January 25, 16:15

We analyzed 16,625 papers to figure out where AI is headed next



Журналисты MIT Technology Review проанализировали, как менялись ключевые слова научных публикаций про ИИ за последние 25 лет. В выборку попали >16K статей с сайта arXiv (точнее, их абстракты — короткие резюме). Выводы:

1. Популярная в 80-х парадигма экспертных систем не оправдала ожиданий: there were simply too many rules that needed to be encoded for a system to do anything useful. В начале 2000-х эту парадигму сменило машинное обучение (графики 2, 3).

2. Нейросети стали доминирующим направлением в исследованиях ИИ лишь в середине 2010-х. До этого внимание исследователей разделяли байесовские сети, цепи Маркова, эволюционные алгоритмы и метод опорных векторов (график 4).

3. Самая горячая тема в машинном обучении сейчас — reinforcement learning, обучение с подкреплением (график 5).

4. История исследований ИИ циклична: каждое десятилетие какое-то из направлений "ловит волну" и потом точно так же сменяется другим. Профессор Педро Домингос, автор бестселлера о машинном обучении "Верховный алгоритм", считает, что эра глубокого обучения подходит к концу. Что станет the next big thing в исследованиях искусственного интеллекта? Узнаем после 2020 года.

Что ещё почитать в канале по теме:

The biggest AI stories of 2017

Достижения в глубоком обучении за 2017 год

— Как DeepMind создали суперпрограмму для игры в го и шахматы

Моделирование движения человека с помощью обучения с подкреплением

— Как обучение с подкреплением позволяет компьютерам находить парадоксальные решения задач

Фрагменты из книги "Верховный алгоритм" — о цифровом двойнике-помощнике и генетических алгоритмах

We analyzed 16,625 papers to figure out where AI is headed next

Our study of 25 years of artificial-intelligence research suggests the era of deep learning may come to an end.