Tekoälyn historia

Halu luoda älykkäitä koneita (tai muinaisina aikoina epäjumalia) on yhtä vanha kuin ihmiset. Halu olla olematta yksin maailmankaikkeudessa, saada jotain, jonka kanssa kommunikoida ilman muiden ihmisten epäjohdonmukaisuuksia, on vahva. Seuraava keskustelu tarjoaa lyhyen, asianmukaisen yleiskatsauksen nykyaikaisten tekoälyyritysten historiaan.

Symbolisesta logiikasta alkaen Dartmouthissa

Varhaisimmat tietokoneet olivat juuri sellaisia: tietokonelaitteita. He matkivat ihmisen kykyä manipuloida symboleja matemaattisten perustehtävien, kuten yhteenlaskujen, suorittamiseksi. Looginen päättely lisäsi myöhemmin mahdollisuuden suorittaa matemaattista päättelyä vertailujen avulla (kuten määrittää, onko yksi arvo suurempi kuin toinen arvo). Ihmisten oli kuitenkin vielä määriteltävä laskennan suorittamiseen käytetty algoritmi, toimitettava vaaditut tiedot oikeassa muodossa ja sitten tulkittava tulos. Kesällä 1956 useat tutkijat osallistuivat Dartmouth Collegen kampuksella pidettyyn työpajaan tehdäkseen jotain muuta. He ennustivat, että koneet, jotka voisivat järkeillä yhtä tehokkaasti kuin ihmiset, vaatisivat enintään yhden sukupolven. He olivat väärässä.

Ilmoitettu ongelma Dartmouth Collegessa ja muissa aikakauden pyrkimyksissä liittyy laitteistoon - prosessointikykyyn suorittaa laskelmia riittävän nopeasti simulaation luomiseksi. Se ei kuitenkaan ole koko ongelma. Kyllä, laitteisto selviää kuvaan, mutta et voi simuloida prosesseja, joita et ymmärrä. Silti syy siihen, että tekoäly on jokseenkin tehokas nykyään, on se, että laitteistosta on vihdoin tullut tarpeeksi tehokas tukemaan vaadittua määrää laskelmia.

Suurin ongelma näissä varhaisissa yrityksissä (ja edelleen huomattava ongelma) on se, että emme ymmärrä, kuinka ihmiset järkeilevät tarpeeksi hyvin luodakseen kaikenlaisen simulaation - olettaen, että suuntasimulaatio on jopa mahdollista. Harkitse uudelleen aiemmin luvussa kuvattuja miehitettyyn lentoon liittyviä kysymyksiä. Wrightin veljekset eivät onnistuneet simuloimalla lintuja, vaan ymmärtämällä lintujen käyttämiä prosesseja ja loivat siten aerodynamiikan kentän. Näin ollen, kun joku sanoo, että seuraava suuri tekoälyinnovaatio on aivan nurkan takana, mutta konkreettista väitöskirjaa siihen liittyvistä prosesseista ei ole, innovaatio on kaikkea muuta kuin aivan nurkan takana.

Asiantuntijajärjestelmillä jatketaan

Asiantuntijajärjestelmät ilmestyivät ensimmäisen kerran 1970-luvulla ja uudelleen 1980-luvulla yrityksenä vähentää tekoälyn asettamia laskentavaatimuksia asiantuntijoiden tietämyksen avulla. Useita asiantuntijajärjestelmän esityksiä ilmestyi, mukaan lukien sääntöpohjaiset (jotka käyttävät jos… sitten -lauseita perustaakseen päätökset peukalosääntöihin), kehyspohjaiset (jotka käyttävät tietokantoja, jotka on järjestetty toisiinsa liittyviin yleisten tietojen hierarkioihin, joita kutsutaan kehyksiksi) ja logiikkapohjaiset (jotka perustuvat joukkoteoriassa suhteiden luomiseksi). Asiantuntijajärjestelmien tulo on tärkeää, koska ne esittelevät ensimmäiset todella hyödylliset ja onnistuneet tekoälyn toteutukset.

Näet edelleen käytössä asiantuntijajärjestelmiä (vaikka niitä ei enää niin kutsuta). Esimerkiksi sovelluksesi oikeinkirjoituksen ja kieliopin tarkistimet ovat eräänlaisia ​​asiantuntijajärjestelmiä. Varsinkin kieliopin tarkistus on vahvasti sääntöpohjainen. Kannattaa katsoa ympärilleen ja nähdä muitakin paikkoja, joissa asiantuntijajärjestelmät voivat vielä nähdä käytännön käyttöä jokapäiväisissä sovelluksissa.

