세 명의 튜링상 수상자들이 하이델베르그 포럼에서 딥러닝이 인간 수준의 추론을 달성할 수 있는지에 대해 토론했습니다.

85세의 튜링상 수상자 Raj Reddy가 최근 개최된 제9회 하이델베르그 수상자 포럼에 참석했습니다. 그는 진심으로 한숨을 쉬었다. “나는 거의 60년 동안 인공지능 분야에서 일해왔습니다. 이 기술이 내 생애에 획기적인 발전이 될 것이라고는 꿈에도 생각지 못했습니다.” 당시 다층 신경망을 기반으로 한 혁신적인 이미지 분류 알고리즘이 갑자기 이전의 모든 알고리즘보다 훨씬 우수하다는 것이 입증되었습니다. 이러한 혁신을 통해 음성 및 이미지 인식, 자동 번역 및 전사, 로봇 공학과 같은 분야에 딥 러닝을 적용할 수 있습니다.

딥 러닝이 점점 더 많은 일상적인 애플리케이션에 내장됨에 따라 잘못될 수 있는 사례가 점점 더 많아지고 있습니다. AI 시스템은 차별하고, 고정관념을 공식화하고, 이해하기 어려운 결정을 내리며, 많은 양의 데이터가 필요하며 때로는 대규모의 데이터가 필요합니다. 에너지의 양. ​

이러한 맥락에서 제9회 하이델베르그 수상자 포럼은 50개국 이상에서 온 약 200명의 젊은 연구자들을 대상으로 딥러닝의 응용과 영향에 관한 패널 토론을 조직했습니다. 토론에는 Turing Award 수상자 Yoshua Bengio, Yann LeCun 및 Raj Reddy, 2011 ACM Computing Award 수상자 Sanjeev Arora, 연구원 Shannon Vallor, Been Kim, Dina Machuve 및 Shakir Mohamed가 포함되었습니다.

메타 수석 AI 과학자 Yann LeCun은 패널리스트 중 가장 낙관적이었습니다. 지난 5년 동안 딥러닝은 우리 중 누구도 상상하지 못했던 일을 해냈으며 발전이 가속화되고 있습니다. 예를 들어 Meta가 소유한 Facebook은 이제 자동으로 감지할 수 있습니다. 혐오발언이 96% 정도인데, 4년 전쯤에는 그 비율이 40%에 불과했습니다. 그는 이러한 개선이 딥러닝 덕분이라고 생각합니다. "우리는 매일 수많은 정보에 둘러싸여 있으며 상황은 더욱 악화되고 있습니다. 이러한 정보를 선별할 수 있는 자동화 시스템이 더 필요합니다."

영국 에든버러 대학교의 Shannon Vallor 교수 LeCun의 요점은 기술이 발전하고 자체 의지가 있는 것처럼 보이며 사회가 적응해야 한다는 점에 동의하지 않습니다. “이것이 바로 우리가 직면한 몇 가지 문제에 직면하는 이유입니다. 기술은 여러 갈래의 길을 택할 수 있으며 사람들은 어떤 갈래가 가장 좋은지 결정합니다. 딥 러닝 시스템은 인간이 자신의 가치, 인센티브 및 권력 구조를 기반으로 구축하고 구축합니다. 배포는 완전한 인공물이므로 이에 대한 책임은 전적으로 우리에게 있습니다."

딥 러닝에 대한 비판 중 하나는 패턴 인식에는 뛰어나지만 현재 논리적 추론에는 적합하지 않다는 것입니다. .하지만 맞습니다. 그러나 Bengio와 LeCun 모두 딥 러닝 시스템을 사용하여 추론할 수 없는 이유를 찾지 못했습니다. Bengio는 "인간도 뇌에서 일종의 신경망을 사용하는데, 딥러닝 아키텍처를 통해 인간과 같은 추론을 달성할 수 있는 방법이 있다고 믿습니다."라고 말했습니다.

그러나 Bengio는 그렇지 않다고 덧붙였습니다. 오늘날의 신경망을 확장하는 것만으로도 충분합니다. "인공 지능과 인간 지능 사이의 현재 격차를 해소하기 위해 생물학과 인간 지능에서 더 많은 영감을 얻을 수 있다고 믿습니다."

