¿Minsky tenía razón cuando dijo que los estudiantes de CMU CS están más interesados ​​en producir robots sin sentido que en producir conocimiento?

Answer 1

Minsky tiene una postura extrema, al igual que Chomsky. (Y no se caen bien) Pero una cosa es segura, ninguno de estos tipos mató a la IA durante mucho tiempo. Propusieron ideas elegantes, perspicaces y fundamentales que tienen cosas importantes que decir sobre la IA. Ambos son increíblemente inteligentes. Y el trabajo de Minsky no ha recibido tanto crédito (y no se ha construido sobre él) como debería. He tomado el curso de Minsky en el MIT, y también algunos cursos de aprendizaje automático y ciencias cognitivas orientados estadísticamente por personas prominentes aquí. La oposición de Minsky al enfoque estadístico no proviene de la falta de conocimiento, eso es seguro. Los métodos estadísticos nos han dado muchas herramientas buenas para construir cosas. Pero no daría el paso para decir, solo porque parecen funcionar bien, así es como lo hace el cerebro humano.

Ahora es posible que no le importe el cerebro humano, siempre que sus datos de entrenamiento milidimensionales le den un robot que aprenda a doblar toallas. Pero Minsky y compañía señalan correctamente que esto no parece ser lo que hacen los humanos. Están mirando a la IA como una ciencia más que como una disciplina de ingeniería. Están buscando métodos que funcionen bien utilizando pocos datos, no aquellos que prosperan con grandes conjuntos de datos.

El comentario sobre los estudiantes de CMU es un poco exagerado (negativamente) tanto por el autor de la pregunta como por Chomsky. La buena ingeniería es un complemento y requiere muy, muy buenos investigadores.

Answer 2

Hay muchos enfoques para estudiar IA. CMU tiende a tratarlo como una disciplina de ingeniería y mucho trabajo aquí en robótica ha resultado de diseñar soluciones pesadas para los mismos problemas que enfrentan todos los sistemas de aprendizaje. Ahora, Minsky y Chomsky sostienen que la IA debería analizar principalmente cómo lo logran los sistemas biológicos. Por lo tanto, esperan un modelo funcional del cerebro que hable en un sentido general.

Otra pregunta que abordan algunos investigadores es: ¿es necesario que la forma en que el cerebro computa y logre una inteligencia óptima? Puede ser óptimo dadas las propiedades de los materiales de los que están hechos los cerebros. Sin embargo, no debemos suponer que resolver un problema de la manera en que lo hace el cerebro es la forma ideal. Tal vez, el cerebro simplemente intenta aproximarse a algunos métodos de optimización matemática y tal vez sería mucho mejor si estuviera hecho de diferentes materiales con diferentes propiedades (piense en los circuitos electrónicos). Quitando el modelo básico o ‘conocimiento’ del mundo en nuestras cabezas, haríamos un trabajo horrible en las tareas cotidianas. El cerebro toma mucho tiempo para aprender y optimizar. Los bebés tardan años en aprender a hacer las tareas cotidianas a pesar de que el cerebro está en su mejor momento plástico. Nuestros recuerdos de memoria y procedimientos de inferencia son desordenados. Sin embargo, la gran variedad de procesos paralelos en el cerebro lo ayudan a resolver problemas tal vez de manera más eficiente que cualquier modelo de IA jamás producido (discutible). Esta es la esperanza con la que avanza el enfoque de la neurociencia computacional para la IA, como los del MIT (Poggio, etc.).

Dicho esto, las escuelas como CMU definitivamente necesitan explorar ‘otras’ soluciones directas a los mismos problemas. Necesitaríamos estas soluciones para apreciar mejor los algoritmos que usa el cerebro para hacer las “mismas” tareas o tal vez entender sus debilidades. Los cerebros son una forma de lograr inteligencia, es probable que con el tiempo lleguemos a una teoría que nos permita construir máquinas más ‘inteligentes’ no por su velocidad, sino por sus algoritmos de aprendizaje ajustados a su arquitectura específica. Para que esto sea posible, necesitamos escuelas como MIT y CMU y sus diferentes enfoques para el mismo problema.

