Деньги возвращаются: проект пятого поколения

В 1981 году министерство международной торговли и промышленности Японии выделило 850 млн. Долл. США для компьютерного проекта пятого поколения. Их задача заключалась в том, чтобы писать программы и создавать машины, которые могли бы вести разговоры, переводить языки, интерпретировать картины и рассуждать как люди. К большому огорчению “неряшливых”, они выбрали Prolog в качестве основного компьютерного языка для проекта.

Другие страны ответили новыми своими программами. В Великобритании начался проект Alvey ₤ 350 миллионов. Консорциум американских компаний сформировал Корпорацию Микроэлектроники и Компьютерных Технологий для финансирования крупномасштабных проектов в области ИИ и информационных технологий. DARPA также отреагировала на это, учредив Стратегическую компьютерную инициативу и утроив свои инвестиции в ИИ в период с 1984 по 1988 год.

Сеть Хопфилда с четырьмя узлами.

Возрождение соединения

В 1982 году физик Джон Хопфилд смог доказать, что форма нейронной сети (теперь называемой «сетью Хопфилда») может изучать и обрабатывать информацию совершенно по-новому. Примерно в то же время Дэвид Румельхарт популяризировал новый метод обучения нейронных сетей, называемый «обратное распространение». Эти два открытия возродили область Коннекционизма, которая в значительной степени была оставлена ​​с 1970 года.

Новое поле было унифицировано и вдохновлено появлением параллельной распределенной обработки в 1986 году - двухтомным сборником статей под редакцией Румельхарта и психологом Джеймсом Макклелландом. Нейронные сети стали бы коммерчески успешными в 1990 - х годах, когда они начали использовать в качестве движков программ вроде оптического распознавания символов и распознавания речи.

Вторая зима ИИ 1987-1993

Увлечение бизнес-сообщества искусственным интеллектом выросло и упало в 80-х годах по классической схеме экономического пузыря. Коллапс случился в понимании ИИ правительственными учреждениями и инвесторами - направление продолжало продвигаться, несмотря на критику. Родни Брукс и Ганс Моравек, исследователи из родственной области робототехники, высказывались за совершенно новый подход к искусственному интеллекту.

Зима ИИ

Термин «зима ИИ» был придуман исследователями, которые пережили сокращение финансирования в 1974 году, когда стали беспокоиться о том, что энтузиазм в отношении экспертных систем вырвался из-под контроля, и это неизбежно приведет к неприятностям. Их опасения были оправданными: в конце 80-х и начале 90-х годов ИИ испытал ряд финансовых неудач.

Первым показателем изменения погоды стал внезапный коллапс рынка специализированных аппаратных средств искусственного интеллекта в 1987 году. Настольные компьютеры Apple и IBM неуклонно набирали скорость и мощь, а в 1987 году они стали более мощными, чем более дорогие машины Lisp,созданные Symbolics и другие. Больше не было веских оснований их покупать. Целая индустрия стоимостью полмиллиарда долларов была снесена.

В конечном счете самые ранние успешные экспертные системы, такие как XCON, оказались слишком дорогими для поддержания. Их было сложно обновить, они не могли учиться, они были негибкие (т.е. Они могли совершать гротескные ошибки при подаче необычных материалов). Экспертные системы оказались полезными, но только в некоторых особых случаях.

В конце 80-х годов Стратегическая компьютерная инициатива сократила финансирование ИИ «глубоко и жестко». Новое управление в DARPA решило, что ИИ не является «новой волной» и направило средства на проекты, которые, скорее всего, приведут к гарантированным результатам.

К 1991 году впечатляющий список целей, поставленных в 1981 году для проекта пятого поколения в Японии, не был удовлетворен. Как и в случае с другими проектами ИИ, ожидания были намного выше, чем возможный результат.

Важность наличия тела

В конце 80-х годов несколько исследователей выступали за совершенно новый подход к искусственному интеллекту, основанному на робототехнике. Они полагали, что для того, чтобы показать реальный интеллект, машина должна иметь тело - оно должно воспринимать, двигаться, выживать и иметь дело с миром. Они утверждали, что эти сенсомоторные навыки необходимы для навыков более высокого уровня, таких как осознанное мышление, и что абстрактное мышление было на самом деле наименее интересным или важным человеческим умением. Они выступали за построение интеллекта «снизу вверх».

