Kunstmatige intelligentie

Momenteel lost een diep neuraal netwerk een Rubiks kubus op in 1,2 seconden. Om dit resultaat te bereiken, werden aan het begin van de XNUMXe en XNUMXe eeuw de logische machines van Ramon Lull gecreëerd. In dit artikel leer je stap voor stap wat er door de eeuwen heen is gebeurd.

XIII-IV eeuw Spaanse filosoof Ramon Lully (1) ontwikkelt logische machines. Hij beschreef zijn machines als mechanische objecten die fundamentele en onmiskenbare waarheden konden verbinden door middel van eenvoudige logische bewerkingen die door de machine werden uitgevoerd met behulp van mechanische markeringen.

30-50 jaar oud. twintigste eeuw Dat blijkt uit onderzoek in de neurowetenschappen. Norbert Wiener beschrijft cybernetische controle en veerkracht in elektrische netwerken. Claude Shannon creëert de theorie van "informatie beschreven door digitale signalen".

1936 , wiens doel het was om het oplosbaarheidsprobleem op te lossen dat werd gepresenteerd door David Hilbert in 1928 introduceerde hij dat erin abstracte autoin staat om een geprogrammeerde wiskundige bewerking uit te voeren, d.w.z. een algoritme.

De machine kon maar één bepaald algoritme uitvoeren, zoals een getal kwadrateren, delen, optellen en aftrekken. In mijn eigen werk Turing hij beschreef veel van dergelijke machines, die de algemene naam hebben gekregen Turingmachines. Een uitbreiding van dit concept was de zogenaamde universele Turing-machine, die, afhankelijk van de instructies op de band, elke bewerking moest uitvoeren (2).

2. Een van de modellen van de Turingmachine

1943 Warren McCulloch i Walter Pitts laat het zien kunstmatige neuron kan eenvoudige bewerkingen simuleren door een model te maken neuraal netwerk. Hun model was puur gebaseerd op wiskunde en algoritmen en kon niet worden getest vanwege een gebrek aan computerbronnen.

1950 In zijn tekst getiteld "Computer Science and Intelligence", gepubliceerd in het tijdschrift Mind, Alan M. Turing voor het eerst presenteert de test, toen de "Turing-test" genoemd. Dit is de manier om te definiëren het vermogen van de machine om natuurlijke taal te gebruiken en indirect bedoeld om te bewijzen dat ze het vermogen onder de knie had om op dezelfde manier als een persoon te denken.

1951 Marvin Minsky Orazo Dean Edmonds zij bouwen SNARK (Engels), eerste kunstmatige neurale netwerk met 3 vacuümbuizen. De machine speelde de rol van een rat, die op zoek is naar een uitweg uit het doolhof om bij voedsel te komen. Het systeem maakte het mogelijk om alle bewegingen van de "rat" in het doolhof te volgen. Door een ontwerpfout kon er meer dan één "rat" worden geïntroduceerd, en de "ratten" begonnen met elkaar te communiceren. Door de vele pogingen die ze deden, konden ze op een logische basis gaan "denken", en dit hielp de juiste keuze te versterken. Meer gevorderde "ratten" werden gevolgd door andere "ratten".

1955 Allen Newell en (toekomstige Nobelprijswinnaar) Herbert A. Simon componeren de theoreticus van de logica. Uiteindelijk bewijst het programma 38 van de eerste 52 uitspraken van Principia Mathematica. Russell i withoofd, voor sommigen nieuwe en elegantere bewijzen vinden.

1956 De term "" is geboren. Het werd voor het eerst gebruikt tijdens een conferentie georganiseerd door Dartmouth College in New Hampshire (3). Het nieuwe concept werd gedefinieerd als "een systeem dat bewust zijn omgeving waarneemt en erop reageert om zijn kansen op succes te maximaliseren". Onder de organisatoren van het evenement waren, waaronder: Marvin Minsky, John McCarthy en twee senior wetenschappers: Claude Shannon i Nathan Rochester z IBM.

. Leden van de Dartmouth-conferentie van 1956 Van links naar rechts: Marvin Minsky en Claude Shannon.

