IEEE年终AI大盘点：网友教会GPT

2021 年，「人工智能奇观」不再仅仅故事！

岁末将至，IEEE Spectrum 总结了 2021 年 10 篇最受读者欢迎的 AI 文章，按时刻排名，其间一些文章来自 2021 年 10 月的 AI 特刊「The Great AI Reckoning」。

1. 深度学习的收益递减，只因练习本钱太高

MIT 的 Neil Thompson 团队凭仗一篇关于练习深度学习体系的核算和动力本钱的文章占有了榜首。

在这篇文章中，研讨人员剖析了图画分类器的改善进程，成果发现，现在要想将图画识别的错误率折半，需求 500 倍的核算资源。

文章表明，「面临飞涨的本钱，研讨人员要么想出更有用的办法来处理这些问题，要么抛弃对这些问题的研讨，让图画分类器的功用停滞不前。」不过，这篇文章最终也提出了一些关于未来方向一些有出路的观念。

https://spectrum.ieee.org/deep-learning-computational-cost

2. 了解 2021 年的AI意向，看这 15 张图表就够了

每年，「人工智能指数都会将很多数据放入有关人工智能的对话中。2021 年，该指数展现了学术界和工业界的全球视角，凸显AI劳动力多样性的问题和AI使用的品德应战。此文将 222 页的陈述浓缩成 15 个图表，包括作业、出资等范畴。

https://spectrum.ieee.org/the-state-of-ai-in-15-graphs

3. DeepMind 在「从头创造」机器人

近几年，AI范畴一些最令人形象深化的打破背面都有DeepMind的身影。比方蛋白质折叠方面的打破性作业，以及在围棋上打败人类专业棋手的 AlphaGo。因而，当 DeepMind 表明预备测验构建文武双全、高适应性的机器人时，毫无意外地引发了人们的广泛重视。

https://spectrum.ieee.org/how-deepmind-is-reinventing-the-robot

4. AI 简史：动乱的曩昔和不确定的未来

这篇文章叙述了AI范畴从 1956 年至今的故事，一起也为其他文章供给了头绪。假如想了解AI是怎么从纯概念发展至今的，读一读此文再适宜不过。

本文梳理了曩昔执着于「专家体系」的符号主义者与创造神经网络的「衔接主义者」之间的大争辩，并提出了「混合神经符号体系」诞生的或许性。

https://spectrum.ieee.org/history-of-ai

5. 吴恩达眼中的「AI热潮」

此文是 AI 前驱人物吴恩达在 Zoom 采访问答环节中的节录。吴恩达深化参加了 Google Brain 和百度的前期 AI 作业，现在领导一家名为 Landing AI 的公司。

文中，吴恩达谈到了斯坦福大学开发的AI体系，该体系经过胸部 X 光片发现肺炎，作用乃至优于放射科医师。但现在，间隔将AI体系使用到实践临床，还有很长的路要走。

https://spectrum.ieee.org/andrew-ng-xrays-the-ai-hype

6. OpenAI 的 GPT-3 会说话了，但或许不那么好听......

当 OpenAI 在 2020 年推出言语生成体系 GPT-3 时，AI社区的榜首反应是敬畏。只需给出最少的提示，GPT-3 就可生成关于任何主题和任何风格的流通、连接的文本。

但GPT-3也有另一面。GPT-3接受了来自互联网的很多文本的练习，了解在网络世界的遍及的人类成见，或许产生了一个可怕的习气：学会了古里古怪和谩骂。

这就产生了一个问题，假如有企业期望将GPT-3用于客户服务、在线教导、心理健康咨询等范畴，要怎么避免它不当心对着客户古里古怪呢？

https://spectrum.ieee.org/open-ais-powerful-text-generating-tool-is-ready-for-business

7. AI成功仿制蜻蜓大脑

蜻蜓大脑与导弹防护有什么关系？问问桑迪亚国家实验室的 Frances Chance，他研讨了蜻蜓怎么有用地使用约 100 万个神经元，以特殊的精度捕捉空中猎物。

Chance的研讨与构建规划和复杂性不断添加的神经网络的研讨实验室形成了风趣的比照。

她表明：「咱们的方针是，经过使用蜻蜓神经体系的速度、简单性和功率，规划能够更快地履行这些功用的核算机，而功耗仅为传统核算机体系的一小部分。」

https://spectrum.ieee.org/fast-efficient-neural-networks-copy-dragonfly-brains

8. 除非能仿制人类大脑，不然深度学习还不行「深」

杰夫·霍金斯创造了掌上电脑，创始了智能手机年代。现在，他正在研讨人脑中智能的根底，并期望创始通用人工智能（AGI）的新年代。

与霍金斯的这个访谈提及了他最有争议的一些主意。霍金斯深信，超级智能 AI 不会对人类构成生计要挟，认识问题，并不是真实困难的问题。

https://spectrum.ieee.org/deep-learning-isnt-deep-enough-unless-it-copies-from-the-brain

9. AI算法，让杂货店「动起来」

了解为咱们的日子供给便当的技能总是一件趣事。

杂货店购物和送货公司 Instacart 的工程师 Sharath Rao 和 Lily Zhang 表明，该公司的AI根底设施能够猜测「近 40000 家杂货店的产品，包括数十亿个不同数据点」是否缺货，一起还提出关于换货的主张，猜测有多少购物者，并对订单和送货道路进行高效分组。

https://spectrum.ieee.org/the-algorithms-that-make-instacart-roll

10. AI绕不曩昔的七大缺点

AI在不断获得打破的一起，也在遭受着数不清的失利。

本文列举了AI模型陷于失利的七个比如，提醒了AI现在存在的绕不曩昔的缺点。科学家们评论了处理其间一些问题的或许办法；但也有一些AI的局限性在现在是无法解释的，或者说从哲学上讲，或许彻底没有任何结论性的处理方案。

https://spectrum.ieee.org/ai-failures

2022 年，是否会成为AI科学家们霸占扎手问题的一年？AI的算法误差会处理吗？灾难性忘记问题会被霸占吗？在不损坏地球动力的情况下，能找到进步AI功用的办法吗？