Artificiell intelligens

För närvarande löser ett djupt neuralt nätverk en Rubiks kub på 1,2 sekunder. För att uppnå detta resultat skapades Ramon Lulls logiska maskiner vid XNUMX- och XNUMX-talens skiftning. I den här artikeln lär du dig steg för steg vad som hände under århundradena.

XNUMX-XNUMX århundraden spansk filosof Ramon Lully (1) utvecklas logiska maskiner. Han beskrev sina maskiner som mekaniska objekt som kunde koppla samman grundläggande och obestridliga sanningar genom enkla logiska operationer utförda av en maskin med hjälp av mekaniska markörer.

30-50 år gammal. tjugonde århundradet Det har forskning inom området neurovetenskap visat. Norbert Wiener beskriver cybernetisk kontroll och resiliens i elektriska nätverk. Claude Shannon skapar teorin om "information som beskrivs av digitala signaler".

1936 , vars mål var att lösa det lösbarhetsproblem som presenterades av David Hilbert 1928, det var vad han införde i den abstrakt bilkapabel att utföra en programmerad matematisk operation, dvs en algoritm.

Maskinen kunde bara utföra en viss algoritm, som att kvadrera ett tal, dividera, addera, subtrahera. I mitt eget arbete Turing han beskrev många sådana maskiner, som fått det gemensamma namnet Turing maskiner. En förlängning av detta koncept var den så kallade universella Turing-maskinen, som, beroende på instruktionerna som spelades in på bandet, var tvungna att utföra vilken operation som helst (2).

2. En av modellerna av Turing-maskinen

1943 Warren McCulloch i Walter Pitts visa det artificiell neuron kan simulera enkla operationer genom att skapa en modell neuralt nätverk. Deras modell var enbart baserad på matematik och algoritmer och kunde inte testas på grund av brist på datorresurser.

1950 I hans text med titeln "Computer Science and Intelligence", publicerad i tidskriften Mind, Alan M. Turing för första gången presenterar testet, då kallat "Turing-testet". Detta är sättet att definiera maskinens förmåga att använda naturligt språk och indirekt menat att bevisa att hon bemästrat förmågan att tänka på samma sätt som en person.

1951 Marvin Minsky Oraz Dean Edmonds dem bygger SNARK (Engelsk), första artificiella neurala nätverket med 3 tusen vakuumrör. Maskinen spelade rollen som en råtta, som letar efter en väg ut ur labyrinten för att komma till maten. Systemet gjorde det möjligt att spåra alla "råttans" rörelser i labyrinten. Ett designfel gjorde att mer än en "råtta" kunde introduceras där, och "råttorna" började interagera med varandra. De många försök de gjorde gjorde att de kunde börja "tänka" på en logisk grund, och detta bidrog till att förstärka det rätta valet. Mer avancerade "råttor" följdes av andra "råttor".

1955 Allen Newell och (blivande Nobelpristagare) Herbert A. Simon komponera logikens teoretiker. I slutändan bevisar programmet 38 av de första 52 påståendena i Principia Mathematica. Russell i Whitehead, hitta nya och mer eleganta bevis för vissa.

1956 Termen "" är född. Den användes först vid en konferens som anordnades av Dartmouth College i New Hampshire (3). Det nya konceptet definierades som "ett system som medvetet uppfattar och reagerar på sin omgivning för att maximera sina chanser att lyckas". Bland arrangörerna av evenemanget fanns bl.a Marvin Minsky, John McCarthy och två seniora forskare: Claude Shannon i Nathan Rochester z IBM.

. Medlemmar av 1956 års Dartmouth-konferens Från vänster till höger: Marvin Minsky och Claude Shannon.

1960 byggnad elektrokemiska nätverk namngivna inlärningsobjekt Adaline. Byggd Bernard Widrow från Stanford University bestod nätverket av enskilda delar av Adaline, vilket, när det reproducerades och kombinerades, resulterade i sa Madalyn (Eng. Many Adalines). Det var den första neurodator erbjuds kommersiellt. Madaline-nätverket används av radar, ekolod, modem och telefonlinjer.

1966 stiger ELIZA-programmet, en chatbot-prototyp som testades vid MIT. Den var utformad på ett enkelt sätt: den konverterade deklarativa meningar som användaren gav till frågor och fick dem att få ytterligare påståenden. Till exempel, när en användare sa "Jag har huvudvärk", frågade programmet: "Varför gör du ont i huvudet?" ELIZA har framgångsrikt använts vid behandling av personer med psykiska störningar..

