El desig de crear màquines intel·ligents (o, en l'antiguitat, ídols) és tan antic com els humans. El desig de no estar sol a l'univers, de tenir alguna cosa amb què comunicar-se sense les inconsistències d'altres humans, és fort. La discussió següent ofereix una visió general breu i pertinent de la història dels intents moderns d'IA.
Començant per la lògica simbòlica a Dartmouth
Els primers ordinadors eren només això: dispositius informàtics. Van imitar la capacitat humana de manipular símbols per tal de realitzar tasques bàsiques de matemàtiques, com ara la suma. El raonament lògic va afegir més tard la capacitat de realitzar raonaments matemàtics mitjançant comparacions (com ara determinar si un valor és més gran que un altre). Tanmateix, els humans encara necessitaven definir l'algoritme utilitzat per realitzar el càlcul, proporcionar les dades requerides en el format adequat i després interpretar el resultat. Durant l'estiu de 1956, diversos científics van assistir a un taller celebrat al campus de Dartmouth College per fer alguna cosa més. Van predir que les màquines que poguessin raonar amb tanta eficàcia com els humans requeririen, com a molt, una generació. Estaven equivocats.
El problema declarat amb el Dartmouth College i altres esforços de l'època es relaciona amb el maquinari: la capacitat de processament per realitzar càlculs amb prou rapidesa per crear una simulació. Tanmateix, aquest no és realment el problema. Sí, el maquinari figura a la imatge, però no podeu simular processos que no enteneu. Tot i així, la raó per la qual la IA és una mica efectiva avui dia és que el maquinari finalment s'ha tornat prou potent com per suportar el nombre necessari de càlculs.
El problema més gran d'aquests primers intents (i encara un problema considerable avui en dia) és que no entenem com els humans raonen prou bé per crear una simulació de qualsevol tipus, suposant que fins i tot una simulació de direcció és possible. Considereu de nou els problemes relacionats amb el vol tripulat descrits anteriorment al capítol. Els germans Wright van tenir èxit no simulant ocells, sinó entenent els processos que utilitzen els ocells, creant així el camp de l'aerodinàmica. En conseqüència, quan algú diu que la propera gran innovació en IA és a la volta de la cantonada i, tanmateix, no hi ha cap dissertació concreta dels processos implicats, la innovació és tot menys a la volta de la cantonada.
Continuant amb sistemes experts
Els sistemes experts van aparèixer per primera vegada a la dècada de 1970 i de nou a la dècada de 1980 com un intent de reduir els requisits computacionals que planteja la IA utilitzant el coneixement dels experts. Van aparèixer diverses representacions de sistemes experts, incloses les basades en regles (que utilitzen declaracions si... llavors per basar les decisions en regles generals), basades en marcs (que utilitzen bases de dades organitzades en jerarquies relacionades d'informació genèrica anomenades marcs) i basades en la lògica (que es basen en sobre la teoria de conjunts per establir relacions). L'arribada dels sistemes experts és important perquè presenten les primeres implementacions d'IA realment útils i reeixides.
Encara veieu sistemes experts en ús avui dia (tot i que ja no es diuen així). Per exemple, els correctores ortogràfics i gramaticals de la vostra aplicació són tipus de sistemes experts. El corrector gramatical, especialment, es basa fortament en regles. Val la pena mirar al seu voltant per veure altres llocs on els sistemes experts encara poden tenir un ús pràctic en aplicacions quotidianes.
Un problema amb els sistemes experts és que poden ser difícils de crear i mantenir. Els primers usuaris havien d'aprendre llenguatges de programació especialitzats com ara el processament de llista (LisP) o el prolog. Alguns venedors van veure l'oportunitat de posar sistemes experts en mans de programadors menys experimentats o novells mitjançant l'ús de productes com ara VP-Expert , que es basen en l' enfocament basat en regles . Tanmateix, aquests productes generalment proporcionaven una funcionalitat extremadament limitada en l'ús de bases de coneixement petites.
A la dècada de 1990, la frase sistema expert va començar a desaparèixer. La idea que els sistemes experts eren un fracàs sí que va aparèixer, però la realitat és que els sistemes experts van tenir tant d'èxit que es van arrelar a les aplicacions per a les quals estaven dissenyats. Utilitzant l'exemple d'un processador de textos, en un moment calia comprar una aplicació de comprovació gramatical independent, com ara RightWriter . No obstant això, els processadors de textos ara disposen de correctores gramaticals integrats perquè van resultar molt útils (si no sempre exactes).
Superant els hiverns de la IA
El terme hivern de la IA fa referència a un període de reducció del finançament en el desenvolupament de la IA. En general, la IA ha seguit un camí en el qual els defensors exageren el que és possible, induint persones sense coneixements tecnològics, però amb molts diners, a fer inversions. Segueix un període de crítiques quan la IA no compleix les expectatives i, finalment, es produeix la reducció del finançament. Al llarg dels anys s'han produït diversos d'aquests cicles, tots devastadors per al veritable progrés.
La IA es troba actualment en una nova fase de bombo a causa de l'aprenentatge automàtic, una tecnologia que ajuda els ordinadors a aprendre de les dades. Que un ordinador aprengui de les dades significa no dependre d'un programador humà per establir operacions (tasques), sinó derivar-les directament d'exemples que mostren com s'ha de comportar l'ordinador. És com educar un nadó mostrant-li com s'ha de comportar amb l'exemple. L'aprenentatge automàtic té inconvenients perquè l'ordinador pot aprendre a fer les coses de manera incorrecta mitjançant un ensenyament descuidado.
Cinc tribus de científics estan treballant en algorismes d'aprenentatge automàtic, cadascun des d'un punt de vista diferent (vegeu la secció "Evitar el bombo d'IA", més endavant en aquest capítol, per obtenir més informació). En aquest moment, la solució més exitosa és l'aprenentatge profund, que és una tecnologia que s'esforça per imitar el cervell humà. L'aprenentatge profund és possible gràcies a la disponibilitat d'ordinadors potents, algorismes més intel·ligents, grans conjunts de dades produïts per la digitalització de la nostra societat i grans inversions d'empreses com Google, Facebook, Amazon i d'altres que s'aprofiten d'aquest renaixement de la IA pel seu compte. empreses.
La gent diu que l'hivern de l'IA s'ha acabat a causa de l'aprenentatge profund, i això és cert de moment. Tanmateix, quan mireu les maneres en què la gent veu la IA, podeu esbrinar fàcilment que finalment es produirà una altra fase de crítica tret que els defensors redueixin la retòrica.
