A mesterséges intelligencia története

Az intelligens gépek (vagy az ókorban bálványok) létrehozásának vágya egyidős az emberekkel. Erős az a vágy, hogy ne legyünk egyedül az univerzumban, hogy legyen valami, amivel kommunikálhatunk a többi ember következetlensége nélkül. A következő vita rövid, idevágó áttekintést nyújt a modern AI-kísérletek történetéről.

A szimbolikus logikától kezdve a Dartmouth-nál

A legkorábbi számítógépek csak ilyenek voltak: számítástechnikai eszközök. Utánozták az emberi képességet a szimbólumok manipulálására az alapvető matematikai feladatok, például az összeadás elvégzése érdekében. A logikai érvelés később hozzáadta a matematikai érvelés végrehajtásának képességét összehasonlítások révén (például annak megállapítása, hogy az egyik érték nagyobb-e egy másik értéknél). Az embereknek azonban továbbra is meg kellett határozniuk a számítás végrehajtásához használt algoritmust, megadniuk a szükséges adatokat a megfelelő formátumban, majd értelmezniük kellett az eredményt. 1956 nyarán különböző tudósok vettek részt a Dartmouth College campusán tartott workshopon, hogy valamivel többet tegyenek. Azt jósolták, hogy az emberekhez hasonlóan hatékonyan gondolkodó gépekhez legfeljebb egy generációra lesz szükség. Tévedtek.

A Dartmouth College-val és más korabeli törekvésekkel kapcsolatban feltárt probléma a hardverhez kapcsolódik – a feldolgozási képesség ahhoz, hogy a számításokat elég gyorsan elvégezze egy szimuláció létrehozásához. Valójában azonban nem ez az egész probléma. Igen, a hardver belejön a képbe, de nem szimulálhatsz olyan folyamatokat, amelyeket nem értesz. Ennek ellenére a mesterséges intelligencia ma már valamennyire hatékony, mert a hardver végre elég erős lett a szükséges számú számítás támogatásához.

Ezekkel a korai próbálkozásokkal a legnagyobb probléma (és még ma is jelentős probléma), hogy nem értjük, hogyan érvelnek az emberek elég jól ahhoz, hogy bármilyen szimulációt készítsenek – feltételezve, hogy az irányszimuláció is lehetséges. Fontolja meg újra a fejezetben korábban ismertetett, emberes repüléssel kapcsolatos kérdéseket. A Wright fivérek nem a madarakat szimulálták, hanem sokkal inkább megértették a madarak által használt folyamatokat, és ezzel létrehozták az aerodinamika területét. Következésképpen, ha valaki azt mondja, hogy a következő nagy mesterségesintelligencia-innováció a sarkon van, és mégsem létezik konkrét értekezés az érintett folyamatokról, akkor az innováció minden, csak nem a sarkon.

Folytatva a szakértői rendszerekkel

A szakértői rendszerek először az 1970-es, majd az 1980-as években jelentek meg, hogy a mesterséges intelligencia által támasztott számítási követelményeket a szakértők tudásának felhasználásával csökkentsék. Számos szakértői rendszerreprezentáció jelent meg, beleértve a szabályalapú (amelyek if… majd utasításokat használnak a döntések alapjául szolgáló hüvelykujjszabályokra), keretalapú (amelyek általános információk kapcsolódó hierarchiáiba, kereteknek nevezett adatbázisokat használnak) és logikai alapú (amelyek támaszkodnak. halmazelméletről kapcsolatok létrehozására). A szakértői rendszerek megjelenése azért fontos, mert ezek mutatják be az AI első valóban hasznos és sikeres megvalósításait.

A mai napig használatban vannak a szakértői rendszerek (bár már nem így hívják). Például az alkalmazásban található helyesírás- és nyelvhelyesség-ellenőrzők egyfajta szakértői rendszerek. A nyelvtani ellenőrző különösen erősen szabályalapú. Érdemes körülnézni, hogy más helyeket is lássunk, ahol a szakértői rendszerek még gyakorlati hasznot látnak a mindennapi alkalmazásokban.

