Artipisyal na katalinuhan

Sa kasalukuyan, nalulutas ng malalim na neural network ang isang Rubik's cube sa loob ng 1,2 segundo. Upang makamit ang resultang ito, sa pagliko ng ika-XNUMX at ika-XNUMX na siglo, nilikha ang mga lohikal na makina ng Ramon Lull. Sa artikulong ito, matututunan mo ang hakbang-hakbang kung ano ang nangyari sa paglipas ng mga siglo.

XIII – IV v. pilosopong Espanyol Ramon Lully (1) bubuo mga makina ng lohika. Inilarawan niya ang kanyang mga makina bilang mga mekanikal na bagay na maaaring magkonekta ng mga pangunahing at hindi maikakaila na mga katotohanan sa pamamagitan ng mga simpleng lohikal na operasyon na ginagawa ng isang makina gamit ang mga mekanikal na marker.

30-50 taong gulang. ikadalawampung siglo Ito ay ipinakita sa pamamagitan ng pananaliksik sa larangan ng neuroscience. Norbert Wiener naglalarawan ng cybernetic na kontrol at katatagan sa mga de-koryenteng network. Claude Shannon lumilikha ng teorya ng "impormasyon na inilarawan ng mga digital na signal".

1936 , na ang layunin ay lutasin ang problema sa kalutasan na ipinakita ng David Hilbert noong 1928, iyon ang ipinakilala niya dito abstract na kotsemay kakayahang magsagawa ng isang naka-program na operasyong matematika, ibig sabihin, isang algorithm.

Ang makina ay maaari lamang magsagawa ng isang partikular na algorithm, tulad ng pag-square ng isang numero, paghahati, pagdaragdag, pagbabawas. Sa sarili kong gawa Turing inilarawan niya ang maraming gayong mga makina, na nakakuha ng karaniwang pangalan Mga makina ng Turing. Ang isang extension ng konseptong ito ay ang tinatawag na unibersal na Turing machine, na, depende sa mga tagubilin na naitala sa tape, ay kailangang magsagawa ng anumang operasyon (2).

2. Isa sa mga modelo ng Turing machine

1943 Warren McCalloh i Walter Pitts Ipakita ito artipisyal na neuron maaaring gayahin ang mga simpleng operasyon sa pamamagitan ng paglikha ng isang modelo neural network. Ang kanilang modelo ay puro batay sa matematika at mga algorithm at hindi masuri dahil sa kakulangan ng mga mapagkukunan sa pag-compute.

1950 Sa kanyang teksto na pinamagatang "Computer Science and Intelligence", na inilathala sa journal Mind, Alan M. Turing sa unang pagkakataon ay ipinakita ang pagsubok, pagkatapos ay tinawag na "Turing test". Ito ang paraan upang tukuyin kakayahan ng makina na gumamit ng natural na wika at di-tuwirang nilayon upang patunayan na pinagkadalubhasaan niya ang kakayahang mag-isip sa parehong paraan bilang isang tao.

1951 Marvin Minsky Oraz Dean Edmonds bumuo sila SNARK (Ingles), unang artipisyal na neural network na may 3 libong vacuum tubes. Ginampanan ng makina ang papel ng isang daga, na naghahanap ng paraan sa labas ng maze upang makapunta sa pagkain. Ginawa ng system na masubaybayan ang lahat ng paggalaw ng "daga" sa maze. Ang isang error sa disenyo ay naging posible upang ipakilala ang higit sa isang "daga" doon, at ang "mga daga" ay nagsimulang makipag-ugnayan sa isa't isa. Ang maraming mga pagtatangka na ginawa nila ay nagpapahintulot sa kanila na magsimulang "mag-isip" sa isang lohikal na batayan, at ito ay nakatulong na palakasin ang tamang pagpili. Ang mas advanced na "daga" ay sinundan ng iba pang "daga".

