Все, что делается в мире, делается с надеждой. Мартин Лютер
В этом сюжете мы рассмотрим историю становления ИИ как нового научного направления. Также будем говорить о символическом ИИ, оставляя для следующего сюжета историю развития нейросетей. В то же время искусственный интеллект как научное направление объединяет символический ИИ и нейросети. Это понятно и естественно, так как главная цель общая – воссоздание искусственным путем человеческого интеллекта. При помощи каких технологий – не так важно.
Символический ИИ – это собирательное название для всех технологий искусственного интеллекта, основанных на высокоуровневом «символическом» представлении задач и вопросов, логики их обработки, поиска решений и ответов.
История искусственного интеллекта (ИИ) как нового научного направления начинается в середине XX века. К этому времени для работ над ИИ сложился ряд предпосылок. Среди философов давно шли споры о природе разума человека и процессе познания мира. Нейрофизиологи и психологи разработали ряд теорий о работе человеческого мозга и мышления. Экономисты и математики занимались оптимизацией расчётов и представлением знаний о мире в формализованном виде. Зародилась теория алгоритмов. Были созданы первые компьютеры.
Скорости вычислений ЭВМ оказались больше человеческих. В учёном сообществе закономерно начались дискуссии о границах возможностей компьютеров. Сразу возник вопрос: «Способны ли вычислительные машины достигнуть уровня развития человека?» Искусственный интеллект, который сравним с человеческим, стали называть сильным ИИ. Если техническое решение способно было решать отдельные задачи, присущие человеку, его стали называть слабым ИИ.
В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг пишет статью под названием «Может ли машина мыслить?» Это было, наверное, первое детальное исследование вопроса, могут ли машины думать. Единого и общепринятого ответа на вопрос «что значит – думать?» на тот момент не было. Поэтому, чтобы не погрязнуть в сложнейших философских и психологических концепциях, Тьюринг предлагает изящное решение.
Он описывает процедуру, получившую название теста Тьюринга. Человек и машина беседуют, а другой человек наблюдает за содержанием беседы. Если наблюдатель не может с уверенностью сказать, что сказал человек, а что машина, тест пройден и машину можно назвать сильным ИИ.
В другом варианте теста Тьюринга человек общается с неизвестным собеседником, которым может быть и человек, и машина. Если он не может их различить, то тест пройден и машина – сильный ИИ.
До недавнего времени считалось, что тест Тьюринга позволит определить момент, когда машина в плане разумности сравняется с человеком. Генеративные нейросети опровергли применимость теста Тьюринга для ответа на заданный в статье вопрос.
Считается, что искусственный интеллект как научное направление появилось во время двухмесячного научного семинара, проведённого летом 1956 года в Дартмутском колледже, в Великобритании. В семинаре приняли участие ведущие западные ученые в области информатики – Джон Маккарти, Марвин Минский, Клод Шенон, Герберт Саймон и другие – всего 11 человек. Всех приглашенных объединял интерес к вопросам моделирования человеческого разума.
В организационных документах семинара заявлялось:
Мы предлагаем исследование искусственного интеллекта сроком в 2 месяца … Исследование основано на предположении, что всякий аспект обучения или любое другое свойство интеллекта может в принципе быть столь точно описано, что машина сможет его симулировать. Мы попытаемся понять, как обучить машины использовать естественные языки, формировать абстракции и концепции, решать задачи, сейчас подвластные только людям, и улучшать самих себя.
Дартмутский семинар стал ключевой вехой в становлении новой научной области. Были утверждены ее основные положения, направления исследований, принципы и подходы. По предложению Джона Маккарти она получила название – artificial intelligence (AI), или в русском языке – искусственный интеллект (ИИ).
Особое внимание на семинаре было уделено нейросетям. Один из основных принципов создания искусственного интеллекта предполагал меняющиеся ответы на переменную среду. Его реализация требовала обучения машины методом проб и ошибок на произвольных данных – по аналогии с работой нейронной сети человеческого мозга.
Этим принципом отцы-основатели заложили мину под символический ИИ. Обучаться методом проб и ошибок на произвольных данных он в принципе не умел. Возможно, поэтому в дальнейшем решения, основанные на символическом ИИ, чаще называли интеллектуальными информационными системами или системами с интеллектуальным интерфейсом, избегая термина искусственный интеллект.
Любопытное совпадение – 11 сентября 1956 года в Массачусетском технологическом институте собралась специальная группа ученых, занимавшихся науками, смежными с теорией информации. Среди присутствующих были Герберт Саймон, Аллен Ньюэлл, Ноам Хомский. Все трое занимались искусственным интеллектом. Первый – на стыке с экономикой, второй – на стыке с психологией, третий – на стыке с лингвистикой. Саймон и Ньюэлл летом того же года принимали участие в Дартмутском семинаре.
Считается, что эта встреча сформировала еще одно новое научное направление – когнитивную психологию. Этот раздел психологии исследует познавательные процессы человека: восприятие, память, внимание, представление и обработку информации, логическое, критическое и системное мышление, воображение и творчество, принятие решений. Выводы когнитивной психологии широко используются в других науках – в социологии, педагогике, экономике, а также при проектировании и построении систем искусственного интеллекта.
Когнитивная психология способствовала формированию нового направления в экономике – поведенческой экономике. Герберт Саймон – американский ученый с широкими интересами, считается одним из основателей научного направления искусственный интеллект. По совместительству – лауреат премии имени Нобеля по экономике, которого иногда называют отцом поведенческой экономики. Вот такие научные переплетения.
