Чтение онлайн

В тот период Тьюринг сделал смелый прогноз, что примерно через 50 лет компьютеры будут способны настолько хорошо имитировать человеческий разговор, что человек со средними способностями не отличит, является ли его собеседник человеком или машиной (Turing, 1950).

Джон Маккарти [5] впервые ввел термин «искусственный интеллект» в 1956 году, когда пригласил группу исследователей на семинар под названием «Летний исследовательский проект по искусственному интеллекту в Дартмуте» (Дартмутский семинар или DSRPAI). Тогда исследователи собрались, чтобы прояснить и развить понятие «мыслящих машин». Говорят, что Маккарти сам выбрал термин «искусственный интеллект» за его нейтральность. В приглашении на семинар говорилось: «Исследование должно развиваться на основе предположения о том, что каждый аспект обучения или любая другая особенность интеллекта может в принципе быть описанной настолько точно, что это приведет к созданию машины для моделирования данных процессов» (Marr, 2018а).

Словари определяют ИИ как область компьютерной науки, сосредоточенную на машинах, которые могут имитировать человеческий интеллект или даже шире – могут быть похожими на людей и даже стремиться стать людьми. Оксфордский словарь дает следующее определение: «Теория и разработка компьютерных систем, способных выполнять визуальное восприятие, распознавание речи, принятие решений, перевод между языками и другие задачи». Мерриам-Вебстер определяет искусственный интеллект как отрасль компьютерных наук, занимающуюся моделированием интеллектуального поведения в компьютерах, или как способность машины имитировать разумное поведение человека (подробнее см. Marr, 2018a).

Катализатором исследований в сфере ИИ стала представленная на Дартмутском семинаре американскими учеными Гербертом Саймоном, Дж. Клиффом Шоу и Алленом Ньюэллом первая программа искусственного интеллекта «Logic Theorist» (Moor, 2006), разработанная для имитации навыков людей в решении проблем. Исследование финансировалось корпорацией RAND [6] .

Новатор в ИИ Артур Самуэль ввел термин «машинное обучение», когда задумался о программировании компьютера, который мог бы играть в шахматы лучше, чем человек, написавший программу. В 1958 году Герберт Саймон [7] , позднее получивший Нобелевскую премию по экономике, предсказал, что компьютер станет чемпионом мира по шахматам в течение ближайших десяти лет (Campbell, 2002). Однако прошло 40 лет, прежде чем в 1997 году IBM Deep Blue виртуозно обыграла тогдашнего чемпиона мира по шахматам Гарри Каспарова в матче из шести партий.

Задержка предсказания Саймона была отчасти связана с необходимостью создать компьютер, достаточно мощный для управления комбинаторной сложностью игры. Например, у Deep Blue было 480 процессоров, способных в среднем обрабатывать около 100 миллионов шахматных позиций в секунду. Шахматный триумф Deep Blue ознаменовал исторический момент в практическом развитии ИИ. Однако с тех пор компьютерная тренировка для шахматистов стала рутиной.

В 1966 году был создан один из первых чат-ботов, программа обработки языка под названием ELIZA [8] , а в 1972 году – более продвинутая программа PARRY [9] с потенциалом разговорной стратегии. Инновации предвещали светлое будущее для интерпретации разговорной речи. Ведущие исследователи, участвовавшие в Дартмутском семинаре, активно продвигали свою работу, что помогло убедить правительство, в частности Управление перспективных исследовательских проектов Министерства обороны США (DARPA) [10] , финансировать исследования в области искусственного интеллекта. Правительство особенно интересовалось возможностями ИИ в распознавании речи и обработке данных с высокой пропускной способностью.

К 1974 году компьютеры смогли хранить больше информации и обрабатывать ее быстрее. В то же время они стали дешевле и доступнее. Благодаря улучшенным алгоритмам машинного обучения они начали перепрограммироваться, основываясь на собственном опыте.

Новый этап развития ИИ начался в 1980-х годах. В частности, правительство Японии в 1982 году запустило проект по созданию компьютеров пятого поколения (Fifth Generation Computer Project – FGCP), которые могли бы выполнять более сложные задачи («Japan,» 1984). В то время, когда предыдущие поколения компьютеров были сосредоточены на увеличении количества логических элементов в одной электронной схеме для выполнения исключительно вычислительных задач, японские ученые надеялись создать компьютеры с принципиально новыми возможностями. Из-за высокого коммерческого потенциала таких компьютеров были опасения, что Япония будет доминировать на этом рынке так же, как раньше она стала доминировать на рынке компьютерных чипов. Тем не менее проект не увенчался успехом: к 1992 году правительство Японии потратило более 850 миллионов долларов США, но не достигло желаемых прорывов на ключевых технологических направлениях (Pan, 2016). В конце концов финансирование FGCS прекратилось, и искусственный интеллект на некоторое время исчез из поля зрения общественности.

