これは非常に短いブログです#
過去数週間、さまざまな理由から、人工知能の歴史に関する多くの記事や書籍を注意深く読みました。全体的に見て、私の収穫は多岐にわたり、多くの有名人の興味深い物語を知ることができ、彼らの間の複雑な関係も見ることができました。しかし、"どこにも江湖がある" という古い話題に感嘆するだけでなく、私はもう一つの感覚を持っています。
私自身、機械学習やディープラーニングを学んで数年が経ち、多くのモデルを実行してきました。ディープラーニングが注目を集めるようになると、以前見たことのない多くのモデルが人々に取り上げられていることに気づきました。畳み込みニューラルネットワーク、長短期記憶ネットワークなどが含まれます。後には、生成対抗ネットワークなどの驚くべきモデルが提案されました。私は一時、自分が鈍感すぎるのではないかと思いました。
しかし、人工知能の歴史を読んでみると、私は間違っていたことに気づきました。畳み込みニューラルネットワーク、長短期記憶ネットワーク、強化学習、または生成対抗モデルの中核となる最小最大最適化関数など、これらは人工知能の 70 年の発展過程で既に提案されていたことがわかりました。ただし、当時はさまざまな理由で注目されなかった。計算能力とデータが十分に揃い、以前の科学者がこれらの手法を再利用し、最新のモデル構築とトレーニング手法と組み合わせることで、これら以前の "考え" が新たな息吹を得たのです。さらに、強化学習自体が人工知能用語よりも早く登場していました。
私にとって、これらは大きくも小さくもない収穫です。しかし、私たちの国の科学技術にとっては、この状況は単なるホットトピックの追求が間違っていることを明確に示しています。私たちは基盤を固め、あらゆる面から継続的に取り組むことで、将来の成功の可能性があるのです。単にホットトピックを追い求めることは、多くの人にとって理解を深めることなく、それが大物科学者のひらめきだと思うことです。
アメリカはニューラルネットワークを批判したことで、ニューラルネットワークの研究がアメリカからカナダに移り、ディープラーニングの聖地がカナダのトロント大学とモントリオール大学になったのもそのためです。Hinton 氏らも、ニューラルネットワークモデルが批判された時期に不屈の努力を続けたことで、今日の栄光を手に入れたのです。だから、彼らが優れた結果を出すのは当然のことです。