แนวคิดของปัญญาประดิษฐ์ (AI หรือ AI) ไม่ใช่แค่เทคโนโลยีที่ช่วยให้คุณสร้างเครื่องจักรอัจฉริยะ (รวมถึงโปรแกรมคอมพิวเตอร์) AI ยังเป็นหนึ่งในพื้นที่ของความคิดทางวิทยาศาสตร์

ปัญญาประดิษฐ์ - คำนิยาม

ปัญญา- นี่คือองค์ประกอบทางจิตของบุคคลซึ่งมีความสามารถดังต่อไปนี้:

• ปรับตัว;
• การเรียนรู้ด้วยการสะสมประสบการณ์และความรู้
• ความสามารถในการใช้ความรู้และทักษะในการจัดการสิ่งแวดล้อม

สติปัญญารวมความสามารถทั้งหมดของบุคคลในการตระหนักถึงความเป็นจริง ด้วยความช่วยเหลือ บุคคลสามารถคิด จดจำข้อมูลใหม่ รับรู้สภาพแวดล้อม และอื่นๆ

ปัญญาประดิษฐ์เป็นที่เข้าใจกันว่าเป็นหนึ่งในพื้นที่ของเทคโนโลยีสารสนเทศซึ่งเกี่ยวข้องกับการศึกษาและพัฒนาระบบ (เครื่องจักร) ที่มีความสามารถด้านสติปัญญาของมนุษย์: ความสามารถในการเรียนรู้การใช้เหตุผลเชิงตรรกะและอื่น ๆ

ในขณะนี้ การทำงานเกี่ยวกับปัญญาประดิษฐ์นั้นดำเนินการโดยการสร้างโปรแกรมและอัลกอริธึมใหม่ที่แก้ปัญหาในลักษณะเดียวกับที่บุคคลทำ

เนื่องจากคำจำกัดความของ AI มีวิวัฒนาการไปตามทิศทางนี้จึงจำเป็นต้องพูดถึง AI ​​Effect หมายถึงผลกระทบที่ปัญญาประดิษฐ์สร้างขึ้นเมื่อมีความคืบหน้าบางอย่าง ตัวอย่างเช่น หาก AI ได้เรียนรู้การกระทำใดๆ นักวิจารณ์ก็จะเข้าร่วมทันที โดยอ้างว่าความสำเร็จเหล่านี้ไม่ได้บ่งชี้ว่ามีความคิดอยู่ในเครื่อง

วันนี้การพัฒนาปัญญาประดิษฐ์ดำเนินไปในสองทิศทางที่เป็นอิสระ:

• ประสาทวิทยา;
• วิธีการเชิงตรรกะ

ทิศทางแรกเกี่ยวข้องกับการศึกษาโครงข่ายประสาทเทียมและการคำนวณเชิงวิวัฒนาการจากมุมมองของชีววิทยา วิธีการเชิงตรรกะเกี่ยวข้องกับการพัฒนาระบบที่เลียนแบบกระบวนการทางปัญญาระดับสูง ได้แก่ การคิด การพูด และอื่นๆ

งานแรกในด้าน AI เริ่มดำเนินการในช่วงกลางศตวรรษที่ผ่านมา ผู้บุกเบิกการวิจัยในทิศทางนี้คือ อลัน ทัวริงแม้ว่านักปรัชญาและนักคณิตศาสตร์จะเริ่มแสดงความคิดบางอย่างในยุคกลาง โดยเฉพาะอย่างยิ่งในช่วงต้นศตวรรษที่ 20 มีการแนะนำอุปกรณ์กลไกที่สามารถแก้ปัญหาหมากรุกได้

แต่ในความเป็นจริง ทิศทางนี้ก่อตัวขึ้นในช่วงกลางศตวรรษที่ผ่านมา การปรากฏตัวของงานบน AI นำหน้าด้วยการวิจัยเกี่ยวกับธรรมชาติของมนุษย์ วิธีการรู้จักโลกรอบตัวเรา ความเป็นไปได้ของกระบวนการคิด และด้านอื่นๆ เมื่อถึงเวลานั้น คอมพิวเตอร์และอัลกอริธึมเครื่องแรกก็ปรากฏตัวขึ้น นั่นคือรากฐานถูกสร้างขึ้นซึ่งทิศทางใหม่ของการวิจัยเกิดขึ้น

ในปี 1950 Alan Turing ได้ตีพิมพ์บทความซึ่งเขาถามคำถามเกี่ยวกับความสามารถของเครื่องจักรในอนาคต รวมถึงว่าพวกเขาจะสามารถเอาชนะมนุษย์ในแง่ของความรู้สึกได้หรือไม่ นักวิทยาศาสตร์คนนี้เป็นผู้พัฒนาขั้นตอนที่ต่อมาตั้งชื่อตามเขา: การทดสอบทัวริง

หลังจากการตีพิมพ์ผลงานของนักวิทยาศาสตร์ชาวอังกฤษพบว่ามีงานวิจัยใหม่ในสาขา AI จากข้อมูลของทัวริง มีเพียงเครื่องที่ไม่สามารถแยกความแตกต่างจากบุคคลระหว่างการสื่อสารเท่านั้นที่สามารถรับรู้ได้ว่าเป็นเครื่องคิด ในช่วงเวลาเดียวกับที่บทบาทของนักวิทยาศาสตร์ปรากฏขึ้น แนวคิดหนึ่งก็ถือกำเนิดขึ้น เรียกว่า Baby Machine มันมองเห็นการพัฒนาที่ก้าวหน้าของ AI และการสร้างเครื่องจักรที่มีกระบวนการคิดเกิดขึ้นครั้งแรกในระดับเด็ก แล้วค่อยๆ ปรับปรุง

คำว่า "ปัญญาประดิษฐ์" ถือกำเนิดขึ้นในภายหลัง ในปี 1956 นักวิทยาศาสตร์กลุ่มหนึ่ง รวมทั้งทัวริง ได้พบกันที่มหาวิทยาลัยอเมริกันแห่งดาร์ทมุนด์เพื่อหารือเกี่ยวกับประเด็นที่เกี่ยวข้องกับ AI หลังจากการประชุมครั้งนั้น การพัฒนาเครื่องจักรที่มีความสามารถด้านปัญญาประดิษฐ์ก็เริ่มขึ้น

หน่วยงานทางทหารมีบทบาทพิเศษในการสร้างเทคโนโลยีใหม่ในด้าน AI ซึ่งให้ทุนสนับสนุนด้านการวิจัยนี้อย่างแข็งขัน ต่อมางานด้านปัญญาประดิษฐ์เริ่มดึงดูดบริษัทขนาดใหญ่

ชีวิตสมัยใหม่ก่อให้เกิดความท้าทายที่ซับซ้อนมากขึ้นสำหรับนักวิจัย ดังนั้นการพัฒนา AI จะดำเนินการในเงื่อนไขที่แตกต่างกันโดยพื้นฐานหากเราเปรียบเทียบกับสิ่งที่เกิดขึ้นในช่วงที่ปัญญาประดิษฐ์เกิดขึ้น กระบวนการของโลกาภิวัตน์ การกระทำของผู้บุกรุกในโลกดิจิทัล การพัฒนาอินเทอร์เน็ต และปัญหาอื่นๆ ทั้งหมดนี้ถือเป็นงานที่ซับซ้อนสำหรับนักวิทยาศาสตร์ ซึ่งการแก้ปัญหานั้นอยู่ในด้าน AI

แม้จะประสบความสำเร็จในด้านนี้ในช่วงไม่กี่ปีที่ผ่านมา (เช่น การเกิดขึ้นของเทคโนโลยีอิสระ) แต่ก็ยังมีคนคลางแคลงที่ไม่เชื่อในการสร้างปัญญาประดิษฐ์อย่างแท้จริง และไม่ใช่โปรแกรมที่มีความสามารถมากนัก นักวิจารณ์จำนวนหนึ่งกลัวว่าการพัฒนา AI อย่างแข็งขันจะนำไปสู่สถานการณ์ที่เครื่องจักรจะมาแทนที่ผู้คนได้อย่างสมบูรณ์ในไม่ช้า

ทิศทางการวิจัย

นักปรัชญายังไม่ได้รับฉันทามติเกี่ยวกับธรรมชาติของสติปัญญาของมนุษย์และสถานะของมันเป็นอย่างไร ในเรื่องนี้ ในงานทางวิทยาศาสตร์ที่อุทิศให้กับ AI มีแนวคิดมากมายที่บอกว่าปัญญาประดิษฐ์แก้ปัญหางานใดบ้าง นอกจากนี้ยังไม่มีความเข้าใจทั่วไปเกี่ยวกับคำถามว่าเครื่องจักรประเภทใดที่ถือว่าฉลาด

วันนี้ การพัฒนาเทคโนโลยีปัญญาประดิษฐ์ดำเนินไปในสองทิศทาง:

1. จากมากไปน้อย (semiotic)เกี่ยวข้องกับการพัฒนาระบบใหม่และฐานความรู้ที่เลียนแบบกระบวนการทางจิตระดับสูง เช่น การพูด การแสดงอารมณ์ และการคิด
2. จากน้อยไปมาก (ชีวภาพ)แนวทางนี้เกี่ยวข้องกับการวิจัยในสาขาโครงข่ายประสาทเทียม โดยใช้แบบจำลองของพฤติกรรมทางปัญญาจากมุมมองของกระบวนการทางชีววิทยา ตามทิศทางนี้ ประสาทคอมพิวเตอร์จะถูกสร้างขึ้น

กำหนดความสามารถของปัญญาประดิษฐ์ (เครื่อง) ในการคิดแบบเดียวกับบุคคล โดยทั่วไป วิธีการนี้เกี่ยวข้องกับการสร้าง AI ซึ่งพฤติกรรมไม่แตกต่างจากการกระทำของมนุษย์ในสถานการณ์ปกติเดียวกัน อันที่จริง การทดสอบทัวริงถือว่าเครื่องจักรจะฉลาดก็ต่อเมื่อเมื่อสื่อสารกับมัน มันเป็นไปไม่ได้ที่จะเข้าใจว่าใครกำลังพูด: กลไกหรือบุคคลที่มีชีวิต

หนังสือนิยายวิทยาศาสตร์นำเสนอวิธีการประเมินความสามารถของ AI ที่แตกต่างกัน ปัญญาประดิษฐ์จะกลายเป็นจริงหากรู้สึกและสามารถสร้างได้ อย่างไรก็ตาม แนวทางในการกำหนดนิยามนี้ไม่ได้เกิดขึ้นจริงในทางปฏิบัติ ตัวอย่างเช่น มีการสร้างเครื่องจักรที่สามารถตอบสนองต่อการเปลี่ยนแปลงของสภาพแวดล้อม (ความเย็น ความร้อน และอื่นๆ) ในขณะเดียวกัน พวกเขาก็ไม่สามารถรู้สึกอย่างที่คนๆ หนึ่งรู้สึกได้

แนวทางเชิงสัญลักษณ์

ความสำเร็จในการแก้ปัญหาส่วนใหญ่ถูกกำหนดโดยความสามารถในการเข้าถึงสถานการณ์อย่างยืดหยุ่น เครื่องจักรต่างจากคนทั่วไป ตีความข้อมูลที่ได้รับเป็นหนึ่งเดียว ดังนั้นเฉพาะบุคคลเท่านั้นที่มีส่วนร่วมในการแก้ปัญหา เครื่องดำเนินการตามอัลกอริธึมที่เป็นลายลักษณ์อักษรซึ่งไม่รวมการใช้แบบจำลองนามธรรมหลายแบบ เพื่อให้บรรลุความยืดหยุ่นจากโปรแกรมเป็นไปได้โดยการเพิ่มทรัพยากรที่เกี่ยวข้องในการแก้ปัญหา

ข้อเสียข้างต้นเป็นเรื่องปกติสำหรับแนวทางเชิงสัญลักษณ์ที่ใช้ในการพัฒนา AI อย่างไรก็ตาม ทิศทางของการพัฒนาปัญญาประดิษฐ์นี้ทำให้คุณสามารถสร้างกฎใหม่ในกระบวนการคำนวณได้ และปัญหาที่เกิดจากแนวทางเชิงสัญลักษณ์สามารถแก้ไขได้ด้วยวิธีการเชิงตรรกะ

วิธีการเชิงตรรกะ

แนวทางนี้เกี่ยวข้องกับการสร้างแบบจำลองที่เลียนแบบกระบวนการให้เหตุผล มันขึ้นอยู่กับหลักการของตรรกะ

วิธีนี้ไม่เกี่ยวข้องกับการใช้อัลกอริธึมที่เข้มงวดซึ่งนำไปสู่ผลลัพธ์ที่แน่นอน

วิธีการตามตัวแทน

มันใช้ตัวแทนอัจฉริยะ วิธีนี้ถือว่ามีดังต่อไปนี้: ความฉลาดเป็นส่วนในการคำนวณ ซึ่งผ่านการบรรลุเป้าหมาย เครื่องจักรมีบทบาทเป็นตัวแทนอัจฉริยะ เธอเรียนรู้สภาพแวดล้อมด้วยความช่วยเหลือของเซ็นเซอร์พิเศษ และโต้ตอบกับสภาพแวดล้อมผ่านชิ้นส่วนกลไก

แนวทางแบบตัวแทนมุ่งเน้นไปที่การพัฒนาอัลกอริธึมและวิธีการที่อนุญาตให้เครื่องทำงานในสถานการณ์ต่างๆ

แนวทางไฮบริด

แนวทางนี้เกี่ยวข้องกับการรวมตัวของแบบจำลองทางประสาทและเชิงสัญลักษณ์ ซึ่งทำให้สามารถแก้ไขปัญหาทั้งหมดที่เกี่ยวข้องกับกระบวนการคิดและการคำนวณได้สำเร็จ ตัวอย่างเช่น โครงข่ายประสาทเทียมสามารถสร้างทิศทางการทำงานของเครื่องได้ และการเรียนรู้แบบสถิตเป็นพื้นฐานในการแก้ไขปัญหา

ตามที่ผู้เชี่ยวชาญของบริษัท Gartnerในช่วงต้นปี 2020 ผลิตภัณฑ์ซอฟต์แวร์ที่วางจำหน่ายเกือบทั้งหมดจะใช้เทคโนโลยีปัญญาประดิษฐ์ นอกจากนี้ ผู้เชี่ยวชาญยังแนะนำว่าประมาณ 30% ของการลงทุนในโลกดิจิทัลจะตกอยู่ที่ AI

นักวิเคราะห์ของ Gartner ระบุว่าปัญญาประดิษฐ์เปิดโอกาสใหม่ๆ สำหรับความร่วมมือระหว่างผู้คนและเครื่องจักร ในขณะเดียวกัน ก็ไม่สามารถหยุดกระบวนการรวมตัวบุคคลด้วย AI ได้ และในอนาคตก็จะเร่งขึ้น

ใน บริษัท PwCเชื่อว่าภายในปี 2573 ปริมาณผลิตภัณฑ์มวลรวมภายในประเทศของโลกจะเติบโตประมาณ 14% อันเนื่องมาจากการนำเทคโนโลยีใหม่มาใช้อย่างรวดเร็ว นอกจากนี้ การเพิ่มขึ้นประมาณ 50% จะช่วยเพิ่มประสิทธิภาพของกระบวนการผลิต ช่วงครึ่งหลังของตัวบ่งชี้จะเป็นกำไรเพิ่มเติมที่ได้รับจากการแนะนำ AI ในผลิตภัณฑ์

