เราไม่มีที่อยู่ใกล้และเราไม่มีความคิดใด ๆ ในการเชื่อมช่องว่างระหว่างสิ่งที่เราสามารถทำได้ในปัจจุบันและสิ่งที่ปรากฎในภาพยนตร์เหล่านี้
แนวโน้มปัจจุบันสำหรับวิธีการของ DL (ควบคู่ไปกับการเกิดขึ้นของวิทยาศาสตร์ข้อมูลในฐานะที่เป็นสาขาวิชาหลัก) ได้นำไปสู่ความนิยมอย่างมากใน AI
อย่างไรก็ตามนักวิจัยและผู้ปฏิบัติจะทำดีเพื่อเรียนรู้บทเรียนของ 'AI Winter' และไม่เข้าร่วมในความโอหังหรืออ่านมากเกินไปในความสำเร็จในปัจจุบัน
ตัวอย่างเช่น:
- ความสำเร็จในการเรียนรู้การถ่ายโอนมี จำกัด มาก
- 'ปัญหาที่ยาก' (เช่นการนำเสนอ 'สภาพแวดล้อมที่ไม่ได้ใช้งานจริง' ไปยังเครื่องและทำให้เกิดปัญหาตั้งแต่เริ่มต้น) จะไม่ได้รับการแก้ไขโดย DL ในขอบเขตที่แสดงเป็นที่นิยม: จำเป็นต้องมีความรู้จากผู้เชี่ยวชาญของมนุษย์ เพื่อช่วยในการตัดสินใจว่าควรใส่เฟรมอย่างไรให้ปรับพารามิเตอร์ตีความเอาต์พุต ฯลฯ
คนที่มีความกระตือรือร้นสำหรับ AGI หวังว่าจะเห็นด้วยว่า 'ปัญหาที่ยาก' นั้นเป็นปัญหาเดียวที่สำคัญ เมื่อหลายปีก่อนนักวิทยาศาสตร์ผู้มีชื่อเสียงทางปัญญากล่าวว่า "เรายังไม่ประสบความสำเร็จในการแสดงแม้แต่แนวคิดเดียวในคอมพิวเตอร์"
ในความคิดของฉันแนวโน้มการวิจัยเมื่อเร็ว ๆ นี้ได้เปลี่ยนแปลงเล็กน้อย
ทั้งหมดนี้อาจฟังดูในแง่ร้าย - มันไม่ได้ตั้งใจ พวกเราไม่มีใครต้องการ AI Winter อีกต่อไปดังนั้นเราควรท้าทาย (และซื่อสัตย์เกี่ยวกับ) ขีด จำกัด ของเทคนิคปัจจุบันของเรา