Historie umělé inteligence - History of artificial intelligence
Část série na |
Umělá inteligence |
---|
Technologie |
Glosář |
Historie výpočtů |
---|
Hardware |
Software |
Počítačová věda |
Moderní koncepty |
Podle země |
Časová osa výpočtu |
Glosář počítačové vědy |
|
The historie umělé inteligence (AI) začalo v starověk, s mýty, příběhy a pověstmi o umělých bytostech vybavených inteligencí nebo vědomím od mistrů. Semena moderní AI byla zasazena klasickými filozofy, kteří se pokoušeli popsat proces lidského myšlení jako mechanickou manipulaci se symboly. Tato práce vyvrcholila vynálezem programovatelný digitální počítač ve 40. letech 20. století stroj založený na abstraktní podstatě matematického uvažování. Toto zařízení a myšlenky za ním inspirovaly několik vědců, aby začali vážně diskutovat o možnosti budování elektronického mozku.
Pole AI výzkum byl založen na a dílna konané v areálu Dartmouth College v létě roku 1956.[1] Ti, kteří se zúčastnili, se stali vůdci výzkumu AI po celá desetiletí. Mnoho z nich předpovídalo, že stroj tak inteligentní jako lidská bytost nebude existovat do více než jedné generace, a dostali miliony dolarů, aby tuto vizi splnili.
Nakonec vyšlo najevo, že hrubě podcenili obtížnost projektu. V roce 1973, v reakci na kritiku od James Lighthill a neustálý tlak kongresu, NÁS. a Britské vlády přestal financovat nepřímý výzkum umělé inteligence a obtížná léta, která následovala, byla později známá jako „AI zima O sedm let později, vizionářská iniciativa Japonská vláda inspirovalo vlády a průmysl k tomu, aby umělé inteligenci poskytly miliardy dolarů, ale na konci 80. let byli investoři rozčarovaní a financování znovu zrušili.
Investice a zájem o AI vzkvétaly v prvních desetiletích 21. století, kdy strojové učení byl úspěšně aplikován na mnoho problémů v akademické sféře a průmyslu díky novým metodám, aplikaci výkonného počítačového hardwaru a sběru obrovských datových sad.
Předchůdci
Mýtické, fiktivní a spekulativní předchůdci
Mýtus a legenda
V řecké mytologii Talos byl obr postavený z bronzu, který působil jako strážce ostrova Kréta. Házel balvany na lodě útočníků a denně absolvoval 3 okruhy po obvodu ostrovů.[2] Podle pseudo-Apollodorus ' Bibliotheke, Koval Héfaista Talos pomocí kyklopů a představil automat jako dárek Minos.[3] V Argonautica, Jasone a Argonauti ho porazili pomocí jediného kolíku poblíž jeho nohy, který, jakmile byl odstraněn, umožňoval život ichor vytékat z jeho těla a nechat ho neživého.[4]
Pygmalion byl legendární král a sochař řecké mytologie, slavně zastoupený v Ovidius Proměny. V 10. knize Ovidovy narativní básně Pygmalion bude znechucen ženami, když bude svědkem způsobu, jakým Propoetidy prostituují se.[5] Navzdory tomu dává oběti v chrámu Venuše a žádá bohyni, aby mu přinesla ženu, stejně jako sochu, kterou vyřezal a do které se zamiloval. Skutečně socha, Galatea, ožila a podle některých účtů ona a Pygmalion počali dítě.[6]
The Golem je umělá bytost židovského folklóru, vytvořená z hlíny a - v závislosti na zdroji - často daná určitým objektem. Nejstarší písemná zpráva o výrobě golemů se nachází ve spisech Eleazar ben Judah z Worms kolem 12-13.[7] Během středověku se věřilo, že animace a Golem lze dosáhnout vložením kousku papíru s jakýmkoli Božím jménem do ústí hliněné figurky.[8] Na rozdíl od legendárních automatů Brazen Heads, a Golem nemohl mluvit.[9]
Alchymistické prostředky umělé inteligence

v O povaze věcí, napsaný švýcarským alchymistou, Paracelsus, popisuje postup, o kterém tvrdí, že jej lze vyrobit jako „umělého člověka“. Umístěním „spermie člověka“ do koňského hnoje a po 40 dnech jejím krmením „krví Arcanum of Mans“ se směs stane živým kojencem.[10] Předcházet Paracelsus byl Jābir ibn Hayyan převzít homunculus: Takwin[11] v Faust, druhá část tragédie podle Johann Wolfgang von Goethe, alchymisticky vyrobený Homunculus, předurčený k tomu, aby žil věčně v baňce, ve které byl vyroben, se snaží narodit do plného lidského těla. Po zahájení této transformace se však baňka rozbije a Homunculus zemře.[12]
Brzy moderní legendární automaty
Během raného novověku se o těchto legendárních automatech říkalo, že mají magickou schopnost odpovídat na otázky, které jim byly kladeny. Pozdně středověký alchymista a vědec Roger Bacon byl údajně vyroben drzá hlava, který si vytvořil legendu o tom, že byl čarodějem.[13] Tyto legendy byly podobné severskému mýtu o hlavě Mímira. Podle legendy byl Mímir známý svým intelektem a moudrostí a byl sťat ve válce irsir-Vanir. Odin prý „nabalzamoval“ hlavu bylinami a mluvil přes ni zaklínadla tak, že Mímirova hlava zůstala schopná s Odinem mluvit moudrost. Odin poté pro radu nechal hlavu blízko sebe.[14]
Moderní beletrie
V 19. století byly myšlenky o umělých lidech a myslících strojích rozvíjeny v beletrii, stejně jako v Mary Shelley je Frankenstein nebo Karel Čapek je R.U.R. (Rossumovi univerzální roboti),[15]a spekulace, jako např Samuel Butler „“Darwin mezi stroji."[16]AI se stala běžným tématem science fiction až do současnosti.
Automaty

Realistický humanoid automaty byly postaveny řemeslníky z každé civilizace, včetně Yan Shi,[17]Hrdina Alexandrie,[18]Al-Jazari,[19] Pierre Jaquet-Droz, a Wolfgang von Kempelen.[20]Nejstarší známé automaty byly posvátné sochy z starověký Egypt a Řecko. Věrní věřili, že řemeslník tyto postavy naplnil velmi skutečnou myslí, schopnou moudrosti a emocí -Hermes Trismegistus napsal, že „objevením pravé podstaty bohů byl člověk schopen ji reprodukovat.“[21][22]
Formální uvažování
Umělá inteligence je založena na předpokladu, že proces lidského myšlení lze mechanizovat. Studium mechanického - nebo „formálního“ rozumu má dlouhou historii. čínština, indický a řecký filozofové všichni vyvinuli strukturované metody formální dedukce v prvním tisíciletí př. n. l. Jejich myšlenky rozvíjeli v průběhu staletí filozofové jako např Aristoteles (který podal formální analýzu sylogismus ), Euklid (jehož Elementy byl modelem formálního uvažování), al-Khwārizmī (kdo vyvinul algebra a dal své jméno „algoritmus ") a evropské scholastika filozofové jako např Vilém z Ockhamu a Duns Scotus.[23]
Španělský filozof Ramon Llull (1232–1315) vytvořil několik logické stroje věnovaná produkci znalostí logickými prostředky;[24] Llull popsal své stroje jako mechanické entity, které by mohly kombinovat základní a nepopiratelné pravdy jednoduchými logickými operacemi, které stroj vytvořil mechanickými významy, a to tak, aby poskytly všechny možné znalosti.[25] Llull práce měla velký vliv na Gottfried Leibniz, který přestavěl své myšlenky.[26]

V 17. století Leibniz, Thomas Hobbes a René Descartes prozkoumala možnost, že veškeré racionální myšlení by mohlo být stejně systematické jako algebra nebo geometrie.[27]Hobbes skvěle napsal Leviatan: "rozum není nic jiného než zúčtování".[28]Leibniz předpokládal univerzální jazyk uvažování (jeho Characteristica Universalis ), což by snížilo argumentaci na výpočet, takže „by nebylo více zapotřebí sporů mezi dvěma filozofy než mezi dvěma účetními. Stačilo by vzít jejich tužky do ruky, až na jejich břidlice, a říkat si navzájem (s přítel jako svědek, pokud se jim líbí): Pojďme vypočítat."[29]Tito filozofové začali formulovat systém fyzických symbolů hypotéza, která by se stala vůdčí vírou výzkumu AI.
Ve 20. století byla studie matematická logika poskytl zásadní průlom, díky kterému se umělá inteligence zdála věrohodná. Základy postavily takové práce jako Boole je Zákony myšlení a Frege je Begriffsschrift. Stavět na Frege systém, Russell a Whitehead představil formální zpracování základů matematiky v jejich mistrovské dílo, Principia Mathematica v roce 1913. Inspirován Russell úspěch, David Hilbert vyzval matematiky 20. a 30. let, aby odpověděli na tuto základní otázku: „mohou být všechny matematické úvahy formalizovány?“[23]Na jeho otázku odpověděl Gödel je důkaz neúplnosti, Turing je stroj a Kostel je Lambda kalkul.[23][30]

Jejich odpověď byla překvapivá dvěma způsoby. Nejprve dokázali, že ve skutečnosti existují limity toho, čeho může matematická logika dosáhnout. Ale za druhé (a pro AI důležitější) jejich práce naznačila, že v těchto mezích žádný forma matematické úvahy by mohla být mechanizována. The Church-Turingova teze naznačil, že mechanické zařízení, které zamíchá symboly tak jednoduché jako 0 a 1, může napodobovat jakýkoli myslitelný proces matematické dedukce. Klíčovým poznatkem byl Turingův stroj —Jednoduchý teoretický konstrukt, který zachytil podstatu manipulace s abstraktními symboly. Tento vynález by inspiroval několik vědců, aby začali diskutovat o možnostech myslících strojů.[23][32]
Počítačová věda
Výpočtové stroje byly postaveny ve starověku a vylepšeny v průběhu historie mnoha matematiky, včetně (opět) filozofa Gottfried Leibniz. Na počátku 19. století Charles Babbage navrhl programovatelný počítač ( Analytický motor ), i když nikdy nebyl postaven. Ada Lovelace spekuloval, že stroj „by mohl skládat komplikované a vědecké hudební skladby jakéhokoli stupně složitosti nebo rozsahu“.[33] (Často je považována za první programátorku kvůli sada poznámek napsala úplně podrobně metodu výpočtu Bernoulliho čísla s motorem.)
První moderní počítače byly masivní stroje na rozbíjení kódů Druhá světová válka (jako Z3, ENIAC a Kolos ). Poslední dva z těchto strojů byly založeny na teoretickém základu položeném Alan Turing[34] a vyvinutý společností John von Neumann.[35]
Zrození umělé inteligence 1952–1956

Ve 40. a 50. letech začala hrstka vědců z různých oborů (matematika, psychologie, strojírenství, ekonomie a politologie) diskutovat o možnosti vytvoření umělého mozku. Pole umělá inteligence výzkum byl založen jako akademická disciplína v roce 1956.
Kybernetika a rané neuronové sítě
Nejstarší výzkum myslících strojů byl inspirován soutokem myšlenek, které začaly převládat na konci 30., 40. a počátku 50. let. Nedávný výzkum v neurologie ukázal, že mozek je elektrická síť neurony který střílel pulzy vše nebo nic. Norbert Wiener je kybernetika popsané řízení a stabilita v elektrických sítích. Claude Shannon je teorie informace popsané digitální signály (tj. signály typu „všechno nebo nic“). Alan Turing je teorie výpočtu ukázal, že jakoukoli formu výpočtu lze popsat digitálně. Úzký vztah mezi těmito myšlenkami naznačoval, že by bylo možné postavit elektronický mozek.[36]
Mezi příklady práce v tomto duchu patří roboti jako W. Gray Walter je želvy a Johns Hopkins Beast. Tyto stroje nepoužívaly počítače, digitální elektroniku ani symbolické uvažování; byly zcela ovládány analogovými obvody.[37]
Walter Pitts a Warren McCulloch analyzované sítě idealizovaných umělých neurony a ukázal, jak mohou v roce 1943 provádět jednoduché logické funkce.[38][39] Byli první, kdo popsal to, co by později vědci nazvali a nervová síť.[40] Jeden ze studentů inspirovaný Pitts a McCulloch byl mladý Marvin Minsky, pak 24letý postgraduální student. V roce 1951 (s Deanem Edmondsem) postavil první stroj neuronové sítě, SNARC.[41]Minsky se měl na příštích 50 let stát jedním z nejdůležitějších lídrů a inovátorů v AI.
