Стремление создать искусственную копию человека уходит корнями в далёкое прошлое: ещё с XVI века известны попытки сконструировать нечто подобное — от гомункулов и механических автоматов до шахматного автомата Мальцеля и образа Франкенштейна. Для реализации интеллекта нужны два ключевых компонента: формальный язык для отображения когнитивных процессов (он появился с развитием логики в конце XIX века) и вычислительная машина как среда для работы ИИ.
Значительный вклад в развитие теоретических основ ИИ внесли философы и математики: Готфрид Вильгельм Лейбниц, Джордж Буль и Готтлоб Фреге развили аристотелевскую логику, а в 30‑х годах XX века Курт Гедель показал возможности и пределы логики с помощью теорем о полноте и неполноте.
Огромную роль в становлении ИИ сыграл британский математик Алан Тьюринг (1912–1954). В 1936 году он доказал возможность универсальной вычислительной машины (машины Тьюринга), способной решить любую проблему, представимую в виде алгоритма. В 1950 году в статье «Вычислительная техника и интеллект» Тьюринг предложил тест: компьютер считается умным, если в игре в вопросы и ответы через телетайп люди не могут отличить его от человека.
В 1956 году в Дартмуте (Нью‑Гэмпшир) прошёл «Летний исследовательский проект по искусственному интеллекту» — именно тогда зародилась история ИИ. Среди участников были Джон Маккарти (изобретатель Lisp), Марвин Мински, Натаниэль Рочестер (IBM), Клод Шеннон, Алан Ньюэлл, Герберт Саймон.
Американское правительство выделило миллионы долларов на проекты по машинному голосовому переводу. Однако на том этапе недооценили сложность задачи: не учли расплывчатость и неоднозначность языка, необходимость обширных мировых знаний.
Тест Тьюринга: кто человек, а кто машина?
Фото: Суреш Кумар Мухия
Мемориальная доска на здании Дартмутского колледжа посвящена легендарной конференции 1956 года, на которой был создан термин «искусственный интеллект».
Фото: Dartmouth.edu
Период примерно с 1965 по 1975 годы стал второй эрой ИИ, известной как «ИИ‑зима»: правительство США сократило финансирование проектов, а исследователи сосредоточились на работе в искусственных микромирах. В это время осознали важность знаний для интеллектуальных систем.
Среди знаковых разработок той эпохи — система естественного языка SHRDLU Терри Винограда (1972). Она отвечала на вопросы о местонахождении клеточек и символически изменяла их по запросу, сочетая понимание языка и моделирование запланированных действий. Ещё один важный проект — первый автономный робот SHAKEY, разработанный в Стэнфорде в конце 1960‑х. У него была вращающаяся камера («голова») и гигантский компьютер («тело»). Можно было давать инструкции — например, перенести блок из одной комнаты в другую. Однако робот работал только в среде манежа и был неэффективен в реальном мире.
В конце 1960‑х Джозеф Вайценбаум из МТИ разработал чат‑бот ELIZA, который моделировал диалог психотерапевта с клиентом. Пользователь общался с программой через клавиатуру.
В 1970‑х начался спор об онтологическом статусе машин с ИИ. Аллен Ньюэлл и Герберт Саймон (Университет Карнеги‑Меллона) сформулировали «Гипотезу системы физических символов»: мышление — это обработка информации, вычислительный процесс с манипулированием символами. Джон Сирл раскритиковал эту концепцию. Противостояние привело к разделению на позиции слабого и сильного ИИ:
- Слабый ИИ (в духе Джона Сирла) утверждает, что машины ИИ только имитируют когнитивные функции человека, но не являются по‑настоящему умными. Мышление человека привязано к его телу и мозгу, оно тесно связано с биологией и не может быть от неё отделено.
- Сильный ИИ (вдохновлён Ньюэллом и Саймоном) предполагает, что машины с ИИ способны мыслить в том же смысле, что и люди. Мышление может быть реализовано на определённой форме аппаратного обеспечения, а сложность вещества‑носителя — необходимое (и, возможно, достаточное) условие мыслительных процессов.
С 1975 по 1985 год наступила эпоха создания практически применимых систем ИИ. Акцент делался на методах представления знаний. Технология экспертных систем была инициирована Эдвардом Фейгенбаумом: сначала она применялась в университетской среде, а потом добилась коммерческого успеха. В экспертных системах знания представлены в виде правил и больших баз знаний.