ในขั้นต้น สหรัฐอเมริกาจะได้รับผลกระทบจากการใช้ปัญญาประดิษฐ์ เนื่องจากประเทศนี้ได้สร้างเงื่อนไขที่ดีที่สุดสำหรับการทำงานของเครื่องจักร AI ในอนาคตจีนจะแซงหน้าจีน ซึ่งจะดึงผลกำไรสูงสุดโดยการนำเทคโนโลยีดังกล่าวมาใช้กับผลิตภัณฑ์และการผลิต

ผู้เชี่ยวชาญของบริษัท กำลังขายอ้างว่า AI จะเพิ่มผลกำไรให้กับธุรกิจขนาดเล็กประมาณ 1.1 ล้านล้านดอลลาร์ และจะเกิดขึ้นภายในปี 2564 ส่วนหนึ่ง ตัวบ่งชี้นี้จะบรรลุผลได้จากการนำโซลูชันที่นำเสนอโดย AI มาใช้ในระบบที่รับผิดชอบในการสื่อสารกับลูกค้า ในขณะเดียวกัน ประสิทธิภาพของกระบวนการผลิตก็จะดีขึ้นด้วยระบบอัตโนมัติ

การแนะนำเทคโนโลยีใหม่จะสร้างงานเพิ่มเติมอีก 800,000 ตำแหน่ง ผู้เชี่ยวชาญทราบว่าตัวเลขนี้ชดเชยการสูญเสียตำแหน่งงานว่างอันเนื่องมาจากกระบวนการอัตโนมัติ นักวิเคราะห์จากการสำรวจระหว่างบริษัทต่าง ๆ คาดการณ์ว่าการใช้จ่ายของพวกเขาในระบบอัตโนมัติในโรงงานจะเพิ่มขึ้นเป็นประมาณ 46 พันล้านดอลลาร์ภายในต้นปี 2020

ในรัสเซีย การทำงานในด้าน AI ก็กำลังดำเนินการอยู่เช่นกัน เป็นเวลา 10 ปีแล้วที่รัฐได้ให้เงินทุนมากกว่า 1.3 พันโครงการในพื้นที่นี้ นอกจากนี้ การลงทุนส่วนใหญ่ไปพัฒนาโครงการที่ไม่เกี่ยวข้องกับการดำเนินกิจกรรมเชิงพาณิชย์ นี่แสดงให้เห็นว่าชุมชนธุรกิจของรัสเซียยังไม่สนใจที่จะแนะนำเทคโนโลยีปัญญาประดิษฐ์

โดยรวมแล้วรัสเซียลงทุนประมาณ 23 พันล้านรูเบิลเพื่อจุดประสงค์เหล่านี้ จำนวนเงินอุดหนุนจากรัฐบาลต่ำกว่าจำนวนเงินทุน AI ที่แสดงโดยประเทศอื่น ในสหรัฐอเมริกา มีการจัดสรรเงินประมาณ 200 ล้านดอลลาร์เพื่อวัตถุประสงค์เหล่านี้ทุกปี

โดยพื้นฐานแล้ว ในรัสเซีย เงินทุนจะได้รับการจัดสรรจากงบประมาณของรัฐสำหรับการพัฒนาเทคโนโลยี AI ซึ่งจากนั้นจะใช้ในภาคการขนส่ง อุตสาหกรรมการป้องกันประเทศ และในโครงการที่เกี่ยวข้องกับความปลอดภัย สถานการณ์นี้บ่งชี้ว่าในประเทศของเรา ผู้คนมีแนวโน้มที่จะลงทุนในพื้นที่ที่ช่วยให้คุณบรรลุผลบางอย่างจากกองทุนที่ลงทุนได้อย่างรวดเร็ว

การศึกษาข้างต้นยังแสดงให้เห็นว่าขณะนี้รัสเซียมีศักยภาพสูงสำหรับผู้เชี่ยวชาญด้านการฝึกอบรมที่สามารถมีส่วนร่วมในการพัฒนาเทคโนโลยี AI ในช่วง 5 ปีที่ผ่านมา ผู้คนประมาณ 200,000 คนได้รับการฝึกอบรมในด้านที่เกี่ยวข้องกับ AI

เทคโนโลยี AI กำลังพัฒนาในทิศทางต่อไปนี้:

• การแก้ปัญหาที่ทำให้สามารถนำความสามารถของ AI เข้ามาใกล้มนุษย์มากขึ้นและหาวิธีบูรณาการเข้ากับชีวิตประจำวัน
• การพัฒนาจิตใจที่เต็มเปี่ยมโดยที่งานเผชิญหน้ามนุษยชาติจะได้รับการแก้ไข

ในขณะนี้ นักวิจัยกำลังมุ่งเน้นไปที่การพัฒนาเทคโนโลยีที่แก้ปัญหาในทางปฏิบัติ จนถึงตอนนี้ นักวิทยาศาสตร์ยังไม่ได้เข้าใกล้กับการสร้างปัญญาประดิษฐ์ที่เต็มเปี่ยม

หลายบริษัทกำลังพัฒนาเทคโนโลยีในด้าน AI "ยานเดกซ์" ใช้ในเครื่องมือค้นหามานานกว่าหนึ่งปี ตั้งแต่ปี 2559 บริษัท ไอทีของรัสเซียได้มีส่วนร่วมในการวิจัยด้านเครือข่ายประสาทเทียม หลังเปลี่ยนลักษณะการทำงานของเครื่องมือค้นหา โดยเฉพาะอย่างยิ่ง โครงข่ายประสาทเทียมจะเปรียบเทียบการสืบค้นที่ผู้ใช้ป้อนกับหมายเลขเวกเตอร์ที่สะท้อนความหมายของงานได้อย่างเต็มที่ กล่าวอีกนัยหนึ่งการค้นหาไม่ได้ดำเนินการโดยคำ แต่โดยสาระสำคัญของข้อมูลที่ร้องขอโดยบุคคล

ในปี 2559 "ยานเดกซ์"เปิดบริการ "เซน"ซึ่งวิเคราะห์การตั้งค่าของผู้ใช้

บริษัท Abbyyเพิ่งเปิดตัวระบบ Compreno. ด้วยความช่วยเหลือของมัน เป็นไปได้ที่จะเข้าใจข้อความที่เขียนด้วยภาษาธรรมชาติ ระบบอื่น ๆ ที่ใช้เทคโนโลยีปัญญาประดิษฐ์ได้เข้าสู่ตลาดเมื่อไม่นานมานี้:

1. ค้นหาระบบสามารถจดจำคำพูดของมนุษย์และค้นหาข้อมูลในเอกสารและไฟล์ต่างๆ โดยใช้ข้อความค้นหาที่ซับซ้อน
2. กามาลอนบริษัทนี้แนะนำระบบที่มีความสามารถในการเรียนรู้ด้วยตนเอง
3. วัตสัน.คอมพิวเตอร์ IBM ที่ใช้อัลกอริธึมจำนวนมากในการค้นหาข้อมูล
4. ไวอากร้า.ระบบรู้จำคำพูดของมนุษย์

บริษัทการค้าขนาดใหญ่ไม่ได้ก้าวข้ามความก้าวหน้าในด้านปัญญาประดิษฐ์ ธนาคารกำลังใช้เทคโนโลยีดังกล่าวในกิจกรรมของตนอย่างแข็งขัน ด้วยความช่วยเหลือของระบบที่ใช้ AI พวกเขาทำธุรกรรมการแลกเปลี่ยน จัดการทรัพย์สิน และดำเนินการอื่น ๆ

อุตสาหกรรมการป้องกันประเทศ การแพทย์ และพื้นที่อื่น ๆ กำลังใช้เทคโนโลยีการจดจำวัตถุ และบริษัทพัฒนาเกมกำลังใช้ AI เพื่อสร้างผลิตภัณฑ์ต่อไป

ในช่วงไม่กี่ปีที่ผ่านมา กลุ่มนักวิทยาศาสตร์ชาวอเมริกันได้ทำงานในโครงการ นีลซึ่งนักวิจัยขอให้คอมพิวเตอร์จดจำสิ่งที่แสดงในภาพถ่าย ผู้เชี่ยวชาญแนะนำว่าด้วยวิธีนี้ พวกเขาจะสามารถสร้างระบบที่สามารถเรียนรู้ด้วยตนเองได้โดยไม่ต้องมีการแทรกแซงจากภายนอก

บริษัท VisionLabเปิดตัวแพลตฟอร์มของตัวเอง LUNAซึ่งสามารถจดจำใบหน้าได้แบบเรียลไทม์โดยเลือกจากกลุ่มรูปภาพและวิดีโอขนาดใหญ่ ปัจจุบันเทคโนโลยีนี้ถูกใช้โดยธนาคารขนาดใหญ่และผู้ค้าปลีกเครือข่าย ด้วย LUNA คุณสามารถเปรียบเทียบความชอบของผู้คนและนำเสนอผลิตภัณฑ์และบริการที่เกี่ยวข้อง

บริษัทรัสเซียกำลังพัฒนาเทคโนโลยีที่คล้ายคลึงกัน N-Tech Lab. ในเวลาเดียวกัน ผู้เชี่ยวชาญกำลังพยายามสร้างระบบจดจำใบหน้าโดยใช้โครงข่ายประสาทเทียม จากข้อมูลล่าสุด การพัฒนาของรัสเซียรับมือกับงานที่ได้รับมอบหมายได้ดีกว่าตัวบุคคล

Stephen Hawking กล่าวว่าการพัฒนาเทคโนโลยีปัญญาประดิษฐ์ในอนาคตจะนำไปสู่ความตายของมนุษยชาติ นักวิทยาศาสตร์ตั้งข้อสังเกตว่าผู้คนจะค่อยๆ เสื่อมโทรมลงเนื่องจากการนำ AI มาใช้ และในสภาวะของการวิวัฒนาการตามธรรมชาติ เมื่อบุคคลจำเป็นต้องต่อสู้อย่างต่อเนื่องเพื่อเอาชีวิตรอด กระบวนการนี้จะนำไปสู่ความตายของเขาอย่างหลีกเลี่ยงไม่ได้

รัสเซียกำลังพิจารณาการนำ AI มาใช้ในเชิงบวก Alexei Kudrin เคยกล่าวไว้ว่าการใช้เทคโนโลยีดังกล่าวจะช่วยลดค่าใช้จ่ายในการบำรุงรักษาเครื่องมือของรัฐได้ประมาณ 0.3% ของ GDP Dmitry Medvedev ทำนายการหายตัวไปของอาชีพต่างๆ เนื่องจากการนำ AI มาใช้ อย่างไรก็ตาม เจ้าหน้าที่เน้นว่าการใช้เทคโนโลยีดังกล่าวจะนำไปสู่การพัฒนาอุตสาหกรรมอื่นๆ อย่างรวดเร็ว

ตามที่ผู้เชี่ยวชาญจาก World Economic Forum ระบุว่า ภายในต้นปี 2020 ผู้คนประมาณ 7 ล้านคนในโลกจะตกงานเนื่องจากการผลิตแบบอัตโนมัติ การนำ AI มาใช้มีแนวโน้มสูงที่จะทำให้เกิดการเปลี่ยนแปลงทางเศรษฐกิจและการหายตัวไปของอาชีพที่เกี่ยวข้องกับการประมวลผลข้อมูลจำนวนหนึ่ง

ผู้เชี่ยวชาญ McKinseyประกาศว่ากระบวนการผลิตแบบอัตโนมัติจะมีการใช้งานมากขึ้นในรัสเซีย จีน และอินเดีย ในประเทศเหล่านี้ ในอนาคตอันใกล้ คนงานมากถึง 50% จะตกงานเนื่องจากการแนะนำ AI ตำแหน่งของพวกเขาจะถูกยึดครองโดยระบบคอมพิวเตอร์และหุ่นยนต์

จากข้อมูลของ McKinsey ปัญญาประดิษฐ์จะเข้ามาแทนที่งานที่เกี่ยวข้องกับการใช้แรงงานทางกายภาพและการประมวลผลข้อมูล เช่น ร้านค้าปลีก พนักงานโรงแรม และอื่นๆ

ภายในกลางศตวรรษนี้ ผู้เชี่ยวชาญจากบริษัทอเมริกันแห่งหนึ่งระบุว่า จำนวนงานทั่วโลกจะลดลงประมาณ 50% ผู้คนจะถูกแทนที่ด้วยเครื่องจักรที่สามารถดำเนินการที่คล้ายคลึงกันโดยมีประสิทธิภาพเท่ากันหรือสูงกว่า ในเวลาเดียวกัน ผู้เชี่ยวชาญจะไม่ยกเว้นตัวเลือกที่จะรับรู้การคาดการณ์นี้ก่อนเวลาที่กำหนด

นักวิเคราะห์คนอื่นๆ ทราบถึงอันตรายที่หุ่นยนต์สามารถก่อได้ ตัวอย่างเช่น ผู้เชี่ยวชาญของ McKinsey ชี้ให้เห็นว่าหุ่นยนต์ไม่ต้องจ่ายภาษีต่างจากมนุษย์ ส่งผลให้รายได้จากงบประมาณลดลง รัฐจะไม่สามารถรักษาโครงสร้างพื้นฐานให้อยู่ในระดับเดียวกันได้ ดังนั้น Bill Gates จึงเสนอภาษีใหม่สำหรับอุปกรณ์หุ่นยนต์

เทคโนโลยี AI เพิ่มประสิทธิภาพของบริษัทโดยลดจำนวนข้อผิดพลาดที่เกิดขึ้น นอกจากนี้ยังช่วยให้คุณเพิ่มความเร็วในการดำเนินการในระดับที่บุคคลไม่สามารถทำได้

ก่อนหน้านี้ แนวคิดของปัญญาประดิษฐ์ (AI) เกี่ยวข้องกับความหวังในการสร้างเครื่องคิดที่สามารถแข่งขันกับสมองของมนุษย์และอาจเหนือกว่านั้น ความหวังเหล่านี้ซึ่งจับจินตนาการของผู้ชื่นชอบหลายคนมาเป็นเวลานานยังคงไม่บรรลุผล และถึงแม้ว่าต้นแบบวรรณกรรมที่ยอดเยี่ยมของ "เครื่องจักรอัจฉริยะ" จะถูกสร้างขึ้นเมื่อหลายร้อยปีก่อนสมัยของเรา แต่ตั้งแต่ช่วงกลางทศวรรษที่สามสิบเท่านั้นตั้งแต่การตีพิมพ์ผลงานของ A. Turing ซึ่งประณามความเป็นจริงของการสร้างอุปกรณ์ดังกล่าวปัญหาของ AI เริ่มมีการปฏิบัติอย่างจริงจัง

เพื่อที่จะตอบคำถามว่าเครื่องจักรใดควรได้รับการพิจารณาว่าเป็น "ความคิด" ทัวริงแนะนำให้ใช้การทดสอบต่อไปนี้: ผู้ทดสอบสื่อสารผ่านตัวกลางกับคู่สนทนาที่มองไม่เห็นตัวเขา บุคคลหรือเครื่องจักร “ทางปัญญา” ถือได้ว่าเป็นเครื่องที่ผู้ทดสอบในกระบวนการสื่อสารดังกล่าวไม่สามารถแยกแยะความแตกต่างจากบุคคลได้

