독점 인터뷰｜장준핑: 인공지능은 '전능'을 추구할 필요가 없고 한 가지 측면만 잘하면 된다
2024-09-02
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
"장 선생님, 인공지능이 이렇게 발달하면 공부하면 교체됩니다. 공부하지 않으면 교체됩니다. 그러면 올해 상하이 도서전에서 젊은 독자가 공부하면 무슨 소용이 있겠습니까?" '인공지능 컨퍼런스'에서 '인간을 대체할 것인가? - 인공지능의 역사와 현재, 그리고 미래'라는 테마북 공유 활동이 끝난 뒤 장준핑 교수가 물었다.
인공지능 분야의 저명한 전문가이자 푸단대학교 컴퓨터공학부 교수인 장준핑(zhang junping)은 인공지능을 이해하려면 매트릭스 연산 등 기본 지식을 익히는 것이 중요하다고 답했다. 이러한 기본 사항을 학습해야만 알고리즘을 더 잘 제어 및 최적화하고 인공 지능 의사 결정을 이해할 수 있습니다. 그는 또한 학습을 통해 사람들이 인공지능 기술을 더 잘 이해하고 적용할 수 있다고 강조했습니다.
『인공지능의 간략한 역사』 책 표지.
장쥔핑은 대중이 인공지능 발전에 대한 이해를 돕기 위해 지난해 '인공지능의 간략한 역사'를 출간해 ai의 역사와 기술 진보를 대중적인 언어로 소개했다. 이 책은 초기 이론부터 현대 딥 러닝까지 중요한 이정표를 다루며 ai의 미래를 내다봅니다.
인공지능의 역사는 20세기 중반으로 거슬러 올라가며 수많은 흥망성쇠를 겪었다. 1950년대에는 앨런 튜링(alan turing), 존 매카시(john mccarthy) 등의 선구자들이 기반을 마련했다. 'ai 겨울'에도 불구하고 21세기 이후 컴퓨팅 파워와 빅데이터의 발달로 딥러닝은 인공지능 발전의 새로운 국면을 주도해 왔다.
2019년에 출간된 장준핑(zhang junping)의 저서 "실수를 좋아하는 에이전트(an agent that loves making mistakes)"는 인공지능이 직면한 과제와 오해를 탐구하고, 에이전트의 학습 과정에서 오류를 받아들이는 열린 마음을 장려합니다. 당시 chatgpt는 잘 알려지지 않았고, 인공지능이라는 개념도 대중들 사이에서 인기가 없었습니다. zhang junping은 the paper(www.thepaper.cn)에 기술이 빠르게 발전하고 있음에도 불구하고 chatgpt의 대부분의 콘텐츠는 자랑스럽게 말했습니다. 그 책은 변하지 않았습니다.
'ai 버블' 출현은 너무 높은 기대 탓
논문:2018년 9월 17일 상하이에서 제1회 세계인공지능컨퍼런스가 열렸습니다. 또한 2018년 6월부터 대학 교실 밖에서 관련 지식을 일반 대중에게 대중화하고 있습니다. 그때부터 지난해 『인공지능의 간략한 역사』가 출간되기까지, 어떻게 인공지능 분야의 대중과학 전문가가 되셨나요?
장준핑:2018년에 처음으로 과학 대중화를 했던 것은 "science times"에서 생성적 적대 네트워크에 대한 소개 글을 쓰도록 저를 초대했을 때였습니다. (편집자 주: gan은 주어진 훈련 데이터 세트에서 새롭고 보다 현실적인 데이터를 생성하기 위해 서로 경쟁하도록 두 개의 신경망을 훈련시키는 딥 러닝 아키텍처입니다.)
관련된 내용이 상대적으로 복잡하기 때문에 어떻게 하면 대중과학적인 해석을 해줄 수 있을지 고민하기 시작했습니다. 교차 비즈니스 개념, 즉 세대 네트워크와 대결 네트워크가 있는데, 이는 "콘도르 영웅 전설"에서 zhou botong의 좌우 전투 기술, 즉 왼손 공격과 오른손을 연상시킵니다. 방어한다.
