>>6744437> Зима машинного обучения в целом связана с тем, что столь нежно любимые кальсоном экспертные системы не оправдали надежд бизнеса
Кабута экспертным системам не нужны были ресурсы и масштабируемость.
> Справедливости ради, современный учёный может на 60% снизить ошибку классификации у модели 33-летней давности, не масштабируя её и просто пользуясь прогрессом нашего понимания
Справедливости ради, изучать модель которую невозможно построить на практике
несколько сложнее. Про широкую доступность тоже не просто так было сказано. Пара Перельманов в НИИ это конечно круто, и они вдвоём сделают больше, чем десяток васянов с гитхаба, но когда васянов на гитхабе десятки тысяч это уже начинает вносить определённый вклад.
> Но ты не прав, о чём есть например здесь
тлдр, пробежался по графикам по диагонали, но по-моему там речь про рост общих компьютерных мощностей, которые сейчас растят количеством чипов, и развитием параллельных вычислений на стороне софта, а не возможности отдельного чипа, которые уже всё. Поправь, если не так.
> По мере усиления ИИ будет ускоряться и разработка чипов
Не будет, если разработка подойдёт к физическим пределам, а они, повторюсь - близко. Про графен пока ничего не понятно, молиться на него очень рано. Квантовые компьютеры скорей всего апрейднутся, мощностей наростят, но в миниатюризацию и/или удешевление производства и обслуживания не смогут, и за пределы лабораторий крупных организаций никогда не выйдут. Нейрочипы могут дать огромный буст в энергопотреблении, но накладывают жёсткие ограничения на архитектуру и масштаб одной сети, так что их будущее тоже туманно. Аналоговые нейрокомпьютеры просто нейрочипы на максималках - шире масштабируемость, большая гибкость в архитектуре, но свои пределы есть и у них.
> Это со стороны железа.
Именно. Мой поинт в том, что в конечном счёте всё в него и упрётся снова, но на этот раз окончательно.
> гроссмейстеры, выигрывающие на хуйнадцати досках одновременно вслепую
Саванты. хуйнадцать партий из хуйнадцати выиграл, а шнурки завязать без мамы не может. Это супер утрированно, но иллюстрирует ключевую мысль - талантливый человек талантлив НЕ во всём, любой суперхуман таков в определённой сфере, и как правило с супер специализацией только в её узкой части. Собственно
> учёные, вытягивающие целые направления
Остались веке в восемнадцатом. Сейчас же, и уже давно, настоящие прорывы невозможны без титанической в своих объёмах предварительной распределённой работы других учёных, не редко из других областей и подобластей, а то и эквипа за сказочные деньги. Тот же Перельман от денег отказался потому что считал, что большую часть работы за него выполнил предыдущий борец с задачей, а до него соответственно кто-то другой, и т. д.
> опыт показывает, что в конечном итоге модели общего назначения просто эффективнее специализированных
Продуктивнее. Эффективность же вопрос отношения этой продуктивности к затратам, и вот тут всё уже не так однозначно. Хотя бы тот факт, что, при всём нынешнем буме, никто в общем-то вообще не разрабатывает, и даже не пытается, даже в чисто исследовательских целях на малых масштабах, Ъ-женерал порпос, о чём-то да должен говорить.
Ну и собственно классическое определение
> сильный машинный интеллект
это именно система общего назначения человеческого уровня и есть, то есть даже его скорей всего не будет (потому что нинужен + проблемы этики + проблемы безопасности), а чего-то качественно выше, что по сравнению с человеком как человек с хотя бы обезьяной, а не как шахматист с деревенским дурачком уже точно не предвидется.