หากผู้ทดสอบเมื่อทำการทดสอบคอมพิวเตอร์สำหรับ "ความฉลาด" ปฏิบัติตามข้อจำกัดที่ค่อนข้างเข้มงวดในการเลือกหัวข้อและรูปแบบของบทสนทนา คอมพิวเตอร์สมัยใหม่ทุกเครื่องที่ติดตั้งซอฟต์แวร์ที่เหมาะสมจะผ่านการทดสอบนี้ อาจถือได้ว่าเป็นสัญญาณของความเฉลียวฉลาดที่สามารถสนทนาต่อได้ แต่ดังที่ได้แสดงให้เห็นแล้ว ความสามารถของมนุษย์นี้ถูกจำลองอย่างง่ายดายบนคอมพิวเตอร์ ความสามารถในการเรียนรู้สามารถทำหน้าที่เป็นสัญญาณของความฉลาด ในปี 1961 ศาสตราจารย์ D. Michi หนึ่งในผู้เชี่ยวชาญด้าน AI ชั้นนำของอังกฤษ ได้อธิบายกลไกที่ประกอบด้วยกล่องไม้ขีดไฟ 300 กล่องที่สามารถเรียนรู้การเล่นโอเอกซ์ มิชินเรียกอุปกรณ์นี้ว่า MENACE (Matchbox Educable Naughts and Crosses Engine) ในชื่อ (ภัยคุกคาม) เห็นได้ชัดว่ามีส่วนประชดที่เกิดจากอคติต่อเครื่องคิด

จนถึงขณะนี้ยังไม่มีคำจำกัดความ AI เดียวและเป็นที่ยอมรับในระดับสากล และไม่น่าแปลกใจเลย “พอจำได้ว่ายังไม่มีคำจำกัดความสากลของความฉลาดของมนุษย์ การอภิปรายเกี่ยวกับสิ่งที่ถือได้ว่าเป็นสัญญาณของ AI และสิ่งที่ไม่ใช่นั้น ชวนให้นึกถึงข้อพิพาทของนักวิทยาศาสตร์ยุคกลางเกี่ยวกับจำนวนทูตสวรรค์ที่สามารถใส่ได้บนปลาย เข็ม”1. ตอนนี้เป็นเรื่องปกติที่จะเรียก AI ว่าเป็นอัลกอริทึมและระบบซอฟต์แวร์จำนวนหนึ่ง คุณลักษณะที่โดดเด่นคือพวกเขาสามารถแก้ปัญหาบางอย่างได้เช่นเดียวกับคนที่คิดเกี่ยวกับวิธีแก้ปัญหาของพวกเขา

โครงข่ายประสาทเทียม

แนวคิดของโครงข่ายประสาทเทียมเกิดขึ้นในระหว่างการวิจัยในสาขาปัญญาประดิษฐ์ กล่าวคือ เป็นผลมาจากความพยายามที่จะทำซ้ำความสามารถของระบบประสาทชีวภาพในการเรียนรู้และแก้ไขข้อผิดพลาดโดยการสร้างแบบจำลองโครงสร้างระดับต่ำของ สมอง. งานวิจัยหลักด้านปัญญาประดิษฐ์ในยุค 60-80 คือระบบผู้เชี่ยวชาญ ระบบดังกล่าวมีพื้นฐานมาจากแบบจำลองระดับสูงของกระบวนการคิด ในไม่ช้าก็เห็นได้ชัดว่าระบบดังกล่าว แม้ว่าอาจมีประโยชน์ในบางพื้นที่ แต่ก็ไม่ได้ครอบคลุมถึงลักษณะสำคัญบางประการของการทำงานของสมองของมนุษย์

จากมุมมองหนึ่ง สาเหตุของเรื่องนี้ก็คือพวกเขาไม่สามารถสร้างโครงสร้างของสมองได้ ในการสร้างปัญญาประดิษฐ์ คุณต้องสร้างระบบที่มีสถาปัตยกรรมที่คล้ายคลึงกัน

สมองประกอบด้วยเซลล์ประสาทจำนวนมาก (ประมาณ 1,010) เซลล์ที่เชื่อมต่อกันด้วยการเชื่อมต่อจำนวนมาก (โดยเฉลี่ยแล้ว การเชื่อมต่อหลายพันครั้งต่อเซลล์ประสาท แต่จำนวนนี้อาจผันผวนอย่างมาก) เซลล์ประสาทเป็นเซลล์พิเศษที่สามารถแพร่สัญญาณไฟฟ้าเคมีได้ เซลล์ประสาทมีโครงสร้างการป้อนข้อมูลแบบแยกสาขา (เดนไดรต์) นิวเคลียส และเอาต์พุตแบบแยกแขนง (แอกซอน) แอกซอนของเซลล์เชื่อมต่อกับเดนไดรต์ของเซลล์อื่นๆ ผ่านทางไซแนปส์ เมื่อถูกกระตุ้น เซลล์ประสาทจะส่งสัญญาณไฟฟ้าเคมีลงไปที่แอกซอนของมัน โดยผ่านไซแนปส์ สัญญาณนี้จะไปถึงเซลล์ประสาทอื่นๆ ซึ่งสามารถเปิดใช้งานได้ เซลล์ประสาทจะเปิดใช้งานเมื่อระดับสัญญาณทั้งหมดที่มาถึงนิวเคลียสจากเดนไดรต์เกินระดับหนึ่ง (เกณฑ์การเปิดใช้งาน)

ความเข้มของสัญญาณที่ได้รับจากเซลล์ประสาท (และด้วยเหตุนี้ ความเป็นไปได้ของการกระตุ้น) ขึ้นอยู่กับกิจกรรมของไซแนปส์อย่างมาก ไซแนปส์แต่ละตัวมีความยาวและสารเคมีพิเศษส่งสัญญาณไปตามนั้น Donald Hebb หนึ่งในนักวิจัยด้านระบบประสาทที่ได้รับความนับถือมากที่สุด ตั้งข้อสังเกตว่าการเรียนรู้ประกอบด้วยการเปลี่ยนแปลงในความแข็งแกร่งของการเชื่อมต่อโดยสรุป ตัวอย่างเช่นในการทดลองคลาสสิก Pavlova ทุกครั้งที่ก่อนให้อาหารสุนัข กระดิ่งจะดังขึ้น และสุนัขก็เรียนรู้ที่จะเชื่อมโยงเสียงกริ่งกับอาหารอย่างรวดเร็ว

การเชื่อมต่อแบบสรุประหว่างพื้นที่ของเปลือกสมองที่รับผิดชอบในการได้ยินและต่อมน้ำลายทวีความรุนแรงขึ้น และเมื่อเยื่อหุ้มสมองรู้สึกตื่นเต้นด้วยเสียงกระดิ่ง สุนัขก็เริ่มน้ำลายไหล

ดังนั้น การสร้างจากองค์ประกอบที่เรียบง่ายมาก ๆ จำนวนมาก (ซึ่งแต่ละอันใช้สัญญาณอินพุตรวมถ่วงน้ำหนัก และหากอินพุตทั้งหมดเกินระดับหนึ่ง จะส่งผ่านสัญญาณไบนารี) สมองสามารถแก้ปัญหาที่ซับซ้อนมากได้ ปัญหา. คำจำกัดความของเซลล์ประสาทแบบคลาสสิกที่เป็นทางการกำหนดไว้ดังนี้:

รับสัญญาณอินพุต (ข้อมูลอินพุตหรือสัญญาณเอาต์พุตจากเซลล์ประสาทอื่นในเครือข่าย) ผ่านช่องสัญญาณอินพุตหลายช่อง แต่ละสัญญาณเข้าผ่านทางแยกที่มีความเข้ม (หรือน้ำหนัก); น้ำหนักนี้สอดคล้องกับกิจกรรมสรุปของเซลล์ประสาททางชีววิทยา แต่ละเซลล์ประสาทมีค่าเกณฑ์เฉพาะที่เกี่ยวข้อง คำนวณผลรวมถ่วงน้ำหนักของอินพุต ค่าธรณีประตูถูกลบออกจากค่านั้น และด้วยเหตุนี้ ค่าการกระตุ้นของเซลล์ประสาทจึงได้รับ

สัญญาณกระตุ้นจะถูกแปลงโดยใช้ฟังก์ชันการเปิดใช้งาน (หรือฟังก์ชันถ่ายโอน) และด้วยเหตุนี้ สัญญาณเอาต์พุตของเซลล์ประสาทจึงได้รับ

หากคุณใช้ฟังก์ชันกระตุ้นแบบขั้นตอน เซลล์ประสาทดังกล่าวจะทำงานในลักษณะเดียวกับเซลล์ประสาทตามธรรมชาติที่อธิบายไว้ข้างต้นทุกประการ

โครงข่ายประสาทเทียมในปัญญาประดิษฐ์

งานเกี่ยวกับการสร้างระบบอัจฉริยะนั้นดำเนินการในสองทิศทาง ผู้สนับสนุนทิศทางแรกซึ่งปัจจุบันเป็นส่วนใหญ่ในหมู่ผู้เชี่ยวชาญในสาขาปัญญาประดิษฐ์ดำเนินการจากตำแหน่งที่ระบบประดิษฐ์ไม่จำเป็นต้องทำซ้ำในโครงสร้างและการทำงานของโครงสร้างและกระบวนการที่เกิดขึ้นในระบบทางชีววิทยา . สิ่งสำคัญเพียงอย่างเดียวคือไม่ว่าจะด้วยวิธีใดวิธีหนึ่งก็สามารถบรรลุผลเช่นเดียวกันในพฤติกรรมที่เป็นลักษณะเฉพาะของมนุษย์และระบบทางชีววิทยาอื่น ๆ

ผู้สนับสนุนทิศทางที่สองเชื่อว่าสิ่งนี้ไม่สามารถทำได้ในระดับข้อมูลล้วนๆ ผู้เชี่ยวชาญเหล่านี้ระบุว่าปรากฏการณ์ของพฤติกรรมมนุษย์ ความสามารถในการเรียนรู้และปรับตัว เป็นผลมาจากโครงสร้างทางชีววิทยาและลักษณะการทำงานของมัน

ผู้สนับสนุนทิศทางการให้ข้อมูลครั้งแรกมีรูปแบบและโปรแกรมที่ใช้งานได้จริงซึ่งจำลองลักษณะบางอย่างของสติปัญญา ผลงานที่โดดเด่นที่สุดชิ้นหนึ่งที่แสดงทิศทางแรกคือรายการ "General Problem Solver" โดย A. Newell, I. Shaw และ G. Simon การพัฒนาทิศทางข้อมูลเริ่มต้นจากงานของการให้เหตุผลโดยใช้เหตุผลโดยชี้แจงวิธีการทั่วไปเพื่อระบุข้อความเท็จและความจริงอย่างรวดเร็วในระบบความรู้ที่กำหนด ความสามารถในการให้เหตุผลและค้นหาความขัดแย้งในระบบต่าง ๆ ของสถานการณ์ วัตถุ แนวคิดที่สัมพันธ์กัน เป็นลักษณะสำคัญของปรากฏการณ์การคิด การแสดงออกของความสามารถในการคิดแบบนิรนัย

ประสิทธิผลของทิศทางข้อมูลไม่อาจโต้แย้งได้ในด้านการศึกษาและการทำซ้ำของอาการทางจิตแบบนิรนัย สำหรับปัญหาในทางปฏิบัติบางอย่างก็เพียงพอแล้ว ทิศทางของข้อมูลเป็นวิทยาศาสตร์ที่แม่นยำและเข้มงวด ซึ่งรวมเอาผลลัพธ์หลักของการวิจัยทางไซเบอร์เนติกส์และวัฒนธรรมทางคณิตศาสตร์เข้าไว้ด้วยกัน ปัญหาหลักของทิศทางข้อมูลคือการแนะนำกิจกรรมภายในลงในแบบจำลองและสามารถนำเสนอขั้นตอนการอุปนัย

ปัญหาสำคัญประการหนึ่งคือ "ปัญหาความรู้เชิงรุกที่สร้างความต้องการกิจกรรมของระบบเนื่องจากความรู้ที่สะสมอยู่ในหน่วยความจำของระบบ"1.

ผู้สนับสนุนทิศทางทางชีวภาพที่สองมีผลน้อยกว่าที่พวกเขาหวังไว้มาก หนึ่งในผู้ก่อตั้งแนวโน้มทางชีววิทยาในไซเบอร์เนติกส์คือ W. McCulloch ในสรีรวิทยาทางประสาทวิทยา ได้มีการกำหนดหน้าที่และคุณสมบัติหลายอย่างในสิ่งมีชีวิตโดยใช้โครงสร้างประสาทบางอย่าง จากการสร้างซ้ำของโครงสร้างดังกล่าว ในหลายกรณี ได้รับแบบจำลองที่ดี โดยเฉพาะอย่างยิ่งสำหรับบางแง่มุมของงานของระบบใยแก้วนำแสง

การสร้างเครื่องคอมพิวเตอร์ประสาทจำลองโครงข่ายประสาทเทียม (NN) ปัจจุบันถือเป็นหนึ่งในพื้นที่ที่มีแนวโน้มมากที่สุดในการแก้ปัญหาการสร้างปัญญาของคอมพิวเตอร์ที่สร้างขึ้นใหม่และระบบวิเคราะห์ข้อมูลของคนรุ่นใหม่

ในการศึกษาส่วนใหญ่ในหัวข้อนี้ NN ถูกนำเสนอเป็นชุดขององค์ประกอบที่ค่อนข้างง่ายจำนวนมาก ซึ่งโทโพโลยีของการเชื่อมต่อนั้นขึ้นอยู่กับประเภทของเครือข่าย แนวทางที่เป็นที่รู้จักเกือบทั้งหมดในการออกแบบโครงข่ายประสาทเทียมนั้นส่วนใหญ่เกี่ยวข้องกับการเลือกและการวิเคราะห์โครงสร้างเฉพาะบางอย่างของเครือข่ายที่เป็นเนื้อเดียวกันในเซลล์ประสาทที่เป็นทางการซึ่งมีคุณสมบัติที่รู้จัก (ฮอปฟิลด์, แฮมมิง, กรอสเบิร์ก, เครือข่ายโคฮอนเนน ฯลฯ) และบางโหมดที่อธิบายทางคณิตศาสตร์ของ การดำเนินงานของพวกเขา ในกรณีนี้ คำว่า โครงข่ายประสาทเทียม เป็นคำอุปมา เพราะมันสะท้อนถึงความจริงที่ว่า โครงข่ายเหล่านี้มีความคล้ายคลึงกับโครงข่ายประสาทที่มีชีวิต แต่อย่าทำซ้ำในความซับซ้อนทั้งหมด จากการตีความนี้คอมพิวเตอร์ประสาทถือเป็นขั้นตอนต่อไปของซูเปอร์คอมพิวเตอร์แบบขนานสูงที่มีแนวคิดดั้งเดิมของอัลกอริทึมแบบขนานสำหรับการแก้ปัญหาระดับต่างๆ ตามปกติแล้ว คอมพิวเตอร์ประสาทนิวรอลของคอมพิวเตอร์ประสาทนั้นไม่ได้เชื่อมโยงกับคุณสมบัติและลักษณะใดๆ ของสมองของมนุษย์และสัตว์แต่อย่างใด มันเกี่ยวข้องเฉพาะกับชื่อตามเงื่อนไขขององค์ประกอบตรรกะของธรณีประตูในฐานะเซลล์ประสาทที่เป็นทางการด้วยค่าสัมประสิทธิ์น้ำหนักที่ปรับได้หรือคงที่ ซึ่งใช้ฟังก์ชันการถ่ายโอนที่ง่ายที่สุดของเซลล์ประสาท การวิจัยในด้านการสร้างความฉลาดทางระบบประสาทจะดำเนินการในระดับต่างๆ: เครื่องมือทางทฤษฎี, ต้นแบบสำหรับงานประยุกต์, ซอฟต์แวร์ NN, โครงสร้างฮาร์ดแวร์ ขั้นตอนหลักในการสร้างคอมพิวเตอร์ที่เหมือนสมองคือการอธิบายหลักการของการก่อตัวของการเชื่อมต่อระหว่างองค์ประกอบและระบบเหมือนสมองของเครือข่ายแบบปรับตัวที่มีองค์ประกอบจำนวนมากการสร้างอินพุตหลายตัวขนาดกะทัดรัด องค์ประกอบที่ปรับเปลี่ยนได้ซึ่งคล้ายคลึงกับเซลล์ประสาทจริง การศึกษาคุณลักษณะการทำงานของมัน การพัฒนาและการนำโปรแกรมการฝึกอบรมไปใช้สำหรับอุปกรณ์ที่มีลักษณะคล้ายสมอง

ทิศทางนี้ถูกสร้างขึ้นบนพื้นฐานของการยืนยันว่าสติปัญญาของมนุษย์สามารถอธิบายโดยละเอียดและจำลองด้วยเครื่องได้สำเร็จ เกอเธ่เฟาสต์ ความคิดที่ว่าไม่ใช่คนที่สามารถทำงานหนักเพื่อผู้ชายได้เกิดขึ้นในยุคหินเมื่อชายคนหนึ่งเลี้ยงสุนัข สิ่งที่มีค่าที่สุดในการสร้างนี้คือสิ่งที่เราเรียกว่าปัญญาประดิษฐ์ สำหรับเขาแล้ว แนวคิดเรื่องการต่อสู้ที่เข้มข้นเพื่อต่อต้านความชั่วร้ายซึ่งอยู่เหนือขอบเขตของกฎหมายศาสนานั้นถูกกฎหมาย...

