История искусственного интеллекта кратко

Обновлено: 05.07.2024

Сейчас в 21 век, век научно-технических новшеств, то там, то тут мы слышим, что создали ИИ, который может создавать музыкальные композиции, найти преступника на улицах города, создать картину, управлять транспортом, отслеживать ход биржевых индексов и на основе этого делать многовероятный прогноз хода акций,валют и т.д., на основе ИИ человек может симулировать виртуальный вселенные на подобие Sims. В век информационных технологий, человеку требуется обрабатывать очень интенсивные потоки данных,где часто приходится выполнять монотонные действия, и поэтому ему требуется помощь в виде системы, которая смогла бы быстро выполнять их, этой системой является алгоритм по автоматизации процесса, исполнителем которого может стать компьютер или робот на производстве.

Идея об описании действий с помощью инструкций. Возникновение понятия алгоритм.

В незапамятные времена человеку приходилось решать те или иные задачи, например охота, где люди собирались в группы и продумывали кто и как будет действовать , чтобы загнать,например мамонта, в ловушку.Занемались земледелием, при этом нужно было заранее продумывать, когда сеять посевы и ждать первых всходов. То есть люди создавали некий план действий, идя, по которому можно было достичь неких результатов, прийти к поставленной цели. Здесь уже проявляется примитивная строгость в поведении человека, он начинает мыслить стратегически и действовать последовательно, не сходя с заданного пути. Человек понял, что такой подход, т.е планирование действий, очень эффективен, он повышает шансы на выживание его племени, обеспечивает выживание и процветание первобытного общества. Вот с этого и начинается развитие мыслительных процессов, направленных, на создание инструкций, следуя, которым человек смог создать первые цивилизации.

Упомянутый выше перевод сочинения аль-Хорезми стал первой ласточкой, и в течение нескольких следующих столетий появилось множество других трудов, посвящённых всё тому же вопросу – обучению искусству счёта с помощью цифр. И все они в названии имели слово algoritmi или algorismi .

Алгоритм — набор инструкций, описывающих порядок действий исполнителя для достижения некоторого результата.

Создание первых вычислительных машин. Первый программист.

Предшественниками первых компьютеров были, так называемые арифмометры, простыми словами это были калькуляторы, которые помогали банкирам, бухгалтерам вести учет денег, но они были большими и тяжелыми, при этом могли все во лишь выполнять максимум 4 арифметических действия (*,/,+,-). Первым кто высказал идею и составил чертежи арифмометра был Леонардо да Винчи. Это устройство датируется 1500 годом и представляет собой 13-разрядную суммирующую машину на десятизубых колёсах. Однако в своё время идеи Леонардо никакого распространения не получили.

Нужно заметить, что Лейбниц также описал двоичную систему счисления — один из ключевых принципов построения всех современных компьютеров. Однако, вплоть до 1940-х многие последующие разработки были основаны на более сложной в реализации десятичной системе.

Следующим шагом стало создание машин, которые бы выполняли работу с помощью программ написанных на специальных перфокартах . Создание подобных устройств началось с изобретения в 1804 году Жозефом Мари Жаккаром ткацкого станка, в котором вышиваемый узор определялся перфокартами. Серия карт могла быть заменена, и смена узора не требовала изменений в механике станка. Это было важной вехой в истории программирования.

Жаккардова машина имеет ножи, крючки, иглы, рамную доску, рамные шнуры и перфорированную призму. Нити основы, пробранные в глазки лиц (галев), связаны с машиной при помощи аркатных шнуров, продетых в делительную доску для равномерного распределения по ширине станка. Ножи, закрепленные в ножевой раме, совершают возвратно-поступательное движение в вертикальной плоскости. Крючки, находящиеся в зоне действия ножей, захватываются ими и поднимаются вверх, а через рамные и аркатные шнуры поднимаются вверх и нити основы, образуя верхнюю часть зева (основные перекрытия в ткани). Крючки, выведенные из зоны действия ножей, опускаются вниз вместе с рамной доской. Опускание крючков и нитей основы происходит под действием силы тяжести грузиков. Опущенные нити основы образуют нижнюю часть зева (уточные переплетения в ткани). Крючки из зоны действия ножей выводятся иглами, на которые действует призма, имеющая качательные и вращательные движения. На призму надет картон, состоящий из отдельных бумажных карт, которые имеют просеченные и непросечённые места против концов игл. Встречая просеченное место, игла входит в призму, и крючок остаётся в зоне действия ножа, а непросечённое место карты перемещает иглу и выключает крючок из взаимодействия с ножом. Сочетание просеченных и непросечённых мест на картах позволяет осуществить вполне определённое чередование подъёмов и опускания нитей основы и образование на ткани узора.

