Влияние технологий на эволюцию искусственного интеллекта.

АБСТРАКТНЫЙ

В отчете обсуждаются технологические достижения в области ИИ с течением времени и то, как они повлияли на эволюцию искусственного интеллекта. те достижения. Он разбивает общую эволюцию ИИ на три часовых пояса; «Начало искусственного интеллекта», в котором рассказывается о самых ранних работах в области искусственного интеллекта и о том, какую роль технологии того времени сыграли в его воспитании. Во-вторых, в отчете обсуждается средняя эпоха «ИИ, переживающий зимы», в которой в отчете обсуждается средняя эпоха, когда произошли некоторые важные изменения в области искусственного интеллекта и технологических узких мест, которые несут ответственность за падение ИИ. Наконец, мы проходим через «Процветающий ИИ», где мы исследуем, как быстрое развитие технологий сформировало ИИ таким, каким мы его видим сегодня.

Начало искусственного интеллекта

Первые следы искусственного интеллекта датируются тысячами лет назад, когда в древнеегипетских сказках упоминается механический гигант. В 17-м и 18-м веках многие философы предлагали механизировать то, как работают мысли у людей. «Гоббс и Рене Декарт» исследовали возможность того, что все рациональные мысли можно представить в форме простой алгебры. Хотя простые вычислительные машины существовали веками, однако сложность этих машин была гораздо более наивной, чтобы содержать эти философские мысли. Это было в 19 веке, когда Чарльз Бэббидж и Ада Лавлейс разработали программируемый компьютер под названием «Аналитическая машина». Теоретические основы современных вычислений неуклонно развивались: Джордж Буль описал булеву алгебру в 1854 году, а к 1913 году «Бартен Рассел и Альфред Уайтхед» описали формальную логику. для использования в искусственном интеллекте, но технологии той эпохи не развились до уровня, на котором эти теории можно было бы использовать для каких-либо практических приложений к ИИ.

Надлежащая работа над искусственным интеллектом начала формироваться, когда английский математик по имени Алан Тьюринг предположил, что люди используют доступную информацию в сочетании с разумом для решения проблем и принятия решений, и аргументировал, почему машины не могут делать то же самое? Позже Тьюринг разработал множество теоретических и практических приложений в различных областях компьютеров. Во время Второй мировой войны Тьюринг сосредоточился на расшифровке военных кодов, его работа в области криптографии показала невероятные возможности в области зарождающейся информатики. Вскоре после войны Тьюринг начал свою узкоспециализированную работу в области компьютерных наук. Технологически компьютеры той эпохи могли только выполнять подаваемые в них инструкции и не могли запоминать команды, это было самым большим узким местом той эпохи, из-за которого работа в области ИИ не могла значительно продвинуться [1], Этот фундаментальный аспект компьютеров необходимо было изменить, кроме того, компьютеры в ту эпоху были чрезвычайно дорогими, и аренда компьютера для работы стоила более 200 долларов в месяц, из-за чего только крупные технологические компании и престижные учреждения могли позволить себе компьютеры, поскольку технология не была широко распространена. имеющиеся исследователи не могли экспериментировать с максимальным потенциалом, а область ИИ требовала серьезных технологических изменений наряду с государственным финансированием для прогресса. В 1950 году «Айзек Азимов» опубликовал свои три закона робототехники, а затем продолжил изучение практического значения разработанных им законов и просветил общественность о «Машинном интеллекте».

ИИ, переживающий зиму

Термин «искусственный интеллект» был впервые придуман в 1956 году на летней конференции в Дартмутском колледже, где группа ученых создала доказательство концепции ИИ под названием «теоретик логики», предназначенное для имитации навыков решения проблем людей; часто называют «Первой программой искусственного интеллекта». Однако конференция не увенчалась успехом, поскольку большинство исследователей не смогли сформировать сильную склонность к стандартным методам в этой области, несмотря на эту небольшую неудачу в этой области, было сформировано представление о том, что создание ИИ достижимо, это привело бум в области ИИ, приведший к исключительному прогрессу в 50-х и 60-х годах в области исследований ИИ. Проведя исследование, мы смогли обнаружить, что технологические достижения сыграли важную роль в этом прогрессе в области ИИ, поскольку 50-е и 60-е годы были эпохой, когда компьютеры развивались быстрыми темпами, уровень сложности, на котором они могли выполнять вычисления, также быстро прогрессировал. компьютеры в ту эпоху становились дешевле и доступнее. Еще один ведущий фактор прогресса в области ИИ можно объяснить тем фактом, что алгоритмы машинного обучения в этом возрасте исключительно улучшались, и люди также начали лучше понимать, какой алгоритм необходимо применять в конкретном сценарии, что было связано с тем, что люди теперь получить больше возможностей для работы в этой области из-за снижения стоимости и повышения доступности компьютеров.

