为什么a.i. Moonshots Miss

自计算机革命的开始以来，研究人员曾梦想创建对竞争对手的计算机。我们的大脑是使用输入生成输出的信息计算机，计算机也是如此。建立工作以及我们的大脑的计算机有多难？

1954年，Georgetown-IBM团队预测了语言翻译计划将在三到五年内完善。 1965年，Herbert Simon表示，“机器将在二十年内能够有能力，做任何一个人可以做的任何工作。” 1970年Marvin Minsky告诉Life杂志，“从三到八年开始，我们将拥有一台具有普通人智力的机器。”数十亿美元涌入努力建立具有人工智能等于或超越人类智力的计算机。研究人员起初并不知道，但这是一个疯狂的雄心勃勃的努力，几乎没有机会快速回报。

到目前为止，它失败了。我们仍然很少了解人类大脑如何运作，但我们已经了解到，建立竞争对手的计算机的计算机不仅仅是计算能力和巧妙代码的问题。

A.I. 1956年达特尔茅斯的夏季会议上推出了研究，即“学习的各个方面或智能的任何其他特征可以如此精确地描述了一台机器来模拟它。”十七年后，1973年的灯灰次报告由U.K.科学研究委员会的结论是“在没有部分领域的部分是迄今为止的发现产生了那些承诺的主要影响。”资金干涸，一个A.I.冬天开始了。 A.I的重新恢复。研究在20世纪80年代，通过计算机内存和处理速度的进步以及专家系统的开发推动，其次是第二个A.I.随着专家系统的局限性变得明显的冬季。另一位重新恢复始于20世纪90年代，并持续到这一天。

广泛宣传的计算机胜利在基于基督信，棋子，国际象棋，去和危险之中世界冠军！促进了最初希望的想法。是在被实现的边缘。但就像在Moonshot希望的第一个十年一样，雄心勃勃的预测和移动的球门柱继续是常态。

2014年，Ray Kurzweil预测到2029年，计算机将有人类级智能，并将拥有人类的所有智力和情感能力，包括“讲述一个笑话的能力，浪漫，浪漫，浪漫，要爱上浪漫，性感。“当我们越来越近2029，Kurzweil会谈到2045。

在2009年的TED谈话中，以色列神经科学家Henry Markram表示，在十年内，他的研究小组将通过使用超级计算机模拟大脑的860亿神经元和100万亿突触来逆转人类大脑。

这些失败的目标是花钱。在欧洲联盟获得13亿美元的资金后，Markram的人类脑部项目于2015年坠毁。2016年，市场研究公司普华永道预计2030年GDP将是2030年的14％或15.7万亿美元，因为A.I。产品和服务。他们并不孤单。麦肯锡，埃森哲和Forrester还预测了2030年的类似数字，2016年的Forrester预测了2020年的$ 1.2万亿美元。四年后，在2020年，Forrester报道了A.I。市场仅为170亿美元。它现在将市场预测到2025年的市场达到370亿美元。哎呀！

2016年的15万亿美元预测假设A.I的成功。 Moonshots，如Watson为医疗保健，深麦芽和巢用于能源使用，5级公共道路上的自动驾驶车辆，以及人类的机器人和文本。当Moonshots这样的工作时，它们可能是革命性的;当他们在天空中成为馅饼时，失败昂贵。

我们学到了赢得一场去或危险的游戏的艰难方式！比处理单词和图像更容易，提供有效的医疗保健和建立自动驾驶汽车。电脑就像新的Zealander Nigel Richards，他们在法国拼写词典中记住了386,000个单词，并赢得了两次法语拼字游戏世界冠军，即使他不知道他拼写的法语单词的含义。以同样的方式，计算机算法适用于他们不理解的数据的数学方程，因此不能使用人类拥有的任何批判性思维技能。

如果计算机算法在四天后发出唐纳德特朗普宣传的唐纳德特朗普之间的相关性，则无法评估这种相关性是否有意义或毫无意义。最先进的图像识别计划肯定是一系列水平黑色和黄线是一条校车，显然侧重于像素的颜色，完全忽略了公共汽车有轮子，门和的事实挡风玻璃。

医疗保健Moonshot也失望了。 McKinsey展开了IBM的Watson Boasts，预测护士的生产力30-50％，卫生保健成本降低了5-9％，发达国家的医疗保健等于GDP的高达2％。华尔街期刊于2017年发布了一篇警示文章，很快就会质疑炒作。 IEEE频谱的2019年篇论文得出结论，Watson已经“过度妥协和欠了。”不久之后，IBM从毒品发现中拉了Watson，媒体热情为A.I.I.医疗保健积累了。例如，在糖尿病患者患有基于AI的临床决策支持的临床人员的2020年梅奥诊所和哈佛术勘查，以改善糖尿病患者的血糖控制，使得第11次的中位数为11分，只有14％说他们会向其他诊所推荐该系统。