Подход возродил идеи из кибернетики и теории управления, которые были непопулярны с шестидесятых годов. Другим предшественником был Дэвид Марр, который приехал в Массачусетский технологический институт в конце 70-х годов с успешной работы в области теоретической неврологии, чтобы возглавить группу, изучающую компьютерное зрение. Он отклонил все символические подходы, утверждая, что ИИ необходимо понять физический аппарат зрения снизу вверх, прежде чем выполнять какую либо обработку данных.

В статье 1990 года «Слоны не играют в шахматы» исследователь робототехники Родни Брукс раскритиковал гипотезу о физической символьной системе, утверждая, что символы не всегда необходимы, поскольку «мир - это лучшая его модель. Всегда точно в актуальном состоянии. У него всегда есть каждая деталь, о которой нужно знать. Хитрость заключается в том, чтобы необходимо ощущать ее должным образом и достаточно часто». В 80-х и 90-х годах многие когнитивные ученые также отказались от модели символьной обработке разума и утверждали, что тело имеет важное значение для рассуждения - теории, называемой “воплощённое познание”.

ИИ 1993-2001

Спустя пол века в изучении ИИ наконец были достигнуты некоторые из первых целей. Он начал успешно использоваться во всей технологической отрасли, хотя и несколько за кулисами. Некоторые из успехов были связаны с увеличением вычислительной мощности, а некоторые были достигнуты путем сосредоточения внимания на конкретных изолированных проблемах и претворения их в соответствие с самыми высокими стандартами научной отчетности. Тем не менее, известность ИИ, по крайней мере в деловом мире, была не такой большой. Внутри отрасли было мало согласия по поводу того, что ИИ не исполнил мечту об интеллекте человеческого уровня, которая поглотила воображение людей в 1960-х годах. Вместе все эти факторы помогли фрагментировать ИИ в смежные отрасли, ориентированные на конкретные проблемы или подходы, ИИ был более предусмотрительным и успешным чем раньше.

Интеллектуальные агенты

Новая парадигма под названием «интеллектуальные агенты» стала широко распространена в 90-е годы.

интеллектуальный агент — программа, самостоятельно выполняющая задание, указанное пользователем компьютера, в течение длительных промежутков времени.

Эта модель предоставила исследователям возможность для изучения изолированных проблем и поиска полезных и поддающихся проверке решений. Она предоставил общий способ описания проблем и обмена их решениями друг с другом, а также с другими областями, в которых также использовались концепции абстрактных агентов, такие как экономика и теория управления. Хотелось надеяться, что полная архитектура агентов в один прекрасный день позволит исследователям создавать более универсальные и интеллектуальные системы из взаимодействующих интеллектуальных агентов.

«Победа чистых»

Исследователи ИИ начали разрабатывать и использовать сложные математические инструменты гораздо чаще, чем ранее. Было широко распространено понимание того, что многие проблемы, которые ИИ необходимо решить, уже разрабатываются исследователями в таких областях, как математика, экономика или исследование операций. Общий математический язык позволил как более высокий уровень сотрудничества с более развитыми и успешными областями, так и достижение результатов, которые были измеримыми и доказуемыми; ИИ стал более строгой научной дисциплиной.

Очень влиятельная книга Джуда Перла 1988 года преподнесла теорию вероятностей и принятия решений в ИИ. Среди многих новых инструментов были байесовские сети, скрытые Марковские модели, теория информации, стохастическое моделирование и классическая оптимизация. Точные математические описания были также разработаны для областей «вычислительного интеллекта», таких как нейронные сети и эволюционные алгоритмы.

ИИ за кулисами

Алгоритмы, первоначально разработанные исследователями ИИ, стали появляться как части более крупных систем. ИИ решил множество очень трудных проблем ^, и их решения оказались полезными во всей индустрии технологий ^,, среди них: добыча данных, промышленная робототехника, логистика, распознавание речи, банковское программное обеспечение, медицинский диагноз и поисковая система Google.

