История развития ИИ

[digitalman]

Фрагмент перепечатан на правах рекламы из книги "Программирование исскуственного интеллекта в приложениях"
(Москва, 2006 ISBN 1-58450-278-9) Цифровым Человеком (21 октября 2012 года.)

История развития ИИ

Об истории и развитии ИИ можно написать очень много. В этом разделе представлены важнейшие вехи в развитии ИИ, а также кратко рассказанно о людях, которые внесли в этот процесс свой вклад. Рассмотрение истории ИИ включает в себя современную точку зрения о том, как развивалась данная технология с 1940-х гг. (Stottler Henke, 2002).

Рождение компьбютера, 1940-е

Эра разумных машин наступила вскоре после появления первых компьютеров. Большинство компьютеров были созданы для того, чтобы взломать немецкие шифры во время Второй мировой войны. В 1940 г. был построен первый рабочий компьютер на электромагнитных реле - Робинсон (Robinson). Он предназначался для расшифровки военных переговоров немцев, которые были зашифрованны с помощью машины Энигма (Enigma). Робинсон назван в честь создателя мультипликационных трюков, Хита Робинсона (Heath Robinson). Три года спустя вакуумные трубки заменили электромагнитные реле, что позволило построить Колосс (Colossus). Этот более быстрый компьютер был создан для взлома новых усовершенствованных кодов. В 1945 г. в Университете Пенсильвании доктор Джон В. Мохли (Вкю Орщт ЦюЬфгсрдн) и Д. П. Экерт (J.P. Eckert. Jr)разработали более известный компьютер ENIAC. Его задачей было рассчитать баллистические таблицы времен Второй мировой войны.

Нейронные сети с обратной связью построенны Вальтером Питтсом (Walter Pitts) и Уорреном МакКуллочем (Warren McCulloch) в 1945 г. чтобы показать возможности их применения при рассчетах. Эти ранние сети были электронными и весьма поспособствовали росту энтузиазма у создателей технологии. Примерно в то же время Норберт Виннер (Norbert Wiiener) создал область кибернетики, которая включала математическую теорию обратной связи для биологических и инженерных систем. Важным аспектом данного открытия стала концепция о том, что разум - это процесс получения и обработки информации для достижения определенной цели.

Наконец в 1949 г. Дональд Хеббс (Donald Hebbs) открыл способ создания самообучающихся исскуственных нейронных сетей. Этот процесс (получивший название "Обучение по Хеббсу") позволяет изменять весовые коэффициенты в нейронной сети так, что данные на выходе отражают связь с информацией на входе. Хотя использование этого метода не избавляло от проблем, почти все свободные процедуры обучения основанны на обучении по Хеббсу.

Рождение ИИ, 1950-е

1950-е отмеченны в истории как годы рождения ИИ. Алан Тьюринг (Alan Thuring) предложил специальный тест (который впоследствии получил название "Тест Тьюринг")в качестве способа распознать разумность машины. В этом тесте один или несколько людей должны задавать вопросы двум тайным собеседникам и на основании ответов определять кто из них машина, а кто человек. Если не удавалось раскрыть машину, которая маскировалась под человека , предполагалось что машина разумна. Существует и дополнение к тесту Тьюринга (так нызываемый "Приз Лебнера"), которое представляет собой соревнование по выявлению лучшего имитатора человеческого разговора.

В 1950-е гг. ИИ по своей природе был в первую очередь символичным. Именно в то время сделано открытие, что компьютеры могут управлять символами так же, как и числовыми данными.  Это привело к разработке таких программ, как предназначавшаяся для доказательства теорем Logic Theorist (авторы - Ньюэлл (Newell), Симон (Simon) и Шоу (Shaw)) и General Problem Solver (создатели - Ньюэлл и Симон), использовавшаяся для анализа нерешаемых проблем. Наверное, самым крупным открытием в программной области в 1950-е было создание Артуром Самуэлем программы для игры в шашки, которая постепенно научилась обыгрывать своего создателя.

В 1950-е гг. были также разработаны два языка ИИ, Первый, язык IPL, был создан Ньюэллом, Симоном и Шоу для программы Logic Theorist. IPL является языком обработки списка данных и привел к созданию более известного языка LISP. LISP появился в конце 1950-х и вскоре заменил IPL, став основным языком приложений ИИ. Язык LISP был разработан в лабораториях Массачусетского технологического института (MIT). Его автором был Джон МакКарти, один из первых разработчиков ИИ.