О поведенческой экономике и бестселлерах на эту тему можно прочитать в нашей книге “Цифра и экономика”.
Так получилось, что после знакового Дартмутского семинара действительность стала расходиться с наполеоновскими научными планами. Нейросети, которые в теории обладали гигантским потенциалом, дальше забавных экспериментов не продвинулись. Вопреки первоначальным планам символический ИИ стал доминирующей парадигмой исследований с середины 1950-х до конца 1980-х.
В 1956 году Герберт Саймон и Аллен Ньюэлл представили миру программу «Логик-теоретик». Это была первая программа, специально разработанная для выполнения автоматизированного логического вывода, которую называют «первой программой искусственного интеллекта». Программа была предназначена для доказательства математических теорем.
Программе удалось доказать 38 из 52 теорем, изложенных во второй главе трехтомника «Принципы математики», одним из авторов которого был знаменитый Бертран Рассел. Машинное доказательство одной теорем оказалось более изящным, чем доказательство авторов.
Герберт Саймон сумел показать новое доказательство Бертрану Расселу и, по словам очевидцев, тот «с восторгом отреагировал». Правда, попытка опубликовать новое доказательство в научном журнале, посвященном вопросам логики, провалилась Редакция его отвергла под предлогом, что доказательство элементарной математической теоремы не представляет особой ценности. Это говорит о том, что исследованиям в области ИИ в 1950-е годы значения не придавали.
В 1966 году общественности был представлен первый в истории чат-бот по имени «Элиза». Эта программа формировала ответы по ключевым словам, которые встречались в вопросе. Хитрые алгоритмы позволяли чат-боту походить на психотерапевта. В США визиты к «Элизе» стали весьма популярными, поскольку люди поражались убедительности реплик и принимали её за искусственный разум.
Это конечно не было прорывом, и при внимательном диалоге «Элиза» быстро показывала свою ограниченность. Однако ее появление подогрело интерес к обработке естественного языка как функции искусственного интеллекта. Главное – показанные возможности заинтересовали большие компании, а также DARPA – управление перспективных исследовательских разработок Министерства обороны США.
Тем не менее кризис надвигался. Он был связан даже не столько с небольшими успехами нового научного направления, сколько с неоправданными завышенными ожиданиями. После Дартмутской конференции учёные-энтузиасты увлеченно предсказывали, что в ближайшем будущем появятся умные машины с сильным ИИ. Однако компьютерные технологии не могли угнаться за фантазиями учёных и футурологов. Успехи «Логика-теоретика» и подобных систем с практической точки зрения представлялись незначительными, а популярность «Элизы» – недолговечной.
Интерес к ИИ начал падать, и к середине 1970-х годов финансирование ИИ-исследований свелось к минимуму. Этот период иногда называют первой зимой искусственного интеллекта.
Зима продлилась несколько лет. С 1980-х годов начался бум экспертных систем, которые являются частным случаем символического ИИ. Бум был вызван не научными прорывами, а с практической пользой, которую наконец стали приносить технологии ИИ.
Экспертные системы предназначались для выполнения специализированных задач. По сути, они имитировали работу профессионалов, помогая принимать решения в профессиональных сферах. Экспертные системы состояли из двух ключевых компонентов:
база знаний в виде набора фактов и правил, собранных силами экспертов;
алгоритмов, которые на основе сопоставления поступающих запросов с базой знаний проводили анализ и предлагали решения.
Одна из самых известных экспертных систем – система, разработанная для американской компьютерной корпорации DEC. Она помогала инженерам настраивать серверы, экономя миллионы долларов ежегодно.
Экспертные системы стали широко применяться в различных областях, включая медицину, инженерное дело и финансы. Они позволяли автоматизировать процессы принятия решений и улучшать точность и эффективность работы специалистов.
Экспертные системы доказали свою полезность в узких областях, где процессы можно было описать строгими правилами. Однако, несмотря на успехи, они имели существенные ограничения и не могли справляться с задачами, требующими гибкости и адаптации.
Увлечение некоторых ученых новым направлением понятно. Создание сильного ИИ – самая завораживающая научная проблема. Но история развития технологий ИИ интересна еще одним аспектом – отношением к этой теме массового обывателя.
Ажиотаж вокруг темы, подогретый знаменитыми учеными в середине 1950- годов, быстро перекочевал на страницы научно-фантастических произведений. Интерес обывателей к реальным результатам исследований в области ИИ угас очень быстро.
Системы распознавания образов, построенные на сложнейшем математическом аппарате, давали слишком много ошибок. Программы, способные делать логические выводы и решать задачи в рамках некоторой системы аксиом и правил вывода, оказались чрезвычайно громоздкими. Да и программная система, способная доказывать математические теоремы, в золотой век капитализма послевоенной эпохи мало кого могла заинтересовать.
Всплеск массового интереса к «Элизе» быстро сменился разочарованием и еще большим отстранением от темы. Узкие экспертные системы интересовали в основном узких профессионалов, обсуждать их для обывателей было сложно и не интересно.
Людей волновал один вопрос – когда компьютер обыграет в шахматы чемпиона мира. В 1997 году компьютер Deep Blue в шести партиях победил Гарри Каспарова. Массовый интерес к ИИ угас окончательно. Все остальные успехи нового научного направления, вплоть до революции генеративного ИИ 2022 года, связаны с нейросетями.
Резюме. В самом начале отцы-основатели сделали правильное предположение: полноценный ИИ можно создать только на основе технологий, работающих по аналогии с нейронной сетью человеческого мозга. Дальнейшая история подтвердила эту гипотезу.
Автор: Digit-march
