ヤン・ルカンとマーカスの討論から始めましょう

最近 AI 分野で最も活発なのは、AI の発展方向をめぐるヤン・ルカン氏とマーカス氏の議論で、この議論は 8 月に始まり、その余波はまだ収まっていません。

国内のセルフメディアや百度を検索すると、ちょっと怖そうな人気の科学記事がたくさん見つかります。一般的に言って、ヤン・リクン氏は、人工知能テクノロジーの一般的な方向性は間違っており、押し戻す必要があるかもしれないと信じています。ヤン・ルクンのことをよく知らない人の中には、中国人らしき人物の発言がAI分野でこれほど大きな波紋を呼ぶのではないかと思う人もいるかもしれない。ヤン・ルクンは中国名ヤン・リークンですが、フランス人です。

私はそのようなメロンを直接食べるのは好きではありません。国内のセルフメディアは、注目を集めるために文脈を無視してメロンを引用したり、一部のマスターの発言を誤解したりすることがよくあります。そこで私は、Google と Twitter にアクセスして、Yang Likun 氏と Marcus 氏との議論、および関連する報道資料を注意深く調べました。こうした国内の見解はすべて、ZDNETのシニアライターであるティアナン・レイ氏の記事から来ていることがわかりました。 Tiernan Ray は 28 年間テクノロジーとビジネスの研究に従事しており、テクノロジー ベンチャー キャピタル界ではよく知られており、彼の記事は今でも大きな影響力を持っています。レイの記事のタイトルは十分に恐ろしいものです。今日の AI 手法のほとんどは真の知能にはつながりません。この言葉は実際に偉大な神ヤン・ルカンの口から出たものです。

今月、Zoom を介した ZDNet とのディスカッションで、LeCun 氏は、世界で最も成功した研究者の多くに懐疑的であることを明らかにしました。ディープラーニングの今日、研究は懐疑的な姿勢で取り組んでいます。 「それらは必要だと思いますが、十分ではありません。」実際、LeCun 氏は自分の見解を明確に表明しました。彼は、統計に基づくアルゴリズムでは真の人工知能を実現できないと信じていました。メディアとして、ZDNET は間違いなく、よりエキサイティングなアルゴリズムを期待しています。 「分かった、私たちは月を作りました。でも、私たちの目標は月に行くことです。このはしごでそこに行けるわけはありません。私たちはロケットを作る必要があります。詳細は言えません」ロケットをどのように作るかですが、基本原則は次のとおりです。」インタビューの全内容については、ZDNET公式サイトの記事（https://www.zdnet.com/article/metas-ai-guru-lecun-most-of-todays-ai-approaches-will）を参照してください。 -決して真実に導かない -Intelligence/)。

Baidu で LeCun を検索すると、この問題について論じた中国語の記事が多数表示されます。これらの記事に転載された LeCun の発言から判断すると、統計に基づく深層学習アルゴリズムでは AI の究極の問題を解決することはできず、一歩下がって再考する必要があると LeCun は信じているようです。なぜなら、LeCun 氏は AI アプリケーションにおける「情報の測定」方法についていくつかの疑問を提起したからです。彼は ZDNET のインタビューで、ニューラル ネットワークに記号推論機能を追加したいとさえ述べましたが、それを実装する方法はまだわかりません。

実は、これには先ほど触れたモラベックのパラドックスが関係しているのです。ニューラルネットワークと十分なトレーニングにより、私たちが必要とするAIを手に入れることができます。これが、近年AIに取り組んでいるほとんどの人の意見です。取り組んでいる人々の間では、コンセンサスがありました。」しかしルカン氏は、ニューラルネットワークだけでは十分ではないと言って、これについて若干の疑問を呈した。ルカン氏はマーカス氏の見解を非常に否定的で、マーカス氏はAIに携わる実在の人物ではなく、AIを理解していない心理学者だとさえ考えていた。

このインタビューは AI の分野に多大な影響を与えました。ベイジアンであると主張する LeCun でさえ、現在の AI 探索ルートは間違っており、はしごを作るのをやめてロケットを作るべきだと考えています。 。では、すべてを壊して最初からやり直すことも考えなければならないのでしょうか？ LeCun氏は最近、Twitter上でいくつかのツイートを投稿し、ニューラルネットワークや統計学の手法を完全に否定しているわけではなく、ディープラーニングがAI技術の基礎であると信じていることを繰り返し強調しており、問題はない。