당시 학계에서는 딥러닝에 대한 설명이 여러 가지였지만, 이 문제를 대중과학의 관점에서 설명하고 싶어서 『딥러닝, 당신은 116세 장수할머니』를 쓰게 되었습니다. 그리고 최종 반응도 나쁘지 않아서 이런 생각을 따라 적어보고 싶어서 2019년에 『실수를 좋아하는 요원』을 출간했고, 이후 단편 영상으로 전환하기 시작했습니다.
이번에 『인공지능의 간략한 역사』를 집필한 목적은 역사를 먼저 밝히는 것인데, 그 엄밀함은 이전 책보다 훨씬 높다.
저는 2000년부터 인공지능에 대한 연구를 해왔습니다. 인공지능의 전체 개발 라인에 대해 명확하고 이를 설명하는 방법을 알고 있습니다. 그러나 이러한 내용을 매우 정확하게 작성하려면 문헌을 확인하고 원본 수정 기반을 사용해야 합니다. 내용에.
예를 들어, 인공지능은 왜 처음으로 실패했을까? 처음에는 이 내용에 대해 여러 가지 생각을 해보았지만, 선생님인 lu qian 선생님이 전문가 시스템의 시대(1970년대~1980년대)는 인공지능 시스템이었다고 지적하셨습니다. 지식 베이스를 기반으로 전문 지식과 규칙을 활용하여 특정 분야의 문제를 해결하는 것)은 1차 인공지능 침체에서 벗어나는 데 도움이 되는 핵심 노드입니다. 그래서 그 분의 의견을 토대로 다시 한번 정보를 확인하고 이 부분을 수정하게 되었습니다.
책을 쓰는 것은 연구를 하는 것(논문을 쓰는 것)과 같지 않을 수도 있습니다. 잘 쓰여졌다면, 혹은 미래에 대한 충분한 예측이 있었다면, 이 책의 생명력은 과학 논문보다 훨씬 강할 것입니다. 특히 인공지능 분야에서는 논문이 발표된 지 반년밖에 지나지 않아 (기술적) 성능이 향상되어 원 논문은 점차 잊혀지는 경우가 많습니다.
논문:인공지능 분야에서 중국과 미국이 경쟁을 벌이고 있다는 목소리도 있는데, 이전에도 미국에 교류를 가본 적이 있다. 앞으로 (이번 경쟁의) 결정적인 요인은 무엇인가?
장준핑:한편으로는 재능이 있습니다. 과학 발전에 관한 연구에 따르면, 같은 기간 한 나라의 과학 성과가 전 세계 과학 성과의 25% 이상을 차지한다면 그 나라는 '세계 과학기술 중심지'라고 할 수 있다. 그러나 세계의 기술 중심지는 변화하고 있습니다. 예를 들어 처음에는 이탈리아와 영국이었고 그 다음에는 프랑스, 독일, 그리고 나중에는 미국이었습니다.
세계의 과학기술 중심지가 변할 것인지, 중국으로 올 것인지가 모두 문제이다. 만약 중국과 미국의 경쟁에 역전이 생긴다면 가장 확실한 신호는 언제가 세계 과학기술의 중심지가 중국에 올 수 있느냐 하는 것이라고 생각한다.
논문:앞서 인공지능 열풍에 모두가 투자하는 추세라고 말씀하셨는데, 최근에는 'ai 버블'이라는 용어도 등장했다고 생각하시나요?
장준핑:'버블'인지는 어떻게 정의하느냐에 따라 달라지는데, 사실 '초과대월'이라고도 설명할 수 있다. 천천히, 꾸준하게 한걸음 한걸음 나아가면 학계에는 '거품'이 없기 때문입니다. 하지만 이를 '버블'이라고 한다면 앞으로는 과장된 기대가 있을 수밖에 없다는 뜻이다.