แชร์งานบนโซเชียลเน็ตเวิร์ก

หากงานนี้ไม่เหมาะกับคุณ มีรายการผลงานที่คล้ายกันที่ด้านล่างของหน้า คุณยังสามารถใช้ปุ่มค้นหา

ร่วมสถาบันวิจัยนิวเคลียร์

ศูนย์การศึกษาและวิทยาศาสตร์

เรียงความ

ในประวัติศาสตร์และปรัชญาวิทยาศาสตร์

ในหัวข้อ:

ประวัติการพัฒนาปัญญาประดิษฐ์

สมบูรณ์:

Pelevanyuk I.S.

ดับนา

2014

บทนำ 3

ก่อนวิทยาศาสตร์ 4

ความคิดแรกสุด 4

กฎสามข้อของวิทยาการหุ่นยนต์ 5

ขั้นตอนทางวิทยาศาสตร์ขั้นแรก7

การทดสอบทัวริง7

สัมมนาดาร์เม้าท์ 8

พ.ศ. 2499-2503 ช่วงเวลาแห่งความหวังอันยิ่งใหญ่ 9

ทศวรรษ 1970: ระบบฐานความรู้ 10

ต่อสู้บนกระดานหมากรุก 11

การใช้ปัญญาประดิษฐ์เพื่อการค้า 15

กระบวนทัศน์ที่เปลี่ยนไป 16

การขุดข้อมูล 16

บทสรุป 21

อ้างอิง 22

บทนำ

คำว่า ปัญญา (lat. intellectus) หมายถึง จิตใจ เหตุผล ความสามารถในการคิด และความรู้ที่มีเหตุมีผล โดยปกติหมายถึงความสามารถในการรับ จดจำ ประยุกต์ใช้ และเปลี่ยนแปลงความรู้เพื่อแก้ปัญหาบางอย่าง ด้วยคุณสมบัติเหล่านี้ สมองของมนุษย์จึงสามารถแก้ปัญหาต่างๆ ได้ รวมถึงวิธีการแก้ปัญหาที่ไม่เคยมีมาก่อน

คำว่าปัญญาประดิษฐ์เกิดขึ้นค่อนข้างเร็ว แต่ตอนนี้แทบจะเป็นไปไม่ได้เลยที่จะจินตนาการถึงโลกที่ปราศจากมัน บ่อยครั้งที่ผู้คนไม่สังเกตเห็นการปรากฏตัวของเขา แต่ถ้าจู่ๆ เขาก็หายไป สิ่งนี้จะส่งผลกระทบต่อชีวิตของเราอย่างรุนแรง พื้นที่ที่ใช้เทคโนโลยีปัญญาประดิษฐ์ได้รับการเติมเต็มอย่างต่อเนื่อง: เมื่อเป็นโปรแกรมสำหรับเล่นหมากรุกแล้ว - หุ่นยนต์เครื่องดูดฝุ่นตอนนี้อัลกอริธึมสามารถทำการซื้อขายแลกเปลี่ยนได้เอง

ทิศทางนี้ถูกสร้างขึ้นบนพื้นฐานของการยืนยันว่าสติปัญญาของมนุษย์สามารถอธิบายได้อย่างละเอียดและต่อมาเลียนแบบได้สำเร็จด้วยเครื่อง ปัญญาประดิษฐ์เป็นสาเหตุของการมองโลกในแง่ดี แต่ในไม่ช้าก็แสดงให้เห็นถึงความซับซ้อนของการใช้งาน

พื้นที่หลักของการพัฒนาปัญญาประดิษฐ์รวมถึงการให้เหตุผล ความรู้ การวางแผน การเรียนรู้ การสื่อสารภาษา การรับรู้ และความสามารถในการเคลื่อนย้ายและจัดการวัตถุ ปัญญาประดิษฐ์ทั่วไป (หรือ "AI ที่แข็งแกร่ง") ยังคงอยู่บนขอบฟ้า แนวทางที่ได้รับความนิยมในปัจจุบัน ได้แก่ วิธีการทางสถิติ ความฉลาดทางการคำนวณ และ AI เชิงสัญลักษณ์แบบดั้งเดิม มีเครื่องมือจำนวนมากที่ใช้ปัญญาประดิษฐ์: เวอร์ชันต่างๆ ของอัลกอริธึมการค้นหา อัลกอริธึมการปรับให้เหมาะสมทางคณิตศาสตร์ ตรรกะ วิธีการตามความน่าจะเป็น และอื่นๆ อีกมากมาย

ในบทความนี้ ฉันพยายามรวบรวมเหตุการณ์ที่สำคัญที่สุดจากมุมมองของฉัน เหตุการณ์ที่มีอิทธิพลต่อการพัฒนาเทคโนโลยีและทฤษฎีปัญญาประดิษฐ์ ความสำเร็จหลักและข้อกำหนดเบื้องต้น

ก่อนการมาของวิทยาศาสตร์

ความคิดแรกสุด

"เราถูกบอกว่า "คนบ้า" และ "ยอดเยี่ยม"

แต่จากการพึ่งพาอาศัยกันอย่างเศร้าโศก

ตลอดหลายปีที่ผ่านมา สมองของนักคิดนั้นเก่งกาจ

นักคิดจะถูกสร้างขึ้นเทียม”

เกอเธ่, เฟาสท์

ความคิดที่ว่าคนที่ไม่ใช่มนุษย์สามารถทำงานที่ยากลำบากสำหรับมนุษย์ที่มีต้นกำเนิดในยุคหินเมื่อมนุษย์เลี้ยงสุนัข สุนัขตัวนี้เหมาะสมกับบทบาทของคนเฝ้ายามและทำหน้าที่นี้ได้ดีกว่าคนมาก แน่นอน ตัวอย่างนี้ไม่ถือเป็นการสาธิตการใช้ปัญญาประดิษฐ์ เพราะสุนัขเป็นสิ่งมีชีวิต มีความสามารถที่จะจดจำภาพ วางทิศทางในอวกาศ และมีแนวโน้มที่จะเรียนรู้พื้นฐานใน เพื่อให้รู้จัก "มิตร/ศัตรู" อย่างไรก็ตาม มันแสดงให้เห็นทิศทางของความคิดของบุคคล

อีกตัวอย่างหนึ่งคือตำนานของทาลอส ตามตำนานเล่าว่าทาลอสเป็นอัศวินสีบรอนซ์ขนาดใหญ่ที่ซุสมอบให้ยุโรปเพื่อปกป้องเกาะครีต งานของเขาคือกันคนนอกออกจากเกาะ หากพวกเขาเข้ามาใกล้ Talos ก็ขว้างก้อนหินใส่พวกเขา หากพวกเขาสามารถลงจอดได้ Talos ก็จุดไฟเผาศัตรูที่อยู่ในอ้อมแขนของเขา

ทำไมทาลอสถึงโดดเด่นมาก? สร้างขึ้นจากวัสดุที่ทนทานที่สุดในขณะนั้น สามารถตรวจจับได้ว่าใครคือคนแปลกหน้า แทบจะคงกระพันโดยไม่จำเป็นต้องพักผ่อน นี่คือวิธีที่ชาวกรีกโบราณจินตนาการถึงการสร้างเทพเจ้า สิ่งที่มีค่าที่สุดในการสร้างนี้คือสิ่งที่เราเรียกว่าปัญญาประดิษฐ์

อีกตัวอย่างที่น่าสนใจสามารถนำมาจากประเพณีของชาวยิว - นี่คือตำนานเกี่ยวกับโกเลม โกเลมเป็นสิ่งมีชีวิตจากดินเหนียวของมนุษย์ ตามตำนานสามารถสร้างขึ้นโดยแรบไบเพื่อปกป้องชาวยิว ในปราก ตำนานพื้นบ้านของชาวยิวได้เกิดขึ้นเกี่ยวกับโกเลม ซึ่งสร้างขึ้นโดยหัวหน้าแรบไบแห่งปรากเพื่อทำงาน "คนผิวสี" ต่างๆ หรือเพียงแค่งานมอบหมายที่ยากลำบาก โกเลมอื่น ๆ เป็นที่รู้จักกันซึ่งสร้างขึ้นตามประเพณีที่เป็นที่นิยมโดยแรบไบผู้มีอำนาจผู้ริเริ่มความคิดทางศาสนา

ในตำนานนี้ แฟนตาซีพื้นบ้านแสดงให้เห็นถึงการต่อต้านความชั่วร้ายทางสังคมด้วยความรุนแรงของโกเลม สำหรับเขาแล้ว แนวคิดเรื่องการต่อสู้กับความชั่วร้ายอย่างเข้มข้นซึ่งอยู่เหนือขอบเขตของกฎหมายศาสนานั้นถูกกฎหมาย ไม่น่าแปลกใจเลยที่โกเลมตามตำนานเล่าขานจะมีพลังอำนาจเกินกำลัง ประกาศเจตจำนงของมัน ตรงกันข้ามกับเจตจำนงของผู้สร้าง: โกเลมสามารถทำสิ่งที่ผิดต่อบุคคลตามกฎหมายได้

และสุดท้าย นวนิยาย Frankenstein หรือ Modern Prometheus โดย Mary Shelley สามารถเรียกได้ว่าเป็นบรรพบุรุษของวรรณคดีนิยายวิทยาศาสตร์ บรรยายชีวิตและผลงานของ ดร.วิกเตอร์ แฟรงเกนสไตน์ ผู้ซึ่งสร้างสิ่งมีชีวิตจากส่วนต่างๆ ของร่างกายของคนตายให้มีชีวิตขึ้นมา อย่างไรก็ตาม เมื่อเห็นว่ามันดูน่าเกลียดและน่ากลัว แพทย์จึงละทิ้งการสร้างของเขาและออกจากเมืองที่เขาอาศัยอยู่ สิ่งมีชีวิตนิรนามที่ผู้คนเกลียดชังเพราะรูปร่างหน้าตาของมัน ในไม่ช้าก็เริ่มหลอกหลอนผู้สร้างมัน

และที่นี่อีกครั้งคำถามเกี่ยวกับความรับผิดชอบที่มนุษย์ต้องแบกรับต่อสิ่งมีชีวิตของเขาก็ถูกหยิบยกขึ้นมา ในตอนต้นของศตวรรษที่ 19 นวนิยายเรื่องนี้ได้ตั้งคำถามหลายข้อเกี่ยวกับคู่ของผู้สร้างและผู้สร้าง การสร้างสิ่งสร้างสรรค์ดังกล่าวมีจริยธรรมเพียงใด? ใครเป็นผู้รับผิดชอบต่อการกระทำของเขา? คำถามที่เกี่ยวข้องอย่างใกล้ชิดกับแนวคิดเกี่ยวกับปัญญาประดิษฐ์

มีตัวอย่างที่คล้ายกันมากมายที่เกี่ยวข้องกับการสร้างปัญญาประดิษฐ์ ดูเหมือนว่าผู้คนจะชอบจอกศักดิ์สิทธิ์ที่สามารถแก้ปัญหามากมายและปลดปล่อยพวกเขาจากอาการขาดและความไม่เท่าเทียมกัน

กฎสามข้อของวิทยาการหุ่นยนต์

ตั้งแต่แฟรงเกนสไตน์ ปัญญาประดิษฐ์ปรากฏในวรรณกรรมอย่างต่อเนื่อง ความคิดของเขากลายเป็นดินอุดมสมบูรณ์สำหรับความคิดของนักเขียนและนักปรัชญา หนึ่งในนั้นคือ Isaac Asimov จะอยู่ในความทรงจำของเราตลอดไป ในปี 1942 ในนวนิยายเรื่อง Round Dance เขาได้อธิบายกฎสามข้อที่หุ่นยนต์ต้องปฏิบัติตาม:

1. หุ่นยนต์ไม่สามารถทำร้ายบุคคลได้
2. หุ่นยนต์ต้องเชื่อฟังคำสั่งทั้งหมดของมนุษย์ เว้นแต่คำสั่งเหล่านั้นจะขัดต่อกฎข้อที่หนึ่ง
3. หุ่นยนต์ต้องดูแลความปลอดภัยเท่าที่ไม่ขัดแย้งกับกฎข้อที่หนึ่งและสอง

ก่อนหน้าไอแซค เรื่องราวเกี่ยวกับปัญญาประดิษฐ์และหุ่นยนต์ยังคงรักษาจิตวิญญาณของนวนิยายแฟรงเกนสไตน์ของแมรี เชลลีย์ อย่างที่ไอแซคเองพูด ปัญหานี้กลายเป็นปัญหาที่ได้รับความนิยมมากที่สุดในโลกของนิยายวิทยาศาสตร์ในช่วงทศวรรษที่ 1920 และ 1930 เมื่อมีการเขียนเรื่องราวมากมาย หัวข้อคือหุ่นยนต์ที่ก่อกบฏและทำลายผู้คน

แต่ไม่ใช่ว่านักเขียนนิยายวิทยาศาสตร์ทุกคนจะทำตามรูปแบบนี้แน่นอน ตัวอย่างเช่น ในปี 1938 เลสเตอร์ เดล เรย์เขียนเรื่องสั้น Helen O'Loy ซึ่งเป็นเรื่องราวเกี่ยวกับผู้หญิงหุ่นยนต์ที่ตกหลุมรักผู้สร้างของเธอและต่อมาได้กลายเป็นภรรยาในอุดมคติของเขา ซึ่งก็เหมือนกับเรื่องราวของ Pygmalion เป็นอย่างมาก Pygmalion แกะสลักรูปปั้นงาช้างของหญิงสาวที่สวยงามจนเขาตกหลุมรักเธอ ด้วยความรักเช่นนี้ Aphrodite ได้ชุบชีวิตรูปปั้นซึ่งต่อมาได้กลายเป็นภรรยาของ Pygmalion

