Piecas sezonas mākslīgā intelekta. Viņš piespiež cilvēku aiziet Go, pārņem kontroli pār savu automašīnu un aizvieto viņu darbā, un tajā pašā laikā var uzlabot zāļu efektivitāti. Tās ilga vēsture aizsākās 1958. gadā ar milzīgu mašīnu, kas varēja atšķirt labo un kreiso.
1: 0. Pēc tam 2: 0. Un 3: 0. 2016. gada martā Seulas viesnīcā “Four Seasons” notika galīgā tikšanās, pēc kuras nebija šaubu ēnas: Korejas go čempions Lī Sedols ar 4: 1 zaudēja datoram, kurā darbojas programma AlphaGo, kuru izstrādāja Google meitasuzņēmums. "Deepmind". Pirmoreiz vēsturē "mašīnmācīšanās" un "mākslīgo neironu tīklu" mehānisms šajā spēlē pilnībā pārspēja cilvēka smadzenes, kuras tiek uzskatītas par grūtāk modelējamām nekā šahs. Daudzi eksperti uzsver, ka šādu rezultātu viņi gaidīja tikai pēc dažiem gadiem.
Plašākai auditorijai tas bija pierādījums jaunās "dziļas mācīšanās" tehnoloģijas spējai, kas tagad ir balss palīgu, autonomu automašīnu, sejas atpazīšanas, mašīntulkošanas pamatā, kā arī atvieglo medicīnisko diagnostiku …
Interese par automātiskajām mācību tehnoloģijām, ko izrāda amerikāņu un ķīniešu korporācijas augsto tehnoloģiju jomā (Google, Amazon, Facebook, Microsoft, Baidu, Tensent), aptver visu planētu un arvien vairāk lēkā no laikrakstu zinātniskie virsraksti ekonomiskajos, analītiskajos un sociālajos materiālos. Fakts ir tāds, ka mākslīgais intelekts ne tikai sola lielas pārmaiņas ekonomikā, bet arī rada domas par jauniem iznīcinošiem ieročiem, vispārēju pilsoņu uzraudzību, darbinieku aizstāšanu ar robotiem, ētiskām problēmām …
Bet no kurienes notika AI tehnoloģiskā revolūcija? Viņas stāstā ir pietiekami daudz kāpumu un kritumu. Viņa paļāvās uz neirozinātnes un datorzinātnes sasniegumiem (kā jūs varētu uzminēt no nosaukuma), kā arī, pārsteidzoši, uz fiziku. Viņas ceļš gāja caur Franciju, ASV, Japānu, Šveici un PSRS. Šajā jomā dažādas zinātniskās skolas sadūrās viena ar otru. Viņi uzvarēja vienā dienā, bet nākamajā zaudēja. Visiem vajadzēja izrādīt pacietību, neatlaidību un vēlmi riskēt. Šajā stāstā ir divas ziemas un trīs avoti.
Pašapzinās mašīna
Viss sākās tikai lieliski. "Amerikāņu armija runāja par ideju par mašīnu, kas var staigāt, runāt, redzēt, rakstīt, reproducēt un apzināties sevi," rakstīja The New York Times 1958. gada 8. jūlijā. Šajā vienas kolonnas rakstā aprakstīts Perceptron, kuru Kornellas universitātes laboratorijās izveidoja amerikāņu psihologs Frenks Rozenblatts. Šī 2 miljonu dolāru vērtā mašīna tajā laikā bija aptuveni divu vai trīs ledusskapju izmēra un bija pīta ar daudziem vadiem. Demonstrācijas laikā amerikāņu presei Perceptrons noteica, vai kvadrāts, kas uzzīmēts uz lapas, ir labajā vai kreisajā pusē. Zinātnieks solīja, ka, ieguldot vēl 100 tūkstošus dolāru, viņa mašīnu varēs lasīt un rakstīt gada laikā. Faktiski tas prasīja vairāk nekā 30 gadus …
Reklāmas video:
Lai kā arī nebūtu, galvenais šajā projektā bija iedvesmas avots, kas palika nemainīgs tieši līdz AlfaGo un tā "radiniekiem". Psihologs Frenks Rozenblats vairāk nekā desmit gadus ir iesaistīts kibernētikas un mākslīgā intelekta jēdzienos. Starp citu, viņš izstrādāja savu Perceptron ar divu citu Ziemeļamerikas psihologu palīdzību: Warren McCulloch un Donald Hebb. Pirmais, kas publicēts 1943. gadā, kopīgs raksts ar Valteru Pitsu (Walter Pitts) ar priekšlikumu izveidot "mākslīgus" neironus, kuriem vajadzētu sākties no dabiskiem un kuriem būtu matemātiskas īpašības. Otrais ieviesa noteikumus 1949. gadā, lai mākslīgie neironi varētu mācīties, izmantojot izmēģinājumus un kļūdas, tāpat kā smadzenes.