Далее в 1838 году Чарльз Бэббидж перешёл от разработки Разностной машины к проектированию более сложной аналитической машины, принципы программирования которой напрямую восходят к перфокартам Жаккара.

В это время жила умная титульная англичанка урождённая Ба́йрон, также именуемая как графиня Ла́влейс, Авгу́ста А́да Кинг, именно она считается первым программистом сумевшим написать алгоритм, исключительно выполняемый на вычислительной машине.

К 1890 году американцем Германом Холлеритом была разработана электрическая табулирующая система( табулятор ), которая использовалась в переписях населения США в 1890 и 1900 годах.

Кульминационным моментом стало создание в 1938 году немецким инженером Конрадом Цузем первой полностью механической программируемой цифровой вычислительной машины , названной Z1. В том же году Цузе приступил к созданию машины Z2. А в 1941 году Цузе создаёт первую вычислительную машину, обладающую всеми свойствами современного компьютера Z3.

Отец информатики — Алан Тьюринг

Из-за нелюбви к гуманитарным наукам Тьюринг недобрал баллов на экзамене и поэтому после школы поступил в Королевский колледж Кембриджа, хотя намеревался пойти в Тринити-колледж. В Королевском колледже Тьюринг учился с 1931 по 1934 год под руководством известного математика Годфри Харолда Харди.

Он доказал, что подобная машина была бы способна произвести любые математические вычисления, представимые в виде алгоритма. Далее Тьюринг показал, что не существует решения Entscheidungsproblem , сперва доказав, что Проблема остановки для машины Тьюринга неразрешима: в общем случае невозможно алгоритмически определить, остановится ли когда-нибудь данная машина Тьюринга.

Вот так были заложены основы информатики, Интернета, facebook, twitter и т.д. И ещё хотел бы вам посоветовать к просмотру фильм "Игра в имитацию"(2014), в нём как раз таки идет рассказ о жизни Алана Тьюринга, об истории взлома шифровальной машины Энигмы и много других интересных исторических фактов и жизни ученого.

Создание ИИ

Теперь мы можем перейти непосредственно к разбору такого бурно развивающегося направления как искусственный интеллект. Мы уже поняли, что создание и развитие вычислительной техники было необходимо именно для того, чтобы облегчить работу людей, где нужно было производить однотипные и монотонные действия. Поэтому рано или поздно человек всё равны бы пришёл к созданию ИИ. Из-за бурно развивающегося общества и обработки огромного массива данных человеку нужен был интеллектуальный помощник, чтоб тот мог неприхотливо выполнять разного рода задачи, а человек был бы занят более важными вещами.

Чтобы теперь перейти к ИИ нужно понять, что же такое интеллект вообще? Многие могут ответить на него так: "Это наши мозги/ум/рассудок/сознание и т.д.", в каком-то роде эти ответы будут правильны, но нужно дать более формальное определение, дать которое достаточно трудно и многие ученые на протяжении веков задавались этим вопрос и каждый раз давали свои ответы, не раз в этих ответах могли совпадать какие-то положения, но всё же они отличались, особенно этот вопрос обострился, когда человек вступил в эпоху просвещения, во времена стремления человека к знаниям, к рациональному и объективному подходу в изучении природы. Например:

По Линде Готтфредсону, интеллект — это весьма общая умственная способность, которая включает возможность делать заключения, планировать, решать проблемы, абстрактно мыслить, понимать сложные идеи, быстро обучаться и учиться на основании опыта.

