From Vectors of Mind - images at original.
Brian Kulis هو أستاذ في تعلم الآلة في جامعة بوسطن (ومستشاري السابق). كما عمل في الصناعة ضمن الفريق المسؤول عن كلمة “الاستيقاظ” في أمازون. نناقش تاريخ الذكاء الاصطناعي، ودور الصناعة مقابل الأوساط الأكاديمية في البحث، وسلامة الذكاء الاصطناعي. لقد شاهد مجاله يتحول من مجموعة صغيرة من محبي الرياضيات الذين يفشلون في تصنيف صور الكلاب والقطط إلى أحر تكنولوجيا على الكوكب (التي قد تقتلنا جميعًا). كطالب دراسات عليا، كنت أقرأ مناقشات الخيال العلمي حول هلاك الذكاء الاصطناعي، وأحيانًا أشاركها مع براين وأساتذة آخرين (كنت ممتعًا في الحفلات). الآن، يتم أخذ تلك السيناريوهات بجدية من قبل أمثال يشوع بنجيو.
نسمع في الغالب عن سلامة الذكاء الاصطناعي من أقلية صاخبة ذات آراء متطورة حول الموضوع. الأشخاص الذين جعلوا من امتلاك رأي حوله أحد الأشياء التي هم على استعداد للجدال حولها في العلن. لكن هؤلاء ليسوا، في الغالب، الأشخاص الذين يجيبون على استطلاعات الرأي المشهورة حول الذكاء الاصطناعي العام وعواقبه. هذه لمحة قيمة عن كيفية تفكير أحد الباحثين الدائمين في تعلم الآلة حوله.
لكنني لا أريد أن أبيع هذا كدردشة لمدة ساعة حول p(doom)؛ نقضي معظم الوقت في أمور أقل خيالية. ملخص ChatGPT للمحادثة:
كلية الحوسبة وعلوم البيانات في BU: تحدث كوليس عن إنشاء هذه الوحدة الجديدة في BU، التي تركز على الحوسبة وعلوم البيانات. تسهل هذه الوحدة التعاون عبر التخصصات وتوظيف الطلاب من مختلف الأقسام.
تطور تعلم الآلة: تم مناقشة تاريخ تعلم الآلة، بدءًا من الأربعينيات مع النموذج الرياضي للخلايا العصبية لـ McCulloch وPitts. شرح كوليس التقدم من النماذج المبكرة إلى موجة التعلم العميق الحالية، مسلطًا الضوء على التحولات في نماذج تعلم الآلة على مر العقود.
الانتقال من الأنظمة الخبيرة إلى النماذج الحالية لتعلم الآلة: وصف كوليس الانتقال من الأنظمة الخبيرة، التي كانت سائدة في السبعينيات والثمانينيات، إلى النماذج الحالية لتعلم الآلة. أشار إلى كيف كانت الأنظمة الخبيرة المبكرة محدودة وهشة، مما جعلها غير مناسبة للتطبيقات الواقعية.
البحث في تعلم الآلة والصناعة: تطرقت المحادثة إلى حركة المواهب في الذكاء الاصطناعي وتعلم الآلة بين الأوساط الأكاديمية والصناعة. تحدث كوليس عن التحديات التي تواجهها الأوساط الأكاديمية في الاحتفاظ بأعضاء هيئة التدريس في الذكاء الاصطناعي، الذين غالبًا ما يجذبهم العمل في الصناعة.
الذكاء الاصطناعي الإحصائي وطرق النواة: ناقش الحوار الذكاء الاصطناعي الإحصائي، مع التركيز على دوره في تاريخ تعلم الآلة. شرح كوليس مفهوم النماذج الاحتمالية في الذكاء الاصطناعي الإحصائي وقوتها في التعلم غير المراقب.
دور الأوساط الأكاديمية في البحث في تعلم الآلة: تأمل كوليس في دور الأوساط الأكاديمية في المشهد الحالي للبحث في تعلم الآلة. تحدث عن التحديات التي تواجهها الأوساط الأكاديمية، مثل عدم القدرة على تدريب النماذج الكبيرة بسبب قيود الموارد، وأهمية التفكير طويل الأمد في البحث.
المخاطر الوجودية للذكاء الاصطناعي: غطت المناقشة أيضًا موضوع الذكاء الاصطناعي والمخاطر الوجودية، مع الإشارة إلى النقاشات والآراء داخل مجتمع تعلم الآلة، بما في ذلك آراء شخصيات بارزة مثل هينتون وLeCun.
مستقبل تعلم الآلة: عبر كوليس عن آرائه حول مختلف جوانب تعلم الآلة، بما في ذلك النماذج اللغوية الكبيرة، التعلم المعزز، الذكاء الاصطناعي العام، والطب الشخصي. أعرب عن رأيه حول ما يعتبره مبالغًا فيه أو غير مقدر في المجال.