Создание искусственного интеллекта: первые попытки в XX веке

Современные нейронные сети могут генерировать изображения, писать тексты и вести разговор почти как человек. Но идея искусственного интеллекта появилась задолго до XXI века. Подробнее читайте в статье а.

Идея машины, способной имитировать разум, существовала еще до появления электроники. В 17–19 веках учёные и инженеры создавали механические автоматы — устройства, способные писать, рисовать или выполнять простые действия по заданному алгоритму.

Одним из самых известных примеров был «Механический турок» XVIII века, разработанный Вольфгангом фон Кемпеленом, шахматная машина, которая предположительно побеждала людей сама по себе. Позже выяснилось, что внутри скрывался настоящий шахматист, однако идея «мыслящей» машины уже тогда вызвала большой интерес.

Настоящая научная основа появилась только в XX веке, когда математики стали рассматривать мышление как процесс обработки информации.

Алан Тьюринг и его «мыслящая» машина

Ключевой фигурой в ранней истории искусственного интеллекта был британский математик и логик Алан Тьюринг. Во время Второй мировой войны он помогал создавать системы для расшифровки немецких кодов, а позже его ум увлеклась идеей о машинах, способных думать самостоятельно.

В 1950 году Алан опубликовал работу «Вычислительная техника и разум», где предложил знаменитый тест Тьюринга. Идея заключалась в том, что если человек не может отличить реакцию машины от реакции другого человека, то система проявляет признаки интеллекта. Это стало основой для будущих исследований ИИ.

Как выглядели первые программы?

В 1950-х и 1960-х годах компьютеры представляли собой огромные машины размером с комнату, а их вычислительная мощность была несравнимо ниже, чем у современных смартфонов. Тем не менее ученые уже пытались создать программы, способные решать проблемы людей.

Одним из первых проектов стала программа Logic Theorist, созданная Алленом Ньюэллом и Гербертом Саймоном в 1956 году. Она смогла доказать 38 математических теорем. Исследователи посчитали это огромным прорывом. Позже Саймон утверждал, что через двадцать лет машины смогут выполнять любую работу, которую выполняют люди.

Когда искусственный интеллект выйдет за пределы Земли

Попытка воспроизвести мозг

Параллельно развивалось еще одно направление — идея создания искусственных нейронов. В 1943 году нейробиолог Уоррен Маккалок и математик Уолтер Питтс предложили модель искусственного нейрона — простой математической схемы, моделирующей функционирование нервной клетки. И хотя их модель была предельно упрощена, она стала основой будущих нейросетей.

В конце 1950-х годов психолог Фрэнк Розенблатт создал «перцептрон» — систему, которая могла обучаться и распознавать простые изображения. Фактически, это был ранний прототип современных нейронных сетей. Он также превратил перцептрон в первый в мире нейрокомпьютер.

Почему нейронные сети потеряли популярность?

В 1969 году Марвин Мински и Сеймур Пейперт опубликовали книгу «Перцептроны», в которой подробно описаны ограничения ранних нейронных сетей. По их мнению, главная проблема заключалась в том, что ранние компьютеры были слишком слабыми. Даже хорошие идеи были ограничены нехваткой вычислительных мощностей и данных.

После этого интерес к нейронным сетям резко упал. Началась так называемая «зима ИИ» — время, когда финансирование исследований резко сократилось, а многие проекты были закрыты.

Экспертные системы: ИИ до эры нейронных сетей

В 1970-х и 1980-х годах исследователи перешли на экспертные системы. Это были программы, основанные на огромных сводах правил:

«Если произойдет Х, сделай Y»

«Если симптом А и симптом Б, вероятен диагноз С»

Одной из известных систем была MYCIN, созданная для диагностики бактериальных инфекций. Такие программы иногда работали на удивление хорошо, но у них был серьёзный недостаток: они не анализировали новую информацию, а лишь следовали заранее написанным инструкциям.

Прорыв 21 века

То, что в 1960-х годах выглядело как теория, стало технически осуществимым лишь десятилетия спустя. Современный ИИ стал возможным благодаря сочетанию нескольких факторов:

рост вычислительной мощности,

появление огромных объемов данных,

разработка многослойных нейронных сетей,

с использованием графических процессоров (GPU).

Особенно важным оказался метод глубокого обучения. Это позволило нейронным сетям самостоятельно выявлять сложные закономерности на огромном количестве примеров. Так, однако. Многие ранние идеи оказались тупиковыми, но некоторые все же определили технологическое будущее.

Ранее мы говорили о том, как искусственный интеллект влияет на наши политические решения.