Turingův test
V roce 1950 Alan Turing publikoval a orientační papír ve kterém spekuloval o možnosti vytvoření strojů, které myslí.[42]Poznamenal, že „myšlení“ je obtížné definovat a vymyslel své slavné Turingův test. Pokud by stroj mohl pokračovat v konverzaci (přes a dálnopis ), který byl k nerozeznání od rozhovoru s člověkem, pak bylo rozumné říci, že stroj „přemýšlel“. Tato zjednodušená verze problému umožnila Turingovi přesvědčivě argumentovat, že alespoň „myslící stroj“ je přijatelný a příspěvek odpověděl na všechny nejčastější námitky proti návrhu.[43] The Turingův test byl prvním vážným návrhem v EU filozofie umělé inteligence.
Hra AI
V roce 1951 pomocí Ferranti Mark 1 stroj University of Manchester, Christopher Strachey napsal program dámy a Dietrich Prinz napsal jeden pro šachy.[44] Arthur Samuel Program dámy, který byl vyvinut v polovině 50. a na počátku 60. let, nakonec dosáhl dostatečných dovedností, aby mohl vyzvat úctyhodného amatéra.[45] Hra AI bude i nadále používán jako měřítko pokroku v AI v celé její historii.
Symbolické uvažování a logický teoretik
Při přístupu k digitální počítače bylo možné v polovině padesátých let, několik vědců instinktivně uznalo, že stroj, který dokáže manipulovat s čísly, může manipulovat také se symboly a že manipulace se symboly může být podstatou lidského myšlení. Jednalo se o nový přístup k vytváření myslících strojů.[46]
V roce 1955 Allen Newell a (budoucí laureát Nobelovy ceny) Herbert A. Simon vytvořil „Logický teoretik "(s pomocí J. C. Shaw ). Program by nakonec dokázal 38 z prvních 52 vět v Russell a Whitehead je Principia Mathematica a pro některé najdete nové a elegantnější důkazy.[47]Simon řekl, že „vyřešili ctihodného problém mysli a těla, vysvětlující, jak systém složený z hmoty může mít vlastnosti mysli. “[48](Toto bylo první vyjádření filozofického postavení John Searle později by volal „Silná AI „: tyto stroje mohou obsahovat mysli stejně jako lidská těla.)[49]
Konference v Dartmouthu 1956: narození AI
The Dartmouthská konference z roku 1956[50]organizoval Marvin Minsky, John McCarthy a dva vedoucí vědci: Claude Shannon a Nathan Rochester z IBM. Návrh konference obsahoval toto tvrzení: „každý aspekt učení nebo jakýkoli jiný znak inteligence lze popsat tak přesně, že lze vyrobit stroj, který by jej simuloval“.[51]Účastníci v ceně Ray Solomonoff, Oliver Selfridge, Trenchard více, Arthur Samuel, Allen Newell a Herbert A. Simon, z nichž všichni by během prvních desetiletí výzkumu AI vytvořili důležité programy.[52]Na konferenci Newell a Simon debutovali „Logický teoretik “a McCarthy přesvědčil účastníky, aby přijali„ umělou inteligenci “jako název pole.[53]Konference v Dartmouthu v roce 1956 byla okamžikem, kdy AI získala své jméno, své poslání, svůj první úspěch a své hlavní hráče a je široce považována za zrod AI.[54] Pojem „umělá inteligence“ zvolil McCarthy, aby se vyhnul asociacím s kybernetika a spojení s vlivným kybernetikem Norbert Wiener.[55]
Zlaté roky 1956–1974
Programy vyvinuté v letech po Dartmouth Workshopu byly pro většinu lidí jednoduše „úžasné“:[56] počítače řešily slovní úlohy z algebry, dokazovaly věty v geometrii a učily se mluvit anglicky. Málokdo v té době by uvěřil, že takové „inteligentní“ chování strojů je vůbec možné.[57] Vědci vyjádřili intenzivní optimismus v soukromí i v tisku a předpovídali, že plně inteligentní stroj bude vyroben za méně než 20 let.[58] Vládní agentury jako DARPA nalil peníze do nového pole.[59]
Práce
Na konci 50. a 60. let bylo mnoho úspěšných programů a nových směrů. Mezi nejvlivnější patří:
Odůvodnění jako hledání
Mnoho raných programů AI používalo stejný základ algoritmus. Aby dosáhli nějakého cíle (jako vyhrát hru nebo dokázat větu), postupovali krok za krokem k němu (provedením tahu nebo dedukce), jako by prohledávali bludiště, ustoupit kdykoli se dostali do slepé uličky. Toto paradigma se jmenovalo „uvažování jako hledání ".[60]
Hlavní obtíží spočívalo v tom, že u mnoha problémů byl počet možných cest „bludištěm“ jednoduše astronomický (situace známá jako „kombinatorická exploze "). Vědci by zmenšili prostor pro vyhledávání pomocí heuristika nebo „pravidla „to by eliminovalo ty cesty, u nichž je nepravděpodobné, že by vedly k řešení.[61]
Newell a Simone se pokusil zachytit obecnou verzi tohoto algoritmu v programu zvaném „Obecné řešení problémů ".[62] Jiné „vyhledávací“ programy dokázaly splnit působivé úkoly, jako je řešení problémů v geometrii a algebře, jako např Herbert Gelernter je Poskytovatel věty o geometrii (1958) a SVATÝ, napsáno Minského student James Slagle (1961).[63] Jiné programy prohledávaly cíle a dílčí cíle a plánovaly akce, například PÁSKY systém vyvinutý v Stanford ovládat chování jejich robota Roztřesený.[64]

Přirozený jazyk
Důležitým cílem výzkumu AI je umožnit počítačům komunikovat přirozené jazyky jako angličtina. Časný úspěch byl Daniel Bobrow program STUDENT, které by mohly vyřešit slovní úlohy ze střední algebry.[65]
A sémantická síť představuje pojmy (např. „dům“, „dveře“) jako uzly a vztahy mezi pojmy (např. „has-a“) jako vazby mezi uzly. První program AI, který používal sémantickou síť, napsal Ross Quillian[66] a nejúspěšnější (a kontroverzní) verze byla Roger Schank je Teorie koncepční závislosti.[67]
Joseph Weizenbaum je ELIZA mohl vést rozhovory, které byly tak realistické, že se uživatelé občas nechali oklamat, když si mysleli, že komunikují s lidskou bytostí, a ne s programem. Ale ve skutečnosti ELIZA netušila, o čem to mluví. Prostě dala konzervovaná odpověď nebo zopakoval, co jí bylo řečeno, přeformuloval její odpověď několika gramatickými pravidly. ELIZA byla první chatterbot.[68]
Mikrosvěty
Na konci 60. let Marvin Minsky a Seymour Papert z MIT Laboratoř AI navrhla, aby se výzkum AI zaměřil na uměle jednoduché situace známé jako mikrosvěty. Poukázali na to, že v úspěšných vědách, jako je fyzika, byly základní principy často nejlépe pochopitelné pomocí zjednodušených modelů, jako jsou roviny bez tření nebo dokonale tuhá tělesa. Velká část výzkumu se zaměřila na „blokuje svět „“, který se skládá z barevných bloků různých tvarů a velikostí uspořádaných na rovném povrchu.[69]
Toto paradigma vedlo k inovativní práci v strojové vidění podle Gerald Sussman (kdo vedl tým), Adolfo Guzman, David Valčík (kdo vynalezl "šíření omezení "), a zejména Patrick Winston. Ve stejnou dobu, Minsky a Papert postavil robotické rameno, které dokázalo skládat bloky a oživit svět bloků. Vrcholným úspěchem programu pro mikrosvět byl Terry Winograd je SHRDLU. Mohl komunikovat běžnými anglickými větami, plánovat operace a provádět je.[70]
Optimismus
První generace vědců z oblasti AI učinila tyto předpovědi o své práci:
- 1958, H. A. Simon a Allen Newell: „do deseti let bude digitální počítač mistrem světa v šachu“ a „do deseti let digitální počítač objeví a prokáže důležitou novou matematickou větu.“[71]
- 1965, H. A. Simon: „stroje budou schopné do dvaceti let vykonat jakoukoli práci, jakou dokáže člověk.“[72]
- 1967, Marvin Minsky: „Během generace ... bude problém vytváření„ umělé inteligence “podstatně vyřešen.“[73]
- 1970, Marvin Minsky (v Život Časopis ): „Za tři až osm let budeme mít stroj s obecnou inteligencí průměrného člověka.“[74]
Peníze
V červnu 1963 MIT obdržel grant ve výši 2,2 milionu dolarů od nově vytvořené Agentury pro pokročilé výzkumné projekty (později známé jako DARPA ). Peníze byly použity na financování projekt MAC který zahrnoval "skupinu AI" založenou Minsky a McCarthy o pět let dříve. DARPA nadále poskytoval tři miliony dolarů ročně až do 70. let.[75]DARPA udělila podobné granty Newell a Simonův program na CMU a do Stanfordský projekt AI (založeno John McCarthy v roce 1963).[76] Další důležitá laboratoř AI byla založena v Edinburgh University podle Donald Michie v roce 1965.[77]Tyto čtyři instituce by byly po mnoho let nadále hlavními centry výzkumu (a financování) umělé inteligence na akademické půdě.[78]
Peníze byly nabízeny s několika připojenými řetězci: J. C. R. Licklider, pak ředitel ARPA, věřil, že jeho organizace by měla „financovat lidi, nikoli projekty!“ a umožnilo vědcům sledovat jakékoli směry, které by je mohly zajímat.[79] Tím se vytvořila atmosféra volného pohybu v MIT která porodila hackerská kultura,[80] ale tento přístup „předat ruce“ by nevydržel.
Robotika
V Japonsku, Waseda University zahájil projekt WABOT v roce 1967 a v roce 1972 dokončil WABOT-1, prvního inteligentního systému na světě humanoidní robot,[81][82] nebo Android. Jeho systém ovládání končetin mu umožňoval chodit s dolními končetinami a pomocí hmatových senzorů uchopovat a přepravovat předměty rukama. Jeho systém vidění mu umožňoval měřit vzdálenosti a směry k objektům pomocí externích receptorů, umělých očí a uší. A jeho konverzační systém mu umožňoval komunikovat s osobou v japonštině s umělou pusou.[83][84][85]
První zima AI 1974–1980
V 70. letech podléhala AI kritice a finančním neúspěchům. Výzkumníci AI nedokázali ocenit obtížnost problémů, kterým čelili. Jejich ohromný optimismus zvýšil očekávání neskutečně vysoko, a když se slíbené výsledky neuskutečnily, financování AI zmizelo.[86] Současně pole konekcionismus (nebo neurální sítě ) byl téměř na 10 let vypnut Marvin Minsky je zničující kritika z perceptrony.[87]Navzdory problémům s vnímáním AI veřejností na konci 70. let byly objeveny nové myšlenky logické programování, rozumné uvažování a mnoho dalších oblastí.[88]
Problémy
Na počátku sedmdesátých let byly možnosti programů AI omezené. I ty nejpůsobivější zvládly jen triviální verze problémů, které měly vyřešit; všechny programy byly v jistém smyslu „hračky“.[89] Výzkumníci AI začali narážet na několik základních limitů, které nebylo možné překonat v 70. letech. Ačkoli některé z těchto limitů budou překonány v pozdějších desetiletích, jiné stále potlačují pole dodnes.[90]
- Omezený výkon počítače: Nebylo dost paměti nebo rychlosti zpracování, aby bylo možné dosáhnout cokoli skutečně užitečného. Například, Ross Quillian Úspěšná práce na přirozeném jazyce byla prokázána pouze slovní zásobou dvacet slova, protože to bylo vše, co by se vešlo do paměti.[91] Hans Moravec v roce 1976 tvrdil, že počítače jsou stále milionkrát příliš slabé na to, aby vykazovaly inteligenci. Navrhl analogii: umělá inteligence vyžaduje výkon počítače stejným způsobem, jaký vyžadují letadla koňská síla. Pod určitou prahovou hodnotou je to nemožné, ale jako síla zvyšuje, nakonec by to mohlo být snadné.[92] Pokud jde o počítačové vidění, Moravec odhadoval, že prosté přizpůsobení schopností detekce hran a pohybu lidské sítnice v reálném čase by vyžadovalo univerzální počítač schopný 109 operací za sekundu (1 000 MIPS).[93] Od roku 2011 vyžadují praktické aplikace pro počítačové vidění 10 000 až 1 000 000 MIPS. Pro srovnání, nejrychlejší superpočítač v roce 1976, Cray-1 (maloobchodní prodej od 5 do 8 milionů dolarů), byl schopný pouze kolem 80 až 130 MIPS a typický stolní počítač v té době dosáhl méně než 1 MIPS.
