História umelej inteligencie

Túžba vytvárať inteligentné stroje (alebo v staroveku modly) je stará ako ľudia. Túžba nebyť vo vesmíre sám, mať niečo, s čím komunikovať bez nezrovnalostí iných ľudí, je silná. Nasledujúca diskusia poskytuje stručný a relevantný prehľad histórie moderných pokusov o AI.

Počnúc symbolickou logikou v Dartmouthe

Najstaršie počítače boli práve to: výpočtové zariadenia. Napodobňovali ľudskú schopnosť manipulovať so symbolmi, aby mohli vykonávať základné matematické úlohy, ako je sčítanie. Logické uvažovanie neskôr pridalo schopnosť vykonávať matematické uvažovanie prostredníctvom porovnávania (ako je určovanie, či je jedna hodnota väčšia ako iná hodnota). Ľudia však stále potrebovali definovať algoritmus použitý na vykonanie výpočtu, poskytnúť požadované údaje v správnom formáte a potom interpretovať výsledok. Počas leta 1956 sa rôzni vedci zúčastnili workshopu, ktorý sa konal v areáli Dartmouth College, aby urobili niečo viac. Predpovedali, že stroje, ktoré dokážu uvažovať rovnako efektívne ako ľudia, si budú vyžadovať nanajvýš jednu generáciu. Mýlili sa.

Uvedený problém s Dartmouth College a ďalšími snahami tej doby sa týka hardvéru - schopnosti spracovania vykonávať výpočty dostatočne rýchlo na vytvorenie simulácie. To však v skutočnosti nie je celý problém. Áno, hardvér figuruje na obrázku, ale nemôžete simulovať procesy, ktorým nerozumiete. Aj tak je dôvod, prečo je AI dnes do istej miery efektívna, ten, že hardvér je konečne dostatočne výkonný na to, aby podporoval požadovaný počet výpočtov.

Najväčším problémom týchto skorých pokusov (a ešte stále značným problémom dnes) je to, že nerozumieme tomu, ako ľudia dostatočne uvažujú, aby vytvorili simuláciu akéhokoľvek druhu – za predpokladu, že simulácia smeru je vôbec možná. Znova zvážte problémy súvisiace s letom s ľudskou posádkou popísané vyššie v kapitole. Bratia Wrightovci uspeli nie simuláciou vtákov, ale skôr pochopením procesov, ktoré vtáky používajú, čím vytvorili pole aerodynamiky. V dôsledku toho, keď niekto povie, že ďalšia veľká inovácia AI je hneď za rohom, a napriek tomu neexistuje žiadna konkrétna dizertačná práca o príslušných procesoch, inovácia je všetko, len nie hneď za rohom.

Pokračovanie v expertných systémoch

Expertné systémy sa prvýkrát objavili v 70. rokoch a znova v 80. rokoch minulého storočia ako pokus o zníženie výpočtových požiadaviek kladených AI pomocou znalostí odborníkov. Objavilo sa množstvo reprezentácií expertných systémov vrátane reprezentácií založených na pravidlách (ktoré používajú príkazy if...then na založenie rozhodnutí na orientačných pravidlách), založené na rámcoch (ktoré používajú databázy usporiadané do súvisiacich hierarchií generických informácií nazývaných rámce) a založené na logike (ktoré sa spoliehajú na o teórii množín na vytváranie vzťahov). Nástup expertných systémov je dôležitý, pretože predstavujú prvé skutočne užitočné a úspešné implementácie AI.

Expertné systémy sa používajú aj dnes (aj keď sa tak už nenazývajú). Napríklad kontrola pravopisu a gramatiky vo vašej aplikácii sú druhy expertných systémov. Najmä kontrola gramatiky je silne založená na pravidlách. Oplatí sa poobzerať sa okolo seba, aby ste videli iné miesta, kde môžu expertné systémy stále nájsť praktické využitie v každodenných aplikáciách.

Problém s expertnými systémami je v tom, že môže byť ťažké ich vytvoriť a udržiavať. Prví používatelia sa museli naučiť špecializované programovacie jazyky ako List Processing (LisP) alebo Prolog. Niektorí predajcovia videli príležitosť dať expertné systémy do rúk menej skúseným alebo začínajúcim programátorom pomocou produktov ako VP-Expert , ktoré sa spoliehajú na prístup založený na pravidlách . Tieto produkty však vo všeobecnosti poskytovali extrémne obmedzenú funkčnosť pri používaní menších znalostných báz.

V 90. rokoch sa slovné spojenie expertný systém začalo vytrácať. Objavila sa myšlienka, že expertné systémy zlyhali, no realita je taká, že expertné systémy boli jednoducho také úspešné, že sa zakorenili v aplikáciách, ktoré mali podporovať. Na príklade textového procesora ste si naraz potrebovali kúpiť samostatnú aplikáciu na kontrolu gramatiky, ako napríklad RightWriter . Textové procesory však teraz majú zabudovanú kontrolu gramatiky, pretože sa ukázali ako užitočné (ak nie vždy presné).

Prekonávanie AI zimy

Termín AI zima označuje obdobie zníženého financovania rozvoja AI. Vo všeobecnosti sa AI vydala cestou, na ktorej zástancovia preháňajú, čo je možné, a nútia ľudí, ktorí nemajú žiadne technologické znalosti, ale majú veľa peňazí, aby investovali. Potom nasleduje obdobie kritiky, keď AI nesplní očakávania, a nakoniec dôjde k zníženiu financovania. V priebehu rokov došlo k niekoľkým z týchto cyklov – všetky zničujúce pre skutočný pokrok.

AI je v súčasnosti v novej fáze humbuku kvôli strojovému učeniu, technológii, ktorá pomáha počítačom učiť sa z údajov. Mať počítač učiť sa z údajov znamená nezávisieť od ľudského programátora pri nastavovaní operácií (úloh), ale skôr ich odvodzovať priamo z príkladov, ktoré ukazujú, ako by sa mal počítač správať. Je to ako vychovávať dieťa tak, že mu ukážete, ako sa má správať príkladom. Strojové učenie má úskalia, pretože počítač sa môže neopatrným učením naučiť robiť veci nesprávne.

Päť kmeňov vedcov pracuje na algoritmoch strojového učenia, každý z nich z iného uhla pohľadu (podrobnosti nájdete v časti „Avoiding AI Hype“ ďalej v tejto kapitole). V súčasnosti je najúspešnejším riešením deep learning, čo je technológia, ktorá sa snaží napodobniť ľudský mozog. Hlboké učenie je možné vďaka dostupnosti výkonných počítačov, inteligentnejším algoritmom, veľkým súborom údajov vytvoreným digitalizáciou našej spoločnosti a obrovským investíciám od spoločností ako Google, Facebook, Amazon a ďalších, ktoré využívajú túto renesanciu AI pre seba. podniky.

Ľudia hovoria, že zima AI sa skončila kvôli hlbokému učeniu, a to je zatiaľ pravda. Keď sa však pozriete okolo seba na spôsoby, akými ľudia vnímajú AI, ľahko zistíte, že nakoniec nastane ďalšia fáza kritiky, pokiaľ zástancovia nezmiernia rétoriku.