Искусственный интеллект

Искусственный интеллект (ИИ) — это отрасль вычислительной техники, которая занимается интеллектуальным поведением, обучением и адаптацией в машинах.

Исследования в области ИИ связано с производством машин для автоматизации задач, требующих интеллектуального поведения. Примеры включают системы управления; автоматизированные планирование и планирование; способность ответить на вопросы диагностики и потребителя; и почерк, речь, и распознавание лиц. Как таковой, это стало инженерной дисциплиной, сосредоточенной на предоставлении решений реальных проблем, программных приложений, традиционных стратегических игр, таких как компьютерные шахматы и различные видеоигры.

Искусственный интеллект используется сегодня для различных целей и во всем мире.

Наука ИИ

ИИ делится примерно на две школы мысли: обычный ИИ и вычислительный интеллект (ИИ), также иногда называемый синтетическим интеллектом.

Обычный ИИ в основном включает в себя методы, классифицируемые в настоящее время как машинное обучение, характеризующиеся формализмом и статистическим анализом. Это также известно как символический AI, логический AI или аккуратный AI. Методы включают:

  • Экспертные системы: применяет возможности аргументации для достижения заключения. Экспертная система может обрабатывать большие объемы известной информации и делать на их основе выводы.
  • Case-based reasoning — это процесс решения новых задач, основанный на решении аналогичных прошлых задач.
  • Байесовские сети представляют собой набор переменных вместе с совместным распределением вероятностей с явными предположениями о независимости.
  • Поведенческий ИИ: модульный метод построения ИИ-систем вручную.
  • Вычислительный интеллект включает в себя итеративное развитие или обучение. Обучение основано на эмпирических данных. Он также известен как несимвольный AI, неряшливый AI и мягкие вычисления. Методы главным образом включают:
  • Нейронные сети: системы с очень сильными возможностями распознавания образов.
  • Нечеткие системы: методы рассуждения в условиях неопределенности широко используются в современных системах управления промышленными и потребительскими товарами.
  • Эволюционные вычисления: применяет биологически вдохновленные концепции, такие как популяции, мутации и выживание наиболее приспособленных, чтобы генерировать все более лучшие решения проблемы. Эти методы в первую очередь делятся на эволюционные алгоритмы и интеллект роя.
  • Гибридные интеллектуальные системы пытаются объединить эти две группы. Считается, что человеческий мозг использует несколько методов как для формулирования, так и для перекрестной проверки результатов. Таким образом, системная интеграция рассматривается как перспективная и, возможно, необходимая для истинного ИИ.

История создания искусственного интеллекта

В начале семнадцатого века Рене Декарт представил тела животных как сложные, но приводимые в движение машины, сформулировав таким образом механистическую теорию, известную также как «парадигма часового механизма». Вильгельм Шикард создал первую механическую, цифровую вычислительную машину в 1623 году, а затем машины Блеза Паскаля (1643) и Готфрида Вильгельма фон Лейбница (1671), которые также изобрели двоичную систему. В XIX веке Чарльз Бэббидж и Ада Лавлейс работали над программируемой механической вычислительные машины.

Бертран Рассел и Альфред Норт Уайтхед опубликовали Principia Mathematica в 1910-1913 годах, которая произвела революцию в формальной логике. В 1931 году Курт Гедель показал, что достаточно мощные последовательные формальные системы содержат истинные теоремы, не доказуемые никаким доказывающим теоремы ИИ, систематически выводящим все возможные теоремы из аксиом. В 1941 году Конрад Цузе построил первый работающий программно-контролируемый компьютер. Уоррен Маккалох и Уолтер Питтс опубликовали логическое исчисление идей, имманентных в нервной деятельности (1943), заложив основы нейронных сетей. Норберт Винер кибернетика или управление и связь в животном и машине, (1948) популяризирует термин «кибернетика.»

1950-е годы

1950-е годы были периодом активных усилий в ИИ. В 1950 году Алан Тьюринг представил «тест Тьюринга», тест интеллектуального поведения. Первые рабочие программы ИИ были написаны в 1951 году для запуска на машине Ферранти Марка I Манчестерского университета: программа игры в шашки, написанная Кристофером Стрейчи, и программа игры в шахматы, написанная Дитрихом принцем. Джон Маккарти ввел термин «искусственный интеллект» на первой конференции, посвященной этой теме, В 1956 году. Он также изобрел язык программирования Lisp. Джозеф Weizenbaum причине Элиза виртуального собеседника реализация Rogerian психотерапии. Датой рождения ИИ принято считать июль 1956 года на Дартмутской конференции, где многие из этих людей встретились и обменялись идеями.

В то же время Джон фон Нейман, нанятый корпорацией RAND, разработал теорию игр, которая окажется бесценной в ходе исследований ИИ.