Answer 3

Minsky fue un líder en el campo con fuertes opiniones. Contribuyó mucho a los problemas que le interesaban y estas contribuciones resultaron de sus fuertes creencias sobre ciertos enfoques. Al menos sabemos hasta dónde nos puede llevar la IA simbólica, gracias a él y a sus estudiantes.

Aquellos que lo culpan por matar a NN deberían ver lo que hicieron los líderes de NN. También siguieron trabajando en las NN debido a sus fuertes opiniones y creencias. Obviamente, no tenían ninguna prueba teórica o experimental para decir que su enfoque fuera superior a muchas otras cosas que se estaban probando, de lo contrario, uno supondría que la comunidad de IA tenía a otras personas lo suficientemente independientes como para aceptar sus resultados. Así son los líderes. Un par de líderes en mi área de visión por computadora, que he escuchado también parecen tener opiniones bastante fuertes. ¡Dudo que aquellos obsesionados con descubrir pequeños trucos para obtener la próxima mejora del 0.5% en el rendimiento utilizando el método más popular X puedan proponer nuevas direcciones prometedoras!

Muchos de los éxitos en diversas áreas de la IA están impulsados ​​de hecho simplemente por mejores recursos computacionales, por lo que su afirmación de que no hay suficientes logros algorítmicamente no son completamente infundados. He escuchado la “Sociedad de la Mente” OCW 2011 de Minsky, y sus afirmaciones sobre la investigación en neurociencia también están totalmente en la marca. Puede consultar el libro “El futuro del cerebro” editado por Marcus y Freeman, que es una encuesta reciente sobre el estado del arte en neurociencia y cada autor del capítulo estaría de acuerdo con los comentarios de Minsky sobre décadas de investigación en neurociencia ha dado percepciones insignificantes para la construcción sintética de inteligencia. Lo mismo ocurre al menos con algunos problemas de robótica con los que he estado en contacto, como la manipulación robótica. Puede verificar los últimos y mejores resultados sobre ese problema y luego verificar lo que se estaba haciendo hace 10 años. Los sistemas parecen carecer de robustez y todavía se aplican en gran medida a problemas con los juguetes o al trabajo en condiciones altamente controladas. Entonces, tendría que decir que también hay algo de verdad en lo que dice sobre la robótica.

Answer 4

Lo que no le gustó a Marvin Minsky es lo que está haciendo todo el campo actualmente. A veces, incluso los mejores líderes tienen puntos ciegos y están demasiado involucrados en su propia agenda para ver qué es lo mejor para el progreso del campo. Creo que ese fue el caso con Minsky y claramente no pudo prever el liderazgo que CMU había desarrollado. También vea nuestra obsesión con la investigación de deformaciones de eminencia, un artículo de opinión relevante de Nature que acaba de salir hoy.

Por cierto, también es interesante cómo, en los detalles de la pregunta, la vaguedad de lo que hacen los “investigadores” ideales no se describe, pero el menosprecio de los “constructores de robots expertos en tecnología, centrados en las luchas de robots, las competiciones de ACM, etc.” ocupa un lugar central. Creo que la pregunta no se hace sinceramente, y ya parece haber un sesgo.

Answer 5

Ninguno de esos tipos ha resuelto la IA, por lo que no son exactamente las autoridades sobre cómo hacerlo. En todo caso, Minsky mató a AI durante mucho tiempo y la plataforma anti-estadística de Chomsky refleja su falta de conocimiento. Los humanos usan estadísticas para dar significado a lo que leen o escuchan.

Answer 6

No prestaría mucha atención a lo que Minsky tiene que decir. Minsky y Papert retrasaron doblemente la investigación de redes neuronales 20 años en 1969 con la publicación de Perceptron. Ese es un libro que describe las limitaciones de los perceptrones: su “incapacidad” para ser entrenados. La gente evitó la investigación en ese sentido hasta 20 años después, cuando el algoritmo de retropropagación se describió como una forma de entrenar capas de perceptrones. Esto hizo que los perceptrones en capas y enfoques conexionistas similares fueran la base de las redes neuronales modernas. Hemos aprendido la lección de no dejar que las opiniones miopes y negativas de Minsky afecten áreas de investigación perfectamente válidas. Nunca más, Minsky.

Answer 7

Probablemente vio algunos estudiantes universitarios …