Давайте погрузимся в эту тему с древних времен вплоть до 2022 года.
Античность
Искусственный интеллект (ИИ) начался с мифов, легенд и историй об искусственных существах, наделенных интеллектом или сознанием, созданных мастерами-ремесленниками. Ранние греческие философы пытались изобразить процесс человеческого мышления как машинное манипулирование символами для формирования теорий.
Более поздняя фантастика
Идеи об искусственных людях и мыслящих машинах были созданы в художественной литературе, например, в «Франкенштейне» Мэри Шелли или у Карела Чапека (Универсальные роботы Россума) и в спекуляциях, таких как «Дарвин среди машин» Сэмюэля Батлера, и на основе реальных событий как в «Шахматисте Мэльцеля» Эдгара Аллана По.
Автоматы
Ремесленники всех цивилизаций, в том числе Ян Ши, Герой Александрии, Аль-Джазари, Пьер Жаке-Дро и Вольфганг фон Кемпелен, разработали реалистичные гуманоидные автоматы. Древнеегипетские и греческие священные статуи были первыми известными автоматами. Религиозные приспешники верили, что ремесленники наделили эти фигуры настоящим разумом. В средние века говорили, что эти легендарные автоматы отвечают на адресованные им вопросы.
Формальное рассуждение
Искусственный интеллект основан на идее, что человеческое мышление может быть механизировано. Было проведено много исследований формального — или «механического» — «рассуждения». Китайские, индийские и греческие философы изобрели методы формальной дедукции первого тысячелетия до нашей эры. Они были разработаны такими философами, как Аристотель (написавший строгий анализ силлогизма), Евклид (чьи «Элементы» были моделью формального рассуждения), Аль-Хорезми (который создал алгебру, и ему приписывают то, что он дал свое имя «алгоритму»), и европейские мыслители-схоласты, такие как Уильям Оккам.
Испанский философ Рамон Луллий (1232–1315) создал несколько логических машин для генерации знаний с помощью логических процедур; он называл свои устройства механическими существами, которые могли объединять фундаментальные и бесспорные факты, используя простые логические операции для производства всех возможных знаний. Готфрид Лейбниц возродил идеи Луллия.
Лейбниц, Томас Гоббс и Рене Декарт исследовали в 16 веке перспективу того, что все рациональное мышление может быть сведено к алгебре или геометрии. Причина, по словам Гоббса, «не что иное, как расплата». Лейбниц вообразил себе глобальный язык рассуждений (characteristica universalis), который сведет спор к расчету, так что «между двумя философами будет не больше необходимости в споре, чем между двумя бухгалтерами. Им достаточно взять свои карандаши. Мыслители впервые сформулировали гипотезу системы физических символов, которая в конечном итоге стала центральным убеждением в исследованиях ИИ.
В 20-м веке математическая логика совершила решающий прорыв, благодаря которому искусственный интеллект стал казаться практичным. Такие работы заложили основу для «Законов мысли» Буля и «Begriffsschrift» Фреге. В 1913 году Рассел и Уайтхед опубликовали Principia Mathematica, формальное исследование основ математики, основанное на системе Фреге.
Ответ, который они получили, был неожиданным в двух отношениях. Во-первых, они доказали, что существуют пределы возможностей математической логики. Однако, во-вторых, и это более важно (для ИИ), их исследования показали, что любой математический вывод может быть механизирован в рамках этих параметров.
Тест Тьюринга
Тест Тьюринга — это долгосрочная цель исследований ИИ. Способны ли мы когда-нибудь создать компьютер, который сможет настолько имитировать человека, что даже подозрительный судья не сможет отличить его? С момента своего создания он пошел по тому же пути, что и большая часть исследований ИИ. Первоначально это казалось трудным, но выполнимым (как только появились аппаратные технологии).
Несмотря на десятилетия исследований и значительные технологические усовершенствования, тест Тьюринга продолжает служить целью для исследователей ИИ, а также показывает, насколько мы далеки от его достижения.
