Главное меню » История искусственного интеллекта

История искусственного интеллекта

На протяжении многих поколений искусственный интеллект не теряет своей актуальности и становится чрезвычайно важной частью современной жизни.

Редакция
0 комментариев 941 просм. 9 мин. на чтение

Среди огромного количества технологических достижений XX и XXI веков одним из самых влиятельных, несомненно, является искусственный интеллект (ИИ). От алгоритмов поисковых систем, переосмысливающих наши способы поиска информации, до Amazon Alexa в потребительском секторе – искусственный интеллект стал одной из основных технологий, двигающих всю технологическую отрасль в будущее.

Независимо от того, являетесь ли вы начинающим стартапом или таким титаном отрасли, как Microsoft, в вашей компании наверняка есть хотя бы одно подразделение, работающее с ИИ или машинным обучением. Согласно исследованию компании Grand View Research, в 2021 г. мировой объем индустрии ИИ оценивается в 93,5 млрд долл.

ИИ как сила в технологической отрасли стал заметен в 2000-2010-х годах, однако в той или иной форме он существует как минимум с 1950 года, а возможно, и раньше.

Широкие мазки истории ИИ, такие как тест Тьюринга и шахматные компьютеры, укоренились в массовом сознании, но богатая, плотная история живет под поверхностью общеизвестного. В данной статье мы рассмотрим эту историю и покажем вам путь ИИ от мифической идеи до изменяющей мир реальности.

От фольклора к фактам

Хотя искусственный интеллект часто считается передовой концепцией, люди представляют себе искусственные интеллекты на протяжении тысячелетий, и эти представления оказали ощутимое влияние на современные достижения в этой области.

Яркими мифологическими примерами являются бронзовый автомат Талос, защитник острова Крит в Греции, и алхимические гомункулы эпохи Возрождения. Такие персонажи, как монстр Франкенштейна, HAL 9000 из фильма “2001 год: космическая одиссея”, Скайнет из фильма “Терминатор”, – лишь некоторые из тех, кто изображает искусственный интеллект в современной фантастике.

Одной из вымышленных концепций, оказавших наибольшее влияние на историю ИИ, являются “Три закона робототехники” Айзека Азимова. На эти законы часто ссылаются исследователи и организации, создающие собственные законы робототехники в реальном мире.

Так, например, когда Исследовательский совет по инженерным и физическим наукам (EPSRC) и Исследовательский совет по искусству и гуманитарным наукам (AHRC) Великобритании опубликовали свои 5 принципов для разработчиков, создателей и пользователей роботов, они прямо ссылались на Азимова, хотя и заявляли, что законы Азимова “просто не работают на практике”.

Генеральный директор Microsoft Сатья Наделла также упомянул законы Азимова, представляя свои собственные законы для ИИ, назвав их “хорошим, хотя в конечном итоге и неадекватным началом”.

Компьютеры, игры и Алан Тьюринг

В то время как Азимов писал “Три закона” в 1940-х годах, исследователь Уильям Грей Уолтер разрабатывал рудиментарную, аналоговую версию искусственного интеллекта. Эти крошечные роботы, называемые черепахами, могли обнаруживать и реагировать на свет и прикосновение к пластиковому панцирю и работали без использования компьютеров.

Позже, в 1960-х годах, в Университете Джона Хопкинса был создан “Зверь” – еще один бескомпьютерный автомат, который мог перемещаться по коридорам университета с помощью гидролокатора и заряжаться от специальных розеток при разрядке аккумулятора.

Однако искусственный интеллект, каким мы его знаем сегодня, оказался неразрывно связан с развитием компьютерной науки. Работа Алана Тьюринга 1950 года “Вычислительная техника и интеллект”, в которой был представлен знаменитый тест Тьюринга, не теряет своей актуальности и сегодня. Многие ранние программы ИИ были разработаны для игр, например, программа игры в шашки Кристофера Страчи, написанная для компьютера Ferranti Mark I.

Сам термин “искусственный интеллект” не был закреплен до Дартмутского семинара 1956 года, организованного Марвином Мински, Джоном Маккарти, Клодом Шенноном и Натаном Рочестером, где Маккарти придумал название для зарождающейся области.

На семинаре Аллен Ньюэлл и Герберт А. Саймон представили свою компьютерную программу Logic Theorist, разработанную с помощью программиста Клиффа Шоу. Программа Logic Theorist, предназначенная для доказательства математических теорем так же, как это делает человек-математик, в дальнейшем доказала 38 из первых 52 теорем, содержащихся в Principia Mathematica. Несмотря на это достижение, другие исследователи на конференции, по словам Саймона, “не обратили на него особого внимания”.