Джон МакКарти представил концепцию ИИ как часть своего предположения для Дормутской конференции по проблемам ИИ. В 1956 г. разработчики ИИ встретились в Дормутском колледже, чтобы обсудить дальнейшее развития разумных машин. В своем предложении Джон МакКарти написал: "Задача заключается в том, чтобы работать на основе предположения, что любой аспект обучения или другой функции разума может быть описан так точно, чтобы машина смогла его симулировать. Мы попытаемся определить, как сделать так, чтобы машины смогли пользоваться языком, формулировать абстракции и концепции, решать задачи, которыми сейчас занимаются только люди, а также заниматься самообучением".

Дормутская конференция позволила впервые встретиться всем разработчикам ИИ, однако общее решение по ИИ принято не было.

В конце 1950-х Джон МакКарти и Марвин Мински основали в MIT лабораторию искусственного интеллекта, которая работает и по сей день.

[john]

на самом деле вообще-то рано говорить об истории ИИ, ну хотя бы потому что до создания ИИ еще как до марса на велосипеде, экспертные системы - не в счет, они все еще на уровне персептронов, правда значительно усовершенствованных...

[RomanF]

на самом деле вообще-то рано говорить об истории ИИ, ну хотя бы потому что до создания ИИ еще как до марса на велосипеде, экспертные системы - не в счет, они все еще на уровне персептронов, правда значительно усовершенствованных...

повторюсь, если об ИИ говорить рано, то можно смело говорить, что не у всех людей вообще присутствует интеллект
Я не говорю о симпле даже, есть люди прям реально тупые.

[john]

можно смело говорить, что не у всех людей вообще присутствует интеллект

если мозг на месте, то и интеллект есть  
вопрос лишь в уровне этого интеллекта...

PS. А вот реально что такое интеллект - до сих пор не очень понятно... Собственно как раз по этой причине ИИ пока и не могут создать...

[RomanF]

если мозг на месте, то и интеллект есть  
вопрос лишь в уровне этого интеллекта...

PS. А вот реально что такое интеллект - до сих пор не очень понятно... Собственно как раз по этой причине ИИ пока и не могут создать...

вообще Интеллект это способность обучаться и решать задачи, решение которых заранее в тебя не было запрограммировано.
А для хорошего интеллекта Тьюринг даже принцип теста разработал.

Так вот есть люди, которые обучаются только с учителем так, что правильнее сказать "программируются". абсолютно не способны к аналитической деятельности и больше похожи на живых роботов.

[john]

вообще Интеллект это способность обучаться и решать задачи, решение которых заранее в тебя не было запрограммировано.
А для хорошего интеллекта Тьюринг даже принцип теста разработал.

Ну, это слишком узкое определение интеллекта...

Так вот есть люди, которые обучаются только с учителем так, что правильнее сказать "программируются". абсолютно не способны к аналитической деятельности и больше похожи на живых роботов.

Даже если предположение о том, что существуют люди совершенно не способные к аналитической деятельности истинно - это не говорит о том, что у них отсутвет интеллект, так как аналитические способности лишь одно из проявлений интеллекта и далеко не единственное.

[RomanF]

Ну, это слишком узкое определение интеллекта...

ок, а как еще можно дополнить?

[digitalman]

Подъем ИИ, 1960-е

В 1960-е гг. произошел скачок в развитии ИИ, вызванный прогрессом в компьютерных технологиях, а также увеличением количества разработок в данной области. Наверное, самым важным показателем того, что ИИ достиг приемлимого уровня стало появление критиков. К этому времени относится описание двух книг: "Компьютеры и здравый смысл: миф о мыслящих машинах" Мортимера Тауба (Mortimer Taub) и "Алхимия и ИИ" Хуберта и Стюарта Дрейфус (Hubert and Stuart Dreyfus).

В 1960-е наиболее важным было представление знаний, так как сильный ИИ продолжал оставаться главной темой в разработках ИИ. Были построенны игрушечные миры, например, "Block Microworld Project" Мински и Паперта в MIT, а также SHRDLU Терри Винограда (Terry Winograd). С помощью этих миров создавалась окружающая среда , в которой тестировались идеи по компьютерному зрению, робототехнике и обработке человеческого языка.