1960 constructie elektrochemische netwerken benoemde leerelementen Adaline. gebouwd Bernard Widrow van Stanford University, bestond het netwerk uit afzonderlijke elementen van Adaline, wat, wanneer gereproduceerd en gecombineerd, resulteerde in: zei Madalyn (Eng. Veel Adalines). Het was de eerste neurocomputer commercieel aangeboden. Het Madaline-netwerk wordt gebruikt door radar, sonars, modems en telefoonlijnen.

1966 stijgt ELIZA-programma, een chatbot-prototype getest bij MIT. Het was op een eenvoudige manier ontworpen: het zette declaratieve zinnen van de gebruiker om in vragen en zette hen ertoe aan om verdere verklaringen te krijgen. Toen een gebruiker bijvoorbeeld zei: "Ik heb hoofdpijn", vroeg het programma: "Waarom doet je hoofd pijn?" ELIZA is met succes gebruikt bij de behandeling van mensen met psychische stoornissen..

1967 In Japan heeft Waseda University geïnitieerd VABOT-project (4) in 1967 voor het eerst ter wereld intelligente humanoïde robot op ware grootte. Zijn ledematencontrolesysteem stelde hem in staat om met zijn onderste ledematen te lopen en voorwerpen met zijn handen vast te pakken en te verplaatsen met behulp van aanraaksensoren. Zijn zichtsysteem stelde hem in staat om afstanden en richtingen naar objecten te meten met behulp van externe receptoren, kunstmatige ogen en oren. En het conversatiesysteem stelde hem in staat om met een persoon in het Japans te communiceren met behulp van kunstmatige lippen.

1969 Marvin Minsky i Seymour Papert perceptronbeperkingen laten zien. Hun boek bevatte formeel bewijs dat enkellaagse netwerken een zeer beperkt scala aan toepassingen kenden, wat leidde tot een stagnatie op dit onderzoeksgebied. Deze stand van zaken duurde ongeveer 15 jaar totdat een reeks publicaties werd gepubliceerd waarin zeer overtuigend wordt aangetoond dat niet-lineaire netwerken vrij zijn van de beperkingen die in eerder werk werden getoond. Het werd destijds aangekondigd een reeks machine learning-methoden voor meerlaagse netwerken.

1973 Edward Shortliff, arts en computerwetenschapper, creëerde hij MAISIN-programma, een van de eerste expertsystemen voor het diagnosticeren van de behandeling van bacteriële infecties, gebaseerd op de diagnose van bloedziekten op basis van de resultaten van tests en de berekening van de juiste doses antibiotica.

In de jaren zeventig hadden de meeste artsen specialistisch advies nodig voordat ze antibiotica aan een patiënt voorschreven. Elk antibioticum tastte een bepaalde groep micro-organismen aan, maar veroorzaakte ook bepaalde bijwerkingen. De kennis over dit onderwerp onder gewone artsen was echter niet groot. Daarom deed de Stanford University School of Medicine, een wereldberoemd onderzoekscentrum op het gebied van antibiotica, een beroep op IT-specialisten. Zo ontstond een adviessysteem dat bestond uit een uitgebreide database en 70 principes om artsen te helpen bij het correct gebruik van antibiotica.

1975 Paul Werbos bedenkt backpropagation die het probleem en de beperkingen van enkellaagse netwerken oploste en in het algemeen maakte neurale netwerken efficiënter trainen.

80-ies bekend als "expertsystemen", en kennis is de focus geworden van het reguliere AI-onderzoek. In plaats van zich te concentreren op algemene intelligentie, hebben expertsystemen zich gericht op het gebruik van een reeks principes om specifieke taken te automatiseren en specifieke beslissingen te nemen in de echte wereld.

De eerste succesvolle oplossing, bekend als RI, werd geïntroduceerd door Digital Equipment Corporation om bedrijfsorders aan te passen en de nauwkeurigheid te verbeteren. Apple en IBM introduceerden echter al snel mainframecomputers met meer rekenkracht dan die voor onderhoud. kunstmatige intelligentie, waardoor de AI-industrie wordt verstoord. Dit stopte opnieuw investeringen in AI.