Игры и математика стали центральными темами раннего ИИ, поскольку к ним было легко применить принцип “рассуждение как поиск”. Принцип “рассуждение как поиск”, называемый также анализом средств и результатов (MEA), представляет собой метод решения проблем, который состоит из трех основных этапов:

Определите текущее состояние проблемы, которую вы наблюдаете (вы чувствуете голод).
Определите конечную цель (вы больше не чувствуете голода).
Принять решение о действиях, которые необходимо предпринять для решения проблемы (сделать сэндвич и съесть его).
Если эти действия не решили проблему, найдите новый набор действий и повторяйте их до тех пор, пока не решите проблему.

Нейронные сети и естественные языки

Поскольку правительства времен “холодной войны” готовы были вкладывать деньги во все, что могло дать им преимущество перед другой стороной, исследования в области ИИ пережили всплеск финансирования со стороны таких организаций, как DARPA, в 50-60-е годы.

Эти исследования породили ряд достижений в области машинного обучения. Например, система общего решения задач Саймона и Ньюэлла, используя MEA, генерировала эвристики – умственные сокращения, которые могли блокировать возможные пути решения задач, которые ИИ мог исследовать и которые, скорее всего, не приведут к желаемому результату.

Первая искусственная нейронная сеть, предложенная в 1940-х годах, была изобретена в 1958 году благодаря финансированию Управления военно-морских исследований США.

Основное внимание исследователей в этот период было направлено на то, чтобы заставить ИИ понимать человеческий язык. Дэниел Брубоу стал пионером в области обработки естественного языка благодаря своей программе STUDENT, предназначенной для решения словесных задач.

В 1966 году Джозеф Вейценбаум представил первого чат-бота ELIZA, за что ему благодарны пользователи Интернета во всем мире. Теория концептуальных зависимостей Роджера Шенка, пытавшегося преобразовать предложения в базовые понятия, представленные в виде набора простых ключевых слов, стала одним из наиболее влиятельных ранних разработок в области исследований ИИ.

Первая зима ИИ

В 1970-х годах оптимизм, царивший в исследованиях в области ИИ в 50-60-е годы, начал угасать. Финансирование иссякло, поскольку заоблачные обещания оказались сведены на нет множеством реальных проблем, с которыми столкнулись исследователи ИИ. Главной из них было ограничение вычислительных мощностей.

Как пояснил Брюс Г. Бьюкенен в статье для журнала AI Magazine: “Ранние программы были неизбежно ограничены объемом и скоростью памяти и процессоров, а также относительной неуклюжестью ранних операционных систем и языков”. Этот период, когда исчезло финансирование и угас оптимизм, стал известен как “зима ИИ”.

Этот период был отмечен неудачами и междисциплинарными разногласиями среди исследователей ИИ. Книга Марвина Мински и Фрэнка Розенблатта “Перцептроны”, вышедшая в 1969 году, настолько сильно оттолкнула от нейронных сетей, что до 1980-х годов в этой области проводилось очень мало исследований.

Затем произошло разделение на так называемых “аккуратистов” и “скрюфистов”. Приверженцы “чистого” подхода выступали за использование логики и символических рассуждений для обучения и тренировки ИИ. Они хотели, чтобы ИИ решал логические задачи, подобные математическим теоремам.

Идею использования логики в ИИ выдвинул Джон Маккарти в 1959 году в своем предложении Advice Taker. Кроме того, язык программирования Prolog, разработанный в 1972 году Аланом Колмерауэром и Филиппом Русселем, был создан специально как язык логического программирования и до сих пор находит применение в ИИ.

Тем временем “скруфи” пытались заставить ИИ решать задачи, требующие от него мышления как у человека. В своей работе 1975 года Марвин Мински описал общий подход, используемый исследователями-скруфистами, который называется “фреймы”.

Фреймы – это способ, с помощью которого и человек, и ИИ могут осмыслить мир. Когда вы сталкиваетесь с новым человеком или событием, вы можете опираться на воспоминания о похожих людях и событиях, чтобы получить примерное представление о том, как действовать дальше, например, когда вы заказываете еду в новом ресторане. Вы можете не знать ни меню, ни обслуживающего вас персонала, но у вас есть общее представление о том, как сделать заказ, основанное на прошлом опыте посещения других ресторанов.

От научных кругов к промышленности

1980-е годы ознаменовались возвращением энтузиазма в отношении ИИ. Экспертная система R1, внедренная в корпорации Digital Equipment в 1982 г., к 1986 г. экономила компании 40 млн. долл. в год. Успех R1 доказал жизнеспособность ИИ как коммерческого инструмента и вызвал интерес со стороны других крупных компаний, таких как DuPont.

