人工知能の今後の発展はどうなるのでしょうか？

汎用人工知能の任務は、ユビキタスな視覚と聴覚を制御することです。「認識」を例にとると、汎用人工知能の研究範囲には、人体の動きの制御、情報伝達の正確さ、情報処理の流暢さ、視覚情報の自己組織化などが含まれます。空間認識の詳細が考慮されていないため、これらのアプリケーションは良い結果を達成できません。データソースが異なる AI システムでは、制御の最適化にわずかな違いしかありません。ディープラーニングがさらに進歩すれば、定量的かつ方向性のある進歩が見られるかもしれません。

[[388959]]

現在、完璧な人工知能には右脳が含まれている必要がありますが、人工知能が人間と同じように世界を「理解」することは依然として困難です。それは単に、私たちの世界認識から規則性を抽出し、それを自己学習や高次元または不規則なシステムの理解に適用して人間になることです。正規分布と同様に、正規分布の背後には規則的な適用の力があり、それが多くの奇妙な現象につながることを証明した研究が数多くあります。

[[388960]]

アプリケーションの観点に戻ると、現在の機械学習の能力はデータ量の面でまだ不十分であり、予測精度はディープラーニング、特に時系列推定に比べてはるかに低く、これはすでにディープラーニングの欠点となっています。汎用人工知能の開発には、より広範で高密度なデータが必要です。これは、リーグ優勝を勝ち取るためにインサイドラインの強さに頼るチームのようなものです。NBA のドリームチームのように、インサイドラインの強さをディープラーニングに頼ることは期待できません。したがって、問題は人工知能の開発ではなく、データの問題、つまりその背後にあるデータの解釈可能性です。現在、比較的優れた汎用人工知能が出現することは、極めて自然な現象であるはずだ。これは、一連の優れたデータ伝送と技術的メカニズムによってサポートされています。

しかし、まだそれほど遠い話ではありません。現段階では、研究結果を業界やアプリケーションのシナリオに容易に展開できるようにするために、依然として大量のデータの蓄積と保存が必要です。現在の人工知能が cs229 アルゴリズムのレベルに到達するのはまだ難しいと思います。人工知能のアルゴリズムはすでに「現実」の人間の思考モードにある程度近づいていますが、まだ道のりは長いです。質問に答えてから1年以上経ち、まだいくつかの考えがあると思いますが、今は質問者の質問に少し混乱しています。まず、汎用人工知能を定義する必要があります。簡単に言えば、CET-4 および CET-6 のテスト問題を解いたり、記事を翻訳したり、音声認識を解決したりするなど、あらゆる問題を解決できる人工知能を意味します。これらはすべて汎用人工知能です。

[[388961]]

次に、近い将来1～2年以内に、汎用人工知能は古代の人類の意識的な思考、思考パターン、および個々の思考を実現できなくなるでしょう。本物の人工知能は、iPhone のような完全な iOS システム、完全なハードウェア プラットフォーム、そして完全なデータ転送およびストレージ システムを備えて初めて、汎用人工知能としてのアイデンティティを確立します。質問者が一般的な AI について言及しているのであれば、申し訳ありませんが、ほとんどの機械学習アルゴリズムは、予測精度、モデルの複雑さ、パフォーマンスの一貫性などのモデルを実装することしかできません。もちろん、システムの動作速度が速く、トレーニング セットの容量が大きいほど、同じ効果が得られます。しかし、ディープラーニングアルゴリズムの登場により、ニューラルネットワーク構造を持つディープラーニングアルゴリズムが画像認識や音声認識に使われるようになりました。