В начале XX века Чарльз Спирман показал, что если человек хорошо решает одни задачи, то он успешен и в решении других, то есть, что все интеллектуальные способности статистически связаны.

Философские предпосылки создания ИИ

Рене Декарт предположил, что животное — некий сложный механизм, тем самым сформулировав механистическую теорию.

И тут важно понимать, чем отличается именно механистический материализм, от античного материализма, взгляды которого запечатлены в работах Аристотеля, и последующей диалектики Гегеля, диалектического и исторического материализма (Фейербах, Карл Маркс, Фридрих Энгельс, В. И. Ленин). Дело в том, что механистический материализм направлен на механистическое происхождение организмов, в то время как античный материализм направлен на механистическое происхождение природы, а диалектический и исторический материализм относится к проявлениям механизма в обществе.

Технологические предпосылки создания ИИ

Искусственный интеллект – это технология, а точнее направление современной науки, которое изучает способы обучить компьютер, роботизированную технику, аналитическую систему разумно мыслить также как человек. Собственно мечта об интеллектуальных роботах-помощниках возникла задолго до изобретения первых компьютеров.

Людей в середине 50-х годов прошлого столетия сильно поразили возможности вычислительных машин, особенно способности ЭВМ, безошибочно выполнять множество задач одновременно. В головах ученых и писателей сразу возникли фантастические идеи о мыслящих машинах. Именно в этот период начинают зарождаться первые технологии искусственного интеллекта.

Исследования в сфере ИИ ведутся путем изучения умственных способностей человека и переложения полученных результатов в поле деятельности компьютеров. Таким образом, искусственный интеллект получает информацию из самых разных источников и дисциплин. Это и информатика, математика, лингвистика, психология, биология, машиностроение. На основе массива данных с помощью технологии машинного обучения компьютеры пытаются имитировать интеллект человека.

Главные цели ИИ достаточно прозрачны:

Создание аналитических систем, которые обладают разумным поведением, могут самостоятельно или под надзором человека обучаться, делать прогнозы и строить гипотезы на основе массива данных.
Реализация интеллекта человека в машине – создание роботов-помощников, которые могут вести себя как люди: думать, учиться, понимать и выполнять поставленные задачи.

История развития искусственного интеллекта

В 1943-45 годах закладываются основы для понимания и создания нейронных сетей, а уже в 1950 году Алан Тьюринг публикует в научном издании анализ интеллектуальной шахматной игры. В 1958 году появляется первый язык программирования искусственного интеллекта – Лисп.

В период с 1960 по 1970 ряд ученых доказали, что компьютеры способны понимать естественный язык на достаточно хорошем уровне. В 1965 году разработали Элизу – первого робота-помощника, который мог говорить на английском языке. В эти же годы направление ИИ стало привлекать правительственные и военные организации США, СССР и других стран. Так Министерство обороны США уже к 70-м годам запустило проект виртуальных уличных карт – прототип GPS.

В 1969 году ученые Стэнфордского университета создали Шеки – робота с ИИ, способного самостоятельно перемещаться, воспринимать некоторые данные и решать несложные задачи.

В Эдинбургском университете четырьмя годами позже (1973) был создан робот Фредди – это шотландский представитель семейства ИИ мог использовать компьютерное зрение для того, чтобы находить и собирать разные модели.

80-е годы XX века стали прорывными для ИИ. Учеными были разработаны обучающие машины – интеллектуальные консультанты, которые предлагали варианты решений, умели самообучаться на начальном уровне, общались с человеком на ограниченном, но уже естественном языке.

Интересен факт, что в 1989 году другая шахматная программа Deep Thought обыграла гроссмейстера международного уровня Бента Ларсена. После этого поединка машины и человека, Гарри Каспаров заявил:

С 2008 начинается эра технологической сингулярности, которая по расчетам экспертов должна выйти в зенит в 2030 году. Начинается интеграция человека с вычислительными машинами, увеличиваются возможности человеческого мозга, появляются биотехнологии.

Принципы ИИ

Робот или система с искусственным интеллектом не может навредить человеку своим действием или же своим бездействием допустить, чтобы человеку был приченен вред.
Робот должен повиноваться приказам, которые получает от человека, кроме тех, которые противоречат Первому закону.
Робот должен заботиться о своей безопасности, если это не противоречит Первому и Второму Законам.

