#HộiThảoDartmouth #TríTuệNhânTạo #DữLiệu
Trong cuốn sách mới của các giáo sư Chris Wiggins và Matthew L Jones từ Đại học Columbia, Dữ liệu đã xảy ra như thế nào: Lịch sử từ Thời đại của Lý trí đến Thời đại của Thuật toán, nhà toán học John McCarthy được ví như người đã phát minh ra thuật ngữ “trí tuệ nhân tạo” trong một dự án nghiên cứu mùa hè Dartmouth. Thuật ngữ này được đưa ra vào năm 1955 và đã trở thành trụ cột của lĩnh vực trí tuệ nhân tạo.
Được cả McCarthy và cố vấn của ông là Claude Shannon hỗ trợ trong việc chào hàng với Quỹ Rockefeller, thuật ngữ “trí tuệ nhân tạo” ban đầu đã gặp nhiều ý kiến phản đối. Tuy nhiên, McCarthy muốn đưa ra một lĩnh vực riêng biệt khỏi nghiên cứu máy tự động và đinh ninh rằng thuật ngữ này không quá hào nhoáng.
Kể từ đó, trí tuệ nhân tạo đã trở thành một lĩnh vực rộng lớn, đưa ra nhiều khát vọng về việc tạo ra máy móc với khả năng học hỏi từ dữ liệu và thực hiện các hoạt động có tính thông minh.
Tuy nhiên, càng đến gần ngày nay, chúng ta càng nhận ra sự quan trọng của dữ liệu trong việc phát triển trí tuệ nhân tạo. Việc học từ dữ liệu đang trở thành một cách tiếp cận mới của khoa học máy tính và trí tuệ nhân tạo, giúp cho các máy móc sử dụng dữ liệu để học hỏi và thực hiện các hoạt động phức tạp.
Nếu Wu-Tang sản xuất nó vào năm ’23 thay vì ’93, họ sẽ gọi nó là GIẤC MƠ – bởi vì dữ liệu quy định mọi thứ xung quanh tôi. Nơi mà một khi xã hội của chúng ta môi giới quyền lực dựa trên sức mạnh của cánh tay và hầu bao của chúng ta, thì thế giới hiện đại được thúc đẩy bởi các thuật toán trao quyền dữ liệu để sắp xếp, thu thập và bán chúng ta. Những lời tiên tri trong hộp đen về việc ra quyết định độc đoán và không thể nhận ra sẽ quyết định ai được vay tiền mua nhàAi được tại ngoạiAi tìm thấy tình yêu và ai nhà nước lấy con của họ.
Trong cuốn sách mới của họ, Dữ liệu đã xảy ra như thế nào: Lịch sử từ Thời đại của Lý trí đến Thời đại của Thuật toán, dựa trên chương trình giảng dạy hiện có của họ, các Giáo sư Chris Wiggins và Matthew L Jones của Đại học Columbia xem xét cách dữ liệu được sắp xếp thành thông tin có thể hành động và được sử dụng để định hình mọi thứ, từ quan điểm chính trị và tập tục xã hội cho đến các phản ứng quân sự và hoạt động kinh tế của chúng ta. Trong đoạn trích dưới đây, Wiggins và Jones xem xét công trình của nhà toán học John McCarthy, giáo sư cấp dưới của Đại học Dartmouth, người đã một tay đặt ra thuật ngữ “trí tuệ nhân tạo”…
Thế chiến Norton
trích từ Dữ liệu đã xảy ra như thế nào: Lịch sử từ Thời đại của Lý trí đến Thời đại của Thuật toán của Chris Wiggins và Matthew L Jones. Được xuất bản bởi WW Norton. Bản quyền © 2023 của Chris Wiggins và Matthew L Jones. Đã đăng ký Bản quyền.