В 1950 году английский математик и ученый-программист Алан Тьюринг опубликовал статью под названием «Вычислительные машины и интеллект», которая положила начало области, которая впоследствии стала известна как искусственный интеллект. Это было за несколько лет до того, как Джон Маккарти ввел термин «искусственный интеллект». Статья начиналась с простого вопроса: «Могут ли машины думать?» После этого Тьюринг предложил метод определения способности машин мыслить, который стал известен как тест Тьюринга. «Игра в имитацию» была разработана как простой тест, который можно было использовать для определения того, мыслят ли машины. Предполагая, что компьютер, запрограммированный так, чтобы выглядеть точно так же, как интеллектуальный человек, действительно продемонстрировал, что компьютеры могут мыслить.
Хотя люди продолжают спорить о том, могут ли машины мыслить и тестировать киберпространство, ясно, что Алан Тьюринг и предложенный им критерий предоставили мощное и поучительное видение области ИИ. Эта статья, написанная самим Аланом Тьюрингом, внесла его основополагающий вклад в исследования ИИ и проложила путь современной информатике. Тест Тьюринга широко известен как веха в области искусственного интеллекта и может рассматриваться как цель на многие годы вперед, а также является важной вехой в отслеживании прогресса всей области ИИ.
Кибернетика и ранние нейронные сети
Изобретение компьютера вдохновило на ранние исследования интеллектуальных машин. Слияние идей возникло в конце 1930-х, 1940-х и начале 1950-х годов, вдохновив более ранние работы в области неврологии. Работы Норберта Винера и Клода Шеннона были сосредоточены на управлении и устойчивости электрических сетей. Теория информации Клода Шеннона описала цифровые сигналы (сигналы «все или ничего»). Теоретическое представление Алана Тьюринга о вычислениях доказало, что любой вид вычислений может быть представлен в цифровом виде. Тесная связь между этими идеями предполагала возможность создания электронного мозга.
Роботы, такие как черепахи У. Грея Уолтера, а также зверь Джонса Хопкинса, являются примерами работы в этой области. Эти машины приводились в движение аналоговой электроникой и инстинктами, а не компьютерами, цифровой электроникой или символическим мышлением; они полностью контролировались аналоговой схемой.
В 1943 году Уолтер Питтс и Уоррен МакКаллох исследовали сети идеализированных искусственных нейронов и продемонстрировали, как они могут выполнять основные логические операции. Они были первыми, кто описал то, что более поздние исследователи назвали нейронной сетью. Молодой Марвин Мински, тогда 24-летний аспирант, был вдохновлен Питтсом и Маккалохом. В 1951 году (вместе с Дином Эдмондсом) он создал первую машину нейронной сети SNARC. В течение следующих 50 лет Мински будет одним из самых важных лидеров и новаторов ИИ.
Игровой ИИ
В 1951 году Кристофер Стрейчи и Дитрих Принц создали программы для игры в шахматы для машины Ferranti Mark 1 в Манчестерском университете. Программа для шахмат Артура Сэмюэля, созданная в середине 50-х и начале 60-х годов, со временем достигла мастерства любительского уровня. Использование ИИ в играх останется на протяжении всей истории как показатель прогресса в области ИИ.
Дартмутская конференция 1956: рождение ИИ
В 1956 году Дартмутскую конференцию организовали Марвин Мински, Джон Маккарти и два старших ученых IBM: Клод Шеннон и Натан Рочестер. «Может быть построена машина, которая дублирует любой аспект человеческого интеллекта», — говорится в предложении. Среди участников были Рэй Соломонофф, Оливер Селфридж, Тренчард Мор, Артур Сэмюэл, Аллен Ньюэлл и Герберт А. Саймон — все они продолжали создавать важные проекты ИИ в первые десятилетия исследований. На конференции Ньюэлл и Саймон представили работу «Теоретика логики», а Маккарти призвал участников принять «Искусственный интеллект» в качестве названия целой области разработки. Дартмутская конференция 1956 года стала событием, которое дало ИИ его имя, цель и первый успех, а также его ключевых игроков и определяющие моменты.