- Nepoddajnost a kombinatorická exploze. V roce 1972 Richard Karp (staví na Stephen Cook rok 1971 teorém ) ukázal, že existují mnoho problémů to lze pravděpodobně vyřešit pouze v exponenciální čas (ve velikosti vstupů). Nalezení optimálního řešení těchto problémů vyžaduje nepředstavitelné množství počítačového času, kromě případů, kdy jsou problémy banální. To téměř jistě znamenalo, že mnoho „hračkových“ řešení používaných umělou inteligencí by se pravděpodobně nikdy nezměnilo na užitečné systémy.[94]
- Zdravá znalost a uvažování. Mnoho důležitých aplikací umělé inteligence jako vidění nebo přirozený jazyk vyžadují prostě obrovské množství informací o světě: program musí mít určitou představu o tom, na co se může dívat nebo o čem mluví. To vyžaduje, aby program věděl o světě to samé, co dítě. Vědci brzy zjistili, že to bylo skutečně obrovský množství informací. Nikdo v roce 1970 nemohl vytvořit tak velkou databázi a nikdo nevěděl, jak se program může naučit tolik informací.[95]
- Moravecův paradox: Prokazování vět a řešení geometrických problémů je pro počítače poměrně snadné, ale údajně jednoduchý úkol, jako je rozpoznání tváře nebo překonání místnosti bez narážení na cokoli, je nesmírně obtížný. To pomáhá vysvětlit, proč je výzkum prováděn vidění a robotika dosáhl tak malého pokroku v polovině 70. let.[96]
- The rám a problémy s kvalifikací. Výzkumníci AI (jako John McCarthy ) kdo používal logika zjistili, že nemohou představovat běžné odpočty, kterých se to týká plánování nebo výchozí uvažování bez provedení změn ve struktuře samotné logiky. Vyvinuli nové logiky (jako nemonotonické logiky a modální logika ) pokusit se problémy vyřešit.[97]
Konec financování
Agentury, které financovaly výzkum umělé inteligence (např Britská vláda, DARPA a NRC ) byl frustrován nedostatkem pokroku a nakonec přerušil téměř veškeré financování neřízeného výzkumu AI. Tento vzorec začal již v roce 1966, kdy ALPAC zpráva kritizovala snahy o strojový překlad. Poté, co utratil 20 milionů dolarů, NRC ukončila veškerou podporu.[98]V roce 1973 Světlá zpráva o stavu výzkumu AI v Anglii kritizovala naprosté selhání AI při dosahování „grandiózních cílů“ a vedla k demontáži výzkumu AI v této zemi.[99](Zpráva konkrétně zmínila kombinatorická exploze problém jako důvod selhání AI.)[100]DARPA byl hluboce zklamaný výzkumníky, kteří pracovali na Výzkum porozumění řeči program na CMU a zrušil roční grant ve výši tří milionů dolarů.[101]Do roku 1974 bylo těžké najít financování projektů AI.
Hans Moravec obvinil krizi z nerealistických předpovědí svých kolegů. „Mnoho vědců bylo uvězněno v síti rostoucí nadsázky.“[102]Došlo však k dalšímu problému: od průchodu Mansfieldův pozměňovací návrh v roce 1969, DARPA byl pod rostoucím tlakem, aby financoval „přímý výzkum zaměřený na poslání, spíše než základní nepřímý výzkum“. Financování kreativního, volného průzkumu, který probíhal v 60. letech, nepochází z DARPA. Místo toho byly peníze směřovány na konkrétní projekty s jasnými cíli, jako jsou autonomní tanky a systémy řízení bitev.[103]
Kritiky z celého areálu
Několik filozofů mělo silné námitky proti tvrzením učiněným výzkumníky AI. Jeden z prvních byl John Lucas, který to argumentoval Gödelova věta o neúplnosti ukázal, že a formální systém (například počítačový program) nikdy neviděl pravdivost určitých tvrzení, zatímco člověk ano.[104] Hubert Dreyfus vysmíval se porušeným slibům šedesátých let a kritizoval předpoklady AI a tvrdil, že lidské uvažování ve skutečnosti zahrnovalo velmi málo „zpracování symbolů“ a velké množství ztělesněný, instinktivní, nevědomý "vím jak ".[105][106] John Searle je Čínský pokoj Argument předložený v roce 1980 se pokusil ukázat, že o programu nelze říci, že „rozumí“ symbolům, které používá (kvalita zvaná „záměrnost "). Pokud symboly nemají pro stroj žádný význam, argumentoval Searle, pak nelze stroj popsat jako„ myšlení ".[107]
Výzkumníci AI nebrali tyto kritiky vážně, často proto, že vypadali tak daleko od věci. Problémy jako nepoddajnost a znalost rozumu vypadal mnohem bezprostředněji a vážněji. Nebylo jasné, jaký rozdíl “vím jak „nebo“záměrnost "provedeno do skutečného počítačového programu. Minsky řekl o Dreyfusovi a Searlovi „nedorozumění a měli by být ignorováni.“[108] Dreyfus, který učil na MIT, dostal studené rameno: později řekl, že vědci z oblasti AI „se neodvážili vidět se mnou na obědě.“[109] Joseph Weizenbaum, autor ELIZA, cítil, jak s ním jeho kolegové zacházeli Dreyfus byl neprofesionální a dětinský. Ačkoli byl otevřeným kritikem Dreyfusových pozic, „záměrně objasnil, že jejich není způsob, jak zacházet s lidskou bytostí“.[110]
Weizenbaum začal mít vážné etické pochybnosti o AI, když Kenneth Colby napsal „počítačový program, který může vést psychoterapeutický dialog“ založený na ELIZA.[111] Weizenbauma znepokojilo, že Colby viděl bezduchý program jako vážný terapeutický nástroj. Začal spor a situaci nepomohlo, když Colby za svůj příspěvek do programu nepřiznal Weizenbaumovi. V roce 1976 Weizenbaum zveřejněno Síla počítače a lidský rozum který tvrdil, že zneužívání umělé inteligence má potenciál devalvovat lidský život.[112]
Perceptrony a útok na konekcionalismus
A perceptron byla forma nervová síť představen v roce 1958 Frank Rosenblatt, který byl spolužákem Marvin Minsky na Bronx High School of Science. Jako většina vědců v oblasti umělé inteligence byl ohledně jejich síly optimistický a předpovídal, že „perceptron se nakonec může naučit, rozhodovat a překládat jazyky“. Aktivní výzkumný program týkající se paradigmatu byl prováděn během šedesátých let, ale jeho zveřejněním se náhle zastavil Minsky a Papertova Kniha z roku 1969 Perceptrony. Naznačovalo to, že existují přísná omezení toho, co perceptrony mohou dělat, a to Frank Rosenblatt předpovědi byly hrubě přehnané. Účinek knihy byl zničující: v roce 2006 nebyl proveden prakticky žádný výzkum konekcionismus po dobu 10 let. Nakonec nová generace vědců pole oživí a poté se stane důležitou a užitečnou součástí umělé inteligence. Rosenblatt by se toho nedožil, protože zemřel při nehodě na lodi krátce po vydání knihy.[87]
„Čisté“: logické a symbolické uvažování
Logika byla do výzkumu AI zavedena již v roce 1959 autorem John McCarthy v jeho Poradce návrh.[113]V roce 1963 J. Alan Robinson objevil jednoduchou metodu implementace dedukce na počítačích, rozlišení a unifikace algoritmus. Přímé implementace, jako byly pokusy McCarthyho a jeho studentů na konci 60. let, však byly obzvláště neřešitelné: programy vyžadovaly astronomické počty kroků, aby dokázaly jednoduché věty.[114] Plodnější přístup k logice byl vyvinut v 70. letech 20. století Robert Kowalski na University of Edinburgh a brzy to vedlo ke spolupráci s francouzskými vědci Alain Colmerauer a Philippe Roussel který vytvořil úspěšný logický programovací jazyk Prolog.[115]Prolog používá podmnožinu logiky (Horn klauzule, úzce souvisí s „pravidly“ a „výrobní pravidla "), které umožňují použitelný výpočet. Pravidla budou i nadále vlivná a budou základem pro Edward Feigenbaum je expertní systémy a pokračování v práci Allen Newell a Herbert A. Simon to by vedlo k Stoupat a jejich sjednocené teorie poznání.[116]
Kritici logického přístupu poznamenali, jak Dreyfus měli, že lidské bytosti zřídka používaly logiku, když řešily problémy. Experimenty psychologů jako Peter Wason, Eleanor Rosch, Amos Tversky, Daniel Kahneman a další poskytli důkaz.[117]McCarthy odpověděl, že to, co lidé dělají, je irelevantní. Tvrdil, že to, co je skutečně potřeba, jsou stroje, které dokážou vyřešit problémy - ne stroje, které myslí jako lidé.[118]
„Scruffies“: rámce a skripty
Mezi kritiky McCarthyho přístupu byli jeho kolegové po celé zemi v MIT. Marvin Minsky, Seymour Papert a Roger Schank se pokoušeli vyřešit problémy jako „porozumění příběhu“ a „rozpoznávání objektů“ Požadované stroj myslet jako člověk. Aby bylo možné použít běžné pojmy jako „židle“ nebo „restaurace“, museli učinit všechny stejné nelogické předpoklady, jaké lidé běžně vytvářeli. Nepřesné koncepce, jako jsou tyto, je bohužel v logice těžké představit. Gerald Sussman poznamenal, že „používání přesného jazyka k popisu v podstatě nepřesných konceptů je nepřesní.“[119] Schank popsali své „antilogické“ přístupy jako „ošumělý ", na rozdíl od"elegantní "paradigmata používaná McCarthy, Kowalski, Feigenbaum, Newell a Simone.[120]
V roce 1975, v seminární práci, Minsky poznamenal, že mnoho jeho kolegů „zanedbaných“ vědců používalo stejný druh nástroje: rámec, který zachycuje všechny naše předpoklady zdravého rozumu o něčem. Například pokud použijeme koncept ptáka, okamžitě nás napadne konstelace faktů: mohli bychom předpokládat, že letí, žere červy a tak dále. Víme, že tato fakta nejsou vždy pravdivá a že dedukce pomocí těchto faktů nebudou „logické“, ale tyto strukturované sady předpokladů jsou součástí kontext všeho, co říkáme a myslíme. Nazval tyto struktury "rámy ". Schank použil verzi rámců, které nazval „skripty „úspěšně odpovědět na otázky o povídkách v angličtině.[121] O mnoho let později objektově orientované programování přijme základní myšlenku „dědictví „z výzkumu AI na rámech.
