Kami sama sekali tidak dekat, kami juga tidak punya ide bagaimana menjembatani kesenjangan antara apa yang saat ini dapat kami lakukan dan apa yang digambarkan dalam film-film ini.
Kecenderungan saat ini untuk pendekatan DL (ditambah dengan munculnya ilmu data sebagai disiplin utama) telah menyebabkan banyak minat populer di AI.
Namun, para peneliti dan praktisi sebaiknya mempelajari pelajaran 'AI Musim Dingin' dan tidak terlibat dalam keangkuhan atau membaca terlalu banyak tentang keberhasilan saat ini.
Sebagai contoh:
- Keberhasilan dalam pembelajaran transfer sangat terbatas.
- 'Masalah sulit' (yaitu menghadirkan 'lingkungan mentah, yang belum dicuci' ke mesin dan membuatnya dengan solusi dari awal) tidak ditangani oleh DL sejauh itu digambarkan secara populer: pengetahuan manusia yang ahli masih diperlukan untuk membantu memutuskan bagaimana input harus dibingkai, mengatur parameter, menginterpretasikan output dll.
Seseorang yang memiliki antusiasme terhadap AGI diharapkan akan setuju bahwa 'masalah sulit' sebenarnya adalah satu-satunya yang penting. Beberapa tahun yang lalu, seorang ilmuwan kognitif terkenal mengatakan, "Kami belum berhasil mewakili satu konsep pun di komputer".
Menurut pendapat saya, tren penelitian terbaru tidak banyak mengubah hal ini.
Semua ini mungkin kedengarannya pesimis - tidak dimaksudkan untuk itu. Tidak satu pun dari kita yang menginginkan AI Musim Dingin lagi, jadi kita harus menantang (dan jujur tentang) batas teknik kita saat ini daripada membuat mitologi mereka.