อันที่จริง การเกิดขึ้นของกฎสามข้อนั้นค่อยๆ เกิดขึ้น สองเรื่องราวแรกสุดเกี่ยวกับหุ่นยนต์ "ร็อบบี้" (1940) และ "ลอจิก" (1941) ไม่ได้อธิบายกฎหมายอย่างชัดเจน แต่พวกเขาบอกเป็นนัยแล้วว่าหุ่นยนต์ต้องมีข้อจำกัดภายในบางประการ ในเรื่องต่อไปนี้: "The Liar" (1941) ได้มีการพูดกฎข้อที่หนึ่งเป็นครั้งแรก และกฎหมายทั้งสามฉบับปรากฏเต็มเฉพาะในการเต้นรำแบบกลม (1942)

แม้ว่าปัจจุบันวิทยาการหุ่นยนต์กำลังพัฒนาอย่างที่ไม่เคยมีมาก่อน นักวิจัยจากสาขาปัญญาประดิษฐ์ไม่ได้ให้ความสำคัญกับกฎหมายของวิทยาการหุ่นยนต์มากนัก ท้ายที่สุดแล้ว กฎหมายก็สอดคล้องกับหลักการพื้นฐานของมนุษยชาติ อย่างไรก็ตาม ยิ่งหุ่นยนต์ที่ซับซ้อนมากขึ้นเท่าใด ก็ยิ่งจำเป็นต้องสร้างหลักการพื้นฐานและมาตรการรักษาความปลอดภัยสำหรับพวกมันมากขึ้นเท่านั้น

มีแม้กระทั่งการกล่าวอ้างว่ากฎหมายไม่น่าจะนำมาใช้กับหุ่นยนต์ทั้งหมดได้อย่างเต็มที่ เพราะมีผู้ที่ต้องการใช้หุ่นยนต์เพื่อการทำลายล้างและสังหารอยู่เสมอ นักวิชาการด้านนิยายวิทยาศาสตร์ Robert Sawyer ได้รวบรวมข้อความเหล่านี้เป็นหนึ่ง:

“การพัฒนา AI เป็นธุรกิจ และไม่เป็นที่ทราบกันดีว่าธุรกิจไม่สนใจที่จะพัฒนามาตรการรักษาความปลอดภัยขั้นพื้นฐานโดยเฉพาะด้านปรัชญา นี่คือตัวอย่างบางส่วน: อุตสาหกรรมยาสูบ อุตสาหกรรมยานยนต์ อุตสาหกรรมนิวเคลียร์ ในตอนแรกไม่มีใครบอกว่ามาตรการรักษาความปลอดภัยที่เข้มงวดเป็นสิ่งจำเป็น และทุกมาตรการป้องกันไม่ให้มีการบังคับใช้จากภายนอก และไม่มีใครใช้พระราชกฤษฎีกาเด็ดขาดในการทำร้ายผู้คน

ขั้นตอนทางวิทยาศาสตร์ขั้นแรก

ประวัติความเป็นมาของการพัฒนาปัญญาประดิษฐ์เป็นวิทยาศาสตร์สามารถสืบย้อนไปถึงงานปรัชญายุคแรกๆ เช่น Discourse on Method (Rene Descartes, 1637), Human Nature (Thomas Hobbes, 1640) หากคุณดูการพัฒนาจากมุมมองทางเทคนิคด้วย เราสามารถพูดถึงคอมพิวเตอร์ดิจิทัลแบบกลไกเครื่องแรกที่ปรากฏก่อนหน้านี้ได้ ในปี 1623 ต้องขอบคุณความพยายามของวิลเฮล์ม ชิคการ์ด อย่างไรก็ตาม ฉันต้องการจะหันความสนใจของฉันไปที่ปี 1950 เมื่อ Alan Turing ในบทความของเขา "Computing Machines and the Mind" ได้กำหนดขึ้นเพื่อพิจารณาว่าเครื่องจักรสามารถคิดได้หรือไม่

การทดสอบทัวริง

บุคคลสื่อสารกับบุคคลอื่นและด้วยโปรแกรมคอมพิวเตอร์ บุคคลสามารถถามคำถามผ่านเทอร์มินัล หน้าที่ของเขาคือกำหนดว่าโปรแกรมอยู่ที่ไหนและบุคคลนั้นอยู่ที่ไหน จุดประสงค์ของโปรแกรมคือการหลอกลวงบุคคลและบังคับให้พวกเขาเลือกผิด ตามข้อกำหนด การติดต่อต้องทำในช่วงเวลาที่แน่นอน เพราะในตอนนั้นคอมพิวเตอร์ทำงานช้า และทำให้สามารถระบุได้ทันทีว่าโปรแกรมอยู่ที่ไหน ตอนนี้กฎนี้จำเป็นเพราะคอมพิวเตอร์สามารถตอบได้เร็วกว่ามนุษย์มาก

อันที่จริง ถ้อยคำมีหลายเวอร์ชัน ตัวอย่างเช่นในหนึ่งในนั้น คอมพิวเตอร์ต้องโน้มน้าวให้คณะทำงานหลายคนรู้ว่าพวกเขากำลังสื่อสารกับบุคคลอื่น และในหนึ่งในตัวเลือกแรกๆ ทัวริงแนะนำว่าผู้เข้าร่วมการทดลองเล่นหมากรุกกับคนๆ หนึ่งและเล่นคอมพิวเตอร์ แล้วตัดสินใจว่าใครเป็นใคร ในความเป็นจริง ในขณะที่เขียน Alan Turing ทำงานเกี่ยวกับปัญญาประดิษฐ์มาประมาณ 10 ปีแล้ว

ในประวัติที่ตามมาของการทดสอบ Thiring สามารถระบุเหตุการณ์สำคัญหลายประการได้ แต่สิ่งสำคัญเกิดขึ้นในปี 1966 Joseph Weizenbaum ได้สร้างโปรแกรม Eliza ขึ้น ซึ่งสามารถล้อเลียนการสนทนากับนักจิตอายุรเวทได้ สิ่งนี้ทำให้เธอสามารถตอบคำถามในสภาวะที่ไม่แน่นอนได้ ต่อไปนี้คือตัวอย่างการสนทนาที่อาจจะเกิดขึ้นกับเธอ:

H: ใครคือนักแต่งเพลงที่คุณชอบ?

Elisa: คุณสนใจหัวข้อนี้ไหม? (ตอบคำถามด้วยคำถาม)

H: ฉันปวดหัว.

Elisa: ทำไมคุณถึงบอกว่าคุณปวดหัว? (เงื่อนไขความไม่แน่นอน)

X: พ่อเกลียดฉัน

Elisa: ใครในครอบครัวที่เกลียดคุณ? (ทำปฏิกิริยากับคำว่า "พ่อ")

Eliza จะยังคงเป็นก้าวสำคัญในการพัฒนาปัญญาประดิษฐ์ตลอดไป เป็นโปรแกรมแรกที่ก้าวข้ามกระบวนทัศน์การสื่อสารของมนุษย์/เครื่องจักร และสามารถสร้างการเลียนแบบการสื่อสารของมนุษย์/มนุษย์ได้

สัมมนาดาร์เม้าท์

ต้องขอบคุณความเร็วของคอมพิวเตอร์ที่เพิ่มขึ้นอย่างรวดเร็ว นักวิจัยเริ่มเชื่อว่าการสร้างปัญญาประดิษฐ์ขึ้นมาได้ไม่ยากด้วยคอมพิวเตอร์ ความจริงก็คือในเวลานั้นมีการวิจัยสองด้าน: เกี่ยวกับระบบประสาทและไซเบอร์เนติกส์ "กล่องดำ" ในภายหลัง

พื้นฐานของ neurocybernetics คือหลักการที่ว่าวัตถุเดียวที่สามารถคิดได้คือบุคคล ซึ่งหมายความว่าอุปกรณ์การคิดควรจำลองโครงสร้างของมัน นักวิทยาศาสตร์พยายามสร้างองค์ประกอบที่จะทำงานเหมือนเซลล์ประสาทในสมอง ด้วยเหตุนี้ในช่วงปลายยุค 50 โครงข่ายประสาทเทียมตัวแรกจึงปรากฏขึ้น พวกเขาถูกสร้างขึ้นโดยนักวิทยาศาสตร์ชาวอเมริกันสองคน:Rosenblatt และ P.McCulloch พวกเขาพยายามสร้างระบบที่สามารถจำลองการทำงานของสายตามนุษย์ได้ พวกเขาเรียกอุปกรณ์ของพวกเขาว่า Perceptron มันสามารถจดจำตัวอักษรที่เขียนด้วยลายมือ ตอนนี้พื้นที่หลักของการประยุกต์ใช้โครงข่ายประสาทเทียมคือการจดจำรูปแบบ

ไซเบอร์เนติกส์ของ "กล่องดำ" มีพื้นฐานมาจากหลักการที่ว่าไม่ว่าเครื่องคิดจะถูกจัดเรียงไว้ภายในอย่างไร สิ่งสำคัญคือมันตอบสนองต่อชุดข้อมูลอินพุตบางชุดในลักษณะเดียวกับบุคคล นักวิจัยที่ทำงานในพื้นที่นี้เริ่มสร้างแบบจำลองของตนเอง ปรากฎว่าไม่มีวิทยาศาสตร์ใดที่มีอยู่: จิตวิทยา ปรัชญา ประสาทสรีรวิทยา ภาษาศาสตร์ ไม่สามารถทำให้กระจ่างเกี่ยวกับอัลกอริธึมของสมองได้

การพัฒนา "กล่องดำ" ไซเบอร์เนติกส์เริ่มขึ้นในปี 2499 เมื่อจัดงานสัมมนาดาร์มัธ จอห์น แมคคาร์ธี หนึ่งในผู้จัดงานหลัก เมื่อถึงเวลานั้น เป็นที่ชัดเจนว่าทั้งความรู้เชิงทฤษฎีและฐานทางเทคนิคไม่เพียงพอที่จะนำหลักการของ neurocybernetics ไปใช้ แต่นักวิจัยด้านวิทยาการคอมพิวเตอร์เชื่อว่าด้วยความพยายามร่วมกัน พวกเขาสามารถพัฒนาแนวทางใหม่ในการสร้างปัญญาประดิษฐ์ได้ ด้วยความพยายามของนักวิทยาศาสตร์ที่โดดเด่นที่สุดบางคนในสาขาวิทยาการคอมพิวเตอร์ การสัมมนาจึงถูกจัดขึ้นภายใต้ชื่อ: โครงการ Dartmouth Summer Project for Artificial Intelligence Research มีผู้เข้าร่วม 10 คนซึ่งในอนาคตหลายคนได้รับรางวัล Turing Award ซึ่งเป็นรางวัลอันทรงเกียรติที่สุดในสาขาวิทยาการคอมพิวเตอร์ ต่อไปนี้เป็นคำกล่าวเปิด:

“ เราขอเสนอการศึกษาปัญญาประดิษฐ์เป็นเวลา 2 เดือนกับผู้เข้าร่วม 10 คนในฤดูร้อนปี 1956 ที่ Dartmouth College, Hanover, New Hampshire

การวิจัยมีพื้นฐานอยู่บนสมมติฐานที่ว่าโดยหลักการแล้วทุกแง่มุมของการเรียนรู้หรือคุณสมบัติอื่น ๆ ของความฉลาดสามารถอธิบายได้อย่างแม่นยำจนเครื่องสามารถจำลองได้ เราจะพยายามทำความเข้าใจวิธีการสอนเครื่องจักรให้ใช้ภาษาธรรมชาติ สร้างสิ่งที่เป็นนามธรรมและแนวคิด แก้ปัญหาที่เกิดขึ้นในปัจจุบันสำหรับมนุษย์เท่านั้น และปรับปรุงตนเอง

เราเชื่อว่าความก้าวหน้าที่สำคัญของปัญหาเหล่านี้อย่างน้อยหนึ่งข้อเป็นไปได้ค่อนข้างมาก หากกลุ่มนักวิทยาศาสตร์ที่คัดเลือกมาเป็นพิเศษจะทำงานในเรื่องนี้ในช่วงฤดูร้อน”

อาจเป็นใบสมัครทุนที่ทะเยอทะยานที่สุดในประวัติศาสตร์ ในการประชุมครั้งนี้ได้มีการจัดตั้งสาขาวิทยาศาสตร์ใหม่ - "ปัญญาประดิษฐ์" อย่างเป็นทางการ และอาจจะไม่มีการค้นพบหรือพัฒนาอะไรที่เฉพาะเจาะจง แต่ด้วยเหตุการณ์นี้ นักวิจัยที่โดดเด่นที่สุดบางคนได้รู้จักกันและเริ่มเคลื่อนไหวไปในทิศทางเดียวกัน

พ.ศ. 2499-2503 ช่วงเวลาแห่งความหวังอันยิ่งใหญ่

ในขณะนั้น ดูเหมือนว่าวิธีแก้ปัญหานั้นใกล้เข้ามาแล้ว และถึงแม้จะมีความยากลำบากทั้งหมด ในไม่ช้ามนุษยชาติก็จะสามารถสร้างปัญญาประดิษฐ์ที่เต็มเปี่ยมซึ่งนำมาซึ่งประโยชน์ที่แท้จริงได้ มีโปรแกรมที่สามารถสร้างบางสิ่งที่ชาญฉลาดได้ ตัวอย่างคลาสสิกคือโปรแกรมทฤษฎีลอจิก

ในปี 1913 Whitehead และ Bertrand Russell ได้ตีพิมพ์ Principia Mathematica เป้าหมายของพวกเขาคือการแสดงให้เห็นว่าด้วยชุดเครื่องมือเชิงตรรกะเพียงเล็กน้อย เช่น สัจพจน์และกฎการอนุมาน ความจริงทางคณิตศาสตร์ทั้งหมดสามารถสร้างขึ้นใหม่ได้ งานนี้ถือเป็นหนึ่งในหนังสือที่ทรงอิทธิพลที่สุดที่เคยเขียนขึ้นหลังจาก Organon ของอริสโตเติล

โปรแกรมทฤษฎีลอจิกสามารถสร้าง Principia Mathematica ส่วนใหญ่ได้ด้วยตัวเอง ยิ่งกว่านั้น ในบางสถานที่มีความสง่างามมากกว่าที่ผู้เขียนทำ

นักทฤษฎีลอจิกแนะนำแนวคิดหลายอย่างที่กลายเป็นศูนย์กลางของการวิจัยปัญญาประดิษฐ์:

1. การให้เหตุผลเป็นแนวทางในการค้นหา อันที่จริง โปรแกรมเดินผ่านแผนผังการค้นหา รากของต้นไม้เป็นข้อความเริ่มต้น การเกิดขึ้นของแต่ละสาขาขึ้นอยู่กับกฎของตรรกะ ที่ด้านบนสุดของต้นไม้ มีผล - สิ่งที่โปรแกรมสามารถพิสูจน์ได้ เส้นทางจากคำสั่งรูทไปยังเป้าหมายถูกเรียกว่าการพิสูจน์

2. ฮิวริสติก ผู้เขียนโปรแกรมตระหนักว่าต้นไม้จะเติบโตแบบทวีคูณและพวกเขาจะต้องตัดมันออก "ด้วยตา" พวกเขาเรียกกฎตามที่พวกเขากำจัดสาขาที่ไม่จำเป็นว่า "ฮิวริสติก" โดยใช้คำที่แนะนำโดย Gyorgy Pólya ในหนังสือของเขา "วิธีแก้ปัญหา" ฮิวริสติกได้กลายเป็นองค์ประกอบสำคัญของการวิจัยปัญญาประดิษฐ์ มันยังคงเป็นวิธีการที่สำคัญในการแก้ปัญหาการรวมกันที่ซับซ้อนที่เรียกว่า "การระเบิดแบบผสมผสาน" (ตัวอย่าง: ปัญหาพนักงานขายที่เดินทาง, การแจงนับตัวหมากรุก)

3. การประมวลผลโครงสร้าง "รายการ" ในการใช้งานโปรแกรมบนคอมพิวเตอร์ ได้มีการสร้างภาษาโปรแกรม IPL (Information Processing Language) ซึ่งใช้รูปแบบรายการเดียวกันกับที่ John McCarthy ใช้ในอนาคตเพื่อสร้างภาษา Lisp (ซึ่งเขาได้รับรางวัลทัวริง) ซึ่ง ยังคงใช้โดยนักวิจัยปัญญาประดิษฐ์ .