1955 Allen Newell at (hinaharap na Nobel laureate) Herbert A. Simon bumuo ng Theorist of Logic. Sa huli, pinatutunayan ng programa ang 38 sa unang 52 na pahayag ng Principia Mathematica. Russell i Whitehead, paghahanap ng bago at mas eleganteng patunay para sa ilan.

1956 Ang terminong "" ay ipinanganak. Ito ay unang ginamit sa isang kumperensya na inorganisa ng Dartmouth College sa New Hampshire (3). Ang bagong konsepto ay tinukoy bilang "isang sistema na sinasadya na nakakakita at tumutugon sa kapaligiran nito upang mapakinabangan ang mga pagkakataong magtagumpay." Kabilang sa mga nag-organisa ng kaganapan ay, kasama Marvin Minsky, John McCarthy at dalawang senior scientist: Claude Shannon i Nathan Rochester z IBM.

. Mga miyembro ng 1956 Dartmouth Conference Mula kaliwa pakanan: Marvin Minsky at Claude Shannon.

1960 gusali mga electrochemical network pinangalanang mga elemento ng pag-aaral Adaline. binuo Bernard Vidrou mula sa Stanford University, ang network ay binubuo ng mga indibidwal na elemento ng Adaline, na, kapag muling ginawa at pinagsama, ay nagresulta sa sabi ni Madalin (Eng. Maraming Adaline). Ito ang una neurocomputer inaalok nang komersyal. Ang Madaline network ay ginagamit ng radar, sonar, modem at mga linya ng telepono.

1966 tumataas programang ELIZA, isang chatbot prototype na sinubukan sa MIT. Dinisenyo ito sa simpleng paraan: ginawa nitong mga tanong ang mga deklaratibong pangungusap na ibinigay ng user at nag-udyok sa kanila na kumuha ng karagdagang mga pahayag. Halimbawa, kapag sinabi ng isang user, "Masakit ang ulo ko," tinanong ng program, "Bakit masakit ang ulo mo?" Ang ELIZA ay matagumpay na ginamit sa paggamot ng mga taong may mga sakit sa pag-iisip..

1967 Sa Japan, nagsimula ang Waseda University proyekto ng VABOT (4) noong 1967 sa unang pagkakataon sa mundo buong laki ng matalinong humanoid robot. Ang kanyang limb control system ay nagpapahintulot sa kanya na maglakad gamit ang kanyang lower limbs, gayundin ang pagkuha at paglipat ng mga bagay gamit ang kanyang mga kamay gamit ang touch sensors. Ang kanyang sistema ng paningin ay nagpapahintulot sa kanya na sukatin ang mga distansya at direksyon sa mga bagay gamit ang mga panlabas na receptor, artipisyal na mata at tainga. At ang sistema ng pakikipag-usap ay nagpapahintulot sa kanya na makipag-usap sa isang tao sa wikang Hapon gamit ang mga artipisyal na labi.

1969 Marvin Minsky i Seymour Papert ipakita ang mga hadlang ng perceptron. Ang kanilang libro ay naglalaman ng pormal na ebidensya na ang mga single-layer na network ay may napakalimitadong hanay ng mga aplikasyon, na humantong sa isang pagwawalang-kilos sa lugar na ito ng pananaliksik. Nagpatuloy ang kalagayang ito ng humigit-kumulang 15 taon hanggang sa nai-publish ang isang serye ng mga publikasyon kung saan napakakumbinsi na ipinakita na ang mga nonlinear na network ay malaya mula sa mga limitasyong ipinakita sa naunang gawain. Ito ay inihayag sa oras na iyon isang hanay ng mga pamamaraan ng machine learning para sa mga multilayer network.

1973 Edward Shortliff, manggagamot at computer scientist, nilikha niya programa ng MAISIN, isa sa mga unang sistema ng eksperto para sa pag-diagnose ng paggamot ng mga impeksyon sa bacterial, batay sa pagsusuri ng mga sakit sa dugo batay sa mga resulta ng mga pagsusuri at pagkalkula ng mga tamang dosis ng antibiotics.