Boom 1980–1987
V 80. letech byla forma programu AI s názvem „expertní systémy "byl přijat korporacemi z celého světa a znalost se stal ohniskem hlavního proudu výzkumu AI. Ve stejných letech japonská vláda agresivně financovala AI z ní počítač páté generace projekt. Další povzbudivou událostí na začátku 80. let bylo oživení konekcionismus v práci John Hopfield a David Rumelhart. AI opět dosáhla úspěchu.[122]
Vzestup expertních systémů
An expertní systém je program, který pomocí logiky odpovídá na otázky nebo řeší problémy týkající se konkrétní oblasti znalostí pravidla které vycházejí ze znalostí odborníků. Nejčasnější příklady byly vyvinuty Edward Feigenbaum a jeho studenty. Dendral, započatá v roce 1965, identifikovala sloučeniny ze odečtů ze spektrometru. MYCIN, vyvinutý v roce 1972, diagnostikoval infekční onemocnění krve. Prokázali proveditelnost tohoto přístupu.[123]
Expertní systémy se omezily na malou doménu konkrétních znalostí (čímž se vyhnuly znalost rozumu problém) a jejich jednoduchý design umožňoval relativně snadné vytváření a následnou úpravu programů, jakmile byly na místě. Celkově se programy ukázaly jako užitečný: něco, čeho AI dosud nebyla schopna dosáhnout.[124]
V roce 1980 zavolal expertní systém XCON byla dokončena v CMU pro Digital Equipment Corporation. Byl to obrovský úspěch: do roku 1986 společnost každoročně šetřila 40 milionů dolarů.[125] Korporace po celém světě začaly vyvíjet a zavádět expertní systémy a do roku 1985 utrácely přes AI přes miliardu dolarů, většinou na interní oddělení AI. Vyrostlo odvětví, které je podporuje, včetně hardwarových společností, jako je Symbolika a Lisp stroje a softwarové společnosti jako IntelliCorp a Aion.[126]
Znalostní revoluce
Síla expertních systémů vycházela z odborných znalostí, které obsahovaly. Byli součástí nového směru ve výzkumu AI, který se prosazoval během 70. let. „Výzkumníci umělé inteligence začínali tušit - neochotně, protože to porušilo vědecký kánon šetrnosti -, že inteligence by mohla velmi dobře vycházet ze schopnosti využívat velké množství různých znalostí různými způsoby,“[127] píše Pamela McCorduck. „Velkou lekcí ze 70. let bylo, že inteligentní chování velmi záviselo na řešení znalostí, někdy docela podrobných znalostí, o doméně, kde ležel daný úkol.“[128] Znalostní systémy a znalostní inženýrství se stal hlavním zaměřením výzkumu AI v 80. letech.[129]
V 80. letech se také zrodilo Cyc, první pokus o útok na zdravý rozum znalostní problém přímo vytvořením rozsáhlé databáze, která by obsahovala všechna světská fakta, která průměrný člověk zná. Douglas Lenat, který zahájil a vedl projekt, tvrdil, že neexistuje žádná zkratka - jediný způsob, jak mohou stroje znát význam lidských konceptů, je naučit je, jeden koncept po druhém, ručně. Dokončení projektu se neočekávalo po mnoho desetiletí.[130]
Šachové programy HiTech a Hluboká myšlenka defeated chess masters in 1989. Both were developed by Univerzita Carnegie Mellon; Deep Thought development paved the way for Tmavě modrá.[131]
The money returns: the Fifth Generation project
V roce 1981 Japonské ministerstvo mezinárodního obchodu a průmyslu set aside $850 million for the Počítač páté generace projekt. Their objectives were to write programs and build machines that could carry on conversations, translate languages, interpret pictures, and reason like human beings.[132] Much to the chagrin of scruffies, vybrali si Prolog as the primary computer language for the project.[133]
Other countries responded with new programs of their own. The UK began the £350 million Alvey projekt. A consortium of American companies formed the Microelectronics and Computer Technology Corporation (or "MCC") to fund large scale projects in AI and information technology.[134][135] DARPA responded as well, founding the Strategická výpočetní iniciativa and tripling its investment in AI between 1984 and 1988.[136]

The revival of connectionism
In 1982, physicist John Hopfield was able to prove that a form of neural network (now called a "Hopfield net ") could learn and process information in a completely new way. Around the same time, Geoffrey Hinton a David Rumelhart popularized a method for training neural networks called "zpětná propagace ", also known as the reverse mode of automatické rozlišení publikováno Seppo Linnainmaa (1970) and applied to neural networks by Paul Werbos. These two discoveries helped to revive the field of connectionism.[135][137]
The new field was unified and inspired by the appearance of Paralelní distribuované zpracování in 1986—a two volume collection of papers edited by Rumelhart and psychologist James McClelland. Neural networks would become commercially successful in the 1990s, when they began to be used as the engines driving programs like optické rozpoznávání znaků a rozpoznávání řeči.[135][138]
Vývoj kov – oxid – polovodič (MOS) velmi rozsáhlá integrace (VLSI), in the form of complementary MOS (CMOS ) technology, enabled the development of practical umělá neuronová síť (ANN) technology in the 1980s. Významnou publikací v této oblasti byla kniha z roku 1989 Analogová implementace VLSI neurálních systémů autor: Carver A. Mead a Mohammed Ismail.[139]
Bust: the second AI winter 1987–1993
The business community's fascination with AI rose and fell in the 1980s in the classic pattern of an ekonomická bublina. The collapse was in the vnímání of AI by government agencies and investors – the field continued to make advances despite the criticism. Rodney Brooks a Hans Moravec, researchers from the related field of robotika, argued for an entirely new approach to artificial intelligence.
AI zima
Termín "AI zima " was coined by researchers who had survived the funding cuts of 1974 when they became concerned that enthusiasm for expert systems had spiraled out of control and that disappointment would certainly follow.[140] Their fears were well founded: in the late 1980s and early 1990s, AI suffered a series of financial setbacks.
The first indication of a change in weather was the sudden collapse of the market for specialized AI hardware in 1987. Desktop computers from Jablko a IBM had been steadily gaining speed and power and in 1987 they became more powerful than the more expensive Lisp stroje od Symbolika a další. There was no longer a good reason to buy them. An entire industry worth half a billion dollars was demolished overnight.[141]
Eventually the earliest successful expert systems, such as XCON, proved too expensive to maintain. They were difficult to update, they could not learn, they were "křehký " (i.e., they could make grotesque mistakes when given unusual inputs), and they fell prey to problems (such as the problém s kvalifikací ) that had been identified years earlier. Expert systems proved useful, but only in a few special contexts.[142]
Na konci 80. let 20. století Strategická výpočetní iniciativa cut funding to AI "deeply and brutally." New leadership at DARPA had decided that AI was not "the next wave" and directed funds towards projects that seemed more likely to produce immediate results.[143]
By 1991, the impressive list of goals penned in 1981 for Japan's Projekt páté generace nebyly splněny. Indeed, some of them, like "carry on a casual conversation" had not been met by 2010.[144] As with other AI projects, expectations had run much higher than what was actually possible.[144]
Over 300 AI companies had shutdown, gone bankrupt, or been acquired by the end of 1993, effectively ending the first commercial wave of AI.[145]
Nouvelle AI and embodied reason
In the late 1980s, several researchers advocated a completely new approach to artificial intelligence, based on robotics.[146] They believed that, to show real intelligence, a machine needs to have a tělo — it needs to perceive, move, survive and deal with the world. They argued that these sensorimotor skills are essential to higher level skills like rozumné uvažování and that abstract reasoning was actually the nejméně interesting or important human skill (see Moravecův paradox ). They advocated building intelligence "from the bottom up."[147]
The approach revived ideas from kybernetika a teorie řízení that had been unpopular since the sixties. Another precursor was David Marr, kdo přišel MIT in the late 1970s from a successful background in theoretical neuroscience to lead the group studying vidění. He rejected all symbolic approaches (oba McCarthyho logic and Minsky 's frames), arguing that AI needed to understand the physical machinery of vision from the bottom up before any symbolic processing took place. (Marr's work would be cut short by leukemia in 1980.)[148]
In a 1990 paper, "Elephants Don't Play Chess,"[149] výzkumník robotiky Rodney Brooks took direct aim at the physical symbol system hypothesis, arguing that symbols are not always necessary since "the world is its own best model. It is always exactly up to date. It always has every detail there is to be known. The trick is to sense it appropriately and often enough."[150] In the 1980s and 1990s, many kognitivní vědci also rejected the symbol processing model of the mind and argued that the body was essential for reasoning, a theory called the embodied mind teze.[151]
AI 1993–2011
The field of AI, now more than a half a century old, finally achieved some of its oldest goals. It began to be used successfully throughout the technology industry, although somewhat behind the scenes. Some of the success was due to increasing computer power and some was achieved by focusing on specific isolated problems and pursuing them with the highest standards of scientific accountability. Still, the reputation of AI, in the business world at least, was less than pristine. Inside the field there was little agreement on the reasons for AI's failure to fulfill the dream of human level intelligence that had captured the imagination of the world in the 1960s. Together, all these factors helped to fragment AI into competing subfields focused on particular problems or approaches, sometimes even under new names that disguised the tarnished pedigree of "artificial intelligence".[152] AI was both more cautious and more successful than it had ever been.
Milestones and Moore's law
On 11 May 1997, Tmavě modrá became the first computer chess-playing system to beat a reigning world chess champion, Garry Kasparov.[153] The super computer was a specialized version of a framework produced by IBM, and was capable of processing twice as many moves per second as it had during the first match (which Deep Blue had lost), reportedly 200,000,000 moves per second. The event was broadcast live over the internet and received over 74 million hits.[154]
In 2005, a Stanford robot won the Velká výzva DARPA by driving autonomously for 131 miles along an unrehearsed desert trail.[155] Two years later, a team from CMU won the Městská výzva DARPA by autonomously navigating 55 miles in an Urban environment while adhering to traffic hazards and all traffic laws.[156] In February 2011, in a Ohrožení! kvíz exhibition match, IBM je question answering system, Watson, defeated the two greatest Jeopardy! šampioni, Brad Rutter a Ken Jennings, by a significant margin.[157]
These successes were not due to some revolutionary new paradigm, but mostly on the tedious application of engineering skill and on the tremendous increase in the speed and capacity of computer by the 90s.[158] Ve skutečnosti, Deep Blue's computer was 10 million times faster than the Ferranti Mark 1 že Christopher Strachey taught to play chess in 1951.[159] This dramatic increase is measured by Moorův zákon, which predicts that the speed and memory capacity of computers doubles every two years, as a result of kov – oxid – polovodič (MOS) počty tranzistorů doubling every two years. The fundamental problem of "raw computer power" was slowly being overcome.
Inteligentní agenti
A new paradigm called "inteligentní agenti " became widely accepted during the 1990s.[160] Although earlier researchers had proposed modular "divide and conquer" approaches to AI,[161] the inteligentní agent did not reach its modern form until Judea Pearl, Allen Newell, Leslie P. Kaelbling, and others brought concepts from teorie rozhodování and economics into the study of AI.[162] Když economist's definice a racionální agent byl ženatý s počítačová věda 's definition of an objekt nebo modul, inteligentní agent paradigm was complete.