1967 I Japan initierade Waseda University VABOT-projekt (4) 1967 för första gången i världen intelligent humanoid robot i full storlek. Hans lemkontrollsystem gjorde det möjligt för honom att gå med sina nedre extremiteter, samt att ta tag i och flytta föremål med händerna med hjälp av beröringssensorer. Hans synsystem gjorde det möjligt för honom att mäta avstånd och riktningar till föremål med hjälp av externa receptorer, konstgjorda ögon och öron. Och samtalssystemet tillät honom att kommunicera med en person på japanska med hjälp av konstgjorda läppar.

1969 Marvin Minsky i Seymour Papert visa perceptronbegränsningar. Deras bok innehöll formella bevis för att enskiktsnätverk hade ett mycket begränsat utbud av applikationer, vilket ledde till en stagnation inom detta forskningsområde. Detta tillstånd fortsatte i cirka 15 år tills en serie publikationer publicerades där det mycket övertygande visas att olinjära nätverk är fria från de begränsningar som visats i tidigare arbeten. Det tillkännagavs då en rad maskininlärningsmetoder för flerskiktsnätverk.

1973 Edward Shortliff, läkare och datavetare, skapade han MAISIN-program, ett av de första expertsystemen för att diagnostisera behandling av bakteriella infektioner, baserat på diagnos av blodsjukdomar baserat på resultaten av tester och beräkning av korrekta doser av antibiotika.

På 70-talet behövde de flesta läkare specialistråd innan de skrev ut antibiotika till en patient. Varje antibiotikum påverkade en viss grupp av mikroorganismer, men orsakade också vissa biverkningar. Kunskapen om detta ämne bland vanliga läkare var dock inte stor. Det var därför Stanford University School of Medicine, ett världskänt forskningscenter inom antibiotikaområdet, vände sig till IT-specialister för att få hjälp. Således skapades ett rådgivningssystem, som bestod av en omfattande databas och 500 principer för att hjälpa läkare att använda antibiotika korrekt.

1975 Paul Verbos uppfinner backpropagation som löste problemet och begränsningarna för enskiktsnätverk och allmänt gjort träna neurala nätverk mer effektivt.

80-ies kända som "expertsystem", och kunskap har blivit fokus för den vanliga AI-forskningen. Istället för att fokusera på allmän intelligens har expertsystem fokuserat på att använda en uppsättning principer för att automatisera specifika uppgifter och fatta specifika beslut i den verkliga världen.

Den första framgångsrika lösningen, känd som RI, introducerades av Digital Equipment Corporation för att anpassa företagsbeställningar och förbättra noggrannheten. Apple och IBM introducerade dock snart stordatorer med mer processorkraft än de som används för underhåll. Artificiell intelligens, stör AI-branschen. Detta stoppade återigen investeringar i AI.

1988 Forskare vid IBM har publicerat en artikel som presenterar principerna för sannolikhet vid automatisk översättning från franska till engelska. Detta tillvägagångssätt, närmare det, lade grunden för dagens maskininlärningsteknik.

1989 Visas ALVIN (), som var resultatet av åtta års militärfinansierad forskning vid CMU Robotics Institute (5). Den kan betraktas som dagens stamfader. ALVINN-implementeringen bearbetade data från två källor: en videokamera och en laseravståndsmätare. Det var ett perceptuellt system som lärde sig att styra fordon genom att observera föraren. han använde det neuralt nätverk och fatta beslut utan karta.

5. Fordon med ALVINN Autonomous System

90-talet. I AI-världen antas ett nytt paradigm som kallas "intelligenta agenter". Judea Pearl, Allen Newell, Leslie P. Kelbling och andra har föreslagit att tillämpa beslutsteori och ekonomi på forskning om artificiell intelligens.

1997 DJUPBLÅ skapad av IBM besegrar stormästaren med Garrim Kasparov (6). Superdatorn var en specialiserad version av plattformen skapad av IBM och kunde hantera dubbelt så många drag per sekund som i det första spelet (som maskinen förlorade), enligt uppgift 200 miljoner drag per sekund.

6. Match av Garry Kasparov mot Deep Blue

1998 Fyra miljoner går till julgranar Furby öronrobotarsom så småningom kommer att lära sig engelska.

2002-09 2002 utmanade DARPA världen. smarta tekniker: 140 miljoner dollar för byggare att köra 18 miles över Mojaveöknen. 2005 7 maj Stanley (XNUMX) deltog i Grand Challenge, beväpnad med lasrar, radar, videokamera, GPS-mottagare, sex processorer och en integrerad mjukvaruarkitektur, och vann. Bilen har sedan dess visats på Smithsonians National Museum of American History. Tillsammans med Stanley i historien Artificiell intelligens Stanford University designteam ledd av Prof. Sebastian Thrun, som då var chef för Googles autonoma bil, skapade 2009.

2005 Honda introducerar Asimo humanoid robot som går på två ben (8). Under utvecklingen inhämtades data som användes till exempel vid design av proteser som gör att äldre kan röra sig.