예를 들어, 현재 인공지능 붐이 일어나는 상황에서 학계에서는 인공지능의 발전이 그렇게 뜨겁다고 생각하지 않을 수도 있지만, 현재 환경에서는 일반 인공지능이 발전하기까지는 아직 갈 길이 멀다고 생각할 수도 있습니다. 지능. 그러나 기업은 인공지능의 발전에 대해 너무 큰 기대를 갖고 있고, 특정 결과가 곧 달성될 예정이거나 이미 달성되었다고 느낄 수도 있습니다. 기대가 크면 실망도 클 수 있습니다. 전면에 너무 많은 투자를 하기 때문에 원하는 결과가 나오지 않으면 거품으로 간주됩니다.
논문:사실, 인간이 복잡하다고 생각하는 간단한 일을 기계가 할 수 있고, 인간이 단순하다고 생각하는 일을 기계가 복잡하다고 생각하는 것도 가능하다고 말씀하셨는데요. 우리의 원래 의도는 기계가 우리를 위해 간단하고 반복적인 작업을 하도록 하는 것이었습니다. 실제로 우리는 ai가 시를 쓰거나 어려운 일을 하도록 할 수도 있습니다. 미래에는 인간이 인공지능에 지나치게 의존하게 될 것이라고 생각하시나요?
장준핑:실제로 드레이퍼스는 자신의 저서 『컴퓨터가 할 수 없는 일』에서 이 문제에 대해 이야기했는데, 미래에 인간이 인공지능에 크게 의존하게 된다면 그 결과는 인간을 더 똑똑하게 만드는 것이 아니라 인간을 더 똑똑하게 만드는 것일 수도 있다고 말했습니다. 슈퍼 바보가 되십시오.
논문:인공지능이 인류를 멸망시킬 것이라는 주장에 동의하시나요?
장준핑:나는 동의하지 않습니다.
혁신, 규제 및 데이터 보호
논문:당신은 인공지능에 대해 지나치게 낙관적이라고 여러 번 언급했습니다. 어떤 사람들은 인공지능이 아직 그렇게 '지능적'이지 않다고 생각합니다. 인공지능에 대한 사람들의 기대에 어떻게 대처할 것인가?
장준핑:인공지능 연구자들은 대부분 낙관론자들이다. 하지만 사람들이 자기 자신을 이해한다는 것은 사실 어려운 문제라는 걸 늘 느껴요. 개미와 마찬가지로 2차원 평면에서 기어다닌다면 자신보다 더 높은 차원에 서서 자신이 실제로 3차원에 있다는 것을 알 수 없는 한 자신이 2차원 평면에 있다는 사실을 결코 알 수 없습니다. 공간. 크롤링. 사실 사람도 마찬가지다. 당신의 차원은 제한되어 있고, 이 차원 밖에서는 자신을 볼 방법이 없기 때문에 자신을 완전히 이해하는 것이 어려울 수 있다.
인공지능(애플리케이션)과 사람을 비행기와 새에 비유합니다. 인간은 늘 새의 비행을 시뮬레이션하고 싶어 했습니다. 사실 새의 모든 구조를 이해할 필요는 없습니다. 비행. 각 측면을 잘 수행하면 비행기는 점점 더 멀리 날아가고 더 많은 승객을 태울 수 있습니다.
인공지능도 마찬가지다. 인간의 지능이 어떻게 작동하는지 단시간에 파악하기는 어렵지만, 얼굴 인식이 정확한지, 이전 단어가 자연스럽게 쓰이는지 등 한 가지 목표에만 집중할 수 있다. 언어 처리. 다음 단어가 정확한지 예측하려면 한 가지 측면만 잘 수행하면 됩니다.
논문:즉, 소위 일반 인공지능보다는 응용에 더 집중할 수 있다는 것이다. 인공지능 예측과 관련하여 인공지능이 날씨 예측에 얼마나 도움이 될 수 있다고 생각하시나요? 혹은 그 전망은 어떻습니까?