An inteligentní agent is a system that perceives its environment and takes actions which maximize its chances of success. By this definition, simple programs that solve specific problems are "intelligent agents", as are human beings and organizations of human beings, such as firmy. The intelligent agent paradigm defines AI research as "the study of intelligent agents". This is a generalization of some earlier definitions of AI: it goes beyond studying human intelligence; it studies all kinds of intelligence.[163]
The paradigm gave researchers license to study isolated problems and find solutions that were both verifiable and useful. It provided a common language to describe problems and share their solutions with each other, and with other fields that also used concepts of abstract agents, like economics and teorie řízení. It was hoped that a complete architektura agentů (jako Newell's SOAR ) would one day allow researchers to build more versatile and intelligent systems out of interacting inteligentní agenti.[162][164]
The "victory of the neats"
AI researchers began to develop and use sophisticated mathematical tools more than they ever had in the past.[165] There was a widespread realization that many of the problems that AI needed to solve were already being worked on by researchers in fields like matematika, economics or operační výzkum. The shared mathematical language allowed both a higher level of collaboration with more established and successful fields and the achievement of results which were measurable and provable; AI had become a more rigorous "scientific" discipline. Russell & Norvig (2003) describe this as nothing less than a "revolution" and "the victory of the neats ".[166][167]
Judea Pearl 's influential 1988 book[168] přinesl pravděpodobnost a teorie rozhodování into AI. Among the many new tools in use were Bayesovské sítě, skryté Markovovy modely, teorie informace, stochastické modelování a klasické optimalizace. Precise mathematical descriptions were also developed for "výpočetní inteligence " paradigms like neuronové sítě a evoluční algoritmy.[166]
AI behind the scenes
Algorithms originally developed by AI researchers began to appear as parts of larger systems. AI had solved a lot of very difficult problems[169]and their solutions proved to be useful throughout the technology industry,[170] jakodolování dat,průmyslová robotika,logistics,[171]rozpoznávání řeči,[172]banking software,[173]lékařská diagnóza[173]a Google 's search engine.[174]
The field of AI received little or no credit for these successes in the 1990s and early 2000s. Many of AI's greatest innovations have been reduced to the status of just another item in the tool chest of computer science.[175] Nick Bostrom explains "A lot of cutting edge AI has filtered into general applications, often without being called AI because once something becomes useful enough and common enough it's not labeled AI anymore."[176]
Many researchers in AI in the 1990s deliberately called their work by other names, such as informatika, znalostní systémy, kognitivní systémy nebo výpočetní inteligence. In part, this may have been because they considered their field to be fundamentally different from AI, but also the new names help to procure funding. In the commercial world at least, the failed promises of the AI zima continued to haunt AI research into the 2000s, as the New York Times reported in 2005: "Computer scientists and software engineers avoided the term artificial intelligence for fear of being viewed as wild-eyed dreamers."[177][178][179]
Predictions (or "Where is HAL 9000?")
V roce 1968 Arthur C. Clarke a Stanley Kubrick had imagined that, by the year 2001, a machine would exist with an intelligence that matched or exceeded the capability of human beings. The character they created, HAL 9000, was based on a belief shared by many leading AI researchers that such a machine would exist by the year 2001.[180]
In 2001, AI founder Marvin Minsky asked "So the question is why didn't we get HAL in 2001?"[181] Minsky believed that the answer is that the central problems, like rozumné uvažování, were being neglected, while most researchers pursued things like commercial applications of neurální sítě nebo genetické algoritmy. John McCarthy, on the other hand, still blamed the problém s kvalifikací.[182] Pro Ray Kurzweil, the issue is computer power and, using Mooreův zákon, he predicted that machines with human-level intelligence will appear by 2029.[183] Jeff Hawkins argued that neural net research ignores the essential properties of the human kůra, preferring simple models that have been successful at solving simple problems.[184] There were many other explanations and for each there was a corresponding research program underway.
Deep learning, big data and artificial general intelligence: 2011–present
In the first decades of the 21st century, access to large amounts of data (known as "velká data "), cheaper and faster computers a pokročilé strojové učení techniques were successfully applied to many problems throughout the economy. In fact, McKinsey Global Institute estimated in their famous paper "Big data: The next frontier for innovation, competition, and productivity" that "by 2009, nearly all sectors in the US economy had at least an average of 200 terabytes of stored data".
By 2016, the market for AI-related products, hardware, and software reached more than 8 billion dollars, and the New York Times reported that interest in AI had reached a "frenzy".[185] The applications of big data began to reach into other fields as well, such as training models in ekologie[186] and for various applications in ekonomika.[187] Pokroky v hluboké učení (zejména deep convolutional neural networks a rekurentní neuronové sítě ) drove progress and research in image and video processing, text analysis, and even speech recognition.[188]
Hluboké učení
Deep learning is a branch of machine learning that models high level abstractions in data by using a deep graph with many processing layers.[188] Podle Univerzální věta o aproximaci, deep-ness isn't necessary for a neural network to be able to approximate arbitrary continuous functions. Even so, there are many problems that are common to shallow networks (such as nadměrné vybavení ) that deep networks help avoid.[189] As such, deep neural networks are able to realistically generate much more complex models as compared to their shallow counterparts.
However, deep learning has problems of its own. A common problem for rekurentní neuronové sítě je mizející přechodový problém, which is where gradients passed between layers gradually shrink and literally disappear as they are rounded off to zero. There have been many methods developed to approach this problem, such as Dlouhodobá krátkodobá paměť Jednotky.
State-of-the-art deep neural network architectures can sometimes even rival human accuracy in fields like computer vision, specifically on things like the MNIST databáze, and traffic sign recognition.[190]
Language processing engines powered by smart search engines can easily beat humans at answering general trivia questions (such as IBM Watson ), and recent developments in deep learning have produced astounding results in competing with humans, in things like Jít, a Osud (which, being a střílečka z pohledu první osoby game, has sparked some controversy).[191][192][193][194]
Velká data
Big data refers to a collection of data that cannot be captured, managed, and processed by conventional software tools within a certain time frame. It is a massive amount of decision-making, insight, and process optimization capabilities that require new processing models. In the Big Data Era written by Victor Meyer Schonberg and Kenneth Cooke, big data means that instead of random analysis (sample survey), all data is used for analysis. The 5V characteristics of big data (proposed by IBM): Objem, Rychlost, Odrůda[195], Hodnota[196], Pravdivost[197].The strategic significance of big data technology is not to master huge data information, but to specialize in these meaningful data. In other words, if big data is likened to an industry, the key to realizing profitability in this industry is to increase the "Schopnost procesu " of the data and realize the "Přidaná hodnota " of the data through "zpracovává se ".
Umělá obecná inteligence
General intelligence is the ability to solve žádný problem, rather than finding a solution to a particular problem. Artificial general intelligence (or "AGI") is a program which can apply intelligence to a wide variety of problems, in much the same ways humans can.
Ben Goertzel and others argued in the early 2000s that AI research had largely given up on the field's original goal of creating artificial general intelligence. AGI research was founded as a separate sub-field and by 2010 there were academic conferences, laboratories and university courses dedicated to AGI research, as well as private consortiums and new companies.
Artificial general intelligence is also referred to as "strong AI"[198] or "full AI"[199] naproti tomu "slabá AI " or "narrow AI". (Academic sources reserve "strong AI" to refer to machines capable of experiencing consciousness.)
Viz také
- Nástin umělé inteligence
- Časová osa strojového učení
- History of knowledge representation and reasoning
Poznámky
- ^ Kaplan, Andreas; Haenlein, Michael (2019). „Siri, Siri, v mé ruce: Kdo je nejkrásnější v zemi? O interpretacích, ilustracích a důsledcích umělé inteligence.“ Obchodní obzory. 62: 15–25. doi:10.1016 / j.bushor.2018.08.004.
- ^ The Talos episode in Argonautica 4
- ^ Bibliotheke 1.9.26
- ^ Rhodios, Apollonios. (2007). The Argonautika : Expanded Edition. University of California Press. str. 355. ISBN 978-0-520-93439-9. OCLC 811491744.
- ^ Morford, Mark (2007). Klasická mytologie. Oxford. str. 184. ISBN 978-0-19-085164-4. OCLC 1102437035.
- ^ Pseudo-Apollodorus, Bibliotheke, iii.14.3
- ^ Kressel, Matthew (1 October 2015). "36 Days of Judaic Myth: Day 24, The Golem of Prague". Matthew Kressel. Citováno 15. března 2020.
- ^ "GOLEM - JewishEncyclopedia.com". www.jewishencyclopedia.com. Citováno 15. března 2020.
- ^ "Sanhedrin 65b". www.sefaria.org. Citováno 15. března 2020.
- ^ The alchemy reader : from Hermes Trismegistus to Isaac Newton. Linden, Stanton J., 1935-. New York: Cambridge University Press. 2003. pp. Ch. 18. ISBN 0-521-79234-7. OCLC 51210362.CS1 maint: ostatní (odkaz)
- ^ O'Connor, Kathleen Malone (1 January 1994). "The alchemical creation of life (takwin) and other concepts of Genesis in medieval Islam". Dissertations Available from ProQuest: 1–435.
- ^ Goethe, Johann Wolfgang von (1890). Faust; tragédie. Translated, in the original metres ... by Bayard Taylor. Authorised ed., published by special arrangement with Mrs. Bayard Taylor. With a biographical introd. Robarts - University of Toronto. London Ward, Lock.
- ^ Butler, E. M. (Eliza Marian) (1948). The myth of the magus. London: Cambridge University Press. ISBN 0-521-22564-7. OCLC 5063114.
- ^ Hollander, Lee M. (1964). Heimskringla; history of the kings of Norway. Austin: Published for the American-Scandinavian Foundation by the University of Texas Press. ISBN 0-292-73061-6. OCLC 638953.
- ^ McCorduck 2004, s. 17–25.
- ^ Butler 1863.
- ^ Needham 1986, str. 53
- ^ McCorduck 2004, str. 6
- ^ Nick 2005.
- ^ McCorduck 2004, str. 17 and see also Levitt 2000
- ^ Citováno v McCorduck 2004, str. 8. Crevier 1993, str. 1 a McCorduck 2004, pp. 6–9 discusses sacred statues.
- ^ Other important automata were built by Haroun al-Rashid (McCorduck 2004, str. 10), Jacques de Vaucanson (McCorduck 2004, str. 16) and Leonardo Torres y Quevedo (McCorduck 2004, pp. 59–62)
- ^ A b C d Berlinski 2000
- ^ Srov. Carreras Artau, Tomás y Joaquín. Historia de la filosofía española. Filosofía cristiana de los siglos XIII al XV. Madrid, 1939, Volume I
- ^ Bonner, Anthonny, The Art and Logic of Ramón Llull: A User's Guide, Brill, 2007.
- ^ Anthony Bonner (ed.), Doctor Illuminatus. A Ramon Llull Reader (Princeton University 1985). Vid. "Llull's Influence: The History of Lullism" at 57–71
- ^ 17th century mechanism and AI:
- McCorduck 2004, s. 37–46
- Russell & Norvig 2003, str. 6
- Haugeland 1986, chpt. 2
- Buchanan 2005, str. 53
- ^ Hobbes and AI:
- McCorduck 2004, str. 42
- Hobbes 1651, kapitola 5
- ^ Leibniz and AI:
- McCorduck 2004, str. 41
- Russell & Norvig 2003, str. 6
- Berlinski 2000, str. 12
- Buchanan 2005, str. 53
- ^ The Lambda kalkul was especially important to AI, since it was an inspiration for Lisp (the most important programming language used in AI). (Crevier 1993, pp. 190 196,61)
- ^ The original photo can be seen in the article: Rose, Allen (April 1946). "Lightning Strikes Mathematics". Populární věda: 83–86. Citováno 15. dubna 2012.
- ^ The Turingův stroj:McCorduck 2004, pp. 63–64,Crevier 1993, s. 22–24 ,Russell & Norvig 2003, str. 8 a vidíTuring 1936
- ^ Menabrea 1843
- ^ McCorduck 2004, pp. 61–62, 64–66, Russell & Norvig 2003, s. 14–15
- ^ McCorduck (2004, pp. 76–80)
- ^ McCorduck 2004, pp. 51–57, 80–107,Crevier 1993, s. 27–32 ,Russell & Norvig 2003, pp. 15, 940 ,Moravec 1988, str. 3,Cordeschi, 2002 & Chap. 5 .
- ^ McCorduck 2004, str. 98, Crevier 1993, s. 27–28 , Russell & Norvig 2003, pp. 15, 940 , Moravec 1988, str. 3, Cordeschi, 2002 & Chap. 5 .
