Искусственный интеллект

В настоящее время глубокая нейронная сеть собирает кубик Рубика за 1,2 секунды. Для достижения такого результата на рубеже XIII и IV веков были созданы логические машины Рамона Луллия. В этой статье вы шаг за шагом узнаете, что происходило на протяжении веков.

XIII–IV вв. испанский философ Рамон Луллий (1) развивается логические машины. Он описал свои машины как механические объекты, которые могут связывать основные и неоспоримые истины посредством простых логических операций, выполняемых машиной с помощью механических маркеров.

лет 30-50. ХХ века Это показали исследования в области нейробиологии. Норберт Винер описывает кибернетический контроль и устойчивость в электрических сетях. Клод Шеннон создает теорию «информации, описываемой цифровыми сигналами».

1936 , целью которого было решить проблему разрешимости, представленную Давида Хильберта в 1928 году вот что он в ней ввел абстрактная машинаспособный выполнять запрограммированную математическую операцию, то есть алгоритм.

Машина могла выполнять только один конкретный алгоритм, например, возводить число в квадрат, делить, складывать, вычитать. В собственной работе Тьюринг он описал много таких машин, которые приобрели общее название maszyn Turinga. Расширением этой концепции была так называемая универсальная машина Тьюринга, которая в зависимости от записанной на ленте инструкции должна была выполнять любую операцию (2).

2. Одна из моделей машины Тьюринга

1943 Уоррен МакКаллох i Уолтер Питтс покажи это искусственный нейрон может имитировать простые операции, создавая модель нейронная сеть. Их модель была основана исключительно на математике и алгоритмах и не могла быть протестирована из-за нехватки вычислительных ресурсов.

1950 В своем тексте под названием «Вычислительная техника и интеллект», опубликованная в журнале «Разум», Алан М. Тьюринг впервые представляет тест, названный тогда «тестом Тьюринга». Это способ определения способность машины использовать естественный язык и косвенно означало доказать, что она овладела способностью думать так же, как человек.

1951 Марвин Минский Ораз Дин Эдмондс они строят СНАРК (англ.), первая искусственная нейронная сеть с 3 тыс. вакуумные трубки. Машина играла роль крысы, которая ищет выход из лабиринта, чтобы добраться до еды. Система позволяла отслеживать все передвижения «крысы» в лабиринте. Ошибка проектирования позволила внедрить туда не одну «крысу», и «крысы» стали взаимодействовать друг с другом. Многочисленные попытки, которые они предприняли, позволили им начать «думать» на логической основе, и это помогло укрепить правильный выбор. За более продвинутыми «крысами» последовали и другие «крысы».

1955 Аллен Ньюэлл и (будущий лауреат Нобелевской премии) Герберт А. Саймон составить «Теоретик логики». В конечном итоге программа доказывает 38 из первых 52 утверждений Principia Mathematica. Рассел i Уайтхед, находя новые и более элегантные доказательства для некоторых.

1956 Рождается термин «». Впервые он был использован на конференции, организованной Дартмутским колледжем в Нью-Гемпшире (3). Новая концепция была определена как «система, которая сознательно воспринимает свое окружение и реагирует на него, чтобы максимизировать свои шансы на успех». Среди организаторов мероприятия были, в том числе Марвин Минский, Джон Маккарти и два старших ученых: Клод Шеннон i Натан Рочестер z IBM.

. Участники Дартмутской конференции 1956 г. Слева направо: Марвин Мински и Клод Шеннон.

1960 строительство электрохимические сети именованные обучающие элементы Adaline. Построен Бернард Видроу из Стэндфордского университета, сеть состояла из отдельных элементов Adaline, которые при воспроизведении и объединении привели к сказала Мадалин (анг. Многие Адалин). Это был первый нейрокомпьютер предлагается на коммерческой основе. Сеть Madaline используется радарами, гидролокаторами, модемами и телефонными линиями.

1966 поднимается ЭЛИЗА программа, прототип чат-бота, протестированный в Массачусетском технологическом институте. Он был разработан простым способом: он преобразовывал повествовательные предложения, данные пользователем, в вопросы и предлагал им получить дальнейшие утверждения. Например, когда пользователь сообщил: «У меня болит голова», программа спросила: «Почему у тебя болит голова?» ELIZA успешно применяется при лечении людей с психическими расстройствами..

1967 В Японии Университет Васэда инициировал проект ВАБОТ (4) в 1967 году впервые в мире полноразмерный интеллектуальный гуманоидный робот. Его система управления конечностями позволяла ему ходить нижними конечностями, а также захватывать и перемещать предметы руками с помощью сенсорных датчиков. Его система зрения позволяла ему измерять расстояния и направления до объектов с помощью внешних рецепторов, искусственных глаз и ушей. А разговорная система позволяла ему общаться с человеком по-японски с помощью искусственных губ.

