Історія штучного інтелекту

Бажання створювати розумні машини (або, в давнину, ідолів) давнє, як і люди. Бажання не бути самотнім у Всесвіті, мати щось, з чим можна спілкуватися без суперечностей інших людей, є сильним. Наступне обговорення надає короткий, доречний огляд історії сучасних спроб ШІ.

Починаючи з символічної логіки в Дартмуті

Найперші комп’ютери були саме такими: обчислювальними пристроями. Вони імітували здатність людини маніпулювати символами, щоб виконувати основні математичні завдання, такі як додавання. Пізніше логічне міркування додало можливість виконувати математичні міркування за допомогою порівнянь (наприклад, визначати, чи одне значення більше, ніж інше). Однак людям все ще потрібно було визначити алгоритм, який використовується для виконання обчислень, надати необхідні дані в правильному форматі, а потім інтерпретувати результат. Влітку 1956 року різні вчені відвідали семінар, який проходив у кампусі Дартмутського коледжу, щоб зробити щось більше. Вони передбачили, що для машин, які могли б міркувати так само ефективно, як і люди, знадобиться щонайбільше наступне покоління. Вони помилялися.

Зазначена проблема з Дартмутським коледжем та іншими зусиллями того часу пов’язана з апаратним забезпеченням — можливістю обробки для виконання обчислень досить швидко для створення моделювання. Однак насправді це не вся проблема. Так, апаратне забезпечення дійсно відображається на малюнку, але ви не можете моделювати процеси, які ви не розумієте. Незважаючи на це, причиною того, що AI є певною мірою ефективним сьогодні, є те, що обладнання нарешті стало достатньо потужним, щоб підтримувати необхідну кількість обчислень.

Найбільша проблема з цими ранніми спробами (і все ще є значною проблемою сьогодні) полягає в тому, що ми не розуміємо, як люди розуміють достатньо добре, щоб створити будь-яке моделювання — якщо припустити, що моделювання напряму взагалі можливе. Знову розглянемо проблеми, пов’язані з пілотованими польотами, описані раніше у цій главі. Брати Райт досягли успіху не в моделюванні птахів, а в розумінні процесів, які використовують птахи, створивши таким чином область аеродинаміки. Отже, коли хтось каже, що наступна велика інновація штучного інтелекту вже не за горами, а конкретної дисертації про залучені процеси не існує, інновація не за горами.

Продовжуємо роботу з експертними системами

Експертні системи вперше з'явилися в 1970-х і знову в 1980-х роках як спроба зменшити обчислювальні вимоги, які висуває ШІ, використовуючи знання експертів. З’явилася низка представлень експертних систем, у тому числі на основі правил (які використовують оператори if… then для прийняття рішень на основі практичних правил), на основі фрейму (які використовують бази даних, організованих у пов’язані ієрархії загальної інформації, які називаються фреймами) та на основі логіки (які покладаються на з теорії множин для встановлення зв'язків). Поява експертних систем важлива, оскільки вони представляють перші дійсно корисні та успішні реалізації ШІ.

Ви все ще бачите, що експертні системи використовуються сьогодні (хоча вони більше не називаються так). Наприклад, засоби перевірки орфографії та граматики у вашій програмі є різновидом експертних систем. Програма перевірки граматики, особливо, суворо заснована на правилах. Варто озирнутися навколо, щоб побачити інші місця, де експертні системи все ще можуть знайти практичне застосування в повсякденному застосуванні.

Проблема експертних систем полягає в тому, що їх важко створювати та підтримувати. Перші користувачі повинні були вивчати спеціалізовані мови програмування, такі як List Processing (LisP) або Prolog. Деякі постачальники побачили можливість передати експертні системи в руки менш досвідченим або початківцям програмістам, використовуючи такі продукти, як VP-Expert , які спираються на підхід, заснований на правилах . Однак ці продукти, як правило, забезпечували надзвичайно обмежену функціональність у використанні невеликих баз знань.

У 1990-х роках словосполучення експертна система почало зникати. Ідея про те, що експертні системи були невдалими, дійсно з’явилася, але реальність така, що експертні системи були настільки успішними, що вкорінилися в додатках, для підтримки яких вони були розроблені. На прикладі текстового процесора одного разу вам потрібно було придбати окрему програму для перевірки граматики, наприклад RightWriter . Проте текстові процесори тепер мають вбудовані програми перевірки граматики, оскільки вони виявилися дуже корисними (якщо не завжди точними).

Подолання AI зим

Термін AI зима відноситься до періоду скорочення фінансування в розвитку AI. Загалом, ШІ пішов шляхом, за яким прихильники перебільшують те, що можливо, спонукаючи людей, які взагалі не володіють технологіями, але мають багато грошей, робити інвестиції. Потім настає період критики, коли ШІ не відповідає очікуванням, і, нарешті, відбувається скорочення фінансування. Кілька таких циклів відбувалося протягом багатьох років — усі вони руйнівні для справжнього прогресу.

Наразі ШІ перебуває в новій фазі галасу через машинне навчання, технологію, яка допомагає комп’ютерам вчитися на даних. Навчання комп’ютеру на основі даних означає не залежність від програміста-людини для встановлення операцій (завдань), а скоріше отримувати їх безпосередньо з прикладів, які показують, як повинен поводитися комп’ютер. Це як навчати дитину, показуючи їй, як поводитись на прикладі. Машинне навчання має підводні камені, оскільки комп’ютер може навчитися робити речі неправильно через необережне навчання.

П’ять племен вчених працюють над алгоритмами машинного навчання, кожне з яких має різну точку зору (докладніше дивіться в розділі «Уникнення галасу AI» далі в цій главі). На даний момент найуспішнішим рішенням є глибоке навчання, яке є технологією, яка прагне імітувати людський мозок. Глибоке навчання можливе завдяки наявності потужних комп’ютерів, розумніших алгоритмів, великих наборів даних, створених в результаті цифровізації нашого суспільства, а також величезних інвестицій від таких компаній, як Google, Facebook, Amazon та інших, які використовують цей ренесанс ШІ для власних потреб. підприємства.

Люди кажуть, що зима штучного інтелекту закінчилася через глибоке навчання, і наразі це правда. Однак, якщо ви подивитеся на те, як люди сприймають ШІ, ви можете легко зрозуміти, що врешті-решт відбудеться ще одна фаза критики, якщо прихильники не пом’якшують риторику.