0. Робот не может навредить человеку, если только не докажет, что в конечном итоге это (вред) будет полезно для всего человечества.

Разобравшись с этическими законами, перейдем к технологическим принципам искусственного интеллекта:

Кроме того, трудно представить существование искусственного интеллекта без мощных графических процессоров, которые являются сердцем интерактивной обработки данных. Для интеграции ИИ в различные программы и устройства необходима технология API – программные интерфейсы приложений. Используя API можно без труда добавлять технологии искусственного интеллекта в любые компьютерные системы: домашняя безопасность, умный дом, оборудование на ЧПУ и прочее.

Сфера использования ИИ

Искусственный интеллект постепенно приходит во все отрасли человеческой деятельности, делая обычные программные комплексы интеллектуальными:

Основные проблемы ИИ

Как вы понимаете возможности искусственного интеллекта на данной стадии развития не безграничны. Перечислим главные трудности:

Резюме

Мы познакомились с понятием, что такое искусственный интеллект. Изучили основные принципы: этические и технологические. Рассмотрели главные препятствия на пути развития ИИ. Искусственный интеллект тесно связан с развитием компьютерной техники, а также таких наук как математика, статистика, комбинаторика и других.

Искусственный интеллект пока ещё очень молод. Однако в этой области произошло уже много значимых событий. Некоторые из них привлекли внимание культуры, другие породили взрывную волну, воспринятую только учёными. Вот некоторые ключевые моменты, наиболее сильно повлиявшие на развитие ИИ.

1. Айзек Азимов впервые упомянул "Три закона робототехники" (1942)

Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинён вред.
Робот должен повиноваться всем приказам, которые даёт человек, кроме тех случаев, когда эти приказы противоречат Первому Закону.
Робот должен заботиться о своей безопасности в той мере, в которой это не противоречит Первому или Второму Законам.

Алан Тьюринг описал первый принцип измерения степени разумности машины в 1950-м.

3. Конференция по ИИ в Дартмуте (1956)

Маккарти руководил группой, подавшей заявку на грант для организации конференции по ИИ в 1956. В Дартмут-холл летом 1956 были приглашены многие ведущие исследователи того времени. Учёные обсуждали различные потенциальные области изучения ИИ, включая обучение и поиск, зрение, логические рассуждения, язык и разум, игры (в частности, шахматы), взаимодействия человека с такими разумными машинами, как личные роботы.

Общим консенсусом тех обсуждений стало то, что у ИИ есть огромный потенциал для того, чтобы принести пользу людям. Было очерчено общее поле исследовательских областей, на развитие которых может повлиять машинный интеллект. Конференция организовала и вдохновила исследования в области ИИ на многие годы.

4. Фрэнк Розенблатт создаёт перцептрон (1957)

Фрэнк Розенблатт создал механическую нейросеть в Корнеллской лаборатории аэронавтики в 1957

Учёные спорили о значимости этой машины вплоть до 1980-х. Она сыграла важную роль по созданию физического воплощения нейросети, которая до тех пор существовала в основном только в виде научной концепции.

5. ИИ сталкивается со своей первой зимой (1970-е)

Большую часть своей истории ИИ существовал только в исследованиях. Большую половину 1960-х правительственные агентства, в частности, DARPA, вливали деньги в исследования и практически не требовали отчёта по инвестициям. Исследователи ИИ часто преувеличивали потенциал своей работы, чтобы продолжать получать финансирование. Всё изменилось в конце 1960-х и начале 1970-х. Два отчёта – один от рекомендательного совета по автоматической обработке языка (ALPAC) для правительства США 1966 года, второй от Лайтхилла для правительства Британии 1973 года – прагматически оценили прогресс в исследованиях ИИ и выдали весьма пессимистичный прогноз о потенциале данной технологии. В обоих отчётах ставилось под вопрос наличие ощутимого прогресса в различных областях исследований ИИ. Лайтхилл в своём отчёте утверждал, что ИИ для задач распознавания речи будет крайне сложно масштабировать до размеров, которые смогут быть полезными правительству или военным.

