5 просмотров

Краткая история искусственного интеллекта

kf_histai_040316

В 1950 году человек по имени Алан Тьюринг написал статью, в которой предлагалось протестировать «думающую» машину. Он считал, что если машина может вести разговор с помощью телетайпа, имитируя человека без каких-либо заметных отличий, то ее можно назвать мыслящей. За его статьей в 1952 году последовала модель мозга Ходжкина-Хаксли как нейронов, образующих электрическую сеть, с отдельными нейронами, активирующими импульсы «все или ничего» (вкл./выкл.). Эти объединенные события, обсужденные на конференции, спонсируемой Дартмутским колледжем в 1956 году, помогли зародить концепцию искусственного интеллекта.

Опрос журнала PC Magazine показал, что Google Assistant, Alexa и Siri — самые популярные виртуальные помощники, не являющиеся людьми. Достигли ли мы настоящего искусственного интеллекта? София Алтуна из Google Assistant сказала во время интервью:

«Google Assistant объединяет все технологии и интеллектуальные возможности, которые мы создавали годами, от графа знаний до обработки естественного языка. Пользователи могут вести естественный диалог с Google, чтобы помочь им в их пользовательском путешествии».

Разработка ИИ была далека от упорядоченной и эффективной. Начиная с захватывающей творческой концепции в 1956 году, финансирование исследований в области искусственного интеллекта было сокращено в 1970-х годах после того, как в нескольких отчетах критиковалось отсутствие прогресса. Попытки имитировать человеческий мозг, называемые «нейронными сетями», были опробованы, но прекращены.

Их самые продвинутые программы могли справляться только с простейшими задачами, и равнодушные называли их игрушками. Исследователи ИИ были чрезмерно оптимистичны в определении своих целей (постоянная тема) и делали наивные предположения о трудностях, с которыми они столкнутся. После того, как результаты, которые они обещали, так и не материализовались, неудивительно, что их финансирование было сокращено.

Статья в тему:  Где троянские астероиды вращаются вокруг Юпитера

Первая зима ИИ

Промежуток времени между 1974 и 1980 годами стал известен как «Первая зима ИИ». Исследователи ИИ столкнулись с двумя основными ограничениями — нехваткой памяти и скоростью обработки, которая по сегодняшним меркам казалась бы ужасной. Подобно исследованиям гравитации в то время, исследованиям в области искусственного интеллекта было урезано государственное финансирование, и интерес к ним упал. Однако, в отличие от гравитации, исследования ИИ возобновились в 1980-х годах, когда США и Великобритания предоставили финансирование для конкуренции с японским компьютерным проектом нового «пятого поколения» и их целью стать мировым лидером в области компьютерных технологий.

Первая зима ИИ завершилась многообещающим внедрением «Экспертных систем», которые были разработаны и быстро приняты крупными конкурентоспособными корпорациями по всему миру. Основное внимание в исследованиях ИИ теперь уделялось теме накопления знаний от различных экспертов и обмена этими знаниями со своими пользователями. ИИ также выиграл от возрождения коннекционизма в 1980-х годах.

Экспертные системы

Экспертные системы — это подход к исследованиям искусственного интеллекта, ставший популярным в 1970-х годах. Экспертная система использует знания экспертов для создания программы. В процессе пользователь задает Экспертной системе вопрос и получает ответ, который может быть полезным или бесполезным. Система отвечает на вопросы и решает проблемы в рамках четко определенной области знаний и использует «правила» логики.

Программное обеспечение использует упрощенный дизайн и достаточно легко проектируется, создается и модифицируется. Программы проверки банковских кредитов представляют собой хороший пример экспертной системы начала 1980-х годов, но существовали также медицинские и торговые приложения, использующие экспертные системы. В общем, эти простые программы стали весьма полезными и начали экономить предприятиям большие суммы денег. (Экспертные системы все еще доступны, но гораздо менее популярны.)