В начале 1960-х Джон МакКарти основал лабораторию ИИ в Стендфордском университете. Сотрудники лаборатории, помимо прочего, создали робота Шейки (Shakey), который мог перемещаться по исскуственному миру и выполнять простые приказания.

Разработки нейронных сетей процветали до конца 1960-х, ровно до тех пор пока не былоа издана книга Мински и Паперта "Прецептроны: введение в вычислительную геометрию". Авторы описали ограничения по использованию простых одноуровневых прецептронов , что привело к серьезному снижению инвестиций в исследования нейронных сетей более чем на декаду.

Пожалуй, самым интересным аспектом ИИ в 1960-е стало изображение ИИ в романе Артура Кларка и фильме Стенли Кубрика "Космическая Одиссея 2001 года" HAL, разумный компьютер, движимый безумием и желанием выжить, уничтожил большую часть команды космического корабля, находящегося на орбите Юпитера

[john]

ок, а как еще можно дополнить?

Строго определения не дам, ибо его вообще не существует, но такие моменты как способность к обучению (познаванию), систематизация полученной информации, логическое и аналитическое мышление, распознавание образов, абстрактное мышление, ассоциативность, память, и это еще далеко не все, так как мы еще даже не подошли к психологии, сознанию, подсознанию, инстинктам...

[RomanF]

Строго определения не дам, ибо его вообще не существует, но такие моменты как способность к обучению (познаванию), систематизация полученной информации, логическое и аналитическое мышление, распознавание образов, абстрактное мышление, ассоциативность, память, и это еще далеко не все, так как мы еще даже не подошли к психологии, сознанию, подсознанию, инстинктам...

ну это все обучение  психология - это не интеллект ))

просто то, что обучается таким образом, что может решать новые задачи - интеллектуально.
А все что обладает психикой, т.е. психует и пр. - это человечность

P.S. Вообще про вот то что ты расписал, напомнило теорию нейросетей. На память :
идеальная нейро сеть должна:
1. Линейно разделить множества при обучении
2. Правильно ассоциировать объекты в процессе работы
3. САМОЕ ВАЖНОЕ: честно признаться, если объект, который она видит ей не знаком

3я проблема самая сложная, и самая важная )) не только для нейросетей, но и для человека ) Доказано Левашистами )

[digitalman]

Спад исследований ИИ, 1970-е

1970-е гг. показали резкий спад интереса к ИИ после того, как исследователям не удалось выполнить нереальные обещания его успеха. Практическое применение ИИ было по прежнему минимальным. Ситуация осложнялась тем, что в MIT, Стэнфорде и Карнеги Меллон возникли проблемы с финансированием исследований в области ИИ. Такое же препятствие ожидало и разработчиков в Великобритании. К счастью исследования продолжались и не без успеха.

Дуг Леннет в Стэндфордском университете создал программу "Автоматический математик" (AM)и позднее - EURISKO, что позволило открыть новые теории в математике. AM успешно повторил открытие теории чисел, но по причине ограниченного количества кодировок в эвристике быстро достиг потолка своих возможностей. EURISKO, следующая разработка Ленета, был построен с учетом ограничений АМ и мог определять свою эвристику, а также решать, что в ней является полезным, а что нет.

Впервые нечеткая логика была применена на практике в начале 1970-х гг. Следует отметить, что Лотфи Заде (Lotfi Zadeh)создал саму концепцию ещё в 1960-х. Нечеткая логика была использована в работе над паровым двигателем в колледже Королевы Марии (Queen Mary), что стало первым из многочисленных примеров применения нечеткой логики для управления процессами.

В 1970-х продолжалось создание языков для ИИ. Был разработан язык ПРОЛОГ (Prolog - Программирование логики).  Язык ПРОЛОГ предназначался для разработки программ, которые управляли символами (а не выполняли числовые рассчеты)и работал с правилами и фактами. В то время как ПРОЛОГ распространялся за пределами США, язык LISP сохранял свой статус основного языка для приложений ИИ.

Развитие ИИ для игр продолжалось в 1970-х. В Карнеги Меллон была создана программа для игры в триктрак. Она играла настолько хорошо, что смогла победить чемпиона мира по триктраку, Луиджи Вилла (Luigi Villa))из Италии. Это был первый случай победы компьютера над человеком в сложной игре.

