На AI Journey обсудили конвергенцию технологий и проблемы машинного обучения
На международной конференции по искусственному интеллекту AI Journey профессоры из Университета Кэмпинса Андресон Роша и Университета науки и технологий Циндао Дяньхуэй Ван поделились своими взглядами на эволюцию ИИ. Они рассмотрели широкий спектр вопросов, от глобальных трендов до применения технологий в промышленности.
Профессор Андресон Роша в своем выступлении обозначил современные технологические изменения как эпоху конвергенции пяти ключевых технологий: биотехнологий, нанотехнологий, робототехники, интернета вещей и искусственного интеллекта. Он подчеркнул, что ИИ находится в центре этой системы и его развитие носит экспоненциальный характер.
«Мы стоим на пороге большой волны конвергенции технологий, где ИИ является центральной нервной системой. Однако ключевой вызов не в том, чтобы сделать машины умнее, а в том, чтобы сделать их безопасными и согласованными с человеческими ценностями», — сказал ученый.
Особое внимание профессор Андресон Роша уделил практическому применению ИИ для улучшения качества жизни. Например, в своей лаборатории он продемонстрировал, как носимые устройства и алгоритмы машинного обучения могут позволить проводить раннюю диагностику болезней, таких как Паркинсон, предсказывать падения у пожилых людей и отслеживать уровень тревожности.
Профессор Дяньхуэй Ван в своем выступлении сосредоточился на прикладных проблемах машинного обучения в промышленности. Он указал на одну из основных проблем современных нейросетей — их недостаточную надежность и нестабильность, вызванные традиционными методами обучения.
«Пока все говорят о GPT-4 и других больших моделях, в реальной промышленности мы часто не можем позволить себе ожидать обучения моделей сутками и потреблять энергию целого города. Наш ответ — это легковесные сети с стохастической конфигурацией, которые решают конкретную производственную задачу за 0,3 секунды, а не за день», — отметил профессор Ван.
В качестве решения он предложил сети стохастической конфигурации — легковесные модели, которые обучаются в сотни раз быстрее традиционных аналогов при математически доказанной надежности. Профессор Ван также выделил ключевые требования к системам автоматизации следующего поколения: масштабируемость, способность к быстрой адаптации на основе данных в реальном времени и использование легковесных, но мощных моделей.
Выступления экспертов продемонстрировали, что, несмотря на различные аспекты — от глобального видения конвергирующих технологий до решения конкретных инженерных проблем, — искусственный интеллект продолжает стремительно развиваться, требуя как широкого международного сотрудничества, так и глубокой специализированной работы.