- ^ McCulloch, Warren S .; Pitts, Walter (1 December 1943). "Logický počet myšlenek vycházejících z nervové činnosti". Bulletin of Mathematical Biofhysics. 5 (4): 115–133. doi:10.1007/BF02478259. ISSN 1522-9602.
- ^ Piccinini, Gualtiero (1 August 2004). "The First Computational Theory of Mind and Brain: A Close Look at Mcculloch and Pitts's "Logical Calculus of Ideas Immanent in Nervous Activity"". Syntezátor. 141 (2): 175–215. doi:10.1023/B:SYNT.0000043018.52445.3e. ISSN 1573-0964. S2CID 10442035.
- ^ McCorduck 2004, pp. 51–57, 88–94, Crevier 1993, str. 30 , Russell & Norvig 2003, str. 15−16 , Cordeschi, 2002 & Chap. 5 a viz také Pitts & McCullough 1943
- ^ McCorduck 2004, str. 102, Crevier 1993, str. 34–35 a Russell & Norvig 2003, str. 17
- ^ McCorduck 2004, str. 70–72,Crevier 1993, str. 22−25 ,Russell & Norvig 2003, pp. 2–3 and 948 ,Haugeland 1985, pp. 6–9 ,Cordeschi 2002, pp. 170–176.See alsoTuring 1950
- ^ Norvig & Russell (2003, str. 948) claim that Turing answered all the major objections to AI that have been offered in the years since the paper appeared.
- ^ Vidět "A Brief History of Computing" at AlanTuring.net.
- ^ Schaeffer, Jonathan. One Jump Ahead:: Challenging Human Supremacy in Checkers, 1997,2009, Springer, ISBN 978-0-387-76575-4. Kapitola 6.
- ^ McCorduck 2004, pp. 137–170, Crevier, str. 44–47
- ^ McCorduck 2004, str. 123–125, Crevier 1993, str. 44–46 a Russell & Norvig 2003, str. 17
- ^ Citováno v Crevier 1993, str. 46 a Russell & Norvig 2003, str. 17
- ^ Russell & Norvig 2003, str. 947,952
- ^ McCorduck 2004, pp. 111–136,Crevier 1993, str. 49–51 aRussell & Norvig 2003, str. 17Newquist 1994, pp. 91–112
- ^ Vidět McCarthy a kol. 1955. Viz také Crevier 1993, str. 48 kde Crevier states "[the proposal] later became known as the 'physical symbol systems hypothesis'". The systém fyzických symbolů hypothesis was articulated and named by Newell a Simone in their paper on GPS. (Newell & Simon 1963 ) It includes a more specific definition of a "machine" as an agent that manipulates symbols. Viz filozofie umělé inteligence.
- ^ McCorduck (2004, pp. 129–130) discusses how the Dartmouth conference alumni dominated the first two decades of AI research, calling them the "invisible college".
- ^ "I won't swear and I hadn't seen it before," McCarthy told Pamela McCorduck in 1979. (McCorduck 2004, str. 114) However, McCarthy also stated unequivocally "I came up with the term" in a CNET rozhovor. (Skillings 2006 )
- ^ Crevier (1993, pp. 49) writes "the conference is generally recognized as the official birthdate of the new science."
- ^ McCarthy, Johne (1988). "Recenze The Question of Artificial Intelligence". Annals of the History of Computing. 10 (3): 224–229., shromážděno v McCarthy, Johne (1996). "10. Review of The Question of Artificial Intelligence". Defending AI Research: A Collection of Essays and Reviews. CSLI., str. 73"[O]ne of the reasons for inventing the term "artificial intelligence" was to escape association with "cybernetics". Its concentration on analog feedback seemed misguided, and I wished to avoid having either to accept Norbert (not Robert) Wiener as a guru or having to argue with him."
- ^ Russell and Norvig write "it was astonishing whenever a computer did anything remotely clever." Russell & Norvig 2003, str. 18
- ^ Crevier 1993, pp. 52–107 , Moravec 1988, str. 9 a Russell & Norvig 2003, str. 18−21
- ^ McCorduck 2004, str. 218, Newquist 1994, pp. 91–112 , Crevier 1993, s. 108–109 a Russell & Norvig 2003, str. 21
- ^ Crevier 1993, pp. 52–107 , Moravec 1988, str. 9
- ^ Means-ends analysis, reasoning as search: McCorduck 2004, str. 247–248. Russell & Norvig 2003, str. 59–61
- ^ Heuristic: McCorduck 2004, str. 246, Russell & Norvig 2003, s. 21–22
- ^ GPS: McCorduck 2004, pp. 245–250, Crevier 1993, str. GPS? , Russell & Norvig 2003, str. GPS?
- ^ Crevier 1993, pp. 51–58,65–66 a Russell & Norvig 2003, s. 18–19
- ^ McCorduck 2004, pp. 268–271, Crevier 1993, str. 95–96 , Newquist 1994, pp. 148–156 , Moravec 1988, s. 14–15
- ^ McCorduck 2004, str. 286, Crevier 1993, str. 76–79 , Russell & Norvig 2003, str. 19
- ^ Crevier 1993, str. 79–83
- ^ Crevier 1993, pp. 164–172
- ^ McCorduck 2004, str. 291–296, Crevier 1993, str. 134–139
- ^ McCorduck 2004, pp. 299–305, Crevier 1993, pp. 83–102 , Russell & Norvig 2003, str. 19 a Copeland 2000
- ^ McCorduck 2004, pp. 300–305, Crevier 1993, pp. 84–102 , Russell & Norvig 2003, str. 19
- ^ Simon & Newell 1958, str. 7−8 quoted in Crevier 1993, str. 108 . Viz také Russell & Norvig 2003, str. 21
- ^ Simon 1965, str. 96 quoted in Crevier 1993, str. 109
- ^ Minsky 1967, str. 2 quoted in Crevier 1993, str. 109
- ^ Minsky strongly believes he was misquoted. Vidět McCorduck 2004, pp. 272–274, Crevier 1993, str. 96 a Darrach 1970.
- ^ Crevier 1993, str. 64–65
- ^ Crevier 1993, str. 94
- ^ Howe 1994
- ^ McCorduck 2004, str. 131, Crevier 1993, str. 51 . McCorduck also notes that funding was mostly under the direction of alumni of the Dartmouthská konference z roku 1956.
- ^ Crevier 1993, str. 65
- ^ Crevier 1993, s. 68–71 a Turkle 1984
- ^ „Humanoidní historie -WABOT-“.
- ^ Robotika a mechatronika: Sborník ze 4. mezinárodního sympózia IFToMM o robotice a mechatronice, strana 66
- ^ „Historické projekty pro Android“. androidworld.com.
- ^ Roboti: Od sci-fi po technologickou revoluci, strana 130
- ^ Příručka digitálního modelování člověka: Výzkum aplikované ergonomie a inženýrství lidských faktorů, Kapitola 3, strany 1-2
- ^ Crevier 1993, str. 100–144 a Russell & Norvig 2003, s. 21–22
- ^ A b McCorduck 2004, str. 104–107,Crevier 1993, str. 102–105 ,Russell & Norvig 2003, str. 22
- ^ Crevier 1993, s. 163–196
- ^ Crevier 1993, str. 146
- ^ Russell & Norvig 2003, s. 20–21
- ^ Crevier 1993, str. 146–148 , viz také Buchanan 2005, str. 56: „Časné programy byly nutně omezeny rozsahem velikostí a rychlostí paměti“
- ^ Moravec 1976. McCarthy vždy s Moravcem nesouhlasil, zpět do jejich počátků společně v PLACHTA. Uvádí: „Řekl bych, že před 50 lety byla schopnost stroje příliš malá, ale před 30 lety nebyla schopnost stroje skutečným problémem.“ v CNET rozhovor. (Dovednosti 2006 )
- ^ Hans Moravec, ROBOT: Mere Machine to Transcendent Mind
- ^ Russell & Norvig 2003, s. 9,21–22 a Lighthill 1973
- ^ McCorduck 2004, str. 300 a 421; Crevier 1993, str. 113–114 ; Moravec 1988, str. 13; Lenat a Guha 1989, (Úvod); Russell & Norvig 2003, str. 21
- ^ McCorduck 2004, str. 456, Moravec 1988, s. 15–16
- ^ McCarthy & Hayes 1969, Crevier 1993, str. 117–119
- ^ McCorduck 2004, str. 280–281, Crevier 1993, str. 110 , Russell & Norvig 2003, str. 21 a NRC 1999 v části „Úspěch v rozpoznávání řeči“.
- ^ Crevier 1993, str. 117 , Russell & Norvig 2003, str. 22 , Howe 1994 a viz také Lighthill 1973.
- ^ Russell & Norvig 2003, str. 22 , Lighthill 1973, John McCarthy napsal v odpovědi, že „problém kombinatorické exploze byl v AI rozpoznán od začátku“ v Recenze zprávy Lighthill
- ^ Crevier 1993, str. 115–116 (na kterém je tento účet založen). Mezi další pohledy patří McCorduck 2004, str. 306–313 a NRC 1999 v části „Úspěch v rozpoznávání řeči“.
- ^ Crevier 1993, str. 115 . Moravec vysvětluje: „Jejich původní sliby pro DARPA byly příliš optimistické. Samozřejmě to, co dodali, se podstatně zastavilo. Cítili však, že nemohou ve svém příštím návrhu slíbit méně než v prvním, takže slíbili více . “
- ^ NRC 1999 v části „Posun k aplikovanému výzkumu zvyšuje investice“. Zatímco autonomní tank selhal, systém řízení bitev (zvaný „ŠIPKA „) se ukázal jako nesmírně úspěšný, když v první ušetřil miliardy válka v Zálivu, splácení investice a zdůvodnění DARPA pragmatická politika, přinejmenším pokud DARPA byl znepokojen.
- ^ Lucas a Penrose kritika AI: Crevier 1993, str. 22 , Russell & Norvig 2003, str. 949–950 , Hofstadter 1980, str. 471–477 a vidí Lucas 1961
- ^ „Know-how“ je Dreyfusův výraz. (Dreyfus rozlišuje mezi „know how“ a „knowing that“, což je moderní verze Heidegger Rozdíl mezi připraven k ruce a současnost.) (Dreyfus a Dreyfus 1986 )
- ^ Dreyfusova kritika umělé inteligence: McCorduck 2004, str. 211–239, Crevier 1993, str. 120–132 , Russell & Norvig 2003, str. 950–952 a vidí Dreyfus 1965, Dreyfus 1972, Dreyfus a Dreyfus 1986
- ^ Searleova kritika AI: McCorduck 2004, str. 443–445, Crevier 1993, str. 269–271 , Russell & Norvig 2004, str. 958–960 a vidí Searle 1980
- ^ Citováno v Crevier 1993, str. 143
- ^ Citováno v Crevier 1993, str. 122
- ^ „Stal jsem se jediným členem komunity AI, který byl viděn jíst oběd s Dreyfusem. A záměrně jsem dal jasně najevo, že jejich není způsob, jak zacházet s lidskou bytostí.“ Joseph Weizenbaum, citováno v Crevier 1993, str. 123 .
- ^ Colby, Watt & Gilbert 1966, str. 148. Weizenbaum odkazoval na tento text v Weizenbaum 1976, s. 5, 6. Colby a jeho kolegové se později také vyvinuli chatterbot podobné počítačové simulace paranoidních procesů (ODPOVĚĎ ) „„ učinit srozumitelné paranoidní procesy ve smyslu výslovného zpracování symbolů. “(Colby 1974, str. 6)
- ^ Weizenbaumova kritika AI: McCorduck 2004, str. 356–373, Crevier 1993, str. 132–144 , Russell & Norvig 2003, str. 961 a vidí Weizenbaum 1976
- ^ McCorduck 2004, str. 51, Russell & Norvig 2003, s. 19, 23
- ^ McCorduck 2004, str. 51, Crevier 1993, s. 190–192
- ^ Crevier 1993, s. 193–196
- ^ Crevier 1993, s. 145–149 255–63
- ^ Wason (1966) ukázal, že lidem se špatně daří na zcela abstraktních problémech, ale pokud je problém přepracován tak, aby umožňoval použití intuitivního sociální inteligence, výkon se dramaticky zlepšuje. (Vidět Úkol pro výběr Wason ) Tversky, Slovic a Kahnemann (1982) prokázali, že lidé jsou hrozní v elementárních problémech, které zahrnují nejisté úvahy. (Vidět seznam kognitivních předsudků pro několik příkladů). Eleanor Rosch práce je popsána v Lakoff 1987
- ^ Časný příklad McCathyho pozice byla v deníku Věda kde řekl: „Toto je AI, takže je nám jedno, jestli je to psychologicky skutečné“ (Kolata 2012 ) , a nedávno zopakoval svou pozici u AI @ 50 konference, kde řekl: „Umělá inteligence není ze své podstaty simulací lidské inteligence“ (Tvůrce 2006 ).