Asiantuntijajärjestelmien ongelmana on, että niitä voi olla vaikea luoda ja ylläpitää. Varhaisten käyttäjien piti opetella erikoisohjelmointikieliä, kuten List Processing (LisP) tai Prolog. Jotkut toimittajat näkivät mahdollisuuden antaa asiantuntijajärjestelmät vähemmän kokeneiden tai aloittelevien ohjelmoijien käsiin käyttämällä tuotteita, kuten VP-Expert , jotka perustuvat sääntöihin perustuvaan lähestymistapaan . Nämä tuotteet tarjosivat kuitenkin yleensä erittäin rajalliset toiminnallisuudet pienehköjen tietokantojen käytössä.

1990-luvulla ilmaisu asiantuntijajärjestelmä alkoi kadota. Ajatus asiantuntijajärjestelmien epäonnistumisesta ilmaantui, mutta todellisuus on, että asiantuntijajärjestelmät olivat yksinkertaisesti niin menestyviä, että ne juurtuivat sovelluksiin, joita ne oli suunniteltu tukemaan. Tekstinkäsittelyohjelman esimerkkiä käyttäen piti aikoinaan ostaa erillinen kieliopin tarkistussovellus, kuten RightWriter . Tekstinkäsittelyohjelmissa on kuitenkin nyt sisäänrakennettu kieliopintarkistus , koska ne osoittautuivat niin hyödyllisiksi (jos eivät aina tarkkoja).

AI-talvien voittaminen

Termi AI-talvi viittaa ajanjaksoon, jossa tekoälyn kehittämisen rahoitus on vähentynyt. Tekoäly on yleensä seurannut polkua, jolla kannattajat yliarvioivat sen, mikä on mahdollista, ja houkuttelee ihmisiä, joilla ei ole lainkaan teknologiatietoa, mutta joilla on paljon rahaa, investoimaan. Sitten seuraa kritiikkikausi, kun tekoäly ei täytä odotuksia, ja lopulta rahoitus vähenee. Useita näistä sykleistä on tapahtunut vuosien varrella – ne kaikki ovat tuhonneet todellista edistystä.

Tekoäly on tällä hetkellä uudessa hype-vaiheessa koneoppimisen takia, teknologian, joka auttaa tietokoneita oppimaan tiedoista. Se, että tietokone oppii tiedoista, tarkoittaa, että se ei ole riippuvainen ihmisohjelmoijasta toimintojen (tehtävien) asettamisessa, vaan pikemminkin niiden johtamista suoraan esimerkeistä, jotka osoittavat, kuinka tietokoneen tulisi käyttäytyä. Se on kuin vauvan kouluttamista näyttämällä sille, kuinka hänen tulee käyttäytyä esimerkin kautta. Koneoppimisessa on ansoja, koska tietokone voi oppia tekemään asioita väärin huolimattoman opetuksen avulla.

Viisi tiedemiesheimoa työskentelee koneoppimisalgoritmien parissa, kukin eri näkökulmasta (katso lisätietoja jäljempänä tässä luvussa olevasta "AI-hypeä välttäminen" -osiosta). Tällä hetkellä menestynein ratkaisu on syväoppiminen, joka on tekniikka, joka pyrkii jäljittelemään ihmisaivoja. Syväoppiminen on mahdollista tehokkaiden tietokoneiden, älykkäämpien algoritmien, yhteiskuntamme digitalisoitumisen tuottamien suurten tietokokonaisuuksien sekä Googlen, Facebookin, Amazonin ja muiden yritysten, kuten Googlen, Facebookin, Amazonin ja muiden, jotka hyödyntävät tätä tekoälyn renessanssia omaan käyttöönsä, ansiosta. yrityksille.

Ihmiset sanovat, että tekoälytalvi on ohi syvän oppimisen vuoksi, ja se on totta toistaiseksi. Kuitenkin, kun katsot ympärillesi tapoja, joilla ihmiset katsovat tekoälyä, voit helposti selvittää, että uusi kritiikkivaihe tulee lopulta esiin, elleivät kannattajat lievennä retoriikkaa.