Kunstig intelligens

I øjeblikket løser et dybt neuralt netværk en Rubiks terning på 1,2 sekunder. For at opnå dette resultat blev Ramon Lulls logiske maskiner skabt ved begyndelsen af ​​det XNUMX. og XNUMX. århundrede. I denne artikel lærer du trin for trin, hvad der skete gennem århundrederne.

XNUMX-XNUMX århundreder spansk filosof Ramon Lully (1) udvikler sig logiske maskiner. Han beskrev sine maskiner som mekaniske objekter, der kunne forbinde grundlæggende og ubestridelige sandheder gennem simple logiske operationer udført af en maskine ved hjælp af mekaniske markører.

30-50 år gammel. tyvende århundrede Det har forskning inden for neurovidenskab vist. Norbert Wiener beskriver kybernetisk kontrol og modstandskraft i elektriske netværk. Claude Shannon skaber teorien om "information beskrevet af digitale signaler".

1936 , hvis mål var at løse løselighedsproblemet præsenteret af David Hilbert i 1928, det var det, han indførte i det abstrakt bili stand til at udføre en programmeret matematisk operation, dvs. en algoritme.

Maskinen kunne kun udføre én bestemt algoritme, såsom at kvadrere et tal, dividere, lægge sammen, trække fra. I mit eget arbejde Turing han beskrev mange sådanne maskiner, som har fået det fælles navn Turing maskiner. En udvidelse af dette koncept var den såkaldte universelle Turing-maskine, som afhængig af instruktionerne optaget på båndet skulle udføre enhver operation (2).

2. En af modellerne af Turing-maskinen

1943 Warren McCulloch i Walter Pitts Vis det kunstig neuron kan simulere simple operationer ved at lave en model neurale netværk. Deres model var udelukkende baseret på matematik og algoritmer og kunne ikke testes på grund af mangel på computerressourcer.

1950 I hans tekst med titlen "Computer Science and Intelligence", offentliggjort i tidsskriftet Mind, Alan M. Turing for første gang præsenterer testen, dengang kaldet "Turing-testen". Dette er måden at definere maskinens evne til at bruge naturligt sprog og indirekte ment at bevise, at hun havde mestret evnen til at tænke på samme måde som en person.

1951 Marvin Minsky Oraz Dean Edmonds de bygger SNARK (Engelsk), første kunstige neurale netværk med 3 tusinde vakuumrør. Maskinen spillede rollen som en rotte, der leder efter en vej ud af labyrinten for at komme til mad. Systemet gjorde det muligt at spore alle "rottens" bevægelser i labyrinten. En designfejl tillod mere end én "rotte" at blive introduceret der, og "rotterne" begyndte at interagere med hinanden. De mange forsøg, de gjorde, gjorde, at de kunne begynde at "tænke" på et logisk grundlag, og det var med til at forstærke det rigtige valg. Mere avancerede "rotter" blev fulgt af andre "rotter".

1955 Allen Newell og (fremtidig nobelpristager) Herbert A. Simon komponere logikkens teoretiker. I sidste ende beviser programmet 38 af de første 52 udsagn fra Principia Mathematica. Russell i Whitehead, at finde nye og mere elegante beviser for nogle.

1956 Udtrykket "" er født. Den blev første gang brugt på en konference arrangeret af Dartmouth College i New Hampshire (3). Det nye koncept blev defineret som "et system, der bevidst opfatter og reagerer på sit miljø for at maksimere sine chancer for succes". Blandt arrangørerne af arrangementet var bl.a Marvin Minsky, John McCarthy og to seniorforskere: Claude Shannon i Nathan Rochester z IBM.

. Medlemmer af 1956 Dartmouth-konferencen Fra venstre mod højre: Marvin Minsky og Claude Shannon.

1960 konstruktion elektrokemiske netværk navngivne læringselementer Adaline. Bygget Bernard Widrow fra Stanford University bestod netværket af individuelle elementer af Adaline, som, når de blev reproduceret og kombineret, resulterede i sagde Madalyn (Eng. Mange Adalines). Det var den første neurocomputer udbydes kommercielt. Madaline-netværket bruges af radar, sonarer, modemer og telefonlinjer.

1966 stiger ELIZA program, en chatbot-prototype testet ved MIT. Den blev designet på en enkel måde: den konverterede deklarative sætninger givet af brugeren til spørgsmål og fik dem til at få yderligere udsagn. For eksempel, når en bruger sagde: "Jeg har hovedpine," spurgte programmet: "Hvorfor gør dit hoved ondt?" ELIZA er med succes blevet brugt til behandling af mennesker med psykiske lidelser..

1967 I Japan indledte Waseda University VABOT projekt (4) i 1967 for første gang i verden intelligent humanoid robot i fuld størrelse. Hans lemkontrolsystem gjorde det muligt for ham at gå med sine underekstremiteter, samt at gribe og flytte genstande med hænderne ved hjælp af berøringssensorer. Hans synssystem gjorde det muligt for ham at måle afstande og retninger til objekter ved hjælp af eksterne receptorer, kunstige øjne og ører. Og samtalesystemet tillod ham at kommunikere med en person på japansk ved hjælp af kunstige læber.