- ^ Crevier 1993, str. 175
- ^ Čistý vs. zanedbaný: McCorduck 2004, s. 421–424 (kdo navazuje na stav debaty v roce 1984). Crevier 1993, s. 168 (kdo dokumentuje Schankovo původní použití termínu). Další aspekt konfliktu se nazýval „procedurální / deklarativní rozlišení“, ale v pozdějším výzkumu AI se neukázal jako vlivný.
- ^ McCorduck 2004, str. 305–306, Crevier 1993, s. 170–173, 246 a Russell & Norvig 2003, str. 24 . Minskyho rámový papír: Minsky 1974.
- ^ Newquist 1994, s. 189–192
- ^ McCorduck 2004, str. 327–335 (Dendral ), Crevier 1993, str. 148–159 , Newquist 1994, str. 271 , Russell & Norvig 2003, s. 22–23
- ^ Crevier 1993, str. 158–159 a Russell & Norvig 2003, str. 23-24
- ^ Crevier 1993, str. 198
- ^ McCorduck 2004, str. 434–435, Crevier 1993, s. 161–162 197–203 a Russell & Norvig 2003, str. 24
- ^ McCorduck 2004, str. 299
- ^ McCorduck 2004, str. 421
- ^ Znalostní revoluce: McCorduck 2004, str. 266–276, 298–300, 314, 421, Newquist 1994, s. 255–267 , Russell & Norvig, s. 22–23
- ^ Cyc: McCorduck 2004, str. 489, Crevier 1993, str. 239–243 , Newquist 1994, str. 431–455 , Russell & Norvig 2003, str. 363−365 a Lenat a Guha 1989
- ^ „Šachy: Mat (PDF). Citováno 1. září 2007.
- ^ McCorduck 2004, str. 436–441, Newquist 1994, str. 231–240 , Crevier 1993 211 , Russell & Norvig 2003, str. 24 a viz také Feigenbaum a McCorduck 1983
- ^ Crevier 1993, str. 195
- ^ Crevier 1993, str. 240 .
- ^ A b C Russell & Norvig 2003, str. 25
- ^ McCorduck 2004, str. 426–432, NRC 1999 v části „Posun k aplikovanému výzkumu zvyšuje investice“
- ^ Crevier 1993, str. 214–215 .
- ^ Crevier 1993, str. 215–216 .
- ^ Mead, Carver A .; Ismail, Mohammed (8. května 1989). Analogová implementace VLSI neurálních systémů (PDF). Mezinárodní série Kluwer ve strojírenství a informatice. 80. Norwell, MA: Kluwer Academic Publishers. doi:10.1007/978-1-4613-1639-8. ISBN 978-1-4613-1639-8.
- ^ Crevier 1993, str. 203 . AI zima byl poprvé použit jako název semináře na toto téma pro Sdružení pro povýšení umělé inteligence.
- ^ Newquist 1994, str. 359–379 , McCorduck 2004, str. 435, Crevier 1993, str. 209–210
- ^ McCorduck 2004, str. 435 (který uvádí institucionální důvody pro jejich konečné selhání), Newquist 1994, str. 258–283 (kdo uvádí omezené nasazení v rámci korporací), Crevier 1993, str. 204–208 (kdo uvádí obtížnost udržování pravdy, tj. učení a aktualizace), Lenat a Guha 1989, Úvod (který zdůrazňuje křehkost a neschopnost zvládnout nadměrnou kvalifikaci.)
- ^ McCorduck 2004, str. 430–431
- ^ A b McCorduck 2004, str. 441, Crevier 1993, str. 212 . McCorduck píše: „O dva a půl desetiletí později vidíme, že Japonci všechny tyto ambiciózní cíle zcela nesplnili.“
- ^ Newquist, HP (1994). Tvůrci mozku: Genius, Ego a chamtivost v hledání strojů, které myslí. New York: Macmillan / SAMS. ISBN 978-0-672-30412-5.
- ^ McCorduck 2004, str. 454–462
- ^ Moravec (1988, str. 20) píše: „Jsem si jistý, že tato cesta zdola nahoru k umělé inteligenci jednoho dne potká tradiční cestu shora dolů více než na polovinu cesty, připravená poskytnout kompetence v reálném světě a rozumné znalosti, které byly tak frustrovaně nepolapitelné logické programy. Plně inteligentní stroje budou výsledkem metafory zlatý hrot je spojen spojením obou snah. “
- ^ Crevier 1993, s. 183–190 .
- ^ http://people.csail.mit.edu/brooks/papers/elephants.pdf
- ^ Brooks 1990, str. 3
- ^ Viz například Lakoff & Turner 1999
- ^ McCorduck (2004, str. 424) pojednává o fragmentaci a opuštění původních cílů AI.
- ^ McCorduck 2004, str. 480–483
- ^ "Tmavě modrá". IBM Research. Citováno 10. září 2010.
- ^ DARPA Grand Challenge - domovská stránka Archivováno 31. Října 2007 v Wayback Machine
- ^ „Archivovaná kopie“. Archivovány od originál dne 5. března 2014. Citováno 25. října 2011.CS1 maint: archivovaná kopie jako titul (odkaz)
- ^ Markoff, John (16. února 2011). „Na„ Jeopardy! “ Watson Win je všechno kromě triviálních “. The New York Times.
- ^ Kurzweil 2005, str. 274 píše, že zdokonalení počítačových šachů „se podle běžné moudrosti řídí pouze rozšířením hrubou silou počítačového hardwaru“.
- ^ Doba cyklu Ferranti Mark 1 byla 1,2 milisekundy, což je pravděpodobně ekvivalent asi 833propadne. Tmavě modrá běžel v 11.38gigaflops (a to ani nezohledňuje speciální hardware Deep Blue pro šachy). Velmi přibližně se liší o faktor 10 ^ 7.
- ^ McCorduck 2004, str. 471–478, Russell & Norvig 2003, str. 55 , kde píší: „Pohled celého agenta je nyní v terénu široce přijímán“. The inteligentní agent paradigma je diskutováno v hlavních učebnicích AI, jako například: Russell & Norvig 2003, s. 32–58, 968–972 , Poole, Mackworth & Goebel 1998, s. 7–21, Luger & Stubblefield 2004, str. 235–240
- ^ Carl Hewitt je Herecký model očekával moderní definici inteligentních agentů. (Hewitt, Bishop & Steiger 1973 ) Oba John Doyle (Doyle 1983 ) a Marvin Minsky populární klasika Společnost mysli (Minsky 1986 ) použil slovo „agent“. Zahrnuty i další „modulární“ návrhy Rodney Brook subsumpční architektura, objektově orientované programování a další.
- ^ A b Russell & Norvig 2003, str. 27, 55
- ^ Takto definují umělou inteligenci nejuznávanější učebnice 21. století. Vidět Russell & Norvig 2003, str. 32 a Poole, Mackworth & Goebel 1998, str. 1
- ^ McCorduck 2004, str. 478
- ^ McCorduck 2004, str. 486–487, Russell & Norvig 2003, s. 25–26
- ^ A b Russell & Norvig 2003, str. 25-26
- ^ McCorduck (2004, str. 487): „Jak píšu, AI má úhlednou hegemonii.“
- ^ Pearl 1988
- ^ Vidět Aplikace umělé inteligence § Počítačová věda
- ^ NRC 1999 v rámci "Umělé inteligence v 90. letech" a Kurzweil 2005, str. 264
- ^ Russell & Norvig 2003, str. 28
- ^ Pro nejnovější stav rozpoznávání řeči na základě AI viz The Economist (2007)
- ^ A b „Systémy inspirované umělou inteligencí byly již nedílnou součástí mnoha každodenních technologií, jako jsou internetové vyhledávače, bankovní software pro zpracování transakcí a lékařská diagnostika.“ Nick Bostrom, citováno v CNN 2006
- ^ Olsen (2004),Olsen (2006)
- ^ McCorduck 2004, str. 423, Kurzweil 2005, str. 265, Hofstadter 1979, str. 601
- ^ CNN 2006
- ^ Markoff 2005
- ^ The Economist 2007
- ^ Tascarella 2006
- ^ Crevier 1993, s. 108–109
- ^ Pokračuje slovy: „Odpověď zní, myslím, že jsme mohli ... Jednou jsem šel na mezinárodní konferenci o neuronových sítích. Bylo 40 tisíc žadatelů o registraci ... ale ... pokud jste měli mezinárodní na konferenci, například o použití více reprezentací pro uvažování zdravého rozumu, se mi na celém světě podařilo najít pouze 6 nebo 7 lidí. “ Minsky 2001
- ^ Tvůrce 2006
- ^ Kurzweil 2005
- ^ Hawkins & Blakeslee 2004
- ^ Steve Lohr (17. října 2016), „IBM spoléhá na to, že vsadí na Watsona, a zaplatí za to velké peníze“, New York Times
- ^ Hampton, Stephanie E; Strasser, Carly A; Tewksbury, Joshua J; Gram, Wendy K; Budden, Amber E; Batcheller, Archer L; Duke, Clifford S; Porter, John H (1. dubna 2013). „Velká data a budoucnost ekologie“. Hranice v ekologii a životním prostředí. 11 (3): 156–162. doi:10.1890/120103. ISSN 1540-9309.
- ^ „Jak velká data mění ekonomiky | Institut Becker Friedman“. bfi.uchicago.edu. Citováno 9. června 2017.
- ^ A b LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). "Hluboké učení". Příroda. 521 (7553): 436–444. Bibcode:2015 Natur.521..436L. doi:10.1038 / příroda14539. PMID 26017442. S2CID 3074096.
- ^ Baral, Chitta; Fuentes, Olac; Kreinovich, Vladik (červen 2015). „Proč hluboké neuronové sítě: možné teoretické vysvětlení“. Resortní technické zprávy (Cs). Citováno 9. června 2017.
- ^ Ciregan, D .; Meier, U .; Schmidhuber, J. (červen 2012). Vícesloupcové hluboké neuronové sítě pro klasifikaci obrazu. 2012 IEEE Conference on Computer Vision and Pattern Recognition. 3642–3649. arXiv:1202.2745. Bibcode:2012arXiv1202.2745C. CiteSeerX 10.1.1.300.3283. doi:10.1109 / cvpr.2012.6248110. ISBN 978-1-4673-1228-8. S2CID 2161592.
- ^ Markoff, John (16. února 2011). „Na„ Jeopardy! “ Watson Win je všechno kromě triviálních “. The New York Times. ISSN 0362-4331. Citováno 10. června 2017.
- ^ „AlphaGo: Zvládnutí starodávné hry Go with Machine Learning“. Výzkumný blog. Citováno 10. června 2017.
- ^ „Inovace AlphaGo | DeepMind“. DeepMind. Citováno 10. června 2017.
- ^ University, Carnegie Mellon. „Computer Out-Plays Humans in" Doom "-CMU News - Carnegie Mellon University". www.cmu.edu. Citováno 10. června 2017.
- ^ Laney, Doug (2001). Msgstr "3D správa dat: ovládání objemu, rychlosti a rozmanitosti dat". Výzkumná zpráva skupiny META. 6 (70).
- ^ Marr, Bernard (6. března 2014). "Big Data: 5 Vs každý musí vědět".