[digitalman]

Подъем и спад ИИ, 1980-е

1980-е гг. казались многообещающими для ИИ, после того как продажи аппаратных средств и программного обеспечения, связанного с ИИ превысили 400 млн. долларов в 1986 г. Большую часть этого дохода принесли продажи экспертных систем на LISP и, соответственно, LISP машин которые развивались становясь лучше и дешевле.

Экспертные системы использовались многими компаниями для разработки ископаемых, прогнозирования инвестиций а также весьма специфических задач, например диагностики электровоза. Также были идентифицированны ограничения в работе экспертных систем, поскольку их знания становились всё больше и сложнее.

[digitalman]

Например, системный конфигуратор XCON компании Digital Equpment Corporation достиг предела в 10000 правил, и поддерживать его работу стало очень сложно.

Нейронные сети в 1980-е годы также переживали возрождение. Они нашли применение при решении ряда различных задач, таких как распознование речи и возможность самообучения машин.

К сожалению, 1980-е продемонстрировали как рост, так и спад интереса к ИИ. Основной причиной этого были сбои экспертных систем. Однако, многие другие прилижения ИИ были серьезно улучшенны именно в 1980-е годы. Например системы распознавания речи смогли наконец работать независимо от говорящего (то есть распозновать речь любого человека, а не только специально обученного диктора), а также выполнять распознование в режиме реального времени (позволяя человеку говорить обычно, а не делать остановки и паузы). Кроме того, значительно увеличился их словарный запас.

[digitalman]

Постепенный  прогресс ИИ, 1990-е и настоящее время

1990-е гг. стали новой эпохой в развитии приложений слабого ИИ. Было обнаружено, что создание продукта, включающего элементы ИИ, является интересной задачей поскольку позволяет добиться решения многих проблем быстрее и более эффективно, чем при использовании традиционных методов. Поэтому элементы ИИ были интегрированы в ряд приложений (по материалам журнала Stottler Henke, 2002):

-системы распознавания фальшивых кредитных карт
-системы распознавания лиц;
-системы автоматического планирования;
-системы предсказания прибыли и потребности в персонале;
-конфигурируемые системы "добычи данных" из баз данных;
-системы персонализации;

Важным событием в развитии компьютерных игр с использованием ИИ стало создание в 1997 г. суперкомпьютера для игры в шахматы Deep Blue (он был разработан Карнеги Меллон). Эта машина смогла победить Гарри Каспарова, чемпиона мира по шахматам.

Другое интересное событие для развития ИИ в 1990-е гг. произошло в 60 млн. миль от Земли. Была создана система Deep Space 1 (DS1), которая могла тестировать технологии 12-ой степени риска, включая полет кометы и тестирование для будущих космических полетов. DS1 включала систему искусственного интеллекта под названием Remote Agent, который на небольшое время представлялось управление космическим кораблем. Обычно такая работа исполнялась командой ученых посредством терминалов. Remote Agent продемонстрировала, что искусственная система способна управлять сложным космическим кораблем, позволяя ученым и экипажам кораблей сконцентрироваться на решении других задач.

[digitalman]

Искусственная нейронная сеть (ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети У. Маккалока и У. Питтса. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.

ИНС представляет собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие по отдельности простые процессоры вместе способны выполнять довольно сложные задачи.

    С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п.
    С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации.
    С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники.
    С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма.
    А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искажённых данных.

[digitalman]

Айтишники, задумайтесь! Сингулярность, о которой вы мечтали, пришла

Размещаю текст открытого письма о приостановке экспериментов с ИИ. Илон Маск подписал, Игорь Шнуренко и ещё 11К человек со всего мира, включая меня, тоже поставили свою подпись.

Элиезер Юдковски не подписал, потому как считает, что нужна пауза не на полгода, а минимум на 30 лет, а ещё лучше - разбомбить немедленно DATA центры, где цифрозмия вырастили.

Поставьте на паузу эксперименты с ИИ"(открытое письмо): https://futureoflife.org/open-letter/pause-giant-ai-e..

Статья Юдковского "Паузы в развитии ИИ недостаточно. Прикройте всю эту лавочку":

https://time.com/6266923/ai-eliezer-yudkowsky-open-le..

Приостановить гигантские эксперименты с искусственным интеллектом: открытое письмо

Мы призываем все лаборатории ИИ немедленно приостановить как минимум на 6 месяцев обучение систем ИИ, более мощных, чем GPT-4.