Kết hợp “Trí tuệ nhân tạo”
Là người nhiệt thành ủng hộ các cách tiếp cận mang tính biểu tượng, nhà toán học John McCarthy thường được ghi nhận là người đã phát minh ra thuật ngữ “trí tuệ nhân tạo”, kể cả chính ông: “Tôi đã phát minh ra thuật ngữ trí tuệ nhân tạo,” ông giải thích, “khi chúng tôi đang cố gắng kiếm tiền cho một mùa hè. nghiên cứu” để hướng tới “mục tiêu dài hạn là đạt được trí thông minh cấp độ con người”. “Nghiên cứu mùa hè” được đề cập có tiêu đề “Dự án nghiên cứu mùa hè Dartmouth về trí tuệ nhân tạo” và khoản tài trợ được yêu cầu là từ Quỹ Rockefeller. Vào thời điểm còn là giáo sư toán học cấp dưới tại Dartmouth, McCarthy đã được cố vấn cũ của ông là Claude Shannon hỗ trợ trong việc chào hàng với Rockefeller. Như McCarthy mô tả vị trí của thuật ngữ này, “Shannon nghĩ rằng trí tuệ nhân tạo là một thuật ngữ quá hào nhoáng và có thể thu hút sự chú ý bất lợi.” Tuy nhiên, McCarthy muốn tránh trùng lặp với lĩnh vực hiện có là “nghiên cứu máy tự động” (bao gồm “lưới thần kinh” và máy Turing) và đứng ra tuyên bố một lĩnh vực mới. “Vì vậy, tôi quyết định không treo bất kỳ lá cờ giả nào nữa.” Tham vọng là rất lớn; đề xuất năm 1955 tuyên bố “mọi khía cạnh của việc học hoặc bất kỳ tính năng nào khác của trí thông minh về nguyên tắc có thể được mô tả chính xác đến mức có thể tạo ra một cỗ máy để mô phỏng nó.” McCarthy kết thúc với nhiều nhà lập mô hình não hơn là các nhà toán học tiên đề thuộc loại mà ông muốn tại cuộc họp năm 1956, sau này được gọi là Hội thảo Dartmouth. Sự kiện này chứng kiến sự kết hợp của nhiều nỗ lực khác nhau, thường mâu thuẫn nhau nhằm làm cho máy tính kỹ thuật số thực hiện các nhiệm vụ được coi là thông minh, tuy nhiên, như nhà sử học về trí tuệ nhân tạo Jonnie Penn lập luận, việc không có chuyên môn tâm lý tại hội thảo có nghĩa là lý giải về trí thông minh “được thông báo chủ yếu bởi một tập hợp các chuyên gia làm việc bên ngoài khoa học nhân văn.” Mỗi người tham gia nhìn thấy nguồn gốc của doanh nghiệp của họ khác nhau. McCarthy hồi tưởng, “bất kỳ ai ở đó đều khá ngoan cố trong việc theo đuổi những ý tưởng mà anh ta có trước khi đến, và theo như tôi thấy, cũng không có bất kỳ sự trao đổi ý tưởng thực sự nào.”
Giống như bài báo năm 1950 của Turing, đề xuất năm 1955 về một hội thảo mùa hè về trí tuệ nhân tạo khi nhìn lại dường như đã có một sự tiên tri vô cùng. Bảy vấn đề mà McCarthy, Shannon và các cộng tác viên của họ đề xuất nghiên cứu đã trở thành trụ cột chính của khoa học máy tính và lĩnh vực trí tuệ nhân tạo:
-
“Máy tính tự động” (ngôn ngữ lập trình)
-
“Làm thế nào một máy tính có thể được lập trình để sử dụng một ngôn ngữ” (xử lý ngôn ngữ tự nhiên)
-
“Mạng lưới thần kinh” (mạng lưới thần kinh và học sâu)
-
“Lý thuyết về kích thước của phép tính” (độ phức tạp tính toán)
-
“Tự cải thiện” (học máy)
-
“Trừu tượng hóa” (kỹ thuật tính năng)
-
“Tính ngẫu nhiên và tính sáng tạo” (phương pháp Monte Carlo bao gồm học ngẫu nhiên).
