ImageNet 十年后：人工智能的 360° 透视
机器学习
2022-10-06 v1 人工智能
信息检索
摘要
神经网络华丽回归至今已有十年。受此周年纪念的触动，我们对人工智能（AI）进行整体性透视。面向认知任务的监督学习已得到有效解决——只要我们拥有足够的高质量标注数据。然而，深度神经网络模型不易解释，因此黑箱与白箱建模之间的争论已浮出水面。注意力网络、自监督学习、生成建模和图神经网络的兴起拓宽了 AI 的应用空间。深度学习也推动了强化学习作为自主决策系统核心构建模块的回归。新 AI 技术可能造成的危害已引发透明度、公平性和问责制等社会技术问题。掌控人才、计算资源以及最为重要的数据的大型科技公司对于 AI 的主导，可能导致极端的 AI 鸿沟。在自动驾驶汽车等备受瞩目且被大肆宣扬的旗舰项目上未能达到高期望，可能引发另一场 AI 寒冬。
引用
@article{arxiv.2210.01797,
title = {Ten Years after ImageNet: A 360{\deg} Perspective on AI},
author = {Sanjay Chawla and Preslav Nakov and Ahmed Ali and Wendy Hall and Issa Khalil and Xiaosong Ma and Husrev Taha Sencar and Ingmar Weber and Michael Wooldridge and Ting Yu},
journal= {arXiv preprint arXiv:2210.01797},
year = {2022}
}