В области ИИ почти не было успехов в 1990-х и начале 2000-х годов. Многие из величайших нововведений ИИ были сведены к статусу всего лишь одного предмета в инструменте компьютерной науки. Ник Бостром объясняет: «Много передовых ИИ интегрируется в приложения, часто без упоминания об использовании ИИ».

Многие исследователи ИИ в 1990-х годах сознательно называли свою работу другими именами, такими как информатика, системы, основанные на знаниях, когнитивные системы или вычислительный интеллект. Частично это может быть связано с тем, что они считают свою область принципиально отличной от ИИ, а так же новые имена помогают обеспечить финансирование. В коммерческом мире, по крайней мере, неудачные обещания “зим ИИ” продолжали преследовать исследования ИИ в 2000-х годах, как сообщает New York Times в 2005 году: «Компьютерные ученые и разработчики программного обеспечения избегали термина«искусственный интеллект».

ИИ 2000-настоящее время

В первые десятилетия XXI века доступ к большому объему данных, более быстрые компьютеры и современные методы машинного обучения были успешно применены ко многим проблемам во всей экономике. К 2016 году рынок продуктов, аппаратного и программного обеспечения, связанных с ИИ, достиг более 8 миллиардов долларов, а газета New York Times сообщила, что интерес к ИИ достиг «безумия». Приложения Big Data стали распространяться и на другие области, такие как учебные модели в области экологии и для различных применений в экономике. Достижения в области глубокого обучения продвигали прогресс и исследования в области обработки изображений и видео, текстового анализа и даже распознавания речи.

Глубокое обучение

Глубокое обучение - это отрасль машинного обучения, которая моделирует абстракции высокого уровня в данных, используя глубокий график со многими уровнями обработки. Таким образом, глубокие нейронные сети способны реалистично генерировать гораздо более сложные модели по сравнению с их неглубокими аналогами.

Однако глубокое обучение имеет свои проблемы. Общей проблемой для рекуррентных нейронных сетей является проблема исчезающего градиента, в которой градиенты, проходящие между слоями, постепенно сокращаются и буквально исчезают по мере округления до нуля. Для решения этой проблемы было разработано много методов.

Современные глубокие нейронные сетевые архитектуры иногда могут даже конкурировать с человеческой точностью в таких областях, как компьютерное зрение, особенно на таких вещах, как база данных MNIST и распознавание дорожного знака.

Механизмы обработки текстов, основанные на интеллектуальных поисковых системах, могут легко обойти людей при ответе на общие мелочи (например, IBM Watson), а недавние разработки в области глубокого обучения вызвали поразительные результаты в соревновании с людьми в таких вещах, как игра Go.

 

 

Источники

 

· Berlinski, David (2000), The Advent of the Algorithm, Harcourt Books, ISBN 0-15-601391-6, OCLC 46890682.

· Buchanan, Bruce G. (Winter 2005), "A (Very) Brief History of Artificial Intelligence" (PDF), ИИ Magazine, pp. 53–60, archived from the original (PDF) on 26 September 2007, retrieved 30 August 2007.

· Brooks, Rodney (1990), "Elephants Don't Play Chess" (PDF), Robotics and Autonomous Systems, 6: 3–15, doi:10.1016/S0921-8890(05)80025-9, retrieved 2007-08-30.

· Butler, Samuel (13 June 1863), "Darwin Among the Machines", the Press, Christchurch, New Zealand, retrieved 10 October 2008.

· CNN (26 July 2006), ИИ set to exceed human brain power, CNN.com, retrieved 16 October 2007.

· Copeland, Jack (2000), Micro-World ИИ, retrieved 8 October 2008.

· Cordeschi, Roberto (2002), The Discovery of the Artificial, Dordrecht: Kluwer..

· Crevier, Daniel (1993), ИИ: The Tumultuous Search for Artificial Intelligence, New York, NY: BasicBooks, ISBN 0-465-02997-3

· Darrach, Brad (20 November 1970), "Meet Shaky, the First Electronic Person", Life Magazine, pp. 58–68.

· Doyle, J. (1983), "What is rational psychology? Toward a modern mental philosophy", ИИ Magazine, vol. 4 no. 3, pp. 50–53.