Thuật ngữ “trí tuệ nhân tạo” năm 1955 là một nguyện vọng hơn là cam kết với một phương pháp. AI, theo nghĩa rộng này, liên quan đến cả việc khám phá những gì tạo nên trí thông minh của con người bằng cách cố gắng tạo ra trí thông minh của máy móc cũng như một nỗ lực ít mang tính triết học hơn chỉ đơn giản là khiến máy tính thực hiện các hoạt động khó khăn mà con người có thể thực hiện.
Chỉ một vài trong số những khát vọng này đã thúc đẩy những nỗ lực mà theo cách sử dụng hiện tại, đã trở thành đồng nghĩa với trí tuệ nhân tạo: ý tưởng rằng máy móc có thể học hỏi từ dữ liệu. Trong số các nhà khoa học máy tính, việc học từ dữ liệu sẽ không được chú trọng trong nhiều thế hệ.
Hầu hết nửa thế kỷ đầu tiên của trí tuệ nhân tạo tập trung vào việc kết hợp logic với kiến thức được mã hóa cứng vào máy móc. Dữ liệu được thu thập từ các hoạt động hàng ngày hầu như không phải là trọng tâm; nó mờ nhạt về uy tín bên cạnh logic. Trong khoảng 5 năm trở lại đây, trí tuệ nhân tạo và máy học đã bắt đầu được sử dụng đồng nghĩa với nhau; đó là một bài tập suy nghĩ mạnh mẽ để nhớ rằng nó không nhất thiết phải diễn ra theo cách này. Trong vài thập kỷ đầu tiên trong cuộc đời của trí tuệ nhân tạo, học từ dữ liệu dường như là một cách tiếp cận sai lầm, một cách tiếp cận phi khoa học, được sử dụng bởi những người không sẵn sàng “chỉ lập trình” kiến thức vào máy tính. Trước khi dữ liệu ngự trị, các quy tắc đã làm được điều đó.
Đối với tất cả sự nhiệt tình của họ, hầu hết những người tham gia tại hội thảo Dartmouth đã mang lại ít kết quả cụ thể với họ. Một nhóm đã khác. Một nhóm từ RAND Corporation, đứng đầu là Herbert Simon, đã mang đến hàng hóa, dưới dạng một bộ chứng minh định lý tự động. Thuật toán này có thể tạo ra bằng chứng về các định lý logic và số học cơ bản. Nhưng toán học chỉ là một trường hợp thử nghiệm đối với họ. Như nhà sử học Hunter Heyck đã nhấn mạnh, nhóm đó không bắt đầu từ máy tính hay toán học mà là từ nghiên cứu về cách hiểu các tổ chức quan liêu lớn và tâm lý của những người giải quyết vấn đề bên trong chúng. Đối với Simon và Newell, bộ não con người và máy tính là những công cụ giải quyết vấn đề thuộc cùng một loại.
Quan điểm của chúng tôi là cách thích hợp để mô tả một phần của hành vi giải quyết vấn đề là dưới dạng chương trình: một đặc điểm kỹ thuật về những gì sinh vật sẽ làm trong các hoàn cảnh môi trường khác nhau theo các quy trình thông tin cơ bản nhất định mà nó có khả năng thực hiện.. . Máy tính kỹ thuật số xuất hiện chỉ bởi vì chúng có thể, bằng cách lập trình phù hợp, được tạo ra để thực hiện cùng một chuỗi các quy trình thông tin mà con người thực hiện khi họ giải quyết vấn đề. Do đó, như chúng ta sẽ thấy, các chương trình này mô tả cả việc giải quyết vấn đề của con người và máy móc ở cấp độ xử lý thông tin.