프린스턴 대학의 이론 컴퓨터 과학자인 Sanjeev Arora는 아직 딥 러닝뿐만 아니라 추론도 할 수 없다고 덧붙였습니다. 사실 우리는 심층 신경망에 대해 추론할 수 없습니다. Arora는 다음과 같이 말했습니다. "우리는 딥 러닝 시스템의 블랙박스 내부에서 무슨 일이 일어나고 있는지 더 많이 이해해야 하며, 그것이 바로 제가 하려는 일입니다."

Raj Reddy는 지금까지 인공지능 커뮤니티 1960년대부터 인공지능의 선구자인 존 매카시(John McCarthy)의 박사학위 연구에 참여해 온 팀원입니다. 레디는 잔이 반쯤 비어 있는 것이 아니라 반쯤 차 있는 것으로 본다. "딥 러닝의 중요한 응용은 사회 피라미드의 최하층에 있는 사람들을 돕는 것입니다. 전 세계적으로 약 20억 명의 사람들이 읽거나 쓸 수 없습니다. 이제 음성 인식 및 번역과 같은 다양한 언어 기술을 사용할 수 있습니다. 거의 60년 동안 나는 이 기술이 내 생애에 실용적이 될 것이라고는 전혀 예상하지 못했습니다. 그리고 10년 안에 문맹인 사람들도 어디서나 책을 읽고, 영화를 보고, 누구와도 대화를 나눌 수 있게 될 것이라고는 전혀 예상하지 못했습니다.

세계를 모국어로.”

그러나 사용 가능한 데이터가 훨씬 적기 때문에 더 작은 틈새 언어를 처리하는 것은 딥 러닝 기술에서 해결되지 않은 문제로 남아 있습니다. 데이터 과학 컨설턴트인 Dina Machuve는 아프리카에만 2,000개의 언어가 사용되지만 AI 기술은 사용할 수 없다고 말합니다. 커뮤니티에 들어가서 해당 커뮤니티에 무엇이 효과가 있는지 확인하는 것이 중요합니다. 따라서 Machuve는 아프리카용 딥 러닝 애플리케이션을 찾을 때 이미지 애플리케이션에 중점을 두었습니다. “우리는 이미지 인식 감지 시스템을 기반으로 가금류 질병과 작물 질병의 조기 감지를 개발했습니다. ."

안타깝게도 아프리카는 딥 러닝 연구 및 배포에서 '잃어버린 대륙'으로 남아 있다고 DeepMind의 연구원인 Shakir Mohamed는 덧붙였습니다. “2006년부터 2016년 사이에 유명한 신경 정보 처리 컨퍼런스인 NeurIPS에 아프리카인들이 제출한 논문 수를 세어보니 0이었습니다. 라틴 아메리카도 마찬가지입니다. 어쩌면 1일 수도 있습니다. 어디에서든 누가 작업을 수행하는지, 어디서 작업하는지, 자신의 경험을 다른 사람들과 어떻게 공유하는지 등의 문제를 심각하게 생각하십시오.”라고 Google Brain의 연구 과학자인 김빈은 말했습니다. 딥러닝이 모든 사회 문제를 해결할 수 있는 마법의 도구가 아니라는 사실을 깨닫습니다. 실제로 그녀는 "머신러닝보다 문제에 더 적합한 비AI 솔루션이 있을 수 있습니다. 잠시 멈춰서 질문해야 합니다. 이것이 올바른 도구인가요?"라고 말했습니다.

일반 대중에 대해 물었을 때 모하메드는 인공 지능이 무엇인지, 그 전망이 무엇인지에 대해 이렇게 말했습니다. "미래는 아직 결정되지 않았습니다. 우리는 여전히 미래를 창조하고 형성할 수 있으며, 이것이 바로 우리가 항상 기억해야 하는 것입니다."

위 내용은 세 명의 튜링상 수상자들이 하이델베르그 포럼에서 딥러닝이 인간 수준의 추론을 달성할 수 있는지에 대해 토론했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!