· Dreyfus, Hubert (1965), Alchemy and ИИ, RAND Corporation Memo.

· Dreyfus, Hubert (1972), What Computers Can't Do, New York: MIT Press, ISBN 0-06-090613-8, OCLC 5056816.

· The Economist (7 June 2007), "Are You Talking to Me?", The Economist, retrieved 16 October 2008.

· Feigenbaum, Edward A.; McCorduck, Pamela (1983), The Fifth Generation: Artificial Intelligence and Japan's Computer Challenge to the World, Michael Joseph, ISBN 0-7181-2401-4.

· Hawkins, Jeff; Blakeslee, Sandra (2004), On Intelligence, New York, NY: Owl Books, ISBN 0-8050-7853-3, OCLC 61273290.

· Hebb, D.O. (1949), The Organization of Behavior, New York: Wiley, ISBN 0-8058-4300-0, OCLC 48871099.

· Hewitt, Carl; Bishop, Peter; Steiger, Richard (1973), A Universal Modular Actor Formalism for Artificial Intelligence (PDF), IJCAI, archived from the original (PDF) on 29 December 2009

· Hobbes, Thomas (1651), Leviathan.

· Hofstadter, Douglas (1999) [1979], Gödel, Escher, Bach: an Eternal Golden Braid, Basic Books, ISBN 0-465-02656-7, OCLC 225590743.

· Howe, J. (November 1994), Artificial Intelligence at Edinburgh University: a Perspective, retrieved 30 August 2007.

· Kolata, G. (1982), "How can computers get common sense?", Science, 217 (4566): 1237–1238, Bibcode:1982Sci...217.1237K, doi:10.1126/science.217.4566.1237, PMID 17837639.

· Kurzweil, Ray (2005), The Singularity is Near, Viking Press, ISBN 0-14-303788-9, OCLC 71826177.

· Lakoff, George (1987), Women, Fire, and Dangerous Things: What Categories Reveal About the Mind, University of Chicago Press., ISBN 0-226-46804-6.

· Lenat, Douglas; Guha, R. V. (1989), Building Large Knowledge-Based Systems, Addison-Wesley, ISBN 0-201-51752-3, OCLC 19981533.

· Levitt, Gerald M. (2000), The Turk, Chess Automaton, Jefferson, N.C.: McFarland, ISBN 0-7864-0778-6.

· Lighthill, Professor Sir James (1973), "Artificial Intelligence: A General Survey", Artificial Intelligence: a paper symposium, Science Research Council

· Lucas, John (1961), "Minds, Machines and Gödel", Philosophy, 36 (XXXVI): 112–127, doi:10.1017/S0031819100057983, retrieved 15 October 2008

· Maker, Meg Houston (2006), ИИ@50:AI Past, Present, Future, Dartmouth College, archived from the original on 8 October 2008, retrieved 16 October 2008

· Markoff, John (14 October 2005), "Behind Artificial Intelligence, a Squadron of Bright Real People", The New York Times, retrieved 16 October 2008

· McCarthy, John; Minsky, Marvin; Rochester, Nathan; Shannon, Claude (31 August 1955), A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, retrieved 16 October 2008

· McCarthy, John; Hayes, P. J. (1969), "Some philosophical problems from the standpoint of artificial intelligence", in Meltzer, B. J.; Mitchie, Donald, Machine Intelligence 4, Edinburgh University Press, pp. 463–502, retrieved 16 October 2008

· McCorduck, Pamela (2004), Machines Who Think (2nd ed.), Natick, MA: A. K. Peters, Ltd., ISBN 1-56881-205-1, OCLC 52197627.