Статья в тему:  Какие вакансии предлагаются с помощью искусственного интеллекта

Вторая зима ИИ

Область искусственного интеллекта пережила еще одну большую зиму с 1987 по 1993 год.Это второе замедление в исследованиях ИИ совпало с XCON и другими ранними компьютерами Expert System, которые считались медленными и неуклюжими. Настольные компьютеры становились очень популярными и вытесняли старые, более громоздкие и гораздо менее удобные компьютерные блоки.

В конце концов, Экспертные системы просто стали слишком дорогими в обслуживании по сравнению с настольными компьютерами. Экспертные системы было трудно обновлять, и они не могли «обучаться». Это были проблемы, которых не было у настольных компьютеров. Примерно в то же время DARPA (Агентство перспективных оборонных исследовательских проектов) пришло к выводу, что ИИ «не будет» следующей волной, и перенаправило свои средства на проекты, которые с большей вероятностью дадут быстрые результаты. Как следствие, в конце 1980-х годов финансирование исследований ИИ резко сократилось, что привело к Второй зиме ИИ.

Разговор с компьютером становится реальностью

Обработка естественного языка (NLP) — это подразделение искусственного интеллекта, которое делает человеческий язык понятным для компьютеров и машин. Первоначально обработка естественного языка была вызвана попытками использовать компьютеры в качестве переводчиков для русского и английского языков в начале 1960-х годов. Эти усилия привели к мысли о компьютерах, которые могли бы понимать человеческий язык. Попытки воплотить эти мысли в жизнь, как правило, были безуспешными, и к 1966 году «многие» полностью отказались от этой идеи.

Статья в тему:  Что сделает глобальное потепление через 50 лет

В конце 1980-х обработка естественного языка пережила скачок в развитии как в результате постоянного увеличения вычислительной мощности, так и в результате использования новых алгоритмов машинного обучения. Эти новые алгоритмы ориентированы в первую очередь на статистические модели, а не на такие модели, как деревья решений. В 1990-е годы количество статистических моделей НЛП резко возросло.

Интеллектуальные агенты

В начале 1990-х годов исследования в области искусственного интеллекта сместили акцент на нечто, называемое интеллектуальными агентами. Эти интеллектуальные агенты могут использоваться для поиска новостей, онлайн-покупок и просмотра веб-страниц.Интеллектуальных агентов также иногда называют агентами или ботами. С использованием программ больших данных они постепенно превратились в цифровых виртуальных помощников и чат-ботов.

Машинное обучение

Машинное обучение является подразделением искусственного интеллекта и используется для разработки НЛП. Хотя он стал отдельной отраслью, выполняя такие задачи, как ответы на телефонные звонки и предоставление ограниченного набора соответствующих ответов, он по-прежнему используется в качестве строительного блока для ИИ. Машинное обучение и глубокое обучение стали важными аспектами искусственного интеллекта.

  • Повышение: В 1990 году Роберт Шапир представил концепцию бустинга в статье 1990 года. Сила слабой обучаемости. Шапир писал: «Группа слабых учеников может создать одного сильного ученика». Большинство повышающих алгоритмов представляют собой повторяющиеся классификаторы слабого обучения, которые при объединении образуют сильный классификатор.
  • Распознавание речи: Большая часть проводимого обучения распознаванию речи является результатом метода глубокого обучения, называемого долговременной кратковременной памятью (LSTM). Это основано на модели нейронной сети, разработанной в 1997 году С. Хохрайтером и Юргеном Шмидхубером. Техника LSTM поддерживает учебные задачи, в которых используется память о тысячах маленьких шагов (это важно для обучения речи). Примерно в 2007 году LSTM начал превосходить более известные программы распознавания речи. В 2015 году программа распознавания речи Google сообщила о 49-процентном повышении производительности за счет использования LSTM, обученного CTC.
  • Распознавание лиц: В 2006 году Национальный институт стандартов и технологий спонсировал «Большой вызов по распознаванию лиц» и протестировал популярные алгоритмы распознавания лиц. Были изучены различные изображения радужной оболочки, 3D-сканы лица и изображения лица с высоким разрешением. Они обнаружили, что некоторые из новых алгоритмов в десять раз точнее алгоритмов распознавания лиц, популярных в 2002 году.Некоторые из новых алгоритмов могут превзойти людей в распознавании лиц (эти алгоритмы могут даже идентифицировать однояйцевых близнецов). В 2012 году алгоритм машинного обучения, разработанный Google X Lab, мог сортировать и находить видео, в которых были кошки. В 2014 году Facebook разработал алгоритм DeepFace — он распознавал людей на фотографиях с той же точностью, что и люди.
Статья в тему:  Что такое любовь цитаты искусственного интеллекта