В эту эпоху прогресса «Маккарти и Марвин Мински» создали лабораторию искусственного интеллекта в Массачусетском технологическом институте. В 1965 году был разработан первый чат-бот «Элиза» [2], а General Motors представила на своей сборочной линии первого промышленного робота. После этих успехов в области правительство было убеждено в идеях ИИ, и финансирование в этой области резко возросло в ведущем учреждении США. Один такой институт «DARPA» в то время был особенно склонен к разработке машины, которая могла бы расшифровывать и переводить разговорную речь. Тем не менее, эта область снова столкнулась с самым большим препятствием, которое заключалось в нехватке вычислительной мощности, которой обладали компьютеры той эпохи, область искусственного интеллекта в том виде, в каком мы ее знаем сегодня, обычно требует обработки большого объема данных для получения обобщенных результатов. однако технологически, если мы увидим вычислительную мощность компьютеров той эпохи, как показано на рис. 1, она была экспоненциально мала по сравнению с тем, что мы видим сегодня. Компьютеры той эпохи не могли хранить достаточно информации или обрабатывать ее достаточно быстро, они были в миллион раз слабее по способности от чего-то, что требуется для того, чтобы сделать что-то столь значимое, как человеческое общение. Это было то, что стало узким местом в прогрессе в этой области. Из-за застоя в прогрессе финансирование в области иссякло, что привело к застою в исследованиях в этой области почти на десятилетие, и это было названо «Первой зимой ИИ». .

Когда вечная мерзлота, оставленная AI Winter, наконец начала таять в 1980-х годах, новая методология под названием «Экспертные системы» начала высасывать государственное финансирование. Однако вскоре недостатки экспертных систем были осознаны, и все начало поворачиваться к новой развивающейся области «Глубокого обучения». Физик Джон Хопфилд описал обучающий потенциал нейронной сети, и к 1990-м годам эти сети начали использовать в качестве двигателей для различных программ. Наконец, когда исследователи ИИ продвигались вперед и собирались взобраться на вершину горы, началась еще одна Зима ИИ, это произошло, поскольку многие амбициозные цели в области машинного обучения не были достигнуты, например, способность машин вести случайные разговоры. Основная причина этой неудачи могла заключаться в том, что для ведения осмысленного разговора требовалось не только запомнить набор слов, но и понять комбинацию, в которой эти слова используются, а если проанализировать вычислительную мощность компьютеров, то она еще не достигнута. такого уровня в ту эпоху, это привело к иссяканию финансирования

конвейера, вторая зима ИИ длилась с 1987 по 1993 год. Однако эта зима ИИ отличалась от предыдущей, поскольку исследования в этой области не прекращались, несмотря на отсутствие финансирования, и вскоре в 1997 году ИИ вернулся в центр внимания после игры в шахматы. Deep Blue» победил чемпиона мира по шахматам Гарри Каспарова.

Процветающий ИИ

Вступление в 21 век привело к большим технологическим изменениям с экспоненциальным увеличением как вычислительных мощностей, так и хранилища данных. Кроме того, основой искусственного интеллекта являются данные, на которых он обучается, и до 21 века не было достаточно данных для обучения алгоритмов для них. чтобы получить много интеллектуальных результатов. Нейронные сети показали невероятные результаты, но для обучения им требовались большие наборы данных. К 2004 году область ИИ продвинулась до такой степени, что DARPA объявило грандиозный вызов и предложило призовые деньги любой команде, которая сможет создать полностью функциональный автономный автомобиль [3]. НАСА также начало использовать автономные системы для управления марсоходами на поверхности Марса, к 2010 году вычислительные мощности и глобальные данные достигли новой степени, что подход глубокого обучения достиг новых высот.

Если мы сравним технологические изменения с точки зрения ИИ; типичная нейронная сеть 1990-х годов могла иметь только сотню нейронов, а каждый нейрон мог иметь 150 соединений, человеческий мозг, который эти сети пытались имитировать, имел около 100 миллиардов нейронов, но технологические достижения с точки зрения вычислительной мощности к 2016 году достигли степени, когда нейронные сети могут иметь более 100 миллионов нейронов, что равно количеству нейронов в мозгу шмеля, и сегодня современные нейронные сети могут иметь столько же нейронов, сколько есть в мозгу кошки [4], потому что этого технического прогресса с точки зрения вычислительной мощности и хранения данных мы все ближе и ближе подходим к имитации человеческого мозга. На текущем этапе ИИ развился до такой степени, что мы сталкиваемся с различными рисками из-за того, что программы ИИ, такие как дипфейки, могут генерировать реалистичные видео с человеческими лицами, которые могут легко обмануть зрителей, также Chat-GPT используется для взлома экзаменов студентами. В 2017 году исследователи ИИ со всего мира собрались на конференции Asilomar, посвященной полезному ИИ, чтобы обсудить экзистенциальные риски в этой области. Сейчас ИИ начинает превосходить человека по многим параметрам, и его внедрение необходимо контролировать на каждом этапе.

Заключение

Технологии и ИИ всегда шли рука об руку. Причина этого в том, что структура ИИ требует большой вычислительной мощности для получения значимых и похожих на человека результатов. области искусственного интеллекта всего за десятилетие, причина этого может быть связана с тем фактом, что за последнее десятилетие произошел огромный рост данных, которые растут экспоненциально каждый год, и, что наиболее важно, эволюция машин, которые требуется для обработки этих данных. ИИ пережил много взлетов и падений на пути своего развития, и почти каждый пик, которого достигла эта область, можно было каким-то образом отнести к совершенствованию технологии, которая, наконец, смогла обладать достаточной вычислительной мощностью для развития этой области. Даже сегодня мы не приблизились к тому, что делает человеческий мозг, но если технология будет продолжать развиваться в том же темпе, мы скоро сможем создать то, что в научной фантастике изображается как «полный гуманоид».