Tilts starp bioloģiju un matemātiku bija drosmīga iniciatīva. Skaitīšanas vienība (neirons) var būt aktīva (1) vai neaktīva (0) atkarībā no stimuliem no citiem mākslīgiem veidojumiem, ar kuriem tā ir savienota, veidojot sarežģītu un dinamisku tīklu. Precīzāk, katrs neirons saņem noteiktu simbolu kopu un salīdzina to ar noteiktu slieksni. Ja slieksnis tiek pārsniegts, vērtība ir 1, pretējā gadījumā tā ir 0. Autori ir parādījuši, ka viņu saistītā sistēma var veikt tādas loģiskas operācijas kā "un" un "vai" … un tādējādi veikt jebkuru aprēķinu. Teorētiski.
Šī novatoriskā pieeja aprēķiniem izraisīja pirmo ķildu mūsu vēsturē. Abas koncepcijas apvienojās nesavienojamā konfrontācijā, kas turpinās līdz mūsdienām. No vienas puses, ir neironu tīklu atbalstītāji, un, no otras puses, ir “klasisko” datoru aizstāvji. Pēdējie ir balstīti uz trim principiem: aprēķini pārsvarā ir secīgi, atmiņa un aprēķini tiek nodrošināti ar skaidri noteiktiem komponentiem, jebkurai starpposma vērtībai jābūt vienādai ar 0 vai 1. Pirmajai informācijai viss ir savādāk: tīkls nodrošina gan atmiņu, gan aprēķinus, nav centralizētas vadības, un starpposma vērtības ir atļautas.
"Perceptron" ir arī spēja iemācīties, piemēram, atpazīt modeli vai klasificēt signālus. Šādi šāvējs labo redzi. Ja lode iet pa labi, tā pārvieto stobru pa kreisi. Mākslīgo neironu līmenī tas nozīmē vājināt tos, kas velk pa labi, par labu tiem, kas velk pa kreisi, un ļauj jums sasniegt mērķi. Atliek tikai izveidot šo neironu jucekli un atrast veidu, kā tos savienot.
Lai kā arī būtu, entuziasms ievērojami mazinājās 1968. gadā, izdodot Seimūra Paperta un Marvina Minska grāmatu Perceptrons. Tajā viņi parādīja, ka uztveres struktūra ļauj jums atrisināt tikai vienkāršākās problēmas. Tā bija mākslīgā intelekta pirmā ziema, kuras pirmais pavasaris, jāatzīst, daudz nenesa augļus. Un vējš pūta no nekurienes: Marvins Minskis nostājās pie paša "mākslīgā intelekta" jēdziena parādīšanās 1955. gadā.
AI un AI saduras
Tā gada 31. augustā viņa un kolēģis Džons Makartijs nosūtīja ielūgumus dučiem speciālistu pievienoties nākamajai vasarai divu mēnešu darbā pie toreiz pirmās mākslīgā intelekta koncepcijas Dartmutas koledžā. Tajā piedalījās Vorens Makkulloks un Klods Šenons, datorzinātņu un telekomunikāciju teorijas tēvs. Tieši viņš atveda Minsku un Makartiju uz Bell laboratoriju, no kuras vēlāk iznāca tranzistori un lāzeri. Turklāt tieši viņi 80. gados kļuva par vienu no neironu tīklu atdzimšanas centriem.
Paralēli tam tika izveidotas divas jaunas kustības, un Stenfordas universitāte kļuva par viņu kaujas lauku. No vienas puses, ar atšķirīgu izpratni no neironu tīkliem, kas aizstāvēja Džonu Makkartiju, viņš saīsināja AI saīsinājumu “mākslīgais intelekts”, kuru aizstāvēja Džons Makkartijs (viņš pameta Masačūsetsas Tehnoloģiju institūtu un izveidoja savu laboratoriju Stenfordā). No otras puses, ir UI, “uzlabots intelekts”, kas atspoguļo jauno Douglas Engelbarta pieeju. Viņu 1957. gadā nolēma Stenfordas Pētniecības institūts (1946. gadā izveidoja neatkarīga institūcija, kas sadarbojās ar privāto sektoru).