1960–1970 годы

В 1960-х и 1970-х годах Джоэл Мозес продемонстрировал силу символического рассуждения для задач интеграции в программе Macsyma, первой успешной программе, основанной на знаниях в математике. Леонард УР и Чарльз Фосслер опубликовали в 1963 году «программу распознавания образов, которая генерирует, оценивает и корректирует собственных операторов», в которой описана одна из первых программ машинного обучения, которая могла адаптивно приобретать и изменять функции. Марвин Мински и Сеймур Паперт опубликовали перцептроны, которые продемонстрировали границы простых нейронных сетей. Алена Colmerauer разработана Пролог язык программирования. Тед Шортлифф продемонстрировал силу основанных на правилах систем представления знаний и вывода в медицинской диагностике и терапии в том, что иногда называют первой экспертной системой. Ханс Моравец разработал первый управляемый компьютером автомобиль для автономного преодоления препятствий.

1980-е годы

В 1980-х годах нейронные сети стали широко использоваться благодаря алгоритму обратного распространения, впервые описанному полом Вербосом в 1974 году. Команда Эрнста Дикманна построила первые автомобили-роботы, разгонявшиеся до 55 миль в час по пустым улицам.

1990-е годы и рубеж веков

1990-е годы ознаменовались крупными достижениями во многих областях ИИ и демонстрацией различных прикладных программ. В 1995 году один из автомобилей-роботов Дикманна проехал более 1000 миль в пробке со скоростью до 110 миль в час. Deep Blue, шахматный компьютер, обыграл Гарри Каспарова в знаменитом матче из шести игр в 1997 году. Агентство передовых оборонных исследовательских проектов заявило, что затраты, сэкономленные за счет внедрения методов ИИ для планирования подразделений в первой войне в Персидском заливе, окупили все инвестиции правительства США в исследования ИИ с 1950-х годов. Honda построила первые прототипы человекоподобных роботов, как показано выше.

В 1990-е и 2000-е годы на ИИ большое влияние оказали теория вероятностей и статистика. Байесовские сети находятся в центре внимания этого движения, обеспечивая ссылки на более строгие темы в статистике и технике, такие как Марковские модели и фильтры Калмана, и преодоление разрыва между аккуратными и неряшливыми подходами. После 11 сентября 2001 нападений было гораздо большим интересом и финансирование угрозы обнаружения ИИ систем, в том числе машинного зрения исследования и анализа данных. Однако, несмотря на шумиху, волнение о байесовском ИИ, возможно, теперь снова угасает, поскольку успешные байесовские модели появились только для крошечных статистических задач (таких как вероятностный поиск главных компонентов) и, похоже, являются трудноразрешимыми для общего восприятия и принятия решений.

2010-е годы

Передовые статистические методы (широко известные как глубокое обучение), доступ к большим объемам данных и более быстрые компьютеры позволили добиться прогресса в области машинного обучения и восприятия. К середине 2010-х годов приложения машинного обучения использовались во всем мире.

В марте 2016 года AlphaGo выиграл 4 из 5 игр Go в матче с чемпионом Go Ли Седолом, став первой компьютерной игровой системой, которая обыграла профессионального игрока Go без гандикапов. Другие примеры включают разработку Microsoft системы Skype, которая может автоматически переводить с одного языка на другой, и систему Facebook, которая может описывать изображения слепым людям.

Искусственный интеллект в философии

Сильный ИИ против слабого ИИ дебаты является горячей темой среди философов ИИ. Это включает в себя философию сознания и психофизической проблемы. Особенно Роджер Пенроуз в своей книге Новый ум императора и Джона Сирла с «китайской комнатой» мысленного эксперимента доказывают, что истинное сознание не может быть достигнуто путем формальных логических систем, в то время как Дуглас Хофштадтер Гедель, Эшер, Бах и Дэниел Деннетт в сознании объяснил, приводят доводы в пользу функционализма, который утверждает, что психических состояний (убеждения, желания, боли и т. д.) состоят исключительно из их функциональной роли. По мнению многих сильных сторонников искусственного интеллекта, искусственное сознание считается святым Граалем искусственного интеллекта. Эджер Дейкстра лихо высказал мнение, что дискуссия не имела большого значения: «вопрос о том, может ли компьютер думать, не более интересен, чем вопрос о том, может ли подводная лодка плавать.»

Искусственный интеллект в бизнесе

Банки используют системы искусственного интеллекта для организации операций, инвестирования в акции и управления недвижимостью. В августе 2001 года роботы победили людей в симулированном финансовом торговом соревновании. Медицинская клиника может использовать системы искусственного интеллекта для организации графиков койко-мест, ротации персонала и предоставления медицинской информации.

Многие практические приложения зависят от искусственных нейронных сетей—сетей, которые моделируют свою организацию в имитации нейронов мозга, которые, как было установлено, преуспевают в распознавании образов. Финансовые учреждения уже давно используют такие системы для выявления обвинений или претензий, выходящих за рамки нормы, отмечая их для проведения расследований. Нейронные сети также широко используются в национальной безопасности, распознавании речи и текста, медицинской диагностике, интеллектуальном анализе данных и фильтрации спама по электронной почте.

Роботы также стали распространены во многих отраслях промышленности. Им часто дают работу, которая считается опасной для человека. Роботы доказали свою эффективность в очень повторяющихся работах, которые могут привести к ошибкам или несчастным случаям из-за провала в концентрации и других работах, которые люди могут найти унизительными. General Motors использует около 16 000 роботов для таких задач, как покраска, сварка и сборка. Япония является лидером в использовании роботов в мире.