Кроме того, интерес американских компаний вызвал японский проект “Пятое поколение” – попытка создать интеллектуальные компьютеры, работающие на языке Prolog так же, как обычные компьютеры работают с кодом. Не желая отставать от конкурентов, американские компании вливали средства в исследования в области ИИ.

В совокупности этот рост интереса и переход к промышленным исследованиям привели к тому, что к 1988 г. стоимость индустрии ИИ выросла до 2 млрд. долл. С поправкой на инфляцию в 2022 году эта сумма составит около 5 млрд. долл.

Вторая зима ИИ

Однако в 1990-е годы интерес к ИИ стал ослабевать примерно так же, как в 70-е годы. В 1987 г. Джек Шварц, тогда еще новый директор DARPA, фактически ликвидировал финансирование ИИ в этой организации, но уже выделенные средства иссякли только в 1993 г.

Проект “Пятое поколение” после 10 лет разработки не достиг многих поставленных целей, а поскольку предприятиям стало дешевле и проще приобретать массовые чипы общего назначения и программировать приложения ИИ в программном обеспечении, рынок специализированной аппаратуры ИИ, такой как машины LISP, рухнул и привел к сокращению общего рынка.

Кроме того, экспертные системы, доказавшие жизнеспособность ИИ в начале десятилетия, стали демонстрировать фатальный недостаток. По мере эксплуатации системы в нее постоянно добавлялись новые правила, и ей требовалась все более обширная база знаний. В конечном итоге количество сотрудников, необходимых для поддержания и обновления базы знаний системы, возрастало до тех пор, пока ее содержание не становилось финансово невыгодным. Совокупность этих и других факторов привела ко второй “зиме ИИ”.

В новое тысячелетие и современный мир ИИ

В конце 1990-х – начале 2000-х годов появились признаки наступления весны ИИ. Некоторые из давних целей ИИ были наконец реализованы, например, победа Deep Blue над тогдашним чемпионом мира по шахматам Гари Каспаровым в 1997 году стала знаковым моментом для ИИ.

Более сложные математические инструменты и сотрудничество с такими областями, как электротехника, привели к превращению ИИ в более логически ориентированную научную дисциплину, что позволило вышеупомянутым “аккуратистам” одержать победу над своими неряшливыми коллегами. Марвин Мински, в свою очередь, в 2003 году заявил, что область ИИ была и остается “мертвой” на протяжении последних 30 лет.

Тем временем ИИ нашел применение во множестве новых областей промышленности: Алгоритм поисковой системы Google, поиск данных, распознавание речи – и это лишь некоторые из них. Новые суперкомпьютеры и программы стали конкурировать и даже побеждать с высококлассными соперниками-людьми, как, например, Watson от IBM, выигравший в 2011 г. в “Jeopardy!” у Кена Дженнингса, который в свое время выиграл 74 выпуска этого игрового шоу подряд.

Одной из наиболее значимых разработок в области искусственного интеллекта за последние годы стали алгоритмы Facebook, которые определяют, какие сообщения и когда вы видите, пытаясь создать благоприятные условия для пользователей платформы. Алгоритмы с аналогичными функциями можно найти на таких сайтах, как Youtube и Netflix, где они предсказывают, какой контент зрители захотят посмотреть в следующий раз, основываясь на предыдущей истории.

Польза этих алгоритмов для кого бы то ни было, кроме прибыли компаний, является предметом споров, поскольку даже бывшие сотрудники компаний давали показания в Конгрессе о том, какую опасность они могут представлять для пользователей.

Иногда эти инновации даже не признавались искусственным интеллектом. Как сказал Ник Бростром в интервью CNN в 2006 г.: “Многие передовые разработки в области ИИ перекочевали в общие приложения, часто не называясь ИИ, потому что как только что-то становится достаточно полезным и распространенным, это уже не называют ИИ”.

Тенденция не называть полезный искусственный интеллект ИИ сохранилась и в 2010-х годах. Теперь и стартапы, и мейнстримные технологические компании стремятся заявить, что их последний продукт создан на основе ИИ или машинного обучения. В некоторых случаях это желание настолько сильно, что некоторые заявляют о том, что их продукт работает на основе ИИ, даже если функциональность ИИ вызывает сомнения.

ИИ проникает в дома многих людей, будь то вышеупомянутые алгоритмы социальных сетей или виртуальные помощники, такие как Alexa от Amazon. Несмотря на зимы и лопающиеся пузыри, искусственный интеллект продолжает развиваться и стал очень важной частью современной жизни, и в ближайшие годы его развитие, вероятно, будет происходить в геометрической прогрессии.

Похожие материалы

Оставить комментарий

Этот сайт использует файлы cookie для улучшения вашего опыта. Мы будем считать, что вы согласны с этим, но при желании вы можете отказаться. Принять Подробнее