別のツイートで、ルカン氏は「人工知能にとって困難な一週間」を使って自身の辛い思いを表現した。おそらくZDNETのインタビューで、彼は若干の悲観論を表明したのだろう。私たちはディープラーニングで本物のAIを実現できるかどうかについても考えています。 LeCun 氏の最近の発言の一部から、彼が最近 AI の技術的方向性を再考していることがわかりますが、一週間考えた結果、深層学習に基づく現在の一般的な方向性は正しいが、修正する必要があると考えています。 . 完全に破壊的です。これは、最近この話題を宣伝していた一部のセルフメディアにも打撃を与えた。食べているうちにメロンの味が急に変わったような気がしました。 AI テクノロジーは原点に戻ってやり直す必要がないため、セルフメディアにとっては良いことではありませんが、AI 実践者にとってはそれほど悪いことではありません。 AI のブレークスルーを実現するには、現在の深層学習テクノロジーに他のテクノロジーを追加する必要があります。これについては疑いの余地がありません。

インテリジェントな運用と保守の分野では、これらの議論は私たちにインスピレーションをもたらすこともあります。複雑なインテリジェントな運用と保守の分野では、深層学習アルゴリズムが大きな成功を収め、専門家を AI に置き換えるという希望を与えてくれました。しかし、これだけでは不十分です。この先には登るのが難しい山があるようです。 LeCun がニューラル ネットワークに記号推論機能を導入する必要があるのと同様に、インテリジェントな運用とメンテナンスの分野でも、より効果的にするにはディープラーニングと記号推論を組み合わせる必要があります。

統計に基づいたアルゴリズムがすべての問題を解決できる、または専門家の経験に基づいて真の自動運用と保守が実現できるという考えは間違いです。 2 つの利点を最大限に活用し、機能的な組み合わせを構築し、カクテル療法を使用する方法は、複雑なシナリオでのインテリジェントな運用と保守の正しい方向である可能性があります。現在、私たちはナレッジ グラフに完全に依存するのではなく、現在のボトルネックを突破し、ユーザーの問題をより適切に解決できるよう、自動化された早期警告および診断ツール全体におけるインテリジェント アルゴリズムの範囲を拡大しようとしています。

私は少し前に顧客と D-SMART をテストしていました。彼は現在の D-SMART では十分に実用的ではないと感じていました。インテリジェントな診断により、運用保守担当者は特定の問題のおおよその範囲を知ることができますが、ですが、具体的な問題を特定することはできません。正確に場所を特定するには、インテリジェント診断によって推奨される診断パスまたは専門知識ベースによって提供される診断提案を 1 つずつクリックする必要がありますが、これは少し面倒であり、問​​題の場所を特定する精度が十分に高くない場合もあります。

確かに、これは私たちがこれまでに遭遇した最大の問題です。現時点では、いくつかの単純な問題に対する D-SMART の分析サポートは非​​常に優れており、インテリジェントな診断の結果は、運用保守担当者が十分に理解できるものです。 。複雑な問題が発生した場合でも、運用および保守担当者に方向性を示すガイダンスを提供し、推奨される診断パスに従ってドリルダウンすることしかできません。

ユーザーが非常に上級の専門家である場合、提案を得ることが容易になり、専門家が問題を迅速に特定できるようになります。ユーザーの能力が不足していたり​​、特定の問題に慣れていない場合は、それでも戸惑うことがあるかもしれません。この場合、通常、ユーザーに「問題分析」を行ってレポートを送信していただくか、問題が発生した日の監視データを Holadata ツールを使用してエクスポートして弊社に送信することをお勧めします。解析。

現在のAIOPSは、データベースを専門家から真に分離して自律性を実現できる段階には程遠いため、人とツールのエコシステムを構築することが鍵となります。ツールは万能ではありません。ツールが提供する強力なデータ処理機能により、専門家の分析効率が向上します。第一線の専門家と第三線の専門家との対話を利用することによってのみ、真の運用保守を行うことができます。そして、AIOPS の活動に従事している実践者も、ヤン・リクンの考察からインスピレーションを得られるでしょうか?

以上がヤン・ルカンとマーカスの討論から始めましょうの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。