Системы искусственного интеллекта с интеллектом, конкурирующим с человеком, могут представлять серьезную опасность для общества и человечества, как показали обширные исследования и признано ведущими лабораториями искусственного интеллекта. Как указано в широко одобренных Принципах ИИ Asilomar , продвинутый ИИ может представлять собой глубокое изменение в истории жизни на Земле, и его следует планировать и управлять им с соразмерной тщательностью и ресурсами . К сожалению, такого уровня планирования и управления не существует, даже несмотря на то, что в последние месяцы лаборатории искусственного интеллекта застряли в неконтролируемой гонке по разработке и развертыванию все более мощных цифровых умов, которые никто — даже их создатели — не может понять. прогнозировать или надежно контролировать.

Современные системы искусственного интеллекта в настоящее время становятся конкурентоспособными с людьми при решении общих задач , и мы должны спросить себя: должны ли мы позволять машинам наводнять наши информационные каналы пропагандой и неправдой? Должны ли мы автоматизировать все рабочие места, в том числе выполняющие? Должны ли мы развивать нечеловеческие умы, которые в конечном итоге могут превзойти нас численностью, перехитрить, устаревать и заменить нас? Должны ли мы рисковать потерей контроля над нашей цивилизацией? Такие решения не должны делегироваться неизбранным лидерам технологий. Мощные системы искусственного интеллекта следует разрабатывать только тогда, когда мы уверены, что их эффекты будут положительными, а риски управляемыми.Эта уверенность должна быть хорошо обоснована и возрастать с величиной потенциальных эффектов системы. В недавнем заявлении OpenAI относительно общего искусственного интеллекта говорится, что «в какой-то момент может оказаться важным получить независимую оценку, прежде чем приступать к обучению будущих систем, и для самых передовых усилий согласиться ограничить скорость роста вычислений, используемых для создания новых». модели». Мы согласны. Этот момент сейчас.

Поэтому мы призываем все лаборатории ИИ немедленно приостановить как минимум на 6 месяцев обучение систем ИИ более мощных, чем GPT-4 . Эта пауза должна быть общедоступной и поддающейся проверке, и в ней должны участвовать все ключевые участники. Если такую ??паузу нельзя ввести быстро, правительства должны вмешаться и ввести мораторий.

Лаборатории искусственного интеллекта и независимые эксперты должны использовать эту паузу для совместной разработки и внедрения набора общих протоколов безопасности для усовершенствованного проектирования и разработки искусственного интеллекта, которые тщательно проверяются и контролируются независимыми внешними экспертами. Эти протоколы должны гарантировать, что системы, придерживающиеся их, вне всяких разумных сомнений безопасны. Это не означает паузу в развитии ИИ в целом, а просто шаг назад от опасной гонки к все более крупным непредсказуемым моделям черного ящика с возникающими возможностями.

Исследования и разработки в области искусственного интеллекта должны быть переориентированы на то, чтобы сделать современные мощные современные системы более точными, безопасными, интерпретируемыми, прозрачными, надежными, согласованными, заслуживающими доверия и лояльными.

Параллельно разработчики ИИ должны работать с политиками, чтобы значительно ускорить разработку надежных систем управления ИИ. Они должны как минимум включать: новые и дееспособные регулирующие органы, занимающиеся вопросами ИИ; надзор и отслеживание высокопроизводительных систем искусственного интеллекта и больших пулов вычислительных мощностей; системы происхождения и водяных знаков, помогающие отличить настоящие от синтетических и отслеживать утечки моделей; надежная экосистема аудита и сертификации; ответственность за вред, причиненный ИИ; надежное государственное финансирование технических исследований безопасности ИИ; и хорошо обеспеченные ресурсами институты для преодоления серьезных экономических и политических потрясений (особенно демократии), которые вызовет ИИ.

Человечество может наслаждаться процветающим будущим с ИИ. Добившись успеха в создании мощных систем ИИ, мы теперь можем наслаждаться «летом ИИ», во время которого мы пожинаем плоды, разрабатываем эти системы на благо всех и даем обществу возможность адаптироваться. Общество поставило на паузу другие технологии с потенциально катастрофическими последствиями для общества. Мы можем сделать это здесь. Наслаждаемся долгим летом с искусственным интеллектом, а не бросаемся в осень неподготовленными.