[论文解读] Advances in Artificial Intelligence Require Progress Across all of Computer Science

Gregory D. Hager, Randal E. Bryant+3 more|arXiv (Cornell University)|Jul 13, 2017

Machine Learning in Materials Science被引用 13

一句话总结

本白皮书认为，人工智能（AI）的进步取决于计算机科学所有领域的进步，而不仅仅是与AI相关的研究。它呼吁开展整合性、跨学科的合作，以应对系统、算法和理论方面的根本性挑战，强调计算机科学的整体发展对于实现可持续的AI创新至关重要。

ABSTRACT

Advances in Artificial Intelligence require progress across all of computer science.

研究动机与目标

• 强调AI进步与计算机科学所有领域进步之间的相互依存关系。
• 纠正一种误解，即AI进步仅靠AI特定研究即可实现。
• 倡导在计算机科学各子领域之间进行协调的、跨学科的投资与合作。
• 强调必须在系统、算法和理论上进行基础性改进，以支持下一代AI的发展。
• 将计算机科学视为一个统一的领域，其中跨领域的协同作用推动AI的突破。

提出的方法

• 分析当前AI研究的现状，识别其对计算机科学更广泛进步的系统性依赖。
• 借鉴来自不同子领域领先计算机科学家的见解，阐明跨学科之间的相互依存关系。
• 提出一个框架，将AI发展视为一个系统级挑战，需要在理论、系统和应用之间实现整合。
• 通过案例研究和专家共识，证明AI突破依赖于编程语言、数据库和分布式系统等领域的进步。
• 倡导支持跨领域合作而非孤立AI研究的政策与资助模式。
• 强调基础性计算机科学研究在实现可扩展、可靠和高效AI系统中的作用。

实验结果

研究问题

• RQ1 计算机科学中超越AI特定研究的进展，如何推动人工智能的进步？
• RQ2 支撑重大AI突破的关键跨学科依赖关系是什么？
• RQ3 为何孤立的AI研究模式不足以实现可持续且可扩展的AI创新？
• RQ4 为支持计算机科学的整体进步，研究资助和合作模式需要哪些系统性变革？
• RQ5 系统、算法和理论方面的基础性计算机科学进展，如何赋能下一代AI系统？

主要发现

• AI的进步在本质上受到计算机科学所有领域进展的制约，而不仅仅是AI特定领域。
• AI的重大突破依赖于整个计算机科学领域在系统、算法和理论基础方面的改进。
• 跨学科合作至关重要，因为AI创新无法脱离编程语言、数据库和分布式系统等领域的进步而实现。
• 当前将AI与更广泛的计算机科学割裂的研究模式，不足以实现稳健且可扩展的AI系统。
• 基础性计算机科学研究为大规模开发可靠、高效和安全的AI系统提供了支撑。
• 实现可持续的AI进步，需要在所有计算机科学子领域之间进行协调投资与合作，而不仅仅是聚焦于AI的举措。