· McCullough, W. S.; Pitts, W. (1943), "A logical calculus of the ideas immanent in nervous activity", Bulletin of Mathematical Biophysics, 5 (4): 115–127, doi:10.1007/BF02478259

· Menabrea, Luigi Federico; Lovelace, Ada (1843), "Sketch of the Analytical Engine Invented by Charles Babbage", Scientific Memoirs, 3, retrieved 2008-08-29 With notes upon the Memoir by the Translator

· Minsky, Marvin (1967), Computation: Finite and Infinite Machines, Englewood Cliffs, N.J.: Prentice-Hall

· Minsky, Marvin; Papert, Seymour (1969), Perceptrons: An Introduction to Computational Geometry, The MIT Press, ISBN 0-262-63111-3, OCLC 16924756

· Minsky, Marvin (1974), A Framework for Representing Knowledge, retrieved 16 October 2008

· Minsky, Marvin (1986), The Society of Mind, Simon and Schuster, ISBN 0-671-65713-5, OCLC 223353010

· Minsky, Marvin (2001), It's 2001. Where Is HAL?, Dr. Dobb's Technetcast, retrieved 8 August 2009

· Moravec, Hans (1976), The Role of Raw Power in Intelligence, retrieved 16 October 2008

· Moravec, Hans (1988), Mind Children, Harvard University Press, ISBN 0-674-57618-7, OCLC 245755104

· NRC (1999), "Developments in Artificial Intelligence", Funding a Revolution: Government Support for Computing Research, National Academy Press, ISBN 0-309-06278-0, OCLC 246584055

· Newell, Allen; Simon, H. A. (1963), "GPS: A Program that Simulates Human Thought", in Feigenbaum, E.A.; Feldman, J., Computers and Thought, New York: McGraw-Hill, ISBN 0-262-56092-5, OCLC 246968117

· Nick, Martin (2005), Al Jazari: The Ingenious 13th Century Muslin Mechanic, Al Shindagah, retrieved 16 October 2008.

· O'Connor, Kathleen Malone (1994), The alchemical creation of life (takwin) and other concepts of Genesis in medieval Islam, University of Pennsylvania, retrieved 2007-01-10

· Olsen, Stefanie (10 May 2004), Newsmaker: Google's man behind the curtain, CNET, retrieved 17 October 2008.

· Olsen, Stefanie (18 August 2006), Spying an intelligent search engine, CNET, retrieved 17 October 2008.

· Pearl, J. (1988), Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, San Mateo, California: Morgan Kaufmann, ISBN 1-55860-479-0, OCLC 249625842.

· Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2.

· Poole, David; Mackworth, Alan; Goebel, Randy (1998), Computational Intelligence: A Logical Approach, Oxford University Press., ISBN 0-19-510270-3.

· Samuel, Arthur L. (July 1959), "Some studies in machine learning using the game of checkers", IBM Journal of Research and Development, 3 (3): 210–219, doi:10.1147/rd.33.0210, retrieved 2007-08-20.

· Searle, John (1980), "Minds, Brains and Programs", Behavioral and Brain Sciences, 3 (3): 417–457, doi:10.1017/S0140525X00005756, retrieved May 13, 2009.

· Simon, H. A.; Newell, Allen (1958), "Heuristic Problem Solving: The Next Advance in Operations Research", Operations Research, 6: 1, doi:10.1287/opre.6.1.1.

· Simon, H. A. (1965), The Shape of Automation for Men and Management, New York: Harper & Row.

· Skillings, Jonathan (2006), Newsmaker: Getting machines to think like us, CNET, retrieved 8 October 2008.

· Tascarella, Patty (14 August 2006), "Robotics firms find fundraising struggle, with venture capital shy", Pittsburgh Business Times, retrieved 15 Mar 2016.

· Turing, Alan (1936–37), "On Computable Numbers, with an Application to the Entscheidungsproblem", Proceedings of the London Mathematical Society, 2 (42): 230–265, doi:10.1112/plms/s2-42.1.230, retrieved 8 October 2008.

· Turing, Alan (October 1950), "Computing Machinery and Intelligence", Mind, LIX (236): 433–460, doi:10.1093/mind/LIX.236.433, ISSN 0026-4423, retrieved 2008-08-18.

· Weizenbaum, Joseph (1976), Computer Power and Human Reason, W.H. Freeman & Company, ISBN 0-14-022535-8, OCLC 10952283.

· https://www.buro247.ru/technology/trends/11-sep-2017-ai-to-change-fashion-forever.html

· https://habrahabr.ru/company/1cloud/blog/281282/

· http://www-formal.stanford.edu/jmc/whatisai/whatisai.html

· https://geektimes.ru/post/21863/

·