장준핑:날씨 예측은 여전히 매우 어려운 문제입니다. 왜냐하면 기상학은 지금 우리가 보는 이미지나 영상과는 다르기 때문입니다. 실제로 우리가 얻는 데이터는 레이더로 하늘을 스캔하여 얻은 지상으로부터 일정 거리(예: 10km)에 있는 구름 이미지일 수도 있고, 그런 다음 구름 이미지의 변화를 기반으로 예측합니다. 하지만 구름 지도에는 지상의 수증기 증발이 어떻게 생성되고 사라지는지 알 수 없습니다. 지상에서 10km 이내의 공간에 수집자와 관찰자를 분산시키는 것은 불가능합니다. 비록 지상에 대한 정보가 많지 않더라도 상하이에는 관측소가 수백 개에 불과하고, 수집되는 정보량이 부족해 일기예보가 그리 쉽지 않을 수도 있습니다. 태풍예보는 (관측) 범위가 넓을 뿐만 아니라, 해상에서는 예측할 수 있는 방법이 거의 없거나 전혀 없습니다. 최근 몇 년간 딥마인드(deepmind), 화웨이(huawei), 알리바바(alibaba), 푸단(fudan) 대학의 푸시(fu xi) 등 팀이 기상학에 특별한 관심을 쏟고 있다. 단기 예보, 지역 예보 등 진전은 없지만 잘 이루어져야 한다. 특히 갑작스럽고 드문 사건의 경우 기상 현상을 예측하는 것은 여전히 매우 어렵습니다.
논문:거버넌스 측면에서 우리는 시각 예술가, 뉴스 매체, 음반사와 같은 저작권 보유자가 자신의 작업을 사용하여 생성 ai 시스템을 교육하는 기술 회사를 상대로 제기한 소송에 대한 많은 뉴스 보도를 보았습니다. 인공지능 분야의 창작자이자 전문가로서 기술 혁신과 데이터 보호 문제를 어떻게 보시나요?
장준핑:이 문제는 현재까지 만족스럽게 해결되지 않았으며, 현재 많은 사람들이 인공지능 생성에 대해 일정한 반대 의견을 갖고 있습니다. 소설을 쓰는 것을 예로 들어보겠습니다. 처음 몇 개의 장을 쓴 후 작가는 자신의 창작 개요를 클라우드의 플랫폼에 업로드하고 플랫폼은 소설의 내용을 채우기 위해 인공 지능 훈련을 위해 그의 개요 데이터를 사용할 수 있습니다. 인공지능으로 보완된 내용은 작가가 원래 쓰려고 했던 내용과 매우 유사할 가능성이 있으며, 어떤 의미에서는 작가의 창작 의도에 일부 영향을 미칠 수도 있습니다.
따라서 창작자로서 제품과 창작 결과를 신중하게 다루어야 하며, 플랫폼이 사용자가 업로드한 자료를 교육용으로 사용할 위험이 있으므로 무작정 클라우드에 콘텐츠를 업로드하지 않아야 합니다.
논문:혁신과 규제 사이의 균형을 어떻게 유지해야 한다고 생각하시나요?
장준핑:현 단계에서는 아직 엄격한 감독이 필요한 단계는 아닙니다. 아마도 국가 차원에서 가장 감독이 필요한 것은 데이터일 것이다. 몇 년 전 도입된 '중화인민공화국 데이터 보안법'에도 데이터 유출에 대한 주의 필요성이 반영됐다.
하지만 혁신이라는 측면에서는 격려에 중점을 두어야 한다고 생각합니다. 사실 우리는 무엇을 어떻게 해야 할지 잘 모릅니다. 과학 연구는 이렇기 때문에 무엇을 해야 할지 모를 때가 많습니다. 그러나 그렇게 하면 탈출구를 찾을 수 있습니다. 이것이 과학 연구의 실제 상황입니다.
the paper 기자 zhang wuwei와 인턴 zhan huijuan
(이 기사는 the paper에서 발췌한 것입니다. 더 많은 원본 정보를 보려면 “the paper” 앱을 다운로드하세요.)