A szakértői rendszerekkel az a probléma, hogy nehéz lehet őket létrehozni és karbantartani. A korai felhasználóknak speciális programozási nyelveket kellett megtanulniuk, mint például a List Processing (LisP) vagy a Prolog. Néhány gyártó lehetőséget látott arra, hogy szakértői rendszereket kevésbé tapasztalt vagy kezdő programozók kezébe adjon olyan termékek használatával, mint a VP-Expert , amelyek a szabályalapú megközelítésen alapulnak . Ezek a termékek azonban általában rendkívül korlátozott funkcionalitást biztosítottak a kisebb tudásbázisok használatában.

Az 1990-es években kezdett eltűnni a szakértői rendszer kifejezés . Felmerült a gondolat, hogy a szakértői rendszerek kudarcot vallottak, de a valóság az, hogy a szakértői rendszerek egyszerűen olyan sikeresek voltak, hogy beépültek azokhoz az alkalmazásokhoz, amelyek támogatására készültek. Egy szövegszerkesztő példáját használva egy időben külön nyelvtani ellenőrző alkalmazást kellett vásárolnia, például a RightWritert . A szövegszerkesztőkben azonban már be vannak építve nyelvtani ellenőrzők , mert nagyon hasznosnak bizonyultak (ha nem is mindig pontosak).

Leküzdeni az AI-teleket

Az AI tél kifejezés a mesterséges intelligencia fejlesztésének csökkentett finanszírozási időszakára utal. Általánosságban elmondható, hogy a mesterséges intelligencia azt az utat járta be, amelyen a támogatók túlbecsülik a lehetséges mértéket, befektetésre késztetve a technológiai ismeretekkel nem rendelkező, de sok pénzzel rendelkező embereket. A kritika időszaka ezután következik, amikor a mesterséges intelligencia nem felel meg az elvárásoknak, és végül a finanszírozás csökkenése következik be. E ciklusok közül számos előfordult az évek során – mindegyik pusztító hatással volt a valódi fejlődésre.

A mesterséges intelligencia jelenleg egy új hype fázisban van a gépi tanulás miatt, amely technológia segít a számítógépeknek tanulni az adatokból. Az, hogy a számítógép tanul az adatokból, azt jelenti, hogy nem függ egy emberi programozótól a műveletek (feladatok) beállításához, hanem közvetlenül olyan példákból származtatja azokat, amelyek megmutatják, hogyan kell a számítógépnek viselkednie. Ez olyan, mintha egy csecsemőt tanítanánk úgy, hogy példán keresztül megmutatjuk neki, hogyan viselkedjen. A gépi tanulásnak vannak buktatói, mert a számítógép megtanulhatja, hogyan kell helytelenül csinálni dolgokat gondatlan tanítással.

Öt tudóstörzs dolgozik gépi tanulási algoritmusokon, mindegyik más-más nézőpontból (a részletekért lásd az „Avoiding AI Hype” részt a fejezet későbbi részében). Jelenleg a legsikeresebb megoldás a mélytanulás, ami egy olyan technológia , amely az emberi agy utánzására törekszik. A mélyreható tanulás lehetséges a nagy teljesítményű számítógépek, az intelligensebb algoritmusok, a társadalmunk digitalizálása által előállított nagy adatkészletek, valamint az olyan vállalkozások hatalmas befektetései miatt, mint a Google, a Facebook, az Amazon és mások, amelyek a mesterséges intelligencia reneszánszát saját magukra használják ki. vállalkozásokat.

Az emberek azt mondják, hogy a mesterséges intelligencia télének vége a mély tanulás miatt, és ez most igaz. Ha azonban körülnézünk, hogyan nézik az emberek a mesterséges intelligenciát, könnyen rájöhetünk, hogy előbb-utóbb egy újabb kritikai fázis következik be, hacsak a támogatók nem tompítják a retorikát.