Люди были самыми разумными существами на планете в течение последнего миллиона лет. Это может скоро измениться. Хотя поиски искусственного интеллекта (ИИ) начались более шестидесяти лет назад и привлекли многих из самых ярких исследователей, они почти закончились три десятилетия спустя. Первоначальные результаты не оправдали ожиданий, и на следующие два десятилетия наступила «зима искусственного интеллекта». Зима, возможно, никогда не закончилась бы, если бы не несколько упорных, у которых хватило смелости и упорства пойти другим путем. История поиска искусственного интеллекта настолько же увлекательна, насколько и увлекательна.

Наша история начинается более века назад, накануне первой мировой войны, когда в 1912 году в Северном Лондоне родился Алан. Его родители познакомились во время работы в Британской Индии, где они оставались большую часть его детства. Они поместили его в приемную семью, чтобы продолжить образование в Англии. Он рано увлекся наукой, что дало ему некоторую передышку в его сложных обстоятельствах. Однако его страсть не была встречена с одобрением: его директор заметил: «Если он хочет быть исключительно научным специалистом, он зря тратит свое время в государственной школе». Тем не менее его талант возобладал, и он получил место для изучения математики в Королевском колледже в Кембридже.

Его академическая звезда быстро выросла, и за два года до начала Второй мировой войны он опубликовал основополагающую статью, в которой определил абстрактную вычислительную машину, которая последовательно выполняла логические инструкции. Он развил это в первый компьютер современной эпохи. Бомба, как он ее называл, была электромеханическим устройством, созданным для взлома немецких военных кодексов, и сыграла решающую роль в исходе конфликта. После окончания Второй мировой войны он занялся поисками ИИ, разработав первую программу для игры в шахматы и создав уникальный тест для оценки интеллекта компьютеров.

Вдохновленная работами Алана, во второй половине двадцатого века произошел феноменальный прогресс в развитии информационных технологий. Это стало крупной индустрией и в конечном итоге изменило наш образ жизни. Тем не менее, к концу столетия прогресс замедлился, и зима для искусственного интеллекта наступила. Компьютеры достигли сверхчеловеческой производительности во многих областях, но в других, таких как зрение, они не могли сравниться с насекомыми, не говоря уже о человеке. Становилось все более очевидным, что поиски ИИ должны найти новый путь.

Путь вначале был далеко не очевиден. Когда разработчики игр в 1990-х годах пытались создать реалистичные виртуальные миры, они обнаружили, что центральные процессоры (ЦП) не успевают: либо изображения были слишком низкого качества, либо частота кадров была слишком низкой. Для создания высококачественных интерактивных игр были разработаны специальные графические процессоры (GPU). Графические процессоры не были созданы для развития информатики, но, решив фундаментальную проблему компьютерной графики, появилась другая архитектура. Это была архитектура, в которой скорость и эффективность были предпочтительнее универсальности. Выполняя множество аналогичных вычислений параллельно, графические процессоры могут достичь гораздо большей производительности. Можно было бы легко отказаться от графических процессоров как от детской забавы, но игры - это серьезный бизнес, и огромные инвестиции привели к быстрым инновациям. В то время это не было очевидным, но два десятилетия спустя графические процессоры должны были оказать решающее влияние на поиски ИИ.

В 1947 году, когда Алан публиковал свои первые статьи по ИИ, всего в семи милях от места своего рождения, Джеффри начал жизнь в Южном Лондоне. Он родился в академической семье, и, в отличие от Алана, его научные интересы горячо поощрялись. В 1967 году Джеффри пошел по стопам Алана через ворота Королевского колледжа в Кембридже и отправился на поиски искусственного интеллекта. Однако, вдохновленный своими исследованиями в области экспериментальной психологии, он пошел по принципиально иному пути. Вместо того, чтобы сосредотачиваться на логике как на продукте интеллекта, он сосредоточился скорее на человеческом мозге как источнике интеллекта.

К тому времени, когда он переехал в Эдинбург в 1972 году, чтобы начать учебу в докторантуре, компьютерная революция была в полном разгаре. Джеффри развил свои исследования в области зрения, параллельной обработки, обучения и искусственных нейронных сетей. Однако в отличие от Алана его ранняя карьера была далеко не исключительной. После Эдинбурга он занял должности в Сассексе, Сан-Диего и CMU, прежде чем окончательно обосноваться в Торонто. Хотя он продолжал разрабатывать новаторские работы более четырех десятилетий, значение его работы оставалось в значительной степени непризнанным. Так продолжалось до тех пор, пока в возрасте 65 лет двое из его учеников не связали его исследования в области искусственных нейронных сетей и зрения с мощностью графического процессора для конкурса ImageNet в 2012 году. По иронии судьбы, они взяли вычислительный компонент, оптимизированный для создания изображений из символических представлений, и изменил направление, чтобы создать символические представления из изображений. Их проект AlexNet с огромным отрывом обошел всех остальных. Подобно первому цветку весны, их победа ознаменовала конец зимы искусственного интеллекта, которая наступила двумя десятилетиями ранее.

Жизнь Алана Тьюринга трагически оборвалась в 1954 году, за несколько дней до его сорок второго дня рождения. Его талант, тем не менее, оставил неизгладимое наследие, выходящее далеко за рамки его коротких лет. Абстрактная вычислительная структура, которую он определил в 1937 году, машину Тьюринга, по-прежнему считается основой современных вычислений. Игра-имитация, которую он разработал в 1950 году для оценки ИИ, теперь называемая тестом Тьюринга, остается золотым стандартом и по сей день. Между тем, в возрасте семидесяти одного года Джеффри Хинтон считается крестным отцом глубокого обучения и по сей день продолжает публиковать захватывающие новые исследования.

Для Тьюринга и его последователей машины должны были быть запрограммированы последовательностями математических операторов, обрабатываемых по порядку. Эта мощная идея коренным образом изменила наш образ жизни, но сама по себе она была недостаточна для завершения поисков ИИ. Заставив компьютеры думать так, как мы общаемся, мы в конечном итоге ограничили их потенциал. Тем не менее, мы разработали электронные схемы, которые были удивительно быстрыми и маленькими и собирали огромное количество электронных данных. Оба окажутся необходимыми для поддержки следующего этапа квеста.

Для Хинтона и тех, кто работал с ним, машины не должны были программироваться, но, как и люди, должны были использовать нейронные сети, чтобы учиться на собственном опыте. Путем перехода от ЦП, вдохновленных языком и логикой, к графическим процессорам, вдохновленным видением и игрой, они воспользовались более элементарным и мощным источником интеллекта. Сосредоточившись на структуре мозга как источнике человеческого интеллекта, а не на языке и логике как продукте человеческого интеллекта, он и его ученики взорвали настоящую «нейронную бомбу», ударная волна которой продолжает разрывать мир классических вычислений и вычислений. наверняка изменит ход истории.

использованная литература

[1] Тьюринг, А. (1936). О вычислимых числах в приложении к Entscheidungsproblem.
https://londmathsoc.onlinelibrary.wiley.com/doi/abs/10.1112/plms/s2-42.1.230

[2] Тьюринг, А. (1950) Вычислительная техника и интеллект
https://www.csee.umbc.edu/courses/471/papers/turing.pdf

[3] Крижевский, А .; Суцкевер, И .; Хинтон, Г. Классификация ImageNet с глубокими сверточными нейронными сетями
https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf

Благодарности

Большое спасибо Питеру, Хардипу, Дмитрию, Рави и Дональду за ваши вдумчивые обзоры и поддержку.