/ 写真KamiPhuc CC
通常、私たちのブログでは、 クラウドサービス 、ホスティング、および関連技術について話します。 今日は、技術開発全般、人工知能、ビッグデータ、マイケルジョーダン（バスケットボール選手ではない）の課題についてお話します。
マイケル・ジョーダンは、カリフォルニア大学バークレー校の名誉教授であり、IEEEメンバーです。 ジョーダンは、最も尊敬され尊敬されている人々の一人であり、機械学習のトピックに関する世界的な専門家です。 彼は、ビッグデータの過剰使用が予想される効果を生まないで、橋の大規模な崩壊などの災害につながると確信しています。
このトピックをよりよく理解してみましょう。 Lisp言語の作成者であるJohn McCarthyによる「人工知能」という用語の定義を見てみましょう。 同名の記事（「人工知能とは」）で、彼はAIは人間の知能の仕事を理解するためにコンピューターを使用するタスクに関連しているが、生物学で観察される方法の使用に限定されないことを強調しました。
もちろん、この解釈は、AIの未来的なイメージに関する私たちのアイデアとは明らかに異なります。 ジャーナリストのゴメスとジョーダンは会話の中でこの考えを確認し、このトピックの人気の高まりの波に取り組んでいるさまざまなメディアにとって有益な一種の誤報の存在を強調しています。
マイケルは、1960年代に知られていたことを繰り返しながら、1980年代から隅々で話題になっているニューラルネットワークを研究した経験を呼びかけます。 今日、主なアイデアは畳み込みニューラルネットワークですが、これは神経学に関するものではありません。 人々は、人間の脳がどのように情報を処理し、学習し、決定を下すかを理解する必要があると確信していますが、実際には、科学はわずかに異なる方向に発展しています。
ジョーダンは、神経科学が脳の根底にある原理を理解するには数十年から数百年かかると言います。 今日、私たちはニューロンによる情報の提示、保存、処理の原則の研究の始まりに近づいています。 私たちは、脳で実際に学習がどのように行われるのかをほとんど理解していません。 同様の類推のためにその場所が。 そこで、人々はアルゴリズムの開発に役立つことが判明した脳の並行作業に関連する比phorの検索を開始しましたが、新鮮な解決策やアイデアを検索するレベルをほとんど超えませんでした。
用語の検討を続けると、深層学習に関係する「ニューロン」は比phor（またはヨルダンの言語では、一般に脳の「似顔絵」）であり、簡潔さと利便性のためにのみ使用されることがわかります。 実際には、同じ深層学習のメカニズムの働きは、実際のニューロンの働きよりもロジスティック回帰の統計モデルを構築する手順に非常に近いです。
ジョン・マッカーシーは、次のように強調しました。問題は、人間の知性のイメージと似顔絵のシステムを作成することだけでなく、科学者自身が彼（知性）が何であり、どの特定のプロセスが責任を負うか。 このアーキテクチャを「正確に再作成」し、機能させることができると言うことは、近い将来非常にまれです。
ビッグデータは、世界中の何千人もの研究者によって突きつけられた別のメディア策略かもしれません。 ビッグデータに対する現代の強迫観念は、議論の余地のある統計的強度を持つデータから引き出された結論の制御されない使用につながる可能性があります。
任意のデータベースについて、完全にランダムな列の組み合わせを見つけることができますが、特定の問題を解決するために考慮する必要がある仮説に正確に答えます。 特定のオブジェクトの数百万の属性の存在と、これらの属性のほぼ無限の組み合わせを考えると、これはすべて、シェークスピア、タイプライター、100万匹の猿に関するジョークに似始めます。
もちろん、研究を監視するための多くのアイデアがあり、そのような仮説でどの周波数エラーが発生したかを知ることができます。 しかし、数学的および技術的なツールの使用には長い時間がかかり、私たちはまだビッグデータを処理する方法を学んでいます。
科学および新しい知識分野では、研究の境界と枠組みは進歩に必要な要素の1つです。 この声明は、技術的ビジョンの最初のシステム（顔認識）の歴史と、音声技術の例（個々の単語の認識）によって補強されています。
PS私たちは、仮想インフラストラクチャ1 クラウドを提供するためのサービスに関する私たち自身の経験を共有するだけでなく、関連する知識分野に関与しているさまざまな研究や研究者についても話しています。
友人のHabréに関するブログを購読することを忘れないでください！