 지능이 주변 세계에 대한 지식을 가질 수 있도록 시스템을 보완해야한다”고 말했다.
최 교수는 “추론의 공간은 무한하지만이를 뒷받침 할 상식의 영역을 넓혀야한다”고 말했다.
또한 최 교수는“인간과 같은 상식과 추론 능력에 도달하기 위해서는 단순한 분류보다는 상징적 표현과 신경 표현을 결합하고 지식을 추론에 통합하고 벤치 마크 시스템을 구축하는 등 광범위한 병행 연구가 필요하다. 주장했다.
(15)