- ^ Goes, Paulo B. (2014). „Design science research in top information systems journals“. MIS Quarterly: Manažerské informační systémy. 38 (1).
- ^ (Kurzweil 2005, str. 260) nebo viz Pokročilá lidská inteligence kde definuje silnou AI jako „strojovou inteligenci s plným rozsahem lidské inteligence“.
- ^ The Age of Artificial Intelligence: George John at TEDxLondonBusinessSchool 2013
Reference
- Berlinski, David (2000), Příchod algoritmu Knihy Harcourt, ISBN 978-0-15-601391-8, OCLC 46890682.
- Buchanan, Bruce G. (zima 2005), „(Velmi) krátká historie umělé inteligence“ (PDF), AI Magazine, str. 53–60, archivovány od originál (PDF) dne 26. září 2007, vyvoláno 30. srpna 2007.
- Brooks, Rodney (1990), „Sloni nehrají šachy“ (PDF), Robotika a autonomní systémy, 6 (1–2): 3–15, CiteSeerX 10.1.1.588.7539, doi:10.1016 / S0921-8890 (05) 80025-9, vyvoláno 30. srpna 2007.
- Butler, Samuel (13. června 1863), „Darwin Among the Machines“, Lis, Christchurch, Nový Zéland, vyvoláno 10. října 2008.
- Colby, Kenneth M .; Watt, James B .; Gilbert, John P. (1966), „Počítačová metoda psychoterapie: předběžná komunikace“, The Journal of Nervous and Mental Disease, sv. 142 č. 2, s. 148–152, doi:10.1097/00005053-196602000-00005, PMID 5936301, S2CID 36947398.
- Colby, Kenneth M. (září 1974), Deset kritiky Parryho (PDF), Stanfordská laboratoř umělé inteligence, ZPRÁVA Č. STAN-CS-74-457, vyvoláno 17. června 2018.
- AI má překročit sílu lidského mozku, CNN.com, 26. července 2006, vyvoláno 16. října 2007.
- Copelande, Jacku (2000), Mikrosvětová AI, vyvoláno 8. října 2008.
- Cordeschi, Roberto (2002), Objev umělého, Dordrecht: Kluwer..
- Crevier, Daniel (1993), AI: Tumultuous Search for Artificial Intelligence, New York, NY: BasicBooks, ISBN 0-465-02997-3
- Darrach, Brad (20. listopadu 1970), „Meet Shaky, první elektronická osoba“, Life Magazine, str. 58–68.
- Doyle, J. (1983), „Co je to racionální psychologie? Směrem k moderní mentální filozofii“, AI Magazine, sv. 4 č. 3, s. 50–53.
- Dreyfus, Hubert (1965), Alchymie a AI, RAND Corporation Memo.
- Dreyfus, Hubert (1972), Co počítače nemohou dělat, New York: MIT Press, ISBN 978-0-06-090613-9, OCLC 5056816.
- The Economist (7. června 2007), "Mluvíš se mnou?", Ekonom, vyvoláno 16. října 2008.
- Feigenbaum, Edward A.; McCorduck, Pamela (1983), Pátá generace: Umělá inteligence a japonská počítačová výzva světu Michael Joseph, ISBN 978-0-7181-2401-4.
- Hawkins, Jeff; Blakeslee, Sandra (2004), Na inteligenci, New York, NY: Owl Books, ISBN 978-0-8050-7853-4, OCLC 61273290.
- Hebb, D.O. (1949), Organizace chování, New York: Wiley, ISBN 978-0-8058-4300-2, OCLC 48871099.
- Hewitt, Carl; Bishop, Peter; Steiger, Richard (1973), Formalismus univerzálního modulárního herce pro umělou inteligenci (PDF), IJCAI, archivovány z originál (PDF) dne 29. prosince 2009
- Hobbes, Thomas (1651), Leviatan.
- Hofstadter, Douglas (1999) [1979], Gödel, Escher, Bach: Věčný zlatý cop Základní knihy, ISBN 978-0-465-02656-2, OCLC 225590743.
- Howe, J. (listopad 1994), Umělá inteligence na Edinburgh University: perspektiva, vyvoláno 30. srpna 2007.
- Kaplan, Andreas; Haenlein, Michael (2018), „Siri, Siri in My Hand, who's the Fairest in the Land? On the Interpretations, Ilustrations and Implications of Artificial Intelligence“, Obchodní obzory, 62: 15–25, doi:10.1016 / j.bushor.2018.08.004.
- Kolata, G. (1982), „Jak mohou počítače získat zdravý rozum?“, Věda, 217 (4566): 1237–1238, Bibcode:1982Sci ... 217.1237K, doi:10.1126 / science.217.4566.1237, PMID 17837639.
- Kurzweil, Ray (2005), Singularita je blízko, Viking Press, ISBN 978-0-14-303788-0, OCLC 71826177.
- Lakoff, George (1987), Ženy, oheň a nebezpečné věci: Jaké kategorie odhalují mysl, University of Chicago Press., ISBN 978-0-226-46804-4.
- Lenat, Douglas; Guha, R. V. (1989), Budování velkých systémů založených na znalostech, Addison-Wesley, ISBN 978-0-201-51752-1, OCLC 19981533.
- Levitt, Gerald M. (2000), Turek, šachový automatJefferson, N.C .: McFarland, ISBN 978-0-7864-0778-1.
- Lighthill, profesor Sir James (1973), "Umělá inteligence: obecný průzkum ", Artificial Intelligence: a paper symposium, Rada pro vědecký výzkum
- Lucas, John (1961), „Minds, Machines and Gödel“, Filozofie, 36 (XXXVI): 112–127, doi:10.1017 / S0031819100057983, vyvoláno 15. října 2008
- Maker, Meg Houston (2006), AI @ 50: AI minulost, přítomnost, budoucnost, Dartmouth College, archivovány z originál dne 8. října 2008, vyvoláno 16. října 2008
- Markoff, John (14. října 2005), „Behind Artificial Intelligence, a Squadron of Bright Real People“, The New York Times, vyvoláno 16. října 2008
- McCarthy, Johne; Minsky, Marvin; Rochester, Nathan; Shannon, Claude (31. srpna 1955), Návrh letního výzkumného projektu umělé inteligence v Dartmouthu, archivovány z originál dne 30. září 2008, vyvoláno 16. října 2008
- McCarthy, John; Hayes, P. J. (1969), "Některé filozofické problémy z hlediska umělé inteligence", in Meltzer, B. J.; Mitchie, Donald (eds.), Machine Intelligence 4, Edinburgh University Press, s. 463–502, vyvoláno 16. října 2008
- McCorduck, Pamela (2004), Stroje, které myslí (2. vyd.), Natick, MA: A. K. Peters, Ltd., ISBN 978-1-56881-205-2, OCLC 52197627.
- McCullough, W. S.; Pitts, W. (1943), „Logický počet idejí imanentních při nervové činnosti“, Bulletin of Mathematical Biofhysics, 5 (4): 115–127, doi:10.1007 / BF02478259
- Menabrea, Luigi Federico; Lovelace, Ada (1843), „Náčrt analytického motoru, který vynalezl Charles Babbage“, Vědecké paměti, 3, vyvoláno 29. srpna 2008 S poznámkami na pamětech překladatele
- Minsky, Marvin (1967), Výpočet: Konečné a nekonečné strojeEnglewood Cliffs, N.J .: Prentice-Hall
- Minsky, Marvin; Papert, Seymour (1969), Perceptrons: An Introduction to Computational Geometry, The MIT Press, ISBN 978-0-262-63111-2, OCLC 16924756
- Minsky, Marvin (1974), Rámec pro reprezentaci znalostí, vyvoláno 16. října 2008
- Minsky, Marvin (1986), Společnost mysli Simon a Schuster, ISBN 978-0-671-65713-0, OCLC 223353010
- Minsky, Marvin (2001), Je rok 2001. Kde je HAL?, Technetcast Dr. Dobba, vyvoláno 8. srpna 2009
- Moravec, Hans (1976), Role surové energie v inteligenci, archivovány z originál dne 3. března 2016, vyvoláno 16. října 2008
- Moravec, Hans (1988), Mind Children, Harvard University Press, ISBN 978-0-674-57618-6, OCLC 245755104
- NRC (1999), „Vývoj v oblasti umělé inteligence“, Financování revoluce: Vládní podpora pro výpočetní výzkum, National Academy Press, ISBN 978-0-309-06278-7, OCLC 246584055
- Newell, Allen; Simon, H. A. (1963), „GPS: Program, který simuluje lidské myšlení“, Feigenbaum, E.A .; Feldman, J. (eds.), Počítače a myšlení, New York: McGraw-Hill, ISBN 978-0-262-56092-4, OCLC 246968117
- Newquist, HP (1994), Tvůrci mozku: Genius, Ego a chamtivost v hledání strojů, které myslí, New York: Macmillan / SAMS, ISBN 978-0-9885937-1-8
- Nick, Martin (2005), Al Jazari: Důmyslný muslimský mechanik ze 13. století Al Shindagah, vyvoláno 16. října 2008.*
- O'Connor, Kathleen Malone (1994), Alchymistické stvoření života (takwin) a další koncepce Genesis ve středověkém islámu „University of Pennsylvania, s. 1–435, vyvoláno 10. ledna 2007
- Olsen, Stefanie (10. května 2004), Novinář: Muž Google za oponou, CNET, vyvoláno 17. října 2008.
- Olsen, Stefanie (18. srpna 2006), Špionáž inteligentního vyhledávače, CNET, vyvoláno 17. října 2008.
- Pearl, J. (1988), Pravděpodobnostní uvažování v inteligentních systémech: sítě pravděpodobného závěru, San Mateo, Kalifornie: Morgan Kaufmann, ISBN 978-1-55860-479-7, OCLC 249625842.
- Russell, Stuart J.; Norvig, Peter (2003), Umělá inteligence: moderní přístup (2. vyd.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2.
- Poole, David; Mackworth, Alan; Goebel, Randy (1998), Výpočetní inteligence: Logický přístup, Oxford University Press., ISBN 978-0-19-510270-3.
- Samuel, Arthur L. (Červenec 1959), „Některé studie strojového učení využívající hru dáma“, IBM Journal of Research and Development, 3 (3): 210–219, CiteSeerX 10.1.1.368.2254, doi:10.1147 / kolo 33.02.0210, vyvoláno 20. srpna 2007.
- Searle, Johne (1980), "Mysl, mozek a programy", Behaviorální a mozkové vědy, 3 (3): 417–457, doi:10.1017 / S0140525X00005756, vyvoláno 13. května 2009.
- Simon, H. A.; Newell, Allen (1958), „Heuristické řešení problémů: další pokrok v operačním výzkumu“, Operační výzkum, 6: 1–10, doi:10.1287 / opre.6.1.1.
- Simon, H. A. (1965), Tvar automatizace pro muže a management, New York: Harper & Row.
- Skillings, Jonathan (2006), Newsmaker: Přimět stroje myslet jako my, CNET, vyvoláno 8. října 2008.
- Tascarella, Patty (14. srpna 2006), „Firmám v robotice připadá boj o získávání finančních prostředků plachý.“, Pittsburgh Business Times, vyvoláno 15. března 2016.
- Turing, Alan (1936–1937), „Na vypočítatelných číslech s aplikací na Entscheidungsproblem“, Proceedings of the London Mathematical Society, 2, s2-42 (42): 230–265, doi:10.1112 / plms / s2-42.1.230, vyvoláno 8. října 2008.
- Turing, Alan (Říjen 1950), „Výpočetní technika a inteligence“, Mysl, LIX (236): 433–460, doi:10.1093 / mind / LIX.236.433, ISSN 0026-4423.
- Weizenbaum, Josephe (1976), Síla počítače a lidský rozum, W.H. Freeman & Company, ISBN 978-0-14-022535-8, OCLC 10952283.
- Zdroje z Intellipaat ... Co je to umělá inteligence.
Získejte více z Tekslate ........... O nás umělá inteligence