1988 Onderzoekers van IBM hebben een paper gepubliceerd waarin de principes van waarschijnlijkheid worden gepresenteerd in automatische vertaling van het Frans naar het Engels. Deze benadering, dichter bij dat, legde de basis voor de huidige machine learning-technologie.

1989 Verschijnt ELVINN (), die het resultaat was van acht jaar door militairen gefinancierd onderzoek aan het CMU Robotics Institute (5). Het kan worden beschouwd als de voorouder van vandaag. De ALVINN-implementatie verwerkte gegevens uit twee bronnen: een videocamera en een laserafstandsmeter. Het was een perceptueel systeem dat leerde voertuigen te besturen door de bestuurder te observeren. hij gebruikte het neuraal netwerk en beslissingen nemen zonder een kaart.

5. Voertuig met ALVINN Autonoom Systeem

Jaren 90 In de wereld van AI wordt een nieuw paradigma aangenomen dat 'intelligente agenten' wordt genoemd. Judea Pearl, Allen Newell, Leslie P. Kelbling en anderen hebben voorgesteld beslissingstheorie en economie toe te passen op onderzoek naar kunstmatige intelligentie.

1997 Deep Blue gemaakt door IBM verslaat de grootmeester met Garrim Kasparov (6). De supercomputer was een gespecialiseerde versie van het platform gemaakt door IBM en kon twee keer zoveel zetten per seconde aan als in de eerste game (die de machine verloor), naar verluidt 200 miljoen zetten per seconde.

6. Match Garry Kasparov vs. Deep Blue

1998 Vier miljoen gaan naar kerstbomen Furby-oorrobotsdie uiteindelijk Engels zal leren.

2002-09 In 2002 daagde DARPA de wereld uit. slimme technologieën: $ 140 miljoen voor bouwers om 18 mijl door de Mojave-woestijn te rijden. 2005 mei 7 Stanley (XNUMX) nam deel aan de Grand Challenge, gewapend met lasers, radar, videocamera, GPS-ontvanger, zes processors en een geïntegreerde software-architectuur, en won. De auto is sindsdien te zien geweest in het Smithsonian's National Museum of American History. Samen met Stanley in de geschiedenis kunstmatige intelligentie Het ontwerpteam van Stanford University onder leiding van prof. Sebastian Thrun, die toen hoofd was van de autonome auto van Google, werd in 2009 opgericht.

2005 Honda introduceert Asimo humanoïde robot die op twee benen loopt (acht). Tijdens de ontwikkeling zijn gegevens verkregen die bijvoorbeeld zijn gebruikt bij het ontwerpen van prothesen waarmee ouderen kunnen bewegen.

2011 De Watson-supercomputer van IBM, die in 2011 de toenmalige meesters versloeg in de spelshow "Jeopardy" (in Polen uitgezonden onder de naam "Va Banque").

2016 Computerprogramma AlphaGo gemaakt door een van de Google-bedrijven, overtreft Lee Sedol, 18-voudig wereldkampioen in Go (9).

9. Match tussen Go Lee Sedol en AlphaGo

2018 Google en het Allen Institute for Artificial Intelligence creëren BERT, "de eerste onbewaakte bidirectionele linguïstische representatie die kan worden gebruikt voor een verscheidenheid aan natuurlijke taaltaken met behulp van kennisoverdracht." BERT is een kunstmatige intelligentie die ontbrekende delen van zinnen kan aanvullen op vrijwel dezelfde manier als een mens. BERT is een van de meest opwindende ontwikkelingen op het gebied van natuurlijke taalverwerking (NLP), een gebied van kunstmatige intelligentie dat zich de laatste jaren bijzonder snel ontwikkelt. Dankzij hem is de dag dat we met de machine kunnen praten veel dichterbij gekomen.