Noong 70s, karamihan sa mga doktor ay nangangailangan ng payo ng espesyalista bago magreseta ng mga antibiotic sa isang pasyente. Ang bawat antibiotic ay nakaapekto sa isang partikular na grupo ng mga microorganism, ngunit nagdulot din ng ilang mga side effect. Gayunpaman, ang kaalaman sa paksang ito sa mga ordinaryong doktor ay hindi mahusay. Iyon ang dahilan kung bakit ang Stanford University School of Medicine, isang kilalang sentro ng pananaliksik sa mundo sa larangan ng mga antibiotic, ay bumaling sa mga espesyalista sa IT para sa tulong. Kaya, isang sistema ng pagpapayo ay nilikha, na binubuo ng isang malawak na database at 500 mga prinsipyo upang matulungan ang mga doktor sa wastong paggamit ng mga antibiotic.

1975 Paul Werbos nag-imbento ng backpropagation na lumutas sa problema at mga limitasyon ng solong layer na network at sa pangkalahatan ay ginawa sanayin ang mga neural network nang mas mahusay.

80-s kilala bilang "mga ekspertong sistema", at ang kaalaman ay naging pokus ng pangunahing pananaliksik sa AI. Sa halip na tumuon sa pangkalahatang katalinuhan, ang mga ekspertong system ay nakatuon sa paggamit ng isang hanay ng mga prinsipyo upang i-automate ang mga partikular na gawain at gumawa ng mga partikular na desisyon sa totoong mundo.

Ang unang matagumpay na solusyon, na kilala bilang RI, ay ipinakilala ng Digital Equipment Corporation upang i-customize ang mga order ng kumpanya at pagbutihin ang katumpakan. Gayunpaman, sa lalong madaling panahon ipinakilala ng Apple at IBM ang mga mainframe na computer na may higit na kapangyarihan sa pagpoproseso kaysa sa mga ginagamit para sa pagpapanatili. Artipisyal na Katalinuhan, nakakagambala sa industriya ng AI. Muli nitong pinahinto ang pamumuhunan sa AI.

1988 Ang mga mananaliksik sa IBM ay naglathala ng isang papel na nagpapakita ng mga prinsipyo ng probabilidad sa awtomatikong pagsasalin mula sa Pranses patungo sa Ingles. Ang diskarteng ito, na mas malapit doon, ay naglatag ng mga pundasyon para sa teknolohiya ng machine learning ngayon.

1989 Lumilitaw ELVINN (), na resulta ng walong taon ng pananaliksik na pinondohan ng militar sa CMU Robotics Institute (5). Ito ay maituturing na ninuno sa ngayon. Ang pagpapatupad ng ALVINN ay nagproseso ng data mula sa dalawang mapagkukunan: isang video camera at isang laser rangefinder. Ito ay isang perceptual system na natutong kontrolin ang mga sasakyan sa pamamagitan ng pagmamasid sa driver. ginamit niya ito neural network at gumawa ng mga desisyon nang walang mapa.

5. Sasakyang may ALVINN Autonomous System

90s. Sa mundo ng AI, isang bagong paradigm na tinatawag na "matalinong mga ahente" ay pinagtibay. Perlas ng Judea, Allen Newell, Leslie P. Kelbling at ang iba ay nagmungkahi ng paglalapat ng teorya ng desisyon at ekonomiya sa pananaliksik ng artificial intelligence.

1997 Deep Blue na nilikha ng IBM ay tinalo ang grandmaster gamit ang Garrim Kasparov (6). Ang supercomputer ay isang espesyal na bersyon ng platform na nilikha ng IBM at kayang humawak ng dalawang beses na mas maraming galaw bawat segundo kaysa sa unang laro (na nawala ang makina), na iniulat na 200 milyong galaw bawat segundo.