6. Приход второй зимы ИИ (1987)

1980-е начались с разработки и первых успехов "экспертных систем", хранивших большие объёмы данных и эмулировавшие процесс принятия решений людьми. Технологию изначально разработали в университете Карнеги-Меллона для компании Digital Equipment Corporation, а затем другие корпорации начали быстро внедрять её. Однако экспертные системы требовали дорогого спеиализированного оборудования, и это стало проблемой, когда начали появляться сходные по мощности и более дешёвые рабочие станции от Sun Microsystems а также персональные компьютеры от Apple и IBM. Рынок экспертных компьютерных систем рухнул в 1987, когда с него ушли основные производители оборудования.

7. IBM Deep Blue побеждает Каспарова (1997)

IBM Deep Blue победила лучшего шахматиста мира, Гарри Каспарова, в 1997.

Общественное представление об ИИ улучшилось в 1997 году, когда шахматный компьютер Deep Blue от IBM победил тогдашнего чемпиона мира Гарри Каспарова. Из шести игр, проводившихся в телестудии, Deep Blue выиграла в двух, Каспаров в одной, а три окончились вничью. Ранее в том году Каспаров победил предыдущую версию Deep Blue.

И всё же победа Deep Blue над Каспаровым впечатляющим образом вернула ИИ в круг общественного внимания. Некоторые люди были очарованы. Другим не понравилось, что машина обыграла эксперта в шахматах. Инвесторы были впечатлены: победа Deep Blue на $10 подняла стоимость акций IBM, выведя их на максимум того времени.

8. Нейросеть видит кошек (2011)

К 2011 году учёные из университетов всего мира говорили о нейросетях и создавали их. В том году программист Джефф Дин из Google познакомился с профессором информатики из Стэнфорда Эндрю Ыном. Вдвоём они замыслили создание большой нейросети, обеспеченной огромной вычислительной энергией серверов Google, которой можно будет скормить огромный набор изображений.

Созданная ими нейросеть работала на 16 000 серверных процессорах. Они скормили ей 10 млн случайных и неразмеченных кадров с видеороликов YouTube. Дин и Ын не просили нейросеть выдать какую-то конкретную информацию или разметить эти изображения. Когда нейросеть работает таким образом, обучаясь без учителя, она естественным образом пытается найти закономерности в данных и формирует классификации.

Нейросеть обрабатывала изображения три дня. Затем она выдала три размытых изображения, обозначающих визуальные образы, которые она снова и снова встречала в обучающих данных – лицо человека, тело человека и кота. Это исследование стало серьёзным прорывом в использовании нейросетей и обучении без учителя в компьютерном зрении. Также оно отметило начало проекта Google Brain.

9. Джоффри Хинтон спустил с поводка глубокие нейросети (2012)

Исследование Джоффри Хинтона помогло возродить интерес к глубокому обучению

Через год после прорыва Дина и Ына профессор Торонтского университета Джоффри Хинтон с двумя своими студентами создали нейросеть для компьютерного зрения AlexNet для участия в соревновании по распознаванию изображений ImageNet. Участники должны были использовать свои системы для обработки миллионов тестовых изображений и определять их с наивысшей возможной точностью. AlexNet выиграла соревнование с процентом ошибок в два с лишним раза меньшим, чем у ближайшего конкурента. В пяти вариантах подписи к изображению, данных нейросетью, только в 15,3% случаев не было правильного варианта. Предыдущим рекордом было 26% ошибок.

10. AlphaGo обыгрывает чемпиона мира по го (2016)

В 2013 году исследователи британского стартапа DeepMind опубликовали работу, где было описано, как нейросеть научилась играть и выигрывать в 50 старых игр от Atari. Под впечатлением от этого компанию купила Google – как говорят, за $400 млн. Однако главная слава DeepMind была ещё впереди.

Через несколько лет учёные из DeepMind, теперь уже в рамках Google, перешли от игр Atari к одной из самых старых задач ИИ – японской настольной игре го. Они разработали нейросеть AlphaGo, способную играть в го и обучаться во время игры. Программа провела тысячи партий против других версий AlphaGo, обучаясь на основе проигрышей и выигрышей.