Mặc dù họ đã mang lại nhiều thành công lớn đầu tiên trong lĩnh vực trí tuệ nhân tạo sơ khai, Simon và Newell vẫn tập trung vào một cuộc điều tra thực tế về tổ chức của con người. Họ quan tâm đến việc giải quyết vấn đề của con người, thứ pha trộn cái mà Jonnie Penn gọi là “sự kết hợp giữa logic biểu tượng của Anh đầu thế kỷ 20 và logic hành chính của Mỹ về một tổ chức siêu hợp lý hóa”. Trước khi sử dụng biệt danh AI, họ đã định vị công việc của mình là nghiên cứu về “hệ thống xử lý thông tin” bao gồm cả con người và máy móc, dựa trên sự hiểu biết tốt nhất về lý luận của con người vào thời điểm đó.
Simon và các cộng tác viên của ông đã tham gia sâu vào các cuộc tranh luận về bản chất của con người với tư cách là động vật biết lý luận. Simon sau đó đã nhận được giải Nobel Kinh tế cho công trình nghiên cứu về những hạn chế của tính hợp lý của con người. Cùng với một nhóm trí thức thời hậu chiến, ông quan tâm đến việc bác bỏ quan điểm cho rằng tâm lý con người nên được hiểu là phản ứng giống như động vật đối với các kích thích tích cực và tiêu cực. Giống như những người khác, anh ấy bác bỏ quan điểm của chủ nghĩa hành vi về con người được điều khiển bởi phản xạ, gần như tự động, và việc học tập chủ yếu liên quan đến việc tích lũy các sự kiện thu được thông qua trải nghiệm đó. Những năng lực tuyệt vời của con người, chẳng hạn như nói một ngôn ngữ tự nhiên hoặc làm toán cao cấp, không bao giờ có thể xuất hiện chỉ từ kinh nghiệm—chúng đòi hỏi nhiều hơn thế. Chỉ tập trung vào dữ liệu là hiểu sai về tính tự phát và trí thông minh của con người. Thế hệ trí thức này, trung tâm của sự phát triển của khoa học nhận thức, nhấn mạnh tính trừu tượng và sáng tạo hơn là phân tích dữ liệu, cảm giác hay cách khác. Nhà sử học Jamie Cohen-Cole giải thích: “Học tập không phải là quá trình tiếp thu sự thật về thế giới mà là phát triển một kỹ năng hoặc đạt được sự thành thạo với một công cụ khái niệm mà sau đó có thể được triển khai một cách sáng tạo.” Sự nhấn mạnh vào khái niệm này là trọng tâm của chương trình Nhà lý luận logic của Simon và Newell, chương trình này không chỉ mài giũa các quy trình logic mà còn triển khai “các phương pháp phỏng đoán” giống như con người để đẩy nhanh quá trình tìm kiếm các phương tiện để đạt được mục đích. Các học giả như George Pólya khi điều tra cách các nhà toán học giải các bài toán đã nhấn mạnh đến tính sáng tạo liên quan đến việc sử dụng phương pháp phỏng đoán để giải các bài toán. Vì vậy, toán học không phải là cực nhọc — nó không giống như thực hiện rất nhiều phép chia dài hoặc giảm một lượng lớn dữ liệu. Đó là hoạt động sáng tạo — và, trong con mắt của những người tạo ra nó, là bức tường thành chống lại những quan điểm toàn trị về con người, dù là từ cánh tả hay cánh hữu. .
Tất cả các sản phẩm do Engadget đề xuất đều do nhóm biên tập của chúng tôi lựa chọn, độc lập với công ty mẹ của chúng tôi. Một số câu chuyện của chúng tôi bao gồm các liên kết liên kết. Nếu bạn mua thứ gì đó thông qua một trong những liên kết này, chúng tôi có thể kiếm được hoa hồng liên kết. Tất cả giá là chính xác tại thời điểm xuất bản.
[ad_2]