ทศวรรษ 1970: ระบบฐานความรู้

ระบบฐานความรู้คือโปรแกรมคอมพิวเตอร์ที่ใช้ฐานความรู้เพื่อแก้ปัญหาที่ซับซ้อน ระบบเองยังแบ่งออกเป็นหลายคลาส สิ่งที่พวกเขามีเหมือนกันคือ พวกเขาพยายามนำเสนอความรู้ผ่านเครื่องมือต่างๆ เช่น ออนโทโลจีและกฎเกณฑ์ แทนที่จะเป็นเพียงโค้ดโปรแกรม พวกมันประกอบด้วยระบบย่อยอย่างน้อยหนึ่งระบบเสมอ และบ่อยครั้งกว่าของระบบย่อยสองระบบในคราวเดียว: ฐานความรู้และเอ็นจิ้นการอนุมาน ฐานความรู้ประกอบด้วยข้อเท็จจริงเกี่ยวกับโลก กลไกการอนุมานประกอบด้วยกฎเชิงตรรกะ ซึ่งมักจะแสดงเป็นกฎ IF-THEN ระบบฐานความรู้ถูกสร้างขึ้นครั้งแรกโดยนักวิจัยด้านปัญญาประดิษฐ์

ระบบฐานความรู้ที่ใช้งานได้ครั้งแรกคือโปรแกรม Mycin โปรแกรมนี้จัดทำขึ้นเพื่อวินิจฉัยแบคทีเรียที่เป็นอันตรายและเลือกวิธีการรักษาที่เหมาะสมที่สุดสำหรับผู้ป่วย โปรแกรมดำเนินการตามกฎ 600 ข้อ ถามคำถามกับแพทย์เป็นจำนวนมากว่าใช่/ไม่ใช่ และให้รายชื่อแบคทีเรียที่เป็นไปได้ที่จัดเรียงตามความน่าจะเป็น รวมถึงให้ช่วงความมั่นใจและสามารถแนะนำหลักสูตรการรักษาได้

การศึกษาของสแตนฟอร์ดพบว่า Mycin ให้แนวทางการรักษาที่ยอมรับได้ใน 69% ของกรณีทั้งหมด ซึ่งดีกว่าผู้เชี่ยวชาญที่ได้รับการประเมินตามเกณฑ์เดียวกัน การศึกษานี้มักถูกอ้างถึงเพื่อแสดงความขัดแย้งระหว่างผู้เชี่ยวชาญทางการแพทย์กับระบบ หากไม่มีมาตรฐานสำหรับการรักษาที่ "ถูกต้อง"

น่าเสียดายที่ Mycin ไม่เคยได้รับการทดสอบในทางปฏิบัติ มีการหยิบยกประเด็นด้านจริยธรรมและกฎหมายที่เกี่ยวข้องกับการใช้โปรแกรมดังกล่าว ไม่ชัดเจนว่าใครควรรับผิดชอบหากคำแนะนำของโปรแกรมกลายเป็นข้อผิดพลาด ปัญหาอีกประการหนึ่งคือข้อจำกัดทางเทคโนโลยี ในสมัยนั้นไม่มีคอมพิวเตอร์ส่วนบุคคล เซสชั่นหนึ่งใช้เวลามากกว่าครึ่งชั่วโมง และสิ่งนี้ไม่เป็นที่ยอมรับสำหรับแพทย์ที่มีงานยุ่ง

ความสำเร็จหลักของโครงการคือการที่โลกเห็นพลังของระบบฐานความรู้และพลังของปัญญาประดิษฐ์โดยทั่วไป ต่อมาในทศวรรษ 1980 โปรแกรมอื่นๆ เริ่มปรากฏขึ้นโดยใช้แนวทางเดียวกัน เพื่อลดความซับซ้อนของการสร้าง E-Mycin เชลล์ถูกสร้างขึ้น ซึ่งทำให้สามารถสร้างระบบผู้เชี่ยวชาญใหม่ได้โดยใช้ความพยายามน้อยลง ปัญหาที่คาดไม่ถึงที่นักพัฒนาต้องเผชิญคือการดึงความรู้จากประสบการณ์ของผู้เชี่ยวชาญ ด้วยเหตุผลที่ชัดเจน

เป็นสิ่งสำคัญที่ต้องพูดถึงว่าในเวลานี้นักวิทยาศาสตร์โซเวียต Dmitry Alexandrovich Pospelov เริ่มทำงานในสาขาปัญญาประดิษฐ์

ต่อสู้บนกระดานหมากรุก

แยกกัน เราสามารถพิจารณาประวัติศาสตร์ของการเผชิญหน้าระหว่างมนุษย์กับปัญญาประดิษฐ์บนกระดานหมากรุก เรื่องราวนี้เริ่มต้นขึ้นเมื่อนานมาแล้ว: ในปี ค.ศ. 1769 ที่เวียนนา Wolfgang von Kempeleng ได้สร้างเครื่องหมากรุก มันคือกล่องไม้ขนาดใหญ่ที่มีกระดานหมากรุกอยู่ด้านบน และด้านหลังเป็นขี้ผึ้งเติร์กในชุดที่เข้าชุดกัน (เพราะเหตุนี้ เครื่องจักรจึงถูกเรียกสั้นๆ ว่า "เติร์ก" ในบางครั้ง) ก่อนเริ่มการแสดง ประตูกล่องถูกเปิดออก และผู้ชมสามารถเห็นรายละเอียดมากมายของกลไกบางอย่าง จากนั้นประตูก็ปิด และรถก็สตาร์ทด้วยกุญแจพิเศษ เช่น นาฬิกา หลังจากนั้นใครก็ตามที่อยากจะเล่นก็ขึ้นมาและเคลื่อนไหว

เครื่องนี้ประสบความสำเร็จอย่างมากและสามารถเดินทางไปทั่วยุโรปโดยแพ้เพียงไม่กี่เกมให้กับผู้เล่นหมากรุกที่แข็งแกร่ง อันที่จริงในกล่องนั้นมีบุคคลที่ใช้ระบบกระจกและกลไกสามารถสังเกตสถานะของปาร์ตี้และด้วยความช่วยเหลือของระบบคันโยกควบคุมแขนของ "เติร์ก" และไม่ใช่เครื่องสุดท้ายที่ผู้เล่นหมากรุกที่มีชีวิตซ่อนอยู่ เครื่องจักรดังกล่าวประสบความสำเร็จจนถึงต้นศตวรรษที่ยี่สิบ

ด้วยการถือกำเนิดของคอมพิวเตอร์ ความเป็นไปได้ในการสร้างเครื่องเล่นหมากรุกเทียมกลายเป็นสิ่งที่จับต้องได้ Alan Turing พัฒนาโปรแกรมแรกที่เล่นหมากรุกได้ แต่เนื่องจากข้อจำกัดทางเทคนิค จึงใช้เวลาประมาณครึ่งชั่วโมงในการเคลื่อนไหวหนึ่งครั้ง มีแม้กระทั่งการบันทึกเกมของโปรแกรมกับ Alik Gleny เพื่อนร่วมงานของ Turing ซึ่งโปรแกรมแพ้

ความคิดในการสร้างโปรแกรมดังกล่าวโดยใช้คอมพิวเตอร์ทำให้เกิดเสียงก้องในโลกวิทยาศาสตร์ มีคำถามมากมายถูกถาม ตัวอย่างที่ดีคือบทความ "การใช้คอมพิวเตอร์ดิจิทัลสำหรับเกม" (คอมพิวเตอร์ดิจิทัลใช้กับเกม) มันทำให้เกิด 6 คำถาม:

1. เป็นไปได้ไหมที่จะสร้างเครื่องจักรที่สามารถปฏิบัติตามกฎของหมากรุก สามารถสุ่มย้ายที่ถูกต้อง หรือตรวจสอบว่าการเคลื่อนไหวนั้นถูกต้องหรือไม่?

2. เป็นไปได้ไหมที่จะสร้างเครื่องจักรที่สามารถแก้ปัญหาหมากรุกได้? เช่น พูดวิธีรุกฆาตในสามกระบวนท่า

3. เป็นไปได้ไหมที่จะสร้างเครื่องที่จะเล่นเกมที่ดี? ตัวอย่างเช่น เมื่อต้องเผชิญกับการจัดเรียงชิ้นส่วนตามปกติ หลังจากการคำนวณสองหรือสามนาที ให้การเคลื่อนไหวที่ถูกต้อง

4. เป็นไปได้ไหมที่จะสร้างเครื่องจักรที่เล่นหมากรุกเพื่อเรียนรู้และปรับปรุงเกมซ้ำแล้วซ้ำอีก?

คำถามนี้นำเสนออีกสองข้อที่น่าจะเป็นไปได้อยู่แล้วที่ลิ้นของผู้อ่าน:

5. เป็นไปได้ไหมที่จะสร้างเครื่องจักรที่สามารถตอบคำถามในลักษณะที่เป็นไปไม่ได้ที่จะแยกแยะคำตอบจากคำตอบของบุคคล

6. คุณสามารถสร้างเครื่องที่รู้สึกเหมือนคุณหรือฉันได้หรือไม่?

ในบทความเน้นไปที่คำถามข้อที่ 3 คำตอบสำหรับคำถามที่ 1 และ 2 เป็นไปในทางบวกอย่างเคร่งครัด คำตอบของคำถามที่ 3 เกี่ยวข้องกับการใช้อัลกอริธึมที่ซับซ้อนมากขึ้น เกี่ยวกับคำถามที่ 4 และ 5 ผู้เขียนกล่าวว่าเขาไม่เห็นข้อโต้แย้งที่น่าเชื่อถือซึ่งหักล้างความเป็นไปได้ดังกล่าว และสำหรับคำถามที่ 6: “ฉันจะไม่มีทางรู้เลยว่าคุณรู้สึกทุกอย่างแบบเดียวกับฉันหรือเปล่า”

แม้ว่าการศึกษาดังกล่าวในตัวเองอาจไม่ได้เป็นประโยชน์ในทางปฏิบัติมากนัก แต่น่าสนใจมากในทางทฤษฎีและมีความหวังว่าการแก้ปัญหาเหล่านี้จะกลายเป็นแรงผลักดันในการแก้ปัญหาอื่น ๆ ที่มีลักษณะคล้ายคลึงกันและ ที่มีความสำคัญมากขึ้น

ความสามารถในการเล่นหมากรุกนั้นมาจากงานทดสอบมาตรฐานที่แสดงให้เห็นถึงความสามารถของปัญญาประดิษฐ์ในการรับมือกับงานที่ไม่ได้มาจากมุมมองของ "กำลังเดรัจฉาน" ซึ่งในบริบทนี้เข้าใจว่าเป็นการใช้การแจงนับที่เป็นไปได้ทั้งหมด เคลื่อนไหว แต่ด้วยความช่วยเหลือของ ..."บางสิ่งบางอย่าง อย่างเช่น" มิคาอิล บอตวินนิก หนึ่งในผู้บุกเบิกการพัฒนาโปรแกรมหมากรุก เคยกล่าวไว้ มีอยู่ครั้งหนึ่ง เขาสามารถ "ฝ่าฟัน" เงินทุนอย่างเป็นทางการสำหรับการทำงานในโครงการ "หลักหมากรุกเทียม" ซึ่งเป็นแพ็คเกจซอฟต์แวร์ PIONEER ซึ่งสร้างขึ้นภายใต้การนำของเขาที่สถาบันวิจัยอุตสาหกรรมพลังงานไฟฟ้าของ All-Union Botvinnik รายงานต่อรัฐสภาของ USSR Academy of Sciences ซ้ำแล้วซ้ำเล่าเกี่ยวกับความเป็นไปได้ของการนำหลักการพื้นฐานของ "PIONEER" ไปใช้ในการแก้ปัญหาการเพิ่มประสิทธิภาพการจัดการในระบบเศรษฐกิจของประเทศ

แนวคิดพื้นฐานที่อดีตแชมป์โลกใช้การพัฒนาของเขา ตัวเขาเองได้กำหนดขึ้นในการสัมภาษณ์ครั้งหนึ่งของเขาในปี 1975: “กว่าสิบปีที่ฉันได้ทำงานเกี่ยวกับปัญหาของการตระหนักถึงความคิดของปรมาจารย์หมากรุก: ทำอย่างไร เขาพบการเคลื่อนไหวโดยไม่ต้องแจงนับหรือไม่? และตอนนี้ก็เถียงกันได้แล้วว่าวิธีนี้ถูกเปิดเผยโดยพื้นฐานแล้ว ... สามขั้นตอนหลักของการสร้างโปรแกรม: เครื่องจะต้องสามารถหาวิถีการเคลื่อนที่ของชิ้นงานได้ แล้วก็ต้อง "เรียนรู้" เพื่อสร้างพื้นที่เล่น ,พื้นที่ต่อสู้ในพื้นที่บนกระดานหมากรุกและสามารถสร้างชุดของโซนเหล่านี้ได้ ส่วนแรกของงานทำมาเป็นเวลานาน โปรแกรมย่อยการสร้างโซนเสร็จสมบูรณ์แล้ว การดีบักจะเริ่มในอีกไม่กี่วันข้างหน้า หากทำสำเร็จก็จะมั่นใจเต็มที่ว่าด่านที่สามก็จะสำเร็จด้วยและรถก็จะเริ่มเล่น”

โครงการ PIONEER ยังไม่เสร็จ Botvinnik ทำงานกับมันตั้งแต่ปี 1958 ถึง 1995 และในช่วงเวลานี้เขาสามารถสร้างแบบจำลองอัลกอริธึมของเกมหมากรุกตามการค้นหา "ต้นไม้แห่งตัวเลือก" และความสำเร็จอย่างต่อเนื่องของ "เป้าหมายที่ไม่แน่นอน" ซึ่งเป็นผลได้ทางวัตถุ

ในปี 1974 โปรแกรมคอมพิวเตอร์ของสหภาพโซเวียต Kaissa ได้รับรางวัล First World Computer Chess Championship โดยเอาชนะเครื่องหมากรุกอื่น ๆ ในเกมทั้งสี่เกมตามผู้เล่นหมากรุกในระดับที่สาม นักวิทยาศาสตร์โซเวียตได้แนะนำนวัตกรรมมากมายสำหรับเครื่องหมากรุก: การใช้หนังสือเปิดซึ่งหลีกเลี่ยงการคำนวณการเคลื่อนไหวในตอนเริ่มต้นของเกมรวมถึงโครงสร้างข้อมูลพิเศษ: bitboard ซึ่งยังคงใช้ในเครื่องหมากรุก

