¿Qué causó el “invierno AI” y cuáles fueron las primeras señales de advertencia? Dado el estado actual de la IA, ¿es probable que haya otro período de bajo interés en el campo? ¿Qué cuellos de botella serían la causa de eso?

Overhype es un gran problema. Se agrava por tener demasiadas startups pequeñas que persiguen lo mismo.
El desafío para esas nuevas empresas es que terminan persiguiendo todos los acuerdos posibles. Nunca reconocen cuándo su tecnología no es adecuada, porque no hay suficientes oportunidades percibidas en el mercado para dejar pasar ninguna.
Por lo tanto, persiguen acuerdos que no encajan bien. Pero, todos somos muy buenos en el proceso de preventa, por lo que usamos un poco de humo y espejos para hacer una prueba de concepto. Pero cuando eso se convierte en un proyecto real, nos quedamos cortos debido a la excesiva promesa al principio.

Cuando estaba con ClearForest, sentí que lo mejor para la industria sería hacer un resumen de ClearForest, Inxight y quizás 1 o 2 más. Eso crearía una sola compañía con suficiente participación en el mercado para decir no a las cosas que no podía hacer y enfocarse en las cosas que hizo bien.

Curiosamente, algunos de los proveedores de análisis de texto fueron adquiridos por compañías más grandes (SAS, IBM, etc.) donde tenían el problema opuesto. Eran pequeños y en gran medida desaparecieron dentro de la empresa. Ninguno de los representantes de ventas entendió las tecnologías (o en muchos casos incluso sabía que existían), por lo que se convirtieron en laboratorios internos.

Las causas eran muchas, pero todas ellas tienen sus raíces en las expectativas irrealistas que en algún momento la gente puso en (el estado actual) de la IA. Lo mismo será la próxima vez.

Entonces, de repente, alguien se da cuenta de que una tarea en particular no se puede hacer con NN (problema de Minsky xor), o se puede resolver fácilmente con alguna otra herramienta (SVM en los años 90), o simplemente no es lo suficientemente “inteligente” (sistemas expertos en los años 60).

El aprendizaje profundo (eso es lo que quiere decir el 90% de las personas cuando hablan de “IA”) sufrirá lo mismo, tarde o temprano. Más pronto, en mi opinión. Pero será muy diferente.

Hay éxitos obvios logrados con el aprendizaje profundo, y esta es una gran diferencia con lo que sucedió en el pasado: hoy tenemos aplicaciones * reales * que funcionan en entornos * reales *, pero hoy todos esperan que el aprendizaje profundo pueda resolver CADA problema. Por supuesto, esto no es cierto, y se acerca un “pequeño” invierno.

Cuando mi barbero habla de aprendizaje profundo y el periódico local publica artículos de IA, esta es la señal de que se ha alcanzado el pico de la exageración, así que espere una caída. Lo mismo funciona para las acciones, pero esa es otra historia.

Sin embargo, será diferente de los anteriores.

Antes la gente simplemente dejaba de lado a NN, mientras que hoy nadie dejará el aprendizaje profundo, al menos para lo que se ha comprobado que funciona. Anteriormente, prácticamente no había campos en los que la IA funcionara tan bien. El aprendizaje profundo llegó para quedarse.

Espere una disminución del interés en el aprendizaje profundo, con tal vez un aumento del interés en algún campo relacionado, pero definitivamente habrá un punto en el que no verá a las personas hablar de aprendizaje profundo como si fuera capaz de resolver todos y cada uno de los problemas. de la tierra.

La IA “real” aún está lejos de llegar.