Douglasam Engelbarta aiz muguras bija grūts ceļš. Viņš bija tehniķis un Otrajā pasaules karā nodarbojās ar radaru, bet pēc tam atsāka studijas un aizstāvēja disertāciju. Pirms pievienošanās Stenfordai viņš pat izveidoja savu uzņēmumu, taču tas ilga tikai divus gadus. Jaunā vietā viņš sāka īstenot savu redzējumu par cilvēka spēju uzlabošanu. Viņš sacīja, ka viņam ir skaidra ideja par to, kā “kolēģi sēž dažādās telpās līdzīgās darba vietās, kas ir saistītas ar to pašu informācijas sistēmu un var cieši mijiedarboties un apmainīties ar datiem,” saka sociologs Tjerijs Bardini.
Šis redzējums tika ieviests praksē 1968. gada decembrī, desmit gadus pēc Perceptron ieviešanas, demonstrējot oNLine sistēmu ar ekrāna teksta redaktoru, dokumentu hipersaitēm, grafikiem un peli. Douglas Engelbarts bija sapņotājs, bet, iespējams, ieskatījās pārāk tālu nākotnē, lai patiešām paziņotu par sevi.
1984. gada janvāris, pirmais Macintosh
Džons Makartijs savukārt šo sistēmu nevajadzīgi sauca par “diktatorisku”, jo tā uzspieda īpašu pieeju teksta strukturēšanai. Šis drosmīgais zinātnieks, kuru, tāpat kā Engelbartu, finansēja amerikāņu armija, iepazīstināja ar savu, mākslīgā intelekta simbolisko koncepciju. Šajā viņš paļāvās uz LISP, kas bija viena no pirmajām programmēšanas valodām, ko viņš izstrādāja. Ideja bija atdarināt domu procesu ar loģisku noteikumu un simbolu ķēdi un tādējādi veidot domu vai vismaz kognitīvo funkciju. Tam nav nekā kopīga ar neatkarīgu neironu tīkliem, kuri var mācīties, bet nespēj izskaidrot savu izvēli. Papildus robo-rokam, kas ielēja perforatoru, kurš visus uzjautrināja, klauvējot pie brillēm, jaunā pieeja bija diezgan veiksmīga attiecībā uz to, kas jau sen tiek saukts par "ekspertu sistēmām". Noteikumu ķēdes ļāva mašīnām analizēt datus visdažādākajās jomās, piemēram, finansēs, medicīnā, ražošanā, tulkošanā.
1970. gadā Minska kolēģis žurnālam Life sniedza šādu paziņojumu: “Astoņu gadu laikā mums būs mašīna ar vidusmēra cilvēka intelektu. Tas ir, mašīna, kas var lasīt Šekspīru, nomainīt mašīnā eļļu, jokot, cīnīties."
Simboliskās pieejas uzvara
Acīmredzot mākslīgais intelekts nepatīk pareģojumiem. 1973. gadā Anglijā tika izlaists ziņojums, kurā tika atdzesētas karstās galvas: “Lielākā daļa zinātnieku, kas strādā pie mākslīgā intelekta un ar to saistītām jomām, atzīst, ka ir vīlušies par sasniegto pēdējo 25 gadu laikā. (…) Nevienā no nometnēm līdz šim veiktie atklājumi nav devuši apsolītos rezultātus."
Turpmākie gadi ir apstiprinājuši šo diagnozi. Astoņdesmitajos gados AI uzņēmumi bankrotēja vai mainīja laukus. Makartija laboratorijas ēka tika nojaukta 1986. gadā.
Uzvarēja Douglas Engelbarts. 1984. gada janvārī Apple izlaida savu pirmo Macintosh, lielāko daļu inženiera ideju īstenojot praksē.
Tādējādi uzvara devās nevis uz mākslīgo intelektu, par kuru sapņoja Minskis un Makkartijs, bet gan uz Engelbarta pastiprināto intelektu. Tas viss ir novedis pie efektīvu personālo datoru attīstības. Un mākslīgais intelekts ir nonācis strupceļā. Simbolisms izrādījās spēcīgāks nekā neironu tīkli. Tomēr mūsu stāsts nebeidzas ar to, un viņi joprojām sevi pasludinās.
Deivids Larousserie