Как от убеждения «Искусственный интеллект невозможен» мы пришли к роботам, которым доверяем жизнь

Середина 30-х, Детройт. 12-летний мальчик за три дня прочитывает том Principia Mathematica, фундаментального труда начала XX века об основах математики. Находит в нем несколько спорных моментов и пишет одному из авторов, 63-летнему британскому философу Бертрану Расселу. Что было дальше? Причем здесь ИИ?

Привет! На связи команда TEAMLY, платформы для совместной работы и управления знаниями. Нам нравится изучать не только опыт разных компаний в этой сфере, но и историю. Сегодня предлагаем стряхнуть пыль с истории искусственного интеллекта — проследить его эволюцию, а также эволюцию нашего восприятия ИИ.

Итак, тот способный подросток — это Уолтер Питтс. Бертран Рассел сходу предлагает ему поступить в аспирантуру, но Уолтер слишком юн. Спустя 3 года он сбегает из дома, чтобы послушать лекции Рассела в университете Чикаго. Уже в двадцатилетнем возрасте Питтс публикует первую работу о компьютеризации нейрона. Она станет фундаментальной в сфере разработки искусственного интеллекта еще до того, как появятся первые компьютеры.

Революционная идея Уолтера Питтса и его коллеги Уоррена МакКалока заключалась в том, что они представили мозг как компьютер. Это стимулировало большой интерес, который позже трансформировался в кибернетику.

Пока математики занимались наукой, фантасты того времени увлеченно писали. Так идея искусственного интеллекта выплеснулась за пределы университетов, где ее подхватило общество. И, как всегда, появились скептики: дескать, не может быть такого, что роботы заменят человека, будут думать и предлагать решения. Что ж, спустя 80 лет роботы именно это и делают. Хоть не во всех сферах, но тенденция очевидна.

Напомним, что же всё это время происходило в науке искусственного интеллекта.

В 1948 году вышли две сразу важные теории.

Важные мысли, которые главенствовали в новых идеях

В начале 50-х годов Алан Тьюринг предложил свой известный тест, который способен определить, с кем мы говорим, — с человеком или компьютером.

За 15 лет ученые из разных дисциплин (математики, инженерии, психологии, экономики) сделали несколько важных научных открытий, которые стали бустером для развития ИИ. И уже в 1956 году область исследований искусственного интеллекта стала самостоятельной академической дисциплиной.

До семидесятых годов сфера бурлила. В США, СССР, Великобритании и других ведущих странах создавались научные сообщества, ежегодно предлагавшие идеи и решения. Некоторые из них безвестно канули, но часть получала развитие.

Многократные повторения и поиск новых методик привел к мысли, которая сейчас кажется простой: важнейшим свойством человеческого интеллекта является способность к обучению. Но одних лишь рассуждений для обучения недостаточно, нужны факты из физического мира.

Всё ближе мы подходим к идее перцептрона — основной структуры обучаемой нейросети, цифрового двойника человеческого мозга, о котором мечтал Питтс.

Но к 70-м годам многие теории были проработаны, но что делать дальше, было неясно. Появлялись скептические публикации от философов и журналистов. Основной интерес сообщества сместился в противоположную от нейросетей область символьных вычислений. Продолжали исследовать только самые идейные участники.

Наступил период AI-зимы.

К началу 80-х годов японское экономическое чудо вывело Страну восходящего солнца на второе место в мире. Наконец-то оправившись после ущерба Второй Мировой войны, японцы стали смотреть в сторону высоких технологий, в том числе на разработку компьютера нового поколения.

В 1980 году японцы представили робота Wabot-2, который мог читать музыкальные партитуры, общаться с людьми и играть на электронном органе. Это был успешный проект, который вернул интерес научного сообщества к искусственному интеллекту. Хуманизация этого устройства — скорее дань маркетингу, чем полезное свойство. Даже сейчас роботы-гуманоиды проигрывают роботам без каких-либо признаков человеческой внешности, куда выигрышней роботы-собаки — за счет эрогономичной инженерии.

Вернемся в восьмидесятые: за первую пятилетку были предложены несколько конструкций, которые стали несущими в вопросах машинного обучения:

Искусственный интеллект не просто герой фантастических книг, теперь с ним работают и обычные люди. Тогда стали выходить экспертные системы в виде софта для технологических компаний. В них использовались громоздкие Lisp-машины. Они работали на магнитных лентах, занимали целую комнату, а работать без специальной подготовки было просто невозможно.

Параллельно с этим корпорации Apple и IBM работали над тем, чтобы сделать более мощные и дешевые компьютеры. Они предполагали совсем другой подход к работе за компьютером, и технологии Lisp-машин не могли быстро адаптироваться к нему. ПК нового типа вскрыли высокий процент ошибок своих предшественников. Поэтому старые машины пришлось отправить на свалку истории. Так закончилась первая волна коммерческого использовании AI-систем.

Девяностые были периодом сумбура не только в странах бывшего СССР, но и в деле компьютерной революции. Когда появилась возможность обрабатывать больше данных и обставить офисы персональными компьютерами, встал вопрос о том, как обрабатывать и хранить столько данных.

Требовались новые подходы к структуре алгоритмов, а также новое «железо». Теперь это уже азы, которым учат на первом курсе института. Но тогда только к концу 90-х сфера изучения ИИ вышла из заморозки, базы данных стали называть Big Data, исследователи научились извлекать из них всё больше знаний. Появилась концепция интеллектуального помощника.

В 1997 году произошло эпохальное событие — суперкомпьютер IBM Deep Blue победил чемпиона мира по шахматам Гарри Каспарова. У многих это не укладывалось в голове: раньше считалось, что для этого потребуется просчет всех комбинаций партии длиной в 32 года!

Стало ясно, что за кремниевыми интеллектуалами будущее. Повсеместное распространение интернета породило экспонентный рост количества данных. Теперь машинное обучение активно используется в бытовой жизни: поисковая выдача, умные ленты, сканирование товаров в магазине, рекомендательные системы и пр. Конечно, машинное обучение активно используется и в науке — медицине, биологии, инженерии и т. д.

Нейробиология была бы невозможна без стремления людей создать искусственный интеллект. И наоборот: ИИ был бы невозможен без нейробиологии. Последние 100 лет эти направления идут рука об руку.

Нейросети на удивление хорошо работают — судите сами:

Всё это восхищает. Точно так же в 1948 году людей восхищала прорывная кибернетика Норберта Вейнера. Сейчас она кажется чем-то простым и даже очевидным. Вероятно, и для людей будущего сложная архитектура современных нейросетей будет казаться примитивной. А пока расскажите в комментариях, как ИИ участвует в вашей жизни, профессиональной и личной.