El Fin Del Conocimiento - Bóveda 5/81 - CVPR - 2023 - Revisitar Ideas Antiguas Con Hardware Moderno

graph LR classDef ai fill:#f9d4d4, font-weight:bold, font-size:14px classDef computation fill:#d4f9d4, font-weight:bold, font-size:14px classDef expectations fill:#d4d4f9, font-weight:bold, font-size:14px classDef challenges fill:#f9f9d4, font-weight:bold, font-size:14px classDef insights fill:#f9d4f9, font-weight:bold, font-size:14px A["Revisitar Ideas Antiguas
Con Hardware Moderno"] --> B["Brooks: influyente, desafió el status quo. 1"] A --> C["El aumento del poder computacional permite la IA. 2"] C --> D["Las redes neuronales tienen una larga historia, clave. 3"] A --> E["Sobreestimación a corto plazo, subestimación a largo plazo común. 4"] E --> F["La tecnología avanzada parece mágica, sobreestimada. 5"] E --> G["IA específica de tareas malinterpretada como general. 6"] E --> H["Despliegue de IA en el mundo real sorprendentemente lento. 7"] E --> I["Hollywood muestra cambios irreales, repentinos. 8"] A --> J["El verdadero crecimiento exponencial es raro, mesetas. 9"] J --> K["El crecimiento exponencial de la computación ≠ inteligencia humana. 10"] A --> L["El bombo de la IA lleva a la sobregeneralización. 11"] A --> M["La integración lenguaje-visión requiere anclaje encarnado. 12"] M --> N["La inteligencia humana conecta palabras con
modelos, objetos, geometría. 13"] M --> O["El aprendizaje profundo puede no resolver
el problema del anclaje de símbolos. 14"] A --> P["Percepción: límites difusos, comprensión funcional. 15"] P --> Q["Smith: registro más profundo que etiquetado. 16"] A --> R["Orígenes de viejos documentos, generaciones tempranas
generan nuevas ideas. 17"] A --> S["Modelos de lenguaje grandes sorprendentes, novedosos. 18"] A --> T["Direcciones de investigación únicas más impactantes. 19"] A --> U["Las mujeres hicieron contribuciones fundamentales a la IA. 20"] C --> V["La computación permite la implementación de las leyes de Asimov. 21"] A --> W["El aprendizaje profundo temporal, nuevos paradigmas
emergerán. 22"] A --> X["La geometría importante, a menudo pasada por alto en
IA, visión. 23"] C --> Y["La computación barata en el borde permite robots
inteligentes. 24"] A --> Z["Apoyar viejas ideas con computación moderna
genera avances. 25"] class A,B,U ai class C,D,V,Y computation class E,F,G,H,I,J,K expectations class L,M,N,O,P,Q,W,X challenges class R,S,T,Z insights

Resumen:

1.- Rod Brooks es un investigador influyente en IA que desafió el status quo y cambió el enfoque hacia sistemas del mundo real e inteligencia inspirada en la naturaleza.

2.- El poder computacional ha aumentado dramáticamente, permitiendo nuevas posibilidades para la investigación en IA.

3.- Las redes neuronales tienen una larga historia, con ideas clave como la invariancia al desplazamiento, la retropropagación y las redes neuronales convolucionales desarrolladas durante décadas.

4.- Es común sobreestimar el impacto a corto plazo y subestimar los efectos a largo plazo de la tecnología.

5.- La tecnología suficientemente avanzada parece mágica, lo que lleva a sobreestimar las capacidades de la IA.

6.- El rendimiento de la IA en tareas específicas a menudo se malinterpreta como competencia general.

7.- El despliegue en el mundo real de sistemas de IA lleva mucho más tiempo del esperado debido a desafíos prácticos e inercia.

8.- Los escenarios de Hollywood muestran cambios tecnológicos irreales y repentinos sin considerar la coevolución de la sociedad y la tecnología.

9.- El verdadero crecimiento exponencial en tecnología es raro; la mayoría de las mejoras eventualmente se estabilizan.

10.- El crecimiento exponencial computacional no garantiza equivalencia funcional a la inteligencia humana.

11.- El lenguaje impreciso y el bombo alrededor de la IA llevan a la sobregeneralización de avances estrechos.

12.- Combinar modelos de lenguaje y visión por computadora requiere más que una simple integración; es crucial anclar símbolos en experiencias encarnadas.

13.- La inteligencia humana se basa en conectar palabras con modelos, objetos encarnados y geometría, no solo descripciones lingüísticas.

14.- El aprendizaje profundo puede no resolver completamente el problema del anclaje de símbolos, que involucra estabilidad e integración perceptual continua.

15.- La percepción involucra límites difusos y comprensión funcional, no solo etiquetado basado en características de imagen.

16.- Brian Cantwell Smith introduce el concepto de registro, una comprensión más profunda que el etiquetado, como un desafío clave para la IA.

17.- Nuevas ideas pueden encontrarse estudiando los orígenes y las primeras generaciones de documentos antiguos en profundidad.

18.- Los modelos de lenguaje grandes fueron un desarrollo sorprendente y novedoso en la IA durante la última década.

19.- Seguir direcciones de investigación únicas, en lugar de seguir campos concurridos, puede llevar a contribuciones más impactantes.

20.- Las mujeres han hecho contribuciones fundamentales significativas a la investigación en IA.

21.- El aumento del poder computacional permite nuevas capacidades, como implementar las leyes de Asimov en robótica.

22.- El aprendizaje profundo probablemente sea un enfoque temporal en la IA; nuevos paradigmas emergerán en el futuro.

23.- La geometría es un aspecto importante pero a menudo pasado por alto en la IA y la visión por computadora.

24.- La computación barata y masiva ahora está disponible en el borde, cerca de sensores como cámaras, permitiendo robots inteligentes.

25.- Apoyar y leer viejas ideas con poder computacional moderno puede llevar a nuevos avances en IA.

Bóveda del Conocimiento construida porDavid Vivancos 2024