Эта неудача имела и положительную сторону, так как она продвигала идею того, что разработка ИИ должна основываться на инновациях и передовых разработках программного обеспечения. В 1997 году компания Dragon Systems выпустила NaturallySpeaking – первую универсальную программу для распознавания непрерывной речи (Shahi, 2009). Она была намного дешевле, чем предыдущие, и предоставила доступ к распознаванию речи гораздо более широкому кругу пользователей. Два месяца спустя IBM выпустила свое конкурентное программное обеспечение для распознавания голоса ViaVoice (Munro, 1998).

К концу 1990-х годов исследования ИИ были интегрированы с робототехникой и человеко-машинным интерфейсом. Ученые впервые серьезно заговорили о создании искусственных интеллектуальных «агентов», наделенных чувствами и способных выражать эмоции. Это дало начало новой области исследований «аффективных вычислений», нацеленных на анализ эмоциональных реакций человека, которые затем могут быть смоделированы машинами. Одновременно это помогло улучшить диалоговые системы (чат-боты).

В 1999 году постдокторантом Массачусетского технологического института, США, был разработан социальный робот Kismet, способный распознавать и имитировать человеческие эмоции (Overby, 2017). В том же году корпорация Sony представила AIBO – роботизированную собаку, предназначенную для того, чтобы «учиться», взаимодействуя с окружающей средой. Дизайн собаки был постепенно улучшен до такой степени, что робот-питомец мог взаимодействовать со своим владельцем, распознавать и отвечать на более чем 100 голосовых команд. В 2000 году Honda представила ASIMO, робота-гуманоида.

Еще один прорыв произошел в середине 2000-х годов, когда Nvidia представила свои новые графические процессоры. Впервые компьютеры стали достаточно мощными для обработки больших наборов данных и построения сложной архитектуры нейронной сети для широкого круга прикладных задач. Именно в этот период началось бурное использование «глубинного обучения».

Термин «машинное чтение» был впервые введен в 2006 году для описания автоматического распознавания текста. Год спустя исследователи Стэнфордского университета, США, создали ImageNet, аннотированную базу данных для распознавания визуальных объектов. Эти нововведения помогли внедрить такие технологии, как компьютерное зрение, распознавание речи и машинный перевод.

С 2010 года технологические достижения в области аппаратного и программного обеспечения прокладывают путь для повседневного использования искусственного интеллекта. Мощные процессоры и видеокарты в компьютерах, смартфонах и на планшетах позволили широкому кругу пользователей иметь постоянный доступ к программам ИИ. Например, Microsoft выпустила Kinect для Xbox 360 – первое игровое устройство, отслеживающее движение тела с помощью 3D-камеры и инфракрасного датчика.

В 2011 году Apple представила свой голосовой помощник Siri. В 2014 году Microsoft запустила Cortana, а в 2015 году Amazon презентовала Amazon Echo и его голосовой сервис Alexa. Эти виртуальные помощники использовали интерфейс на естественном языке, чтобы наблюдать, отвечать и делать выводы и рекомендации для своих пользователей.

Помощники оказались невероятно умными. В 2011 году компьютерная программа Watson участвовала в телевизионной викторине в США в форме анимированного экранного символа и выиграла у игроков-эрудитов. При этом Watson доказала, что умеет понимать естественный язык и способна быстро отвечать на сложные вопросы («History of Artificial Intelligence», 2018).

В 2012 году исследователи Google обучили большую нейронную сеть из 16 000 процессоров распознавать изображения кошек, показывая 10 миллионов немаркированных изображений из видео в YouTube. В 2016 году разработка AlphaGo от Google DeepMind одержала победу над Ли Седолем, одним из лучших в мире профессионалов игры в го, со счетом 4:1 (Borowiec, 2016). До начала матча считалось, что ни один компьютерный продукт не сможет обыграть гроссмейстера такого высокого уровня. И все же это случилось. Победа еще раз подтвердила превосходство искусственного интеллекта над людьми.

В 2018 году IBM провела дебаты между человеком и ИИ под названием Project Debater. У обеих сторон было всего 15 минут, чтобы подготовиться к теме. Машина не только внимательно выслушала аргументы эксперта-человека, но и убедительно отреагировала на такие новые для нее темы, как телемедицина и субсидии для космических программ. Еще одним важным шагом на пути обучения ИИ владению человеческим языком и разумом стало то, что искусственный мозг Project Debater смог процитировать источники и даже пару раз удачно пошутил, обыгрывая темы докладов («Think», 2019).