Жеља за стварањем интелигентних машина (или, у древним временима, идола) стара је колико и људи. Жеља да не будете сами у универзуму, да имате нешто са чиме комуницирате без недоследности других људи, је јака. Следећа дискусија пружа кратак, релевантан преглед историје савремених покушаја вештачке интелигенције.
Почевши од симболичке логике у Дартмоутху
Најранији рачунари су били управо то: рачунарски уређаји. Они су имитирали људску способност да манипулишу симболима како би извршили основне математичке задатке, као што је сабирање. Логичко резоновање је касније додало могућност извођења математичког закључивања путем поређења (као што је одређивање да ли је једна вредност већа од друге вредности). Међутим, људи су и даље морали да дефинишу алгоритам који се користи за извођење прорачуна, да обезбеде потребне податке у правом формату, а затим интерпретирају резултат. Током лета 1956, разни научници су присуствовали радионици одржаној у кампусу Дартмоутх Цоллегеа да би урадили нешто више. Предвидели су да ће машинама које могу да размишљају ефикасно као и људи бити потребна, највише, генерација која долази. Погрешили су.
Наведени проблем са колеџом Дартмоутх и другим настојањима тог времена односи се на хардвер — способност обраде да се прорачуни изврше довољно брзо да се направи симулација. Међутим, то заправо није цео проблем. Да, хардвер се појављује на слици, али не можете симулирати процесе које не разумете. Упркос томе, разлог због којег је АИ данас донекле ефикасна је тај што је хардвер коначно постао довољно моћан да подржи потребан број прорачуна.
Највећи проблем са овим раним покушајима (и још увек значајан проблем данас) је тај што не разумемо како људи довољно добро размишљају да направе било какву симулацију — под претпоставком да је симулација правца уопште могућа. Размотрите поново проблеме у вези са летовима са посадом описаним раније у поглављу. Браћа Рајт су успела не симулацијом птица, већ разумевањем процеса које птице користе, стварајући тако поље аеродинамике. Сходно томе, када неко каже да је следећа велика АИ иновација одмах иза угла, а да ипак не постоји конкретна дисертација о укљученим процесима, иновација је све само не иза угла.
Настављамо са експертним системима
Експертски системи су се први пут појавили 1970-их и поново 1980-их као покушај да се смање рачунарски захтеви које поставља АИ користећи знање стручњака. Појавио се известан број репрезентација експертских система, укључујући засноване на правилима (које користе иф...тхен изјаве за заснивање одлука на основним правилима), засноване на оквирима (које користе базе података организоване у повезане хијерархије генеричких информација које се називају оквири) и засноване на логици (које се ослањају на о теорији скупова за успостављање односа). Појава експертских система је важна јер представљају прве заиста корисне и успешне имплементације АИ.
И данас видите експертске системе у употреби (иако се више не зову тако). На пример, провера правописа и граматике у вашој апликацији су врсте експертских система. Провера граматике је, посебно, снажно заснована на правилима. Исплати се погледати око себе да бисте видели друга места где експертски системи још увек могу да виде практичну употребу у свакодневним применама.
Проблем са експертским системима је што их је тешко креирати и одржавати. Рани корисници су морали да науче специјализоване програмске језике као што су обрада листа (ЛисП) или Пролог. Неки добављачи су видели прилику да ставе експертске системе у руке мање искусних или почетника програмера користећи производе као што је ВП-Екперт , који се ослањају на приступ заснован на правилима . Међутим, ови производи су генерално пружали изузетно ограничену функционалност у коришћењу малих база знања.
Деведесетих година прошлог века израз експертски систем је почео да нестаје. Појавила се идеја да су експертски системи неуспешни, али реалност је да су експертски системи једноставно били толико успешни да су постали укорењени у апликацијама које су дизајнирани да подрже. Користећи пример процесора текста, у једном тренутку сте морали да купите посебну апликацију за проверу граматике као што је РигхтВритер . Међутим, програми за обраду текста сада имају уграђене провере граматике јер су се показали тако корисним (ако не и увек тачним).
Превазилажење АИ зиме
Термин АИ зима се односи на период смањеног финансирања у развоју АИ. Генерално, вештачка интелигенција је следила пут на коме заговорници претерују са оним што је могуће, наводећи људе који уопште немају технолошко знање, али имају много новца, да улажу. Затим следи период критике када вештачка интелигенција не испуни очекивања, и коначно, долази до смањења финансирања. Бројни од ових циклуса су се десили током година — сви су разорни за истински напредак.
АИ је тренутно у новој фази узбуђења због машинског учења, технологије која помаже рачунарима да уче из података. Имати рачунар да учи из података значи не зависити од људског програмера да поставља операције (задатке), већ их изводити директно из примера који показују како рачунар треба да се понаша. То је као да образујете бебу тако што ћете јој примером показати како да се понаша. Машинско учење има замке јер рачунар може научити како да ради ствари погрешно кроз непажљиво подучавање.
Пет племена научника ради на алгоритмима за машинско учење, сваки са различите тачке гледишта (погледајте одељак „Избегавање АИ Хипе“ касније у овом поглављу за детаље). У овом тренутку, најуспешније решење је дубоко учење, што је технологија која тежи да имитира људски мозак. Дубоко учење је могуће због доступности моћних рачунара, паметнијих алгоритама, великих скупова података произведених дигитализацијом нашег друштва и огромних инвестиција компанија као што су Гоогле, Фацебоок, Амазон и других који користе ову ренесансу АИ за своје предузећа.
Људи говоре да је зима вештачке интелигенције готова због дубоког учења, и то је за сада тачно. Међутим, када погледате около на начине на које људи гледају на вештачку интелигенцију, лако можете схватити да ће се на крају догодити још једна фаза критике осим ако заговорници не ублаже реторику.