Символический ИИ 1956–1974 гг.
Для большинства людей годы после Дартмутского семинара были просто «поразительными»: компьютеры решали задачи по алгебре, доказывали геометрические теоремы и учились говорить по-английски. В конце 1960-х годов мало кто мог подумать, что такое «разумное» поведение машин возможно. В частном порядке и в печати ученые выражали большой оптимизм по поводу того, что полностью разумная машина будет разработана менее чем за 20 лет. Новое поле привлекло значительное финансирование со стороны государственных учреждений, таких как DARPA.
Первая зима ИИ 1974–1980 гг.
В 1970-х годах ИИ столкнулся с критикой и финансовыми неудачами. Трудности, с которыми столкнулись исследователи ИИ, ими не осознавались. Их огромные ожидания превзошли разумные пределы, и когда обещанные преимущества не появились, государственное финансирование ИИ прекратилось. В то же время в течение десяти лет после разрушительной критики персептронов Марвином Мински область коннекционизма (или нейронных сетей) бездействовала. Несмотря на негативное отношение общественности к ИИ в конце 1970-х годов, новые идеи были исследованы в логическом программировании, рассуждениях на основе здравого смысла и во множестве других областей.
Бум 1980–1987 гг.
С первых дней существования знание ИИ было серьезной проблемой. Экспертные системы, форма программы ИИ, были приняты предприятиями по всему миру в 1980-х годах, и знания ИИ стали центром основных исследований ИИ. В 1990-х годах японское правительство вложило значительные средства в ИИ, разработав компьютерную инициативу пятого поколения. Еще одним обнадеживающим моментом стало возрождение коннекционизма в работах Джона Хопфилда и Дэвида Румельхарта в начале 1980-х годов. И снова ИИ преуспел.
Вторая зима ИИ 1987–1993 гг.
В 1980-х годах внимание делового мира к ИИ соответствовало классической модели экономического пузыря. Авария была вызвана тем, что коммерческие поставщики не смогли предложить множество работоспособных решений. Сотни компаний потерпели крах, и многие инвесторы отказались вкладывать в них средства. Многие считали, что технология нежизнеспособна, но исследования продолжались. Многие эксперты, такие как Родни Брукс и Ханс Моравек, выступали за радикально новый вид ИИ.
ИИ 1993–2011 гг.
Область искусственного интеллекта, которой уже более полувека, достигла некоторых из своих основных целей. В настоящее время он эффективно используется во всем технологическом секторе, хотя и несколько незаметно. Некоторые из ИИ были результатом улучшения вычислительных возможностей, в то время как другие стали результатом сосредоточения внимания на конкретных изолированных проблемах и стремления достичь наивысшего уровня научной ответственности. И все же репутация ИИ в деловом мире была далеко не звездной. В этой области было ограниченное согласие относительно того, почему ИИ не смог выполнить свое обещание интеллекта на уровне человека в 1960-х годах. ИИ был разделен на несколько отдельных дисциплин, каждая из которых фокусировалась на отдельной проблеме или методе, тем не менее создавая иллюзию, что они работают для достижения одной и той же цели.
Победа
Исследователи искусственного интеллекта начали создавать и использовать сложные математические подходы с большей скоростью, чем когда-либо прежде. Ученые в таких областях, как математика, электротехника, экономика и исследование операций, уже решали многие из проблем, которые должен был решить ИИ. Общий математический язык позволил расширить сотрудничество между различными областями и получить измеримые и проверяемые результаты; по словам Рассела и Норвига (2003), ИИ теперь стал более серьезной «научной» дисциплиной.
Теория вероятности и принятия решений была включена в ИИ с тех пор, как влиятельная работа Джуди Перл 1988 года представила теорию вероятности и принятия решений в этой области. Байесовские сети, скрытые марковские модели, теория информации, стохастическое моделирование и классическая оптимизация — вот лишь некоторые из многих новых используемых методов. Математические представления были также разработаны для парадигм «вычислительного интеллекта», таких как нейронные сети и эволюционные алгоритмы.