1969 Marvin Minsky i Seymour Papert vise perceptron-begrænsninger. Deres bog indeholdt formelle beviser på, at enkeltlagsnetværk havde et meget begrænset udvalg af applikationer, hvilket førte til en stagnation inden for dette forskningsområde. Denne tilstand fortsatte i omkring 15 år, indtil der blev udgivet en række publikationer, hvori det meget overbevisende er vist, at ikke-lineære netværk er fri for de begrænsninger, der er vist i tidligere arbejde. Det blev annonceret dengang en række maskinlæringsmetoder til flerlags netværk.

1973 Edward Shortliff, læge og datalog, skabte han MAISIN program, et af de første ekspertsystemer til diagnosticering af behandling af bakterielle infektioner, baseret på diagnosticering af blodsygdomme baseret på resultaterne af tests og beregningen af ​​de korrekte doser af antibiotika.

I 70'erne havde de fleste læger brug for specialistrådgivning, før de ordinerede antibiotika til en patient. Hvert antibiotikum påvirkede en bestemt gruppe af mikroorganismer, men forårsagede også visse bivirkninger. Kendskabet til dette emne blandt almindelige læger var dog ikke stort. Derfor henvendte Stanford University School of Medicine, et verdenskendt forskningscenter inden for antibiotika, sig til it-specialister for at få hjælp. Således blev der skabt et rådgivningssystem, som bestod af en omfattende database og 500 principper til at hjælpe læger med at bruge antibiotika korrekt.

1975 Paul Werbos opfinder backpropagation som løste problemet og begrænsningerne af enkeltlags netværk og generelt lavet træne neurale netværk mere effektivt.

80-erne kendt som "ekspertsystemer", og viden er blevet fokus for mainstream AI-forskning. I stedet for at fokusere på generel intelligens, har ekspertsystemer fokuseret på at bruge et sæt principper til at automatisere specifikke opgaver og træffe specifikke beslutninger i den virkelige verden.

Den første succesrige løsning, kendt som RI, blev introduceret af Digital Equipment Corporation for at tilpasse virksomhedens ordrer og forbedre nøjagtigheden. Apple og IBM introducerede dog snart mainframe-computere med mere processorkraft end dem, der blev brugt til vedligeholdelse. Kunstig intelligens, der forstyrrer AI-industrien. Dette stoppede igen investeringer i kunstig intelligens.

1988 Forskere ved IBM har udgivet et papir, der præsenterer principperne for sandsynlighed i automatisk oversættelse fra fransk til engelsk. Denne tilgang, tættere på det, lagde grundlaget for nutidens maskinlæringsteknologi.

1989 Kommer til syne ALVIN (), som var resultatet af otte års militærfinansieret forskning ved CMU Robotics Institute (5). Det kan betragtes som forfaderen i dag. ALVINN-implementeringen behandlede data fra to kilder: et videokamera og en laserafstandsmåler. Det var et perceptuelt system, der lærte at styre køretøjer ved at observere føreren. han brugte det neurale netværk og træffe beslutninger uden et kort.

5. Køretøj med ALVINN Autonome System

90. I AI-verdenen er et nyt paradigme kaldet "intelligente agenter" ved at blive vedtaget. Judæa Perle, Allen Newell, Leslie P. Kelbling og andre har foreslået at anvende beslutningsteori og økonomi til forskning i kunstig intelligens.

1997 Deep Blue skabt af IBM besejrer stormesteren med Garrim Kasparov (6). Supercomputeren var en specialiseret version af platformen skabt af IBM og kunne klare dobbelt så mange træk i sekundet som i det første spil (som maskinen tabte), angiveligt 200 millioner træk i sekundet.

6. Match Garry Kasparov vs. Deep Blue

1998 Fire millioner går til juletræer Furby ørerobottersom til sidst vil lære engelsk.

2002-09 I 2002 udfordrede DARPA verden. smarte teknologier: 140 millioner dollars for bygherrer til at køre 18 miles på tværs af Mojave-ørkenen. 2005. maj 7 Stanley (XNUMX) deltog i Grand Challenge, bevæbnet med lasere, radar, videokamera, GPS-modtager, seks processorer og en integreret softwarearkitektur, og vandt. Bilen har siden været udstillet på Smithsonian's National Museum of American History. Sammen med Stanley i historien Kunstig intelligens Stanford University designteam ledet af Prof. Sebastian Thrun, som dengang var chef for Googles autonome bil, skabte i 2009.

2005 Honda introducerer Asimo humanoid robot, der går på to ben (8). Under udviklingen blev der indhentet data, som fx blev brugt til design af proteser, der tillader ældre at bevæge sig.