遵循Watson的失败后，媒体在自然和其他期刊上搬到了谷歌医疗保健文章，报告了黑盒子的结果，以便使模型良好工作所需的未报告的调整。在谷歌发布蛋白质折叠纸后，结构生物学专家表示，“直到深度共享他们的代码，在现场关心的人，这只是他们在背后拍摄自己。”他还说，蛋白质折叠已经解决的想法是“可笑”。一群国际科学家们描述了乳腺癌的谷歌纸，就像另一个“非常高调的期刊出版了一个非常令人兴奋的研究，这与科学无关。 ......这更像是酷炫技术的广告。我们不能真正做任何事情。“鉴于谷歌高度吹捧的流感趋势算法的牌线，这种注意事项很大。在预测流感爆发中准确的97.5％后，谷歌流感趋势高估了未来108周的100个流感病例的数量，平均近100％，然后悄然退休。

自动驾驶车辆Moonshot处于类似的状态。截至2018年底，很明显，自动驾驶汽车比最初的想法更难，一个墙街期刊文章标题为“无人驾驶炒作与无情的现实碰撞”。在2020年，Zoox，Ike，Kodiagek机器人，Lyft，优步和Velodyne等初创公司开始裁员，破产，重载和清算价格。 Uber在2020年底销售其自主单位后，多年来自驾驶是未来盈利能力的关键。 2020年代中期宣布的麻省理工学院的工作组，完全无人驾驶系统将至少花费至少十年来部署大面积。

总的来说，A.I. Moonshots被证明是昂贵的失败收集。 10月20日的有线文章标题为“公司急于使用AI - 但很少见到的收益”报告称，只有11％的公司部署了A.I。正在获得“大大”的投资回报。一个原因是成本往往是高于最初的假设的成本。根据秋季的2020 MIT Sloan Management Review文章，“一个好的拇指规则是你应该估计每一个花费你花费一次算法，你必须花费100美元部署和支持它。”

2020年版“AI报告”，由A.I发布。投资者Nathan Benaich和Ian Hogarth得出结论认为，“我们正在迅速接近肆无忌惮的计算，经济和环境成本，以获得模型表现的逐步更小的改善。”例如，“没有重大的新研究突破，将[图像识别]放入11.5％至1％的错误率将需要超过一亿亿美元！”

事实是大多数Moonshots Fail：核融合，合成燃料，超音速飞行，Maglev和Blodschain的一切。相反，成功的技术通常在小而经常被忽视的应用中开始，然后扩展到更大，更重要的应用程序。晶体管首先用于助听器和无线电，然后在军事装备，计算机和手机中变得无处不在。计算机始于会计应用程序，后来扩展到公司的各种功能。 LED首先用于计算器和汽车仪表板，在用于照明之前。由于电力以来，互联网始于教授的工具。在卫星和远程位置使用太阳能电池在卫星和远程位置用于为城市住宅和业务发电。在几乎每种情况下，技术都在利基开始，然后通过价格和性能的指数改进，逐渐扩展到其他应用程序。

有些公司成功地关注他们的A.I.努力解决可实现效益的小问题。例如，DHL使用A.i.控制的机器人查找包，将它们移动到仓库周围，并将它们加载到平面上。和微软最近获得了Nuance，这是一个最闻名于深度学习的语音转录服务，这在医疗保健部门非常受欢迎。

许多类似的例子可以在机器人过程自动化软件机器人中找到，使人类与数字系统交互。它可用于会计，制造，金融和工程交易，它是A.I的最快增长的部分。市场。

相同的增量方法可用于医疗保健，自驾驶车辆等等。互利的扩散和进步可以来自各国的大型研究医院的合作，因为研究人员从彼此学习并从一个案例概括到另一个案例。无论天气均难以实现，无论在每个地理位置的情况下都可以在没有驾驶员的情况下运行的Holy Grail，但自动驾驶车辆在矿营营地，大型工厂，工业园区，主题公园，高尔夫俱乐部，高尔夫俱乐部，高尔夫俱乐部和大学校园。在用过多的不可预见的危险之前，它肯定会更好地完善小型解决方案。

其中一个原因A.I.过度曝光和欠卓越的是，我们预计建立一台超越人类大脑的计算机是所有人的人。电脑可能有一天竞争对手的人类智慧。与此同时，我们应该认识到A.I的局限性。并利用计算机的实际优势。 a.i的失败。 Moonshots不是放弃A.I的理由，但这是一个有理由对A.I的逼真。可以为我们做。

未来时态是石板，新美国和亚利桑那州立大学的伙伴关系，审查新兴技术，公共政策和社会。