Известные экспертные системы того времени:
- MYCIN (разработана Т. Шортлиффом в Стэнфордском университете) — для поддержки принятия диагностических и терапевтических решений при инфекционных заболеваниях крови и менингите;
- PUFF — для интерпретации данных лёгочных тестов;
- КАДУЦЕЙ — для диагностики внутренних болезней;
- DENDRAL — для анализа молекулярной структуры в химии;
- PROSPECTOR — для анализа горных пород в геологии;
- R1 (разработана DEC) — для настройки компьютеров (экономия 40 миллионов долларов в год).
Также развивались интерфейсы на естественном языке для баз данных и операционных систем (INTELLECT, R&A, DOS‑MAN) и область обработки речи (диалоговая система HAM‑ANS).
С 1985 по 1990 годы произошло возрождение нейронных сетей. В начале 80‑х Япония объявила о «Проекте пятого поколения», в рамках которого проводились исследования в области ИИ. Для разработки ИИ в Японии использовали язык программирования PROLOG (представлен в 70‑х как европейский аналог LISP). В Японии и Европе преобладали прологи, в США — LISP.
В середине 80‑х символический ИИ получил конкуренцию со стороны возрождённых нейронных сетей. Первые математические модели искусственных нейронных сетей разработали Маккаллох, Питтс и Хебб в 40‑х, а в 80‑х нейрон Маккаллоха‑Питтса возродился в форме коннекционизма. Коннекционизм ориентирован на биологическую модель мозга: обработка информации основана на параллельном взаимодействии множества простых единообразных элементов. Например, программа Netttalk научилась говорить с помощью примеров предложений: вводя набор письменных слов с произношением в виде цепочек фонем, сеть могла правильно произносить английские слова и применять знания к незнакомым словам.
Однако у нейронных сетей были ограничения: нехватка обучающих данных, отсутствие решений для структурирования и модульности сетей, медленные компьютеры на рубеже тысячелетий.
С 1990 года появился новый подход к распределённому ИИ, восходящий к Марвину Мински. В книге «Общество разума» Мински описывает человеческий разум как общество небольших единиц, выполняющих примитивные задачи, и призывает разработать социально вдохновлённые алгоритмы для параллельных вычислений. Ученик Мински Карл Хьюитт создал первую модель, в которой исполнительные механизмы обменивались сообщениями и работали параллельно. Идеи Мински и Хьюитта стали началом агентской технологии — многоагентных систем.
В 1997 году компьютер IBM Deep Blue победил Гарри Каспарова в официальном турнире по шахматам. С 1997 года ежегодно проводятся соревнования роботов RoboCup, в том числе в футболе. Примерно с 2005 года сервисные роботы стали доминирующей областью исследований ИИ, а примерно в 2010 году автономные роботы начали улучшать своё поведение с помощью машинного обучения.
С 2010 года началась фаза коммерциализации ИИ: приложения стали широко использоваться в повседневной жизни. В 2011 году IBM Watson победила в телевизионной викторине в США, обыграв двух кандидатов‑людей. IBM превратила Watson в когнитивную систему, объединяющую алгоритмы обработки естественного языка и поиска информации, методы машинного обучения, представления знаний и автоматического вывода. Система применяется в медицине и финансах.
В 2016 году система машинного обучения Google AlphaGo победила чемпиона мира в игре Go. В январе 2016 года Google AlphaGo одержала победу над лучшим в мире игроком в Го со счётом 4:1 — успех достигнут благодаря глубокому обучению и современным методам ИИ.
Крупные технологические компании (Google, Microsoft, Facebook*, Amazon, Apple) вкладывают миллионы в ИИ и предоставляют сервисы с его использованием. Крупные и средние компании из разных отраслей применяют системы на основе ИИ для улучшения процессов, оптимизации клиентских интерфейсов, разработки новых продуктов и рынков. Облачные сервисы сделали развёртывание систем доступным для небольших организаций.
В ноябре 2022 года OpenAI сделал общедоступным чат‑бота ChatGPT — это привело к росту интереса к ИИ в ИТ‑индустрии и СМИ. ChatGPT привлёк внимание к DALL‑E и Stable Diffusion. Генеративный ИИ предназначен для обработки больших объёмов данных с помощью машинного обучения; данные часто собираются из сети и используются для прогнозирования.
За последние несколько лет в области ИИ достигнут невероятный прогресс (Watson, Siri, глубокое обучение). Системы ИИ полезны для оптимизации бизнеса и сокращения расходов. Возможность обладания машиной интеллектом пугает многих.
* Meta Platforms Inc. признана экстремистской организацией, её деятельность запрещена на территории РФ.
Подписаться в Макс