Цифровые виртуальные помощники и чат-боты

Цифровые виртуальные помощники понимают голосовые команды и реагируют, выполняя задачи.

В 2011 году Siri (от Apple) заработала репутацию одного из самых популярных и успешных цифровых виртуальных помощников, поддерживающих обработку естественного языка. Онлайн-помощники, такие как Alexa, Siri и Google, могли начинаться как удобные источники информации о погоде, последних новостях и отчетах о дорожном движении, но достижения в NLP и доступ к огромным объемам данных превратили цифровых виртуальных помощников в полезный инструмент обслуживания клиентов. Теперь они способны выполнять многие из тех же задач, что и человек-помощник. Они даже умеют рассказывать анекдоты.

Цифровые виртуальные помощники теперь могут управлять расписанием, совершать телефонные звонки, писать на диктовку и читать вслух электронные письма. Сегодня на рынке представлено множество виртуальных цифровых помощников, например Siri от Apple, Alexa от Amazon, Google Assistant и Cortana от Microsoft. Поскольку эти помощники с искусственным интеллектом реагируют на словесные команды, их можно использовать без помощи рук, позволяя человеку пить кофе или менять подгузники, пока помощник выполняет поставленную задачу.

Эти виртуальные помощники представляют будущее исследований ИИ. Они водят автомобили, принимают форму роботов, чтобы оказывать физическую помощь, и проводят исследования, помогающие принимать бизнес-решения. Искусственный интеллект все еще развивается и находит новые применения.

Чат-боты и цифровые виртуальные помощники очень похожи.Чат-боты (иногда называемые «разговорными агентами») могут общаться с реальными людьми и часто используются для маркетинга, продаж и обслуживания клиентов. Как правило, они предназначены для общения с клиентами в человеческом стиле, но также используются для множества других целей. Чат-боты часто используются предприятиями для общения с клиентами (или потенциальными клиентами) и круглосуточной помощи. Обычно они имеют ограниченный круг тем, посвященных бизнес-услугам или продуктам.

Статья в тему:  Как управлять искусственным интеллектом

Чат-боты обладают достаточным интеллектом, чтобы чувствовать контекст в разговоре и давать соответствующий ответ. Однако чат-боты не могут искать ответы на вопросы, выходящие за рамки их тематики, или выполнять задачи самостоятельно. (Виртуальные помощники могут сканировать доступные ресурсы и помогать с широким спектром запросов.)

Прохождение теста Алана Тьюринга

По моему скромному мнению, цифровые виртуальные помощники и чат-боты прошли тест Алана Тьюринга и достигли настоящего искусственного интеллекта. Современный искусственный интеллект с его способностью принимать решения можно охарактеризовать как способный к мышлению. Если бы эти сущности общались с пользователем посредством телетайпа, человек вполне мог бы предположить, что на другом конце находится человек. То, что эти сущности могут общаться вербально и распознавать лица и другие изображения, намного превосходит ожидания Тьюринга.

Изображение использовано по лицензии Shutterstock.com.

голоса
Рейтинг статьи
Ссылка на основную публикацию
Статьи c упоминанием слов:

0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x