6. Match Garry Kasparov vs. Deep Blue

1998 Apat na milyon ang pumupunta sa mga Christmas tree Furby tainga robotna kalaunan ay matututo ng Ingles.

2002-09 Noong 2002, hinamon ng DARPA ang mundo. matalinong teknolohiya: $140 milyon para sa mga builder na magmaneho ng 18 milya sa buong Mojave Desert. 2005 Mayo 7 Si Stanley (XNUMX) ay nakibahagi sa Grand Challenge, armado ng mga laser, radar, video camera, GPS receiver, anim na processor at isang pinagsamang software architecture, at nanalo. Ang kotse ay ipinakita mula noon sa Smithsonian's National Museum of American History. Kasama si Stanley sa kasaysayan Artipisyal na Katalinuhan Ang pangkat ng disenyo ng Stanford University na pinamumunuan ni Prof. Si Sebastian Thrun, na noon ay pinuno ng autonomous na kotse ng Google, ay nilikha noong 2009.

2005 Ipinakilala ng Honda si Asimo humanoid robot na naglalakad sa dalawang paa (8). Sa panahon ng pag-unlad nito, nakuha ang data na ginamit, halimbawa, sa disenyo ng mga prostheses na nagpapahintulot sa mga matatandang tao na lumipat.

2011 Ang Watson supercomputer mula sa IBM, na noong 2011 ay tinalo ang mga masters noon sa game show na "Jeopardy" (na-broadcast sa Poland sa ilalim ng pangalang "Va Banque").

2016 Ang programa sa computer na AlphaGo na nilikha ng isa sa mga kumpanya ng Google, ay nalampasan si Lee Sedol, 18-time na kampeon sa mundo sa Go (9).

9. Tugma sa pagitan ng Go Li Sedol at AlphaGo

2018 Ang Google at ang Allen Institute for Artificial Intelligence ay lumikha ng BERT, "ang unang unsupervised bidirectional linguistic representation na maaaring magamit para sa iba't ibang mga natural na gawain sa wika gamit ang paglilipat ng kaalaman." Ang BERT ay isang artificial intelligence na maaaring kumpletuhin ang mga nawawalang bahagi ng mga pangungusap sa halos parehong paraan tulad ng isang tao. SI BERT ay isa sa mga pinakakapana-panabik na pag-unlad sa larangan ng natural language processing (NLP), isang larangan ng artificial intelligence na mabilis na umuunlad sa mga nakaraang taon. Salamat sa kanya, naging mas malapit ang araw na makakausap namin ang makina.

2019 Pinangalanan ang malalim na neural network , nilikha ng mga siyentipiko sa Unibersidad ng California, Nalutas niya ang Rubik's Cube sa loob ng 1,2 segundo, halos tatlong beses na mas mabilis kaysa sa pinaka bihasang tao. Sa karaniwan, kailangan niya ng humigit-kumulang 28 na paggalaw, habang ang isang tao ay nagsasagawa ng average na 50 na paggalaw.

Pag-uuri at aplikasyon ng artificial intelligence

I. Ang artificial intelligence ay may dalawang pangunahing kahulugan:

• ito ay isang hypothetical intelligence na natanto sa pamamagitan ng isang proseso ng engineering, hindi isang natural;
• ay ang pangalan ng isang teknolohiya at larangan ng pananaliksik sa computer science na nakabatay din sa mga pagsulong sa neuroscience, mathematics, psychology, cognitive science, at philosophy.