Прогнозы (или «Где HAL 9000?»)
В 1968 году Артур Кларк и Стэнли Кубрик предсказали, что к 2001 году машина будет иметь интеллект, сравнимый с человеческим или превосходящий его. HAL 9000, ИИ-персонаж, который они разработали, был основан на представлении многих ведущих экспертов по ИИ о том, что такое устройство будет разработано к 2001 году.
К 2016 году рынок товаров, оборудования и программного обеспечения, связанных с ИИ, достиг более 8 миллиардов долларов, а интерес к ИИ достиг «мании». Приложения больших данных начали выходить за рамки статистики. Например, большие данные использовались для обучения моделей в области экологии и для различных экономических приложений. Достижения в области глубокого обучения (особенно глубокие сверточные нейронные сети и рекуррентные нейронные сети) стимулировали прогресс и исследования в области обработки изображений и видео, анализа текста и даже распознавания речи.
Большие данные (Big Data)
Большие данные — это термин, используемый для описания огромных объемов числовых данных, которые выходят за рамки возможностей типичного прикладного программного обеспечения. Требуется совершенно новый набор моделей обработки для управления этим уровнем принятия решений, понимания и оптимизации процессов. В эпоху больших данных Виктор Мейер Шонберг и Кеннет Кук определяют большие данные как «все данные, которые используются для анализа, а не для случайной оценки (выборочное обследование)».
Ниже приведены пять важных характеристик больших данных: объем, скорость, разнообразие, ценность, и достоверность (предложена IBM) (Volume, Velocity, Variety, Value, Veracity). Значение технологии больших данных не в том, чтобы обрабатывать огромные объемы данных, а в том, чтобы сосредоточиться на важных битах. Иными словами, если большие данные уподобить экономике, ключ к прибыльности в этом секторе улучшается, «обрабатывающая способность» данных и превращается в «добавленную стоимость».
Общий искусственный интеллект
Способность решать любую проблему, а не только конкретную, называется общим интеллектом. Искусственный общий интеллект (или «AGI») относится к программному обеспечению, которое может применять интеллект для решения множества проблем так же, как это могут делать люди.
В начале 2000-х исследователи ИИ утверждали, что разработка ИИ в значительной степени отказалась от первоначальной цели создания искусственного общего интеллекта. Исследование ОИИ было выделено в отдельную поддисциплину, и к 2010 году проводились научные конференции, лаборатории и университетские курсы, посвященные исследованиям ОИИ, а также частные консорциумы и новые фирмы.
Искусственный общий интеллект также известен как «сильный ИИ», «полный ИИ» или синтетический интеллект, а не как «слабый ИИ» или «узкий ИИ».
ИИ в 2022
Искусственный интеллект (ИИ) стал деловой и организационной реальностью для многих секторов производства и экономики. Даже если преимущества ИИ не всегда очевидны, он показал себя способным повысить эффективность процессов, уменьшить количество ошибок и трудозатрат, а также извлечь ценную информацию из больших данных.
Человечество обсуждает, что будет следующим большим открытием в мире, когда речь заходит о тенденциях на основе ИИ. Здесь представлен список самых интригующих тенденций ИИ, которые можно ожидать в 2022 году:
- внедрение искусственного интеллекта, ориентированного на рентабельность инвестиций;
- видеоаналитика;
- бизнес-модель «ИИ как услуга»;
- улучшения кибербезопасности;
- ИИ в Метавселенной;
- ткань данных;
- AI и ML с Интернетом вещей (IoT);
- ИИ как лидер в гиперавтоматизации.
Итог
Искусственный интеллект оказывает огромное влияние на будущее каждого сектора науки, экономики, производства и каждого человека. Искусственный интеллект с самого начала способствовал развитию инновационных технологий, таких как большие данные, робототехника и Интернет вещей и он будет развиваться дальше.