คำถามเกิดขึ้นว่าโปรแกรมสามารถเอาชนะบุคคลได้หรือไม่ ในปี 1968 นักเล่นหมากรุก David Levy ทำเงินเดิมพัน 1,250 ปอนด์ว่าไม่มีเครื่องจักรใดสามารถเอาชนะเขาได้ในอีก 10 ปีข้างหน้า ในปี 1977 เขาเล่นเกมกับ Kaissa และชนะ หลังจากนั้นการแข่งขันก็ไม่ดำเนินต่อไป ในปี 1978 เขาชนะเกมกับ Chess4.7 ซึ่งเป็นโปรแกรมหมากรุกที่ดีที่สุดในตอนนั้น หลังจากนั้นเขาสารภาพว่าเหลือเวลาอีกไม่มากก่อนที่โปรแกรมจะเอาชนะผู้เล่นหมากรุกที่มีชื่อได้

ควรให้ความสนใจเป็นพิเศษกับเกมระหว่างมนุษย์กับคอมพิวเตอร์ เกมแรกคือเกมที่กล่าวถึงก่อนหน้านี้ของโปรแกรมของ Alik Gleny และ Turing ขั้นตอนต่อไปคือการจัดตั้งโปรแกรม Los Alamos ในปี 1952 เธอเล่นบนกระดาน 6x6 (ไม่มีบิชอป) การทดสอบดำเนินการในสองขั้นตอน ขั้นตอนแรกเป็นเกมที่มีผู้เล่นหมากรุกที่แข็งแกร่งซึ่งเป็นผลมาจากการเล่น 10 ชั่วโมงชายคนหนึ่งชนะ ขั้นตอนที่สองคือเกมกับผู้หญิงคนหนึ่งซึ่งไม่นานก่อนการทดสอบได้รับการสอนให้เล่นหมากรุก ผลที่ได้คือชัยชนะของโปรแกรมในการย้ายครั้งที่ 23 ซึ่งเป็นความสำเร็จที่ไม่อาจปฏิเสธได้ในขณะนั้น

จนกระทั่งปี 1989 Deep Thought สามารถเอาชนะปรมาจารย์ระดับนานาชาติได้ Bent Larsen ในปีเดียวกันนั้น Garry Kasparov ได้เข้าแข่งขันในโปรแกรมเดียวกันซึ่ง Kasparov ชนะอย่างง่ายดาย หลังการแข่งขัน เขากล่าวว่า:

“ หากคอมพิวเตอร์สามารถเอาชนะสิ่งที่ดีที่สุดในหมากรุกได้ นั่นหมายความว่าคอมพิวเตอร์สามารถแต่งเพลงที่ดีที่สุด เขียนหนังสือที่ดีที่สุดได้ ฉันไม่สามารถเชื่อมันได้. หากคอมพิวเตอร์ที่มีคะแนน 2800 ซึ่งเท่ากับของฉันถูกสร้างขึ้น ตัวฉันเองจะถือว่าเป็นหน้าที่ของฉันที่จะท้าทายให้คอมพิวเตอร์นั้นเข้าแข่งขันเพื่อปกป้องเผ่าพันธุ์มนุษย์”

ในปี 1996 คอมพิวเตอร์ Deep Blue แพ้การแข่งขันให้กับ Kasparov แต่เป็นครั้งแรกในประวัติศาสตร์ที่ชนะเกมกับแชมป์โลก และเฉพาะในปี 1997 เป็นครั้งแรกในประวัติศาสตร์ที่คอมพิวเตอร์ชนะการแข่งขันกับแชมป์โลกด้วยคะแนน 3.5:2.5

หลังจากการแข่งขันของ Kasparov ผู้นำโดยสุจริตหลายคนได้แสดงความคิดซ้ำ ๆ ว่าการแข่งขันแบบผสม (บุคคลที่ต่อต้านโปรแกรมคอมพิวเตอร์) ไม่เหมาะสมด้วยเหตุผลหลายประการ สนับสนุนตำแหน่งนี้ Garry Kasparov อธิบายว่า:ใช่ คอมพิวเตอร์ไม่รู้ว่าการชนะหรือแพ้คืออะไร แล้วสำหรับฉันจะเป็นอย่างไร?.. ฉันจะรู้สึกอย่างไรเกี่ยวกับเกมนี้หลังจากนอนไม่หลับทั้งคืนหลังจากความผิดพลาดในเกม? มันคืออารมณ์ทั้งหมด พวกเขาสร้างภาระมหาศาลให้กับผู้เล่นที่เป็นมนุษย์ และสิ่งที่ไม่พึงปรารถนาที่สุดคือคุณเข้าใจว่าคู่ต่อสู้ของคุณไม่ได้อยู่ภายใต้ความเหนื่อยล้าหรืออารมณ์อื่นใด».

และถ้าตอนนี้ในการต่อสู้หมากรุกข้อได้เปรียบอยู่ที่ด้านข้างของคอมพิวเตอร์แล้วในการแข่งขันเช่นเกม Go คอมพิวเตอร์เหมาะสำหรับการเล่นกับผู้เริ่มต้นหรือผู้เล่นระดับกลางเท่านั้น เหตุผลก็คือใน Go เป็นการยากที่จะประเมินสถานะของกระดาน: การย้ายครั้งเดียวสามารถทำให้ตำแหน่งที่ชนะจากตำแหน่งที่แพ้อย่างชัดเจน นอกจากนี้ การแจงนับแบบสมบูรณ์นั้นแทบจะเป็นไปไม่ได้เลย เพราะหากไม่มีการใช้วิธีการฮิวริสติก การแจงนับที่สมบูรณ์ของการเคลื่อนไหวสี่ครั้งแรก (สองอันด้านหนึ่งและอีกสองอัน) อาจต้องมีการประเมินสถานการณ์ที่เป็นไปได้เกือบ 17 พันล้านสถานการณ์

สิ่งที่น่าสนใจที่คล้ายกันอาจเป็นเกมโป๊กเกอร์ ความยากลำบากที่นี่คือสถานะไม่สามารถสังเกตได้อย่างสมบูรณ์ ต่างจากใน Go และหมากรุก ซึ่งผู้เล่นทั้งสองเห็นกระดานทั้งหมด ในโป๊กเกอร์ เป็นไปได้ที่ฝ่ายตรงข้ามบอกว่าผ่านและไม่แสดงไพ่ของเขา ซึ่งอาจทำให้กระบวนการวิเคราะห์ยุ่งยากขึ้น

ไม่ว่าในกรณีใด เกมฝึกสมองมีความสำคัญต่อนักพัฒนา AI เช่นเดียวกับแมลงวันผลไม้สำหรับนักพันธุศาสตร์ เป็นสาขาที่สะดวกสำหรับการทดสอบ เป็นสาขาสำหรับการวิจัยทั้งภาคทฤษฎีและภาคปฏิบัติ นี่เป็นตัวบ่งชี้การพัฒนาวิทยาศาสตร์ปัญญาประดิษฐ์ด้วย

การใช้ปัญญาประดิษฐ์เพื่อการค้า

ในยุค 80 ซึ่งได้รับแรงบันดาลใจจากความก้าวหน้าทางปัญญาประดิษฐ์ หลายบริษัทจึงตัดสินใจลองใช้เทคโนโลยีใหม่ๆ อย่างไรก็ตาม มีเพียงบริษัทที่ใหญ่ที่สุดเท่านั้นที่สามารถจ่ายขั้นตอนการทดลองดังกล่าวได้

บริษัทแรกสุดที่นำเทคโนโลยีปัญญาประดิษฐ์มาใช้คือ DEC (Digital Equipment Corp) เธอสามารถใช้ระบบผู้เชี่ยวชาญของ XSEL ได้ ซึ่งช่วยให้เธอกำหนดค่าอุปกรณ์และเลือกทางเลือกอื่นสำหรับลูกค้า ด้วยเหตุนี้ งานสามชั่วโมงจึงลดลงเหลือ 15 นาที และจำนวนข้อผิดพลาดลดลงจาก 30% เป็น 1% ตัวแทนของบริษัทระบุว่าระบบ XSEL ทำให้สามารถสร้างรายได้ 70 ล้านดอลลาร์ได้

American Express ใช้ระบบผู้เชี่ยวชาญเพื่อตัดสินใจว่าจะออกเงินกู้ให้กับลูกค้าหรือไม่ ระบบนี้มีแนวโน้มที่จะให้เครดิตมากกว่าผู้เชี่ยวชาญถึงหนึ่งในสาม กล่าวกันว่าเธอทำเงินได้ 27 ล้านเหรียญต่อปี

ผลตอบแทนที่ได้รับจากระบบอัจฉริยะมักจะล้นหลาม มันเหมือนกับการเดินจากการขับรถ หรือจากการขับรถเป็นการบิน

อย่างไรก็ตาม ไม่ใช่ทุกอย่างจะง่ายนักเมื่อผสานรวมปัญญาประดิษฐ์ ประการแรก ไม่ใช่ว่าทุกงานจะสามารถทำให้เป็นทางการได้จนถึงระดับที่ปัญญาประดิษฐ์สามารถจัดการได้ ประการที่สองการพัฒนาตัวเองมีราคาแพงมาก ประการที่สาม ระบบเป็นของใหม่ ผู้คนไม่คุ้นเคยกับการใช้คอมพิวเตอร์ บางคนไม่เชื่อและบางคนถึงกับเป็นศัตรู

ตัวอย่างที่น่าสนใจคือ ดูปองท์ ซึ่งสามารถใช้จ่าย 10,000 ดอลลาร์ และหนึ่งเดือนเพื่อสร้างระบบเสริมขนาดเล็ก เธอสามารถทำงานบนคอมพิวเตอร์ส่วนบุคคลและได้รับอนุญาตให้รับผลกำไรเพิ่มเติม 100,000 ดอลลาร์

ไม่ใช่ทุกบริษัทที่จะใช้เทคโนโลยีปัญญาประดิษฐ์ได้สำเร็จ นี่แสดงให้เห็นว่าการใช้เทคโนโลยีดังกล่าวต้องใช้ฐานทางทฤษฎีขนาดใหญ่และทรัพยากรจำนวนมาก: ทางปัญญา ชั่วคราวและวัสดุ แต่ถ้าสำเร็จ ค่าใช้จ่ายก็ชำระล้างแค้น

ปรับเปลี่ยนกระบวนทัศน์

ในช่วงกลางทศวรรษ 1980 มนุษยชาติเห็นว่าคอมพิวเตอร์และปัญญาประดิษฐ์สามารถรับมือกับงานยากๆ ได้เช่นเดียวกับมนุษย์ และในหลาย ๆ ด้านดียิ่งขึ้นไปอีก ตัวอย่างการใช้งานเชิงพาณิชย์ที่ประสบความสำเร็จ ความก้าวหน้าในอุตสาหกรรมเกม และความก้าวหน้าในระบบสนับสนุนการตัดสินใจ ผู้คนเชื่อว่าในบางจุดคอมพิวเตอร์และปัญญาประดิษฐ์จะสามารถรับมือกับปัญหาในชีวิตประจำวันได้ดีกว่ามนุษย์ ความเชื่อที่สืบเนื่องมาตั้งแต่สมัยโบราณและแม่นยำยิ่งขึ้นตั้งแต่มีการสร้างกฎสามข้อของหุ่นยนต์ แต่เมื่อถึงจุดหนึ่ง ความเชื่อนี้ก็เคลื่อนไปสู่ระดับใหม่ และเพื่อเป็นข้อพิสูจน์ในเรื่องนี้ สามารถอ้างกฎของวิทยาการหุ่นยนต์ได้อีกข้อหนึ่ง ซึ่งไอแซค อาซิมอฟเองชอบที่จะเรียกว่า "ศูนย์" ในปี 1986:

“0. หุ่นยนต์ไม่สามารถทำร้ายคนได้เว้นแต่จะสามารถพิสูจน์ได้ว่าท้ายที่สุดแล้วมันจะเป็นประโยชน์ต่อมนุษยชาติทั้งหมด”

นี่เป็นการเปลี่ยนแปลงครั้งใหญ่ในวิสัยทัศน์ของสถานที่ของปัญญาประดิษฐ์ในชีวิตมนุษย์ ในขั้นต้น เครื่องจักรได้รับตำแหน่งของคนรับใช้ที่อ่อนแอ: วัวแห่งยุคใหม่ อย่างไรก็ตาม เมื่อเห็นโอกาสและความเป็นไปได้แล้ว คนๆ หนึ่งก็เริ่มตั้งคำถามว่าปัญญาประดิษฐ์สามารถจัดการชีวิตของผู้คนได้ดีกว่าตัวคนหรือไม่ ไม่เหน็ดเหนื่อย ยุติธรรม ไม่เห็นแก่ตัว ไม่อิจฉาริษยาและความปรารถนา บางทีเขาอาจจะจัดการชีวิตของผู้คนให้แตกต่างออกไป แนวคิดนี้ไม่ใช่เรื่องใหม่ แต่ปรากฏในปี 1952 ในนวนิยายเรื่อง Mechanical Piano หรือ Utopia 14 ของ Kurt Vonnegut แต่แล้วมันก็วิเศษมาก ตอนนี้มันได้กลายเป็นโอกาสที่เป็นไปได้

การขุดข้อมูล

ประวัติของแนวโน้มที่มีต่อการทำเหมืองข้อมูลนี้เริ่มต้นขึ้นในปี 1989 หลังจากการสัมมนาโดย Grigory Pyatetsky-Shapiro เขาสงสัยว่าเป็นไปได้ไหมที่จะดึงความรู้ที่เป็นประโยชน์จากข้อมูลที่ดูเหมือนไม่ธรรมดาเป็นลำดับยาวๆ ตัวอย่างเช่น อาจเป็นที่เก็บถาวรของการสืบค้นฐานข้อมูล ในกรณีที่เราสามารถระบุรูปแบบบางอย่างได้ ซึ่งจะทำให้ฐานข้อมูลเร็วขึ้น ตัวอย่าง: ทุกเช้าตั้งแต่ 07:50 น. ถึง 8:10 น. คำขอที่ใช้ทรัพยากรมากจะเริ่มต้นเพื่อสร้างรายงานสำหรับวันก่อนหน้า ซึ่งในกรณีนี้ ในกรณีนี้ คำขอจะถูกสร้างขึ้นระหว่างคำขออื่นๆ ดังนั้นฐานข้อมูลจะเป็น เต็มไปด้วยคำขอมากขึ้น แต่ลองนึกภาพว่าคำขอนี้เริ่มต้นโดยพนักงานหลังจากที่เขาป้อนข้อมูลใหม่เท่านั้น ในกรณีนี้ กฎควรเปลี่ยน: ทันทีที่พนักงานระบุข้อมูล คุณสามารถเริ่มเตรียมรายงานในเบื้องหลังได้ ตัวอย่างนี้ง่ายมาก แต่แสดงให้เห็นทั้งประโยชน์ของการทำเหมืองข้อมูลและความยากที่เกี่ยวข้อง

คำว่า datamining ไม่มีการแปลเป็นภาษารัสเซียอย่างเป็นทางการ มันสามารถแปลว่า "การขุดข้อมูล" และ "การขุด" นั้นคล้ายกับที่ทำในเหมือง: มีวัตถุดิบมากมาย คุณสามารถหาวัตถุที่มีค่าได้ อันที่จริง มีคำที่คล้ายกันในทศวรรษที่ 1960: Data Fishing หรือ Data Dredging มันถูกใช้โดยนักสถิติ ซึ่งแสดงถึงแนวปฏิบัติที่ไม่ดีที่เป็นที่ยอมรับในการค้นหารูปแบบในกรณีที่ไม่มีสมมติฐานเบื้องต้น อันที่จริง คำนี้อาจเรียกได้ถูกต้องกว่าการทำเหมืองฐานข้อมูล แต่ชื่อนี้กลับกลายเป็นเครื่องหมายการค้า ตัวเอง Grigory Pyatetsky-Shapiro เสนอคำว่า "การค้นพบความรู้ในฐานข้อมูล" แต่ในสภาพแวดล้อมทางธุรกิจและสื่อมวลชนชื่อ "การทำเหมืองข้อมูล" ได้รับการแก้ไขแล้ว