2011 Superdatorn Watson från IBM, som 2011 slog de dåvarande mästarna i spelprogrammet "Jeopardy" (sänds i Polen under namnet "Va Banque").

2016 Datorprogrammet AlphaGo skapad av ett av Googles företag, överträffar Lee Sedol, 18-faldig världsmästare i Go (9).

9. Match mellan Go Li Sedolem och AlphaGo

2018 Google och Allen Institute for Artificial Intelligence skapar BERT, "den första oövervakade dubbelriktade språkliga representationen som kan användas för en mängd olika naturliga språkuppgifter med hjälp av kunskapsöverföring." BERT är en artificiell intelligens som kan slutföra saknade delar av meningar på ungefär samma sätt som en människa. BERT är en av de mest spännande utvecklingarna inom området naturlig språkbehandling (NLP), ett område för artificiell intelligens som har utvecklats särskilt snabbt de senaste åren. Tack vare honom har dagen då vi kan prata med maskinen kommit mycket närmare.

2019 Det djupa neurala nätverket heter , skapad av forskare vid University of California, Hon löste Rubiks kub på 1,2 sekunder, nästan tre gånger snabbare än den skickligaste personen. I genomsnitt behöver hon cirka 28 rörelser, medan en person utför i genomsnitt 50 rörelser.

Klassificering och tillämpningar av artificiell intelligens

I. Artificiell intelligens har två huvudsakliga betydelser:

• det är en hypotetisk intelligens som realiseras genom en ingenjörsprocess, inte en naturlig;
• är namnet på en teknologi och ett forskningsområde inom datavetenskap som också är baserat på framsteg inom neurovetenskap, matematik, psykologi, kognitionsvetenskap och filosofi.

II. I litteraturen om denna fråga finns det tre huvudgrader av AI:

1. Smal artificiell intelligens (, ANI) som specialiserar sig på endast ett område, som AlphaGo, som är en AI som kan besegra en mästare i Go-spelet. Detta är dock det enda han kan göra.
2. Allmän artificiell intelligens (, AGI) - känd som en stark artificiell intelligens, hänvisar till en dator av en genomsnittlig persons intellektuella nivå - som kan utföra alla uppgifter den utför. Enligt många experter är vi på väg att skapa en effektiv AGI.
3. artificiell superintelligens (SOM I). Oxford AI-teoretiker Nick Bostrom definierar superintelligens som "intelligens som är mycket smartare än de smartaste mänskliga sinnena i praktiskt taget alla avseenden, inklusive vetenskaplig kreativitet, allmän kunskap och sociala färdigheter."

III. Moderna praktiska tillämpningar av AI:

• Teknologier baserade på luddig logik – vanligtvis används till exempel för att kontrollera framstegen för tekniska processer i fabriker i "avsaknad av all data"-förhållanden.
• Expert system - system som använder kunskapsbasen och slutledningsmekanismerna för att lösa problem.
• Maskinöversättning av texter – översättningssystem är inte anpassade till människor, är intensivt utvecklade och är särskilt lämpade för översättning av tekniska texter.
• Neurala nätverk - framgångsrikt använt i många applikationer, inklusive programmering av "intelligenta motståndare" i datorspel.
• Maskininlärning En gren av artificiell intelligens som sysslar med algoritmer som kan lära sig att fatta beslut eller skaffa kunskap.
• Datainsamling – Diskuterar områden, relation till informationsbehov, kunskapsinhämtning, tillämpade analysmetoder, förväntade resultat.
• Bildigenkänning - Det finns redan program som känner igen personer från ett fotografi av ett ansikte eller automatiskt känner igen utvalda objekt i satellitfotografier.
• Taligenkänning och talarigenkänning används redan i stor utsträckning kommersiellt.
• Handskriftsigenkänning (OCR) - används redan i stor skala, till exempel för automatisk sortering av bokstäver och i elektroniska anteckningsblock.
• konstgjord kreativitet – det finns program som automatiskt genererar korta poetiska former, komponerar, arrangerar och tolkar musikaliska verk som effektivt kan "förvirra" även professionella artister så att de inte betraktar verken som konstgjort skapade.
• Används ofta inom ekonomi system automatiskt utvärdera, inklusive kreditvärdighet, profilen för de bästa kunderna eller planeringen av reklamkampanjer. Dessa system förtränas automatiskt utifrån den data de har (till exempel bankkunder som regelbundet betalat tillbaka lånet och kunder som haft problem med det).
• Intelligenta gränssnitt - används för automatiserad kontroll, övervakning, rapportering och försök att lösa eventuella problem i tekniska processer.
• Bedrägeriförutsägelse och upptäckt – med hjälp av v.i. Logistiska regressionssystem analyserar datauppsättningar för att identifiera till exempel misstänkta finansiella transaktioner.