II. Sa panitikan sa isyung ito, mayroong tatlong pangunahing antas ng AI:

1. Makitid na artificial intelligence (, ANI) na dalubhasa sa isang lugar lamang, gaya ng AlphaGo, na isang AI na may kakayahang talunin ang isang kampeon sa laro ng Go. Gayunpaman, ito lamang ang kanyang magagawa.
2. Pangkalahatang artificial intelligence (, AGI) - kilala bilang malakas na artificial intelligence, na tumutukoy sa isang computer sa antas ng intelektwal ng isang karaniwang tao - na may kakayahang magsagawa ng anumang mga gawain na ginagawa nito. Ayon sa maraming eksperto, patungo na tayo sa paggawa ng mabisang AGI.
3. artipisyal na superintelligence (, AS I). Tinukoy ng Oxford AI theorist na si Nick Bostrom ang superintelligence bilang "katalinuhan na higit na matalino kaysa sa pinakamatalinong pag-iisip ng tao sa halos lahat ng aspeto, kabilang ang siyentipikong pagkamalikhain, pangkalahatang kaalaman, at mga kasanayang panlipunan."

III. Mga modernong praktikal na aplikasyon ng AI:

• Mga teknolohiyang batay sa fuzzy logic – kadalasang ginagamit, halimbawa, upang kontrolin ang progreso ng mga teknolohikal na proseso sa mga pabrika sa kawalan ng lahat ng data.
• Mga sistema ng dalubhasa – mga sistema na gumagamit ng base ng kaalaman at mga mekanismo ng hinuha upang malutas ang mga problema.
• Pagsasalin sa makina ng mga teksto – Ang mga sistema ng pagsasalin ay hindi iniangkop sa mga tao, ay masinsinang binuo at lalong angkop para sa pagsasalin ng mga teknikal na teksto.
• Neural network - matagumpay na ginamit sa maraming mga application, kabilang ang pagprograma ng "matalinong mga kalaban" sa mga laro sa computer.
• Pag-aaral ng makina Isang sangay ng artificial intelligence na tumatalakay sa mga algorithm na maaaring matutong gumawa ng mga desisyon o makakuha ng kaalaman.
• Pagkolekta ng data – Tinatalakay ang mga lugar, kaugnayan sa mga pangangailangan ng impormasyon, pagkuha ng kaalaman, inilapat na pamamaraan ng pagsusuri, inaasahang resulta.
• Pagkilala sa imahe - ginagamit na ang mga programa na kumikilala sa mga tao mula sa isang larawan ng isang mukha o awtomatikong nakikilala ang mga napiling bagay sa mga larawan ng satellite.
• Pagkilala sa pagsasalita at pagkilala sa tagapagsalita ay malawakang ginagamit sa komersyo.
• Pagkilala sa sulat-kamay (OCR) – ginagamit na sa mass scale, halimbawa, para sa awtomatikong pag-uuri ng mga titik at sa mga electronic notepad.
• artipisyal na pagkamalikhain - may mga programang awtomatikong bumubuo ng mga maiikling anyo ng patula, bumubuo, nagsasaayos at nagbibigay-kahulugan sa mga gawang musikal na mabisang "makalilito" maging ang mga propesyonal na artista upang hindi nila isaalang-alang ang mga gawang artipisyal na nilikha.
• Karaniwang ginagamit sa ekonomiya awtomatikong sistema pagsusuri, kabilang ang pagiging creditworthiness, ang profile ng pinakamahusay na mga customer o ang pagpaplano ng mga kampanya sa advertising. Awtomatikong sinasanay ang mga system na ito nang maaga batay sa data na mayroon sila (halimbawa, mga customer sa bangko na regular na binabayaran ang utang, at mga customer na nagkaroon ng mga problema dito).
• Mga Matalinong Interface - ginagamit para sa awtomatikong kontrol, pagsubaybay, pag-uulat at mga pagtatangka upang malutas ang mga posibleng problema sa mga teknolohikal na proseso.
• Paghuhula at Pagtuklas ng Panloloko – gamit ang V.I. Sinusuri ng mga sistema ng logistic regression ang mga dataset para matukoy, halimbawa, ang mga kahina-hinalang transaksyon sa pananalapi.