1969 Марвин Минский i Сеймур Паперт показать ограничения персептрона. В их книге содержались формальные доказательства того, что однослойные сети имели очень ограниченный спектр приложений, что привело к застою в этой области исследований. Такое положение вещей продолжалось около 15 лет, пока не была опубликована серия публикаций, в которых очень убедительно показано, что нелинейные сети свободны от ограничений, показанных в более ранней работе. При этом было объявлено в то время ряд методов машинного обучения многослойных сетей.

1973 Эдвард Шортлифф, врач и ученый-компьютерщик, он создал программа МАЙСИН, одна из первых экспертных систем диагностики лечения бактериальных инфекций, основанная на диагностике заболеваний крови на основании результатов анализов и расчета правильных доз антибиотиков.

В 70-х годах большинству врачей требовалась консультация специалиста, прежде чем назначать пациенту антибиотики. Каждый антибиотик воздействовал на определенную группу микроорганизмов, но вызывал и определенные побочные эффекты. Однако познания этого предмета среди обычных врачей были невелики. Именно поэтому Медицинская школа Стэнфордского университета, всемирно известный исследовательский центр в области антибиотиков, обратилась за помощью к ИТ-специалистам. Так была создана консультативная система, которая состояла из обширной базы данных и 500 принципов, помогающих врачам правильно применять антибиотики.

1975 Пол Вербос изобретает обратное распространение, которое решило проблему и ограничения однослойных сетей и в целом сделало обучать нейронные сети более эффективно.

80-е годы известные как «экспертные системы», и знания стали центром основных исследований ИИ. Вместо того, чтобы сосредоточиться на общем интеллекте, экспертные системы сосредоточились на использовании ряда принципов для автоматизации конкретных задач и принятия конкретных решений в реальном мире.

Первое успешное решение, известное как RI, было представлено корпорацией Digital Equipment Corporation для настройки заказов компании и повышения точности. Однако вскоре Apple и IBM представили универсальные компьютеры с большей вычислительной мощностью, чем те, которые использовались для обслуживания. искусственный интеллект, разрушая индустрию ИИ. Это снова остановило инвестиции в ИИ.

1988 Исследователи из IBM опубликовали статью, в которой представлены принципы вероятности при автоматическом переводе с французского на английский. Этот подход, более близкий к тому, заложил основы сегодняшней технологии машинного обучения.

1989 Появляется ЭЛВИНН (), что явилось результатом восьми лет финансируемых военными исследований в институте робототехники CMU (5). Его можно считать родоначальником сегодняшнего дня. Реализация ALVINN обрабатывала данные от двух источников: видеокамеры и лазерного дальномера. Это была система восприятия, которая училась управлять транспортными средствами, наблюдая за водителем. он использовал это нейронная сеть и принимать решения без карты.

5. Автомобиль с автономной системой ALVINN

90-е годы. В мире ИИ принимается новая парадигма под названием «интеллектуальные агенты». Иудея Перл, Аллен Ньюэлл, Лесли П. Кельблинг и другие предложили применить теорию принятия решений и экономику к исследованиям искусственного интеллекта.

1997 Deep Blue созданный IBM, побеждает гроссмейстера с Гаррим Каспаровем (6). Суперкомпьютер был специализированной версией платформы, созданной IBM, и мог обрабатывать в два раза больше ходов в секунду, чем в первой игре (которую машина проиграла), по сообщениям, 200 миллионов ходов в секунду.

6. Матч Гарри Каспарова против Deep Blue

1998 Четыре миллиона идут на елки Ушные роботы Furbyкоторые со временем выучат английский.

2002-09 В 2002 году DARPA бросило вызов миру. умные технологии: 140 миллион долларов строителям, которые проедут 18 миль по пустыне Мохаве. 2005 мая 7 года Стэнли (XNUMX) принял участие в гонке Grand Challenge, вооруженный лазерами, радаром, видеокамерой, GPS-приемником, шестью процессорами и интегрированной программной архитектурой, и победил. С тех пор автомобиль выставлен в Национальном музее американской истории Смитсоновского института. Вместе со Стэнли в историю искусственный интеллект команда дизайнеров Стэнфордского университета во главе с проф. Себастьян Трун, который тогда возглавлял работу над автономным автомобилем Google, созданным в 2009 году.