2011 Watson-supercomputeren fra IBM, som i 2011 slog de daværende mestre i gameshowet "Jeopardy" (udsendt i Polen under navnet "Va Banque").

2016 Computerprogram AlphaGo skabt af en af ​​Google-virksomhederne, overgår Lee Sedol, 18-dobbelt verdensmester i Go (9).

9. Kamp mellem Go Lee Sedol og AlphaGo

2018 Google og Allen Institute for Artificial Intelligence skaber BERT, "den første uovervågede tovejs sproglige repræsentation, der kan bruges til en række naturlige sprogopgaver ved hjælp af videnoverførsel." BERT er en kunstig intelligens, der kan fuldføre manglende dele af sætninger på nogenlunde samme måde som et menneske. BERT er en af ​​de mest spændende udviklinger inden for naturlig sprogbehandling (NLP), et område inden for kunstig intelligens, der har udviklet sig særligt hurtigt i de seneste år. Takket være ham er dagen, hvor vi kan tale med maskinen, blevet meget tættere på.

2019 Det dybe neurale netværk er navngivet , skabt af forskere ved University of California, hun løste Rubiks terning på 1,2 sekunder, næsten tre gange hurtigere end den dygtigste person. I gennemsnit har hun brug for omkring 28 bevægelser, mens en person i gennemsnit udfører 50 bevægelser.

Klassificering og anvendelser af kunstig intelligens

I. Kunstig intelligens har to hovedbetydninger:

• det er en hypotetisk intelligens realiseret gennem en ingeniørproces, ikke en naturlig;
• er navnet på en teknologi og et forskningsområde inden for datalogi, der også er baseret på fremskridt inden for neurovidenskab, matematik, psykologi, kognitiv videnskab og filosofi.

II. I litteraturen om dette spørgsmål er der tre hovedgrader af AI:

1. Smal kunstig intelligens (, ANI), der kun er specialiseret i ét område, såsom AlphaGo, som er en AI, der er i stand til at besejre en mester i spillet Go. Dette er dog det eneste, han kan gøre.
2. Generel kunstig intelligens (, AGI) - kendt som en stærk kunstig intelligens, der henviser til en computer på det intellektuelle niveau af en gennemsnitlig person - der er i stand til at udføre alle opgaver, den udfører. Ifølge mange eksperter er vi på vej til at skabe en effektiv AGI.
3. kunstig superintelligens (SOM I). Oxford AI-teoretiker Nick Bostrom definerer superintelligens som "intelligens, der er langt klogere end de klogeste menneskelige sind i stort set alle henseender, herunder videnskabelig kreativitet, generel viden og sociale færdigheder."

III. Moderne praktiske anvendelser af AI:

• Teknologier baseret på fuzzy logik – normalt bruges for eksempel til at kontrollere udviklingen af ​​teknologiske processer på fabrikker i "fravær af alle data"-betingelser.
• Ekspertsystemer – systemer, der bruger videnbasen og inferensmekanismer til at løse problemer.
• Maskinoversættelse af tekster – oversættelsessystemer er ikke tilpasset mennesker, er intensivt udviklede og er særligt velegnede til oversættelse af tekniske tekster.
• Neurale netværk - med succes brugt i mange applikationer, herunder programmering af "intelligente modstandere" i computerspil.
• Maskinelæring En gren af ​​kunstig intelligens, der beskæftiger sig med algoritmer, der kan lære at træffe beslutninger eller tilegne sig viden.
• Dataindsamling – Diskuterer områder, forhold til informationsbehov, videnindhentning, anvendte analysemetoder, forventede resultater.
• Billedgenkendelse - der er allerede programmer i brug, som genkender personer fra et fotografi af et ansigt eller automatisk genkender udvalgte objekter på satellitbilleder.
• Talegenkendelse og højttalergenkendelse er allerede meget brugt kommercielt.
• Håndskriftsgenkendelse (OCR) - bruges allerede i massiv skala, for eksempel til automatisk sortering af bogstaver og i elektroniske notesblokke.
• kunstig kreativitet - der er programmer, der automatisk genererer korte poetiske former, komponerer, arrangerer og fortolker musikværker, der effektivt kan "forvirre" selv professionelle kunstnere, så de ikke betragter værkerne som kunstigt skabte.
• Almindelig brugt i økonomi systemer automatisk evaluering, herunder kreditværdighed, profilen af ​​de bedste kunder eller planlægning af annoncekampagner. Disse systemer fortrænes automatisk på baggrund af de data, de har (f.eks. bankkunder, der løbende tilbagebetalte lånet, og kunder, der havde problemer med det).
• Intelligente grænseflader - bruges til automatiseret kontrol, overvågning, rapportering og forsøg på at løse mulige problemer i teknologiske processer.
• Forudsigelse og afsløring af bedrageri – ved hjælp af V.I. Logistiske regressionssystemer analyserer datasæt for at identificere for eksempel mistænkelige finansielle transaktioner.