2019 Het diepe neurale netwerk heet , gemaakt door wetenschappers van de Universiteit van Californië, ze heeft de Rubiks kubus 1,2 seconden verzameld, bijna drie keer sneller dan de meest bekwame persoon. Gemiddeld heeft ze ongeveer 28 bewegingen nodig, terwijl een persoon gemiddeld 50 bewegingen uitvoert.

Classificatie en toepassingen van kunstmatige intelligentie

I. Kunstmatige intelligentie heeft twee hoofdbetekenissen:

het is een hypothetische intelligentie die wordt gerealiseerd door een technisch proces, niet een natuurlijk proces;
is de naam van een technologie en onderzoeksgebied in de informatica dat ook gebaseerd is op vooruitgang in de neurowetenschappen, wiskunde, psychologie, cognitieve wetenschappen en filosofie.

II. In de literatuur over dit onderwerp zijn er drie hoofdgraden van AI:

Smalle kunstmatige intelligentie (, ANI) die gespecialiseerd is in slechts één gebied, zoals AlphaGo, een AI die in staat is een kampioen in het spel Go te verslaan. Dit is echter het enige wat hij kan doen.
Algemene kunstmatige intelligentie (, AGI) - bekend als sterke kunstmatige intelligentie, verwijzend naar een computer van het intellectuele niveau van een gemiddeld persoon - die in staat is alle taken uit te voeren die hij uitvoert. Volgens veel experts zijn we op weg om een effectieve AGI te creëren.
kunstmatige superintelligentie (, ALS IK). Oxford AI-theoreticus Nick Bostrom definieert superintelligentie als "intelligentie veel slimmer dan de slimste menselijke geesten in vrijwel elk opzicht, inclusief wetenschappelijke creativiteit, algemene kennis en sociale vaardigheden."

III. Moderne praktische toepassingen van AI:

Technologieën gebaseerd op vage logica - meestal gebruikt, bijvoorbeeld om de voortgang van technologische processen in fabrieken te controleren in omstandigheden van "afwezigheid van alle gegevens".
Expertsystemen - systemen die de kennisbank en inferentiemechanismen gebruiken om problemen op te lossen.
Machinevertaling van teksten – vertaalsystemen zijn niet aangepast aan de mens, intensief ontwikkeld en vooral geschikt voor het vertalen van technische teksten.
Neurale netwerken - met succes gebruikt in veel toepassingen, waaronder het programmeren van "intelligente tegenstanders" in computerspellen.
Machine learning Een tak van kunstmatige intelligentie die zich bezighoudt met algoritmen die kunnen leren beslissingen te nemen of kennis op te doen.
Gegevensverzameling – Bespreekt gebieden, relatie tot informatiebehoefte, kennisverwerving, toegepaste analysemethoden, verwachte resultaten.
Beeldherkenning - er zijn al programma's in gebruik die mensen herkennen van een foto van een gezicht of automatisch geselecteerde objecten op satellietfoto's herkennen.
Spraakherkenning en sprekerherkenning wordt al veel commercieel gebruikt.
Handschrift herkenning (OCR) - al op grote schaal gebruikt, bijvoorbeeld voor het automatisch sorteren van brieven en in elektronische notitieblokken.
kunstmatige creativiteit - er zijn programma's die automatisch korte poëtische vormen genereren, muziekwerken componeren, arrangeren en interpreteren die zelfs professionele artiesten effectief kunnen "verwarren", zodat ze de werken niet als kunstmatig gecreëerd beschouwen.
Veel gebruikt in de economie systemen automatisch het evalueren, inclusief kredietwaardigheid, van het profiel van de beste klanten of het plannen van reclamecampagnes. Deze systemen worden vooraf automatisch getraind op basis van de gegevens waarover ze beschikken (bijvoorbeeld bankklanten die de lening regelmatig terugbetalen en klanten die er problemen mee hadden).
Intelligente interfaces - gebruikt voor geautomatiseerde controle, monitoring, rapportage en pogingen om mogelijke problemen in technologische processen op te lossen.
Voorspelling en detectie van fraude – met behulp van v.i. Logistieke regressiesystemen analyseren datasets om bijvoorbeeld verdachte financiële transacties te identificeren.