2005 Honda представляет Asimo человекоподобный робот, передвигающийся на двух ногах (8). При его разработке были получены данные, которые использовались, например, при конструировании протезов, позволяющих пожилым людям двигаться.

2011 Суперкомпьютер Watson от IBM, который в 2011 году обыграл тогдашних мэтров в игровом шоу «Jeopardy» (транслировалось в Польше под названием «Va Banque»).

2016 Компьютерная программа AlphaGo созданный одной из компаний Google, превосходит Ли Седоля, 18-кратного чемпиона мира по го (9).

9. Матч между Го Ли Седолем и AlphaGo

2018 Google и Институт искусственного интеллекта Аллена создают BERT, «первое двунаправленное лингвистическое представление без присмотра, которое можно использовать для различных задач на естественном языке с использованием передачи знаний». BERT — это искусственный интеллект, который может дополнять пропущенные части предложений почти так же, как человек. БЕРТ является одним из самых интересных достижений в области обработки естественного языка (NLP), области искусственного интеллекта, которая особенно быстро развивается в последние годы. Благодаря ему день, когда мы сможем поговорить с машиной, стал намного ближе.

2019 Глубокая нейронная сеть названа , созданный учеными Калифорнийского университета, она собрала кубик Рубика за 1,2 секунды, почти в три раза быстрее, чем самый умелый человек. В среднем ей нужно около 28 движений, в то время как человек выполняет в среднем 50 движений.

Классификация и приложения искусственного интеллекта

I. Искусственный интеллект имеет два основных значения:

это гипотетический интеллект, реализованный посредством инженерного процесса, а не природного;
это название технологии и области исследований в области компьютерных наук, которые также основаны на достижениях неврологии, математики, психологии, когнитивистики и философии.

II. В литературе по этому вопросу различают три основные степени ИИ:

Узкий искусственный интеллект (, ANI), который специализируется только в одной области, такой как AlphaGo, который представляет собой ИИ, способный победить чемпиона в игре Го. Однако это единственное, что он может сделать.
Общий искусственный интеллект (, AGI) — известный как сильный искусственный интеллект, относящийся к компьютеру интеллектуального уровня среднего человека — способный выполнять любые выполняемые им задачи. По мнению многих экспертов, мы находимся на пути к созданию эффективного ОИИ.
Искусственный сверхразум (, КАК И Я). Теоретик ИИ из Оксфорда Ник Бостром определяет сверхинтеллект как «интеллект, намного более умный, чем самые умные человеческие умы, практически во всех отношениях, включая научное творчество, общие знания и социальные навыки».

III. Современные практические применения ИИ:

Технологии на основе нечеткой логики – обычно используется, например, для контроля за ходом технологических процессов на заводах в условиях «отсутствия всех данных».
Экспертные системы – системы, использующие базу знаний и механизмы вывода для решения задач.
Машинный перевод текстов – системы перевода не приспособлены к человеку, интенсивно развиваются и особенно подходят для перевода технических текстов.
Нейронные сети – успешно используется во многих приложениях, в том числе при программировании “интеллектуальных противников” в компьютерных играх.
Машинное обучение – отдел искусственного интеллекта, занимающийся алгоритмами, способными учиться принимать решения или приобретать знания.
Сбор данных – обсуждает области, связь с информационными потребностями, получение знаний, применяемые методы анализа, ожидаемые результаты.
Распознавание изображений – уже используются программы, распознающие людей по фотографии лица или автоматически распознающие выбранные объекты на спутниковых фотографиях.
Распознавание речи и распознавание говорящего – уже широко используется в коммерческих масштабах.
Распознавание рукописного ввода (OCR) – уже используется в массовом масштабе, например, для автоматической сортировки писем и в электронных блокнотах.
Искусственное творчество – существуют программы, автоматически генерирующие краткие поэтические формы, сочиняющие, аранжирующие и интерпретирующие музыкальные произведения, способные эффективно «запутать» даже профессиональных артистов, чтобы они не считали произведения искусственно созданными.
В экономике обычно используется системы автоматически оценивая, в том числе кредитоспособность, профиль лучших клиентов или планирование рекламных кампаний. Эти системы предварительно проходят автоматическое обучение на основе имеющихся у них данных (например, клиентов банка, регулярно погашавших кредит, и клиентов, у которых были проблемы с ним).
Интеллектуальные интерфейсы – используется для автоматизированного управления, контроля, отчетности и попыток решения возможных проблем в технологических процессах.
Прогнозирование и обнаружение мошенничества – с использованием в.и. Системы логистической регрессии анализируют наборы данных, чтобы выявить, например, подозрительные финансовые транзакции.