И это сработало. AlphaGo обыграла величайшего игрока в го в мире, Ли Седоля, со счётом 4:1 в серии игр в марте 2016. Процесс снимали для документального фильма. При его просмотре трудно не заметить грусть, с которой Седоль воспринял проигрыш. Казалось, что проиграли все люди, а не только один человек.

Последние продвижения в области глубоких нейросетей настолько сильно изменили область ИИ, что реальная его история, возможно, только лишь начинается. Нас ждёт много надежд, шумихи и нетерпения, но сейчас уже ясно, что ИИ повлияет на все аспекты жизни XXI века – и возможно даже сильнее, чем в своё время это сделал интернет.

Искусственный интеллект как научное направление представляет собой наглядный пример интеграции различных научных областей. Специалисты в естественно-научных областях и вычислительных науках изучают свойства и функционирование живых систем, пользуясь сходными методами.

В целом, искусственный интеллект – это самостоятельная область научных исследований, которая сформировалась в результате достижений в математике и логике и основана на накопленных человечеством знаниях о живой и неживой природе.

Древность

Как таковая устойчивая область научных знаний об искусственном интеллекта сформировалась в середине XX века, однако попытки в этом направлении делались ещё и в глубокой древности, и в средние века.

Еще древние египтяне и римляне испытывали благоговейный ужас перед культовыми статуями, которые жестикулировали и изрекали пророчества. Разумеется, делалось это с непосредственной помощью жрецов.

Средневековье

В средние века в понятие искусственного интеллекта вкладывали задачи создания механической человекоподобной мыслящей машины, способной, возможно, превзойти его по интеллекту. В это время, в частности, говорили о гомункулах – маленьких искусственных человечках, способных воспринимать информацию окружающего мира.

XVIII век

В XVIII веке благодаря развитию техники и, в особенности, часовых механизмов интерес к подобным изобретениям вырос ещё сильнее. В середине 1750-х годов австрийский изобретатель Фридрих фон Кнаус, служивший при дворе Франциска I, сконструировал серию машин, умевших писать пером довольно длинные тексты.

XIX век

Достижения в механике XIX века способствовали новому толчку изобретений в направлении к современному пониманию искусственного интеллекта. В 1830-х годах английский математик Чарльз Бэббидж придумал концепцию сложного цифрового калькулятора – аналитической машины, которая, как утверждал разработчик, могла бы рассчитывать ходы для игры в шахматы. А уже в 1914 году директор одного из испанских технических институтов Леонардо Торрес Кеведо изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили почти также хорошо, как и человек.

XX век

С середины 30-х годов прошлого столетия, с момента публикации работ Тьюринга, в которых обсуждались проблемы создания устройств, способных самостоятельно решать различные сложные задачи, к проблеме искусственного интеллекта стали относиться внимательно в мировом научном сообществе. Тьюринг предложил считать интеллектуальной такую машину, которую испытатель в процессе общения с ней не сможет отличить от человека.

Практически с самого начала учёные, занимавшиеся этим новым направлением научных знаний, предположили, что к конструктивному определению и моделированию мышления полезно идти от специфики задач, вводя искусственный интеллект как механизм, необходимый для их решения. Таким образом, искусственный интеллект в современном понимании – это совокупность методов и инструментов решения различных сложных прикладных задач, использующих принципы и подходы, аналогичные размышляющему над их решением человеку или процессам, протекающим в живой или неживой природе.

Тем не менее, даже в настоящее время единого и признанного всеми определения искусственного интеллекта не существует. И это не удивительно. Достаточно вспомнить, что универсального определения человеческого интеллекта также нет.

На сегодняшний день исследования в области искусственного интеллекта ведутся по различным направлениям: представление знаний, моделирование рассуждений, приобретение знаний, машинное обучение и автоматическое порождение гипотез, интеллектуальный анализ данных и обработка образной информации, поддержка принятия решений, управление процессами и системами, динамические интеллектуальные системы, планирование и т.д.

Ниже перечислены наиболее активно развиваемые подходы и методы искусственного интеллекта:

Читайте также: