Историята на изкуствения интелект

Желанието за създаване на интелигентни машини (или в древни времена идоли) е старо колкото хората. Желанието да не бъдеш сам във Вселената, да имаш нещо, с което да общуваш без несъответствията на другите хора, е силно. Следващата дискусия предоставя кратък, уместен преглед на историята на съвременните опити за изкуствен интелект.

Започвайки със символична логика в Дартмут

Най-ранните компютри са били точно това: изчислителни устройства. Те имитират човешката способност да манипулират символи, за да изпълняват основни математически задачи, като събиране. Логическите разсъждения по-късно добавят възможността за извършване на математически разсъждения чрез сравнения (като например определяне дали една стойност е по-голяма от друга стойност). Въпреки това, хората все още трябваше да дефинират алгоритъма, използван за извършване на изчислението, да предоставят необходимите данни в правилния формат и след това да интерпретират резултата. През лятото на 1956 г. различни учени присъстваха на семинар, проведен в кампуса на Дартмутския колеж, за да направят нещо повече. Те предсказаха, че машините, които могат да разсъждават толкова ефективно, колкото хората, ще изискват най-много следващо поколение. Сгрешиха.

Посоченият проблем с Дартмутския колеж и други начинания от онова време се отнася до хардуера - способността за обработка за извършване на изчисления достатъчно бързо, за да се създаде симулация. Това обаче всъщност не е целият проблем. Да, хардуерът фигурира в картината, но не можете да симулирате процеси, които не разбирате. Въпреки това, причината AI да е донякъде ефективен днес е, че хардуерът най-накрая стана достатъчно мощен, за да поддържа необходимия брой изчисления.

Най-големият проблем с тези ранни опити (и все още сериозен проблем днес) е, че не разбираме как хората разсъждават достатъчно добре, за да създадат симулация от всякакъв вид – ако приемем, че симулацията на посоката е дори възможна. Помислете отново за проблемите, свързани с пилотираните полети, описани по-рано в главата. Братята Райт успяха не чрез симулиране на птици, а по-скоро чрез разбиране на процесите, които птиците използват, като по този начин създадоха полето на аеродинамиката. Следователно, когато някой каже, че следващата голяма иновация на AI е точно зад ъгъла и все пак не съществува конкретна дисертация за участващите процеси, иновацията е всичко друго, но не и точно зад ъгъла.

Продължаване с експертни системи

Експертните системи се появяват за първи път през 70-те години на миналия век и отново през 80-те години на миналия век като опит да се намалят изчислителните изисквания, поставени от AI, като се използват знанията на експертите. Появиха се редица представяния на експертна система, включително базирани на правила (които използват if... then изявления за базиране на решенията на практични правила), базирани на фреймове (които използват бази данни, организирани в свързани йерархии от обща информация, наречени рамки) и базирани на логика (които разчитат по теория на множествата за установяване на връзки). Появата на експертни системи е важно, защото те представят първите наистина полезни и успешни реализации на AI.

Все още виждате експертни системи, които се използват днес (въпреки че вече не се наричат ​​така). Например средствата за проверка на правописа и граматиката във вашето приложение са вид експертни системи. Програмата за проверка на граматиката е строго базирана на правила. Струва си да се огледате, за да видите други места, където експертните системи все още могат да намерят практическа употреба в ежедневните приложения.

Проблем с експертните системи е, че те могат да бъдат трудни за създаване и поддържане. Първите потребители трябваше да научат специализирани езици за програмиране като обработка на списъци (LisP) или Prolog. Някои доставчици видяха възможност да поставят експертни системи в ръцете на по-малко опитни или начинаещи програмисти, като използват продукти като VP-Expert , които разчитат на базирания на правила подход . Въпреки това, тези продукти като цяло предоставят изключително ограничена функционалност при използването на малки бази от знания.

През 90-те години фразата експертна система започва да изчезва. Идеята, че експертните системи са провал, се появи, но реалността е, че експертните системи просто бяха толкова успешни, че се вкорениха в приложенията, които са предназначени да поддържат. Използвайки примера с текстов процесор, по едно време трябваше да закупите отделно приложение за проверка на граматиката, като например RightWriter . Въпреки това, текстообработващите програми вече имат вградени програми за проверка на граматиката, защото се оказаха толкова полезни (ако не винаги точни).

Преодоляване на AI зимите

Терминът зима на ИИ се отнася до период на намалено финансиране в развитието на ИИ. Като цяло, AI е следвал път, по който привържениците преувеличават какво е възможно, карайки хора без технологични познания изобщо, но с много пари, да правят инвестиции. След това следва период на критика, когато AI не успее да отговори на очакванията и накрая настъпва намаляването на финансирането. Редица от тези цикли са се случили през годините — всички те са опустошителни за истинския напредък.

В момента AI е в нова фаза на реклама поради машинното обучение, технология, която помага на компютрите да се учат от данни. Да имаш компютър да се учи от данни означава да не зависиш от човешки програмист да задава операции (задачи), а по-скоро да ги извлича директно от примери, които показват как трябва да се държи компютърът. Това е като да образоваш бебе, като му показваш как да се държи чрез пример. Машинното обучение има клопки, защото компютърът може да се научи как да прави нещата неправилно чрез небрежно преподаване.

Пет племена учени работят върху алгоритми за машинно обучение, всеки от тях от различна гледна точка (вижте раздела „Избягване на AI Hype“ по-късно в тази глава за подробности). Понастоящем най-успешното решение е дълбокото обучение, което е технология, която се стреми да имитира човешкия мозък. Дълбокото обучение е възможно благодарение на наличието на мощни компютри, по-интелигентни алгоритми, големи масиви от данни, произведени от дигитализацията на нашето общество, и огромни инвестиции от бизнеси като Google, Facebook, Amazon и други, които се възползват от този AI ренесанс за свои собствени предприятия.

Хората казват, че зимата на изкуствения интелект е свършила заради дълбокото обучение и това е вярно засега. Когато обаче погледнете наоколо начините, по които хората гледат на ИИ, лесно можете да разберете, че в крайна сметка ще настъпи друга фаза на критика, освен ако поддръжниците не смекчат реториката.