แนวคิดที่ว่าการใช้ฐานข้อมูลบางอย่างของข้อเท็จจริงบางอย่าง เป็นไปได้ที่จะทำนายการมีอยู่ของข้อเท็จจริงใหม่ที่ปรากฏเมื่อนานมาแล้วและพัฒนาอย่างต่อเนื่องตามความทันสมัย: ทฤษฎีบทของเบย์ในทศวรรษ 1700 การวิเคราะห์การถดถอยในปี ค.ศ. 1800 , การวิเคราะห์คลัสเตอร์ในการวิเคราะห์ช่วงทศวรรษที่ 1930, ทศวรรษที่ 1940 - โครงข่ายประสาทเทียม, ทศวรรษ 1950 - อัลกอริทึมทางพันธุกรรม, 1960 - ต้นไม้แห่งการตัดสินใจ คำว่าการขุดข้อมูลรวมพวกเขาเข้าด้วยกันไม่ได้ตามหลักการของวิธีการทำงาน แต่ตามเป้าหมายของพวกเขาคือ: การมีชุดข้อมูลที่เป็นที่รู้จัก พวกเขาสามารถคาดการณ์ได้ว่าข้อมูลใดที่จะเกิดขึ้นต่อไป

เป้าหมายของการขุดข้อมูลคือการค้นหา "ความรู้ที่ซ่อนอยู่" มาดูกันดีกว่าว่า "ความรู้ที่ซ่อนอยู่" หมายถึงอะไร ประการแรกจะต้องเป็นความรู้ใหม่ ตัวอย่างเช่น ในวันหยุดสุดสัปดาห์ จำนวนสินค้าที่ขายในซูเปอร์มาร์เก็ตเพิ่มขึ้น ประการที่สอง ความรู้ไม่ควรเป็นเรื่องเล็กน้อย ไม่ลดลงจนถึงการค้นหาความคาดหวังและความแปรปรวนทางคณิตศาสตร์ ประการที่สาม ความรู้นี้ควรเป็นประโยชน์ ประการที่สี่ ความรู้ที่สามารถตีความได้ง่าย

เป็นเวลานาน ที่ผู้คนเชื่อว่าคอมพิวเตอร์สามารถทำนายทุกอย่างได้ ไม่ว่าจะเป็นราคาหุ้น เซิร์ฟเวอร์โหลด ปริมาณทรัพยากรที่จำเป็น อย่างไรก็ตาม กลับกลายเป็นว่ามักจะเป็นเรื่องยากมากที่จะดึงข้อมูลจากการถ่ายโอนข้อมูล ในแต่ละกรณีจำเป็นต้องปรับอัลกอริทึมหากไม่ใช่เพียงการถดถอยบางประเภท ผู้คนเชื่อว่ามีอัลกอริธึมสากลที่สามารถดูดซับข้อมูลจำนวนมากและเริ่มคาดการณ์ได้เช่นเดียวกับกล่องดำ

แม้จะมีข้อ จำกัด ทั้งหมด แต่เครื่องมือที่อำนวยความสะดวกในการทำเหมืองข้อมูลได้รับการปรับปรุงทุกปี และตั้งแต่ปี 2550 Rexer Analytics ได้เผยแพร่ผลการสำรวจผู้เชี่ยวชาญเกี่ยวกับเครื่องมือที่มีอยู่ทุกปี การสำรวจในปี 2550 ประกอบด้วยคำถาม 27 ข้อและมีผู้เข้าร่วม 314 คนจาก 35 ประเทศ ในปี 2013 การสำรวจได้รวมคำถาม 68 ข้อแล้ว และมีผู้เชี่ยวชาญ 1259 คนจาก 75 ประเทศทั่วโลกเข้าร่วม

การทำเหมืองข้อมูลยังถือเป็นทิศทางที่สดใส และอีกครั้ง การใช้งานทำให้เกิดคำถามด้านจริยธรรมใหม่ๆ ตัวอย่างง่ายๆ คือการใช้เครื่องมือขุดข้อมูลเพื่อวิเคราะห์และคาดการณ์อาชญากรรม การศึกษาที่คล้ายคลึงกันนี้ดำเนินการมาตั้งแต่ปี 2549 โดยมหาวิทยาลัยต่างๆ นักเคลื่อนไหวด้านสิทธิมนุษยชนคัดค้านเรื่องนี้ โดยอ้างว่าความรู้ที่ได้รับในลักษณะนี้สามารถนำไปสู่การค้นหา ซึ่งไม่ได้ขึ้นอยู่กับข้อเท็จจริง แต่อยู่บนสมมติฐาน

ระบบผู้แนะนำคือผลลัพธ์ที่เป็นรูปธรรมมากที่สุดของการพัฒนาปัญญาประดิษฐ์ เราสามารถพบเจอได้โดยไปที่ร้านค้าออนไลน์ยอดนิยมแห่งหนึ่ง งานของระบบผู้แนะนำคือการกำหนด ตัวอย่างเช่น รายการของผลิตภัณฑ์ที่ดูโดยผู้ใช้เฉพาะราย โดยคุณลักษณะที่สังเกตได้บางอย่าง เพื่อกำหนดว่าผลิตภัณฑ์ใดจะน่าสนใจสำหรับผู้ใช้มากที่สุด

งานในการค้นหาคำแนะนำก็ขึ้นอยู่กับงานในการเรียนรู้เครื่อง เช่นเดียวกับการทำเหมืองข้อมูล เป็นที่เชื่อกันว่าประวัติศาสตร์ของการพัฒนาระบบผู้แนะนำเริ่มต้นด้วยการแนะนำระบบ Tapestry โดย David Goldberg ที่ศูนย์วิจัย Xerox Palo Alto ในปี 1992 วัตถุประสงค์ของระบบคือการกรองจดหมายขององค์กร มันกลายเป็นบรรพบุรุษของระบบผู้แนะนำ

ขณะนี้มีระบบผู้แนะนำสองระบบ David Goldberg เสนอระบบที่อิงจากการกรองการทำงานร่วมกัน นั่นคือ เพื่อให้คำแนะนำ ระบบจะพิจารณาข้อมูลเกี่ยวกับวิธีที่ผู้ใช้รายอื่นที่คล้ายกับผู้ใช้เป้าหมายประเมินวัตถุบางอย่าง จากข้อมูลนี้ ระบบสามารถสันนิษฐานได้ว่าผู้ใช้เป้าหมายจะให้คะแนนวัตถุนั้นสูงเพียงใด (ผลิตภัณฑ์ ภาพยนตร์)

ตัวกรองเนื้อหาเป็นระบบแนะนำอีกประเภทหนึ่ง ข้อกำหนดเบื้องต้นสำหรับการมีอยู่ของตัวกรองเนื้อหาคือฐานข้อมูลบางอย่างที่ต้องจัดเก็บเมตริกสำหรับออบเจ็กต์ทั้งหมด นอกจากนี้ หลังจากที่ผู้ใช้ดำเนินการหลายครั้ง ระบบสามารถกำหนดประเภทของวัตถุที่ผู้ใช้ชอบได้ ตามเมตริกที่มีอยู่ ระบบสามารถรับออบเจ็กต์ใหม่ซึ่งจะคล้ายกับที่ดูไปแล้ว ข้อเสียของระบบดังกล่าวคือคุณต้องสร้างฐานข้อมูลขนาดใหญ่ที่มีตัวชี้วัดก่อน กระบวนการสร้างตัววัดเองอาจเป็นสิ่งที่ท้าทาย

คำถามเกิดขึ้นอีกครั้งว่าการใช้ระบบดังกล่าวไม่ถือเป็นการละเมิดหรือไม่ มีสองแนวทางที่นี่ อย่างแรกคือการรวบรวมข้อมูลที่ชัดเจน ซึ่งแสดงถึงการรวบรวมข้อมูลเฉพาะภายในเฟรมเวิร์กที่ระบบผู้แนะนำทำงาน ตัวอย่างเช่น หากนี่คือระบบคำแนะนำสำหรับร้านค้าออนไลน์ ก็จะเสนอให้ประเมินสินค้าบางรายการ จัดเรียงสินค้าตามความสนใจ และสร้างรายการสินค้าที่ชื่นชอบ ด้วยประเภทนี้ ทุกอย่างเรียบง่าย: ระบบไม่ได้รับข้อมูลเกี่ยวกับกิจกรรมของผู้ใช้นอกขอบเขต สิ่งที่รู้คือตัวผู้ใช้เอง ประเภทที่สองคือการรวบรวมข้อมูลโดยปริยาย รวมถึงเทคนิคต่างๆ เช่น การใช้ข้อมูลจากแหล่งข้อมูลอื่นที่คล้ายคลึงกัน การเก็บบันทึกพฤติกรรมของผู้ใช้ การตรวจสอบเนื้อหาในคอมพิวเตอร์ของผู้ใช้ การรวบรวมข้อมูลประเภทนี้สำหรับระบบผู้แนะนำเป็นปัญหา

อย่างไรก็ตาม ในทิศทางนี้ การใช้ข้อมูลส่วนตัวทำให้เกิดความขัดแย้งน้อยลง ตัวอย่างเช่นในปี 2013 ที่การประชุม YAC (Yandex Another Conference) มีการประกาศการสร้างระบบ Atom โดยมีวัตถุประสงค์เพื่อให้เจ้าของเว็บไซต์มีข้อมูลที่จำเป็นในการสร้างคำแนะนำ บริการ Yandex ควรรวบรวมข้อมูลนี้ในขั้นต้น นั่นคือ ในกรณีนี้ ดำเนินการรวบรวมข้อมูลโดยนัย ตัวอย่าง: บุคคลเข้าสู่บริการค้นหาเพื่อค้นหาสถานที่ที่น่าสนใจที่สุดในปารีส หลังจากผ่านไประยะหนึ่ง มีคนมาเยี่ยมชมเว็บไซต์ของตัวแทนท่องเที่ยว หากไม่มี Atom เอเจนซี่ก็จะต้องแสดงทัวร์ยอดนิยมให้กับบุคคล Atom สามารถแนะนำให้ไซต์นี้แสดงให้ผู้ใช้เห็นการทัวร์ปารีสก่อนอื่น และทำส่วนลดส่วนตัวสำหรับทัวร์นี้โดยเฉพาะ เพื่อแยกความแตกต่างจากทัวร์อื่น ดังนั้น ข้อมูลที่เป็นความลับไม่ได้ไปไกลกว่าบริการของ Atom ไซต์รู้ว่าจะแนะนำลูกค้าอย่างไร และลูกค้าก็มีความสุขที่เขาพบสิ่งที่ต้องการได้อย่างรวดเร็ว

จนถึงปัจจุบัน ระบบผู้แนะนำเป็นตัวอย่างที่ชัดเจนที่สุดของสิ่งที่เทคโนโลยีปัญญาประดิษฐ์สามารถทำได้ ด้วยระบบดังกล่าว การทำงานสามารถทำได้ที่แม้แต่กองทัพของนักวิเคราะห์ก็ไม่สามารถรับมือได้

บทสรุป

ทุกอย่างล้วนมีจุดเริ่มต้น ดังที่ Sancho Panza กล่าว และจุดเริ่มต้นนี้จะต้องมีการอธิบาย

หันไปหาสิ่งที่อยู่ข้างหน้ามัน ชาวฮินดูได้ประดิษฐ์ช้างซึ่ง

ที่ยึดโลกไว้แต่ต้องวางบนเต่า ความต้องการ

โปรดทราบว่าการประดิษฐ์ประกอบด้วยการสร้างไม่ใช่จากความว่างเปล่า แต่จาก

ความโกลาหล: ก่อนอื่นคุณควรดูแลเนื้อหา ...

แมรี่ เชลลีย์, แฟรงเกนสไตน์

การพัฒนาปัญญาประดิษฐ์เป็นวิทยาศาสตร์และเทคโนโลยีสำหรับการสร้างเครื่องจักรเริ่มขึ้นเมื่อหนึ่งศตวรรษก่อนเล็กน้อย และความสำเร็จที่ได้รับจนถึงตอนนี้ก็น่าทึ่งมาก พวกเขาล้อมรอบผู้คนแทบทุกที่ เทคโนโลยีปัญญาประดิษฐ์มีลักษณะเฉพาะ: ในตอนแรกบุคคลจะพิจารณาว่าเป็นปัญญาประดิษฐ์ จากนั้นเขาก็คุ้นเคยกับมันและดูเหมือนเป็นธรรมชาติสำหรับเขา

สิ่งสำคัญคือต้องจำไว้ว่าวิทยาศาสตร์ของปัญญาประดิษฐ์มีความเกี่ยวข้องอย่างใกล้ชิดกับคณิตศาสตร์ วิทยาการเชิงผสม สถิติ และวิทยาศาสตร์อื่นๆ แต่ไม่เพียงแต่จะมีอิทธิพลต่อเขาเท่านั้น แต่การพัฒนาปัญญาประดิษฐ์ช่วยให้คุณมองเห็นสิ่งที่สร้างไปแล้วได้แตกต่างออกไป เช่นเดียวกับกรณีของโปรแกรมทฤษฎีลอจิก

มีบทบาทสำคัญในการพัฒนาเทคโนโลยีปัญญาประดิษฐ์โดยการพัฒนาคอมพิวเตอร์ แทบจะเป็นไปไม่ได้เลยที่จะจินตนาการถึงโปรแกรมการทำเหมืองข้อมูลอย่างจริงจัง ซึ่งเพียงพอสำหรับ RAM 100 กิโลไบต์ คอมพิวเตอร์อนุญาตให้เทคโนโลยีพัฒนาอย่างกว้างขวาง ในขณะที่การวิจัยเชิงทฤษฎีเป็นข้อกำหนดเบื้องต้นสำหรับการพัฒนาอย่างเข้มข้น เราสามารถพูดได้ว่าการพัฒนาวิทยาศาสตร์ของปัญญาประดิษฐ์เป็นผลมาจากการพัฒนาคอมพิวเตอร์

ประวัติศาสตร์การพัฒนาปัญญาประดิษฐ์ยังไม่จบ กำลังเขียนอยู่ในขณะนี้ เทคโนโลยีต่างๆ ได้รับการปรับปรุงอย่างต่อเนื่อง มีการสร้างอัลกอริธึมใหม่ๆ และส่วนการใช้งานใหม่ๆ ก็กำลังเปิดกว้างขึ้น เวลาเปิดโอกาสใหม่ๆ และคำถามใหม่ๆ ให้กับนักวิจัยอย่างต่อเนื่อง

บทคัดย่อนี้ไม่ได้เน้นที่ประเทศที่ทำการศึกษาบางกรณี โลกทั้งโลกได้มีส่วนร่วมทีละน้อยในพื้นที่ที่เราเรียกว่าวิทยาศาสตร์ปัญญาประดิษฐ์

บรรณานุกรม

มายาคติของชาวโลก. ม., 1991-92. ใน 2 ฉบับ ต.2. ส. 491,

อิเดล, โมเช่ (1990). Golem: ประเพณีขลังและลึกลับของชาวยิวเกี่ยวกับมนุษย์เทียม ออลบานี นิวยอร์ก: สำนักพิมพ์มหาวิทยาลัยแห่งรัฐนิวยอร์กไอเอสบีเอ็น 0-7914-0160-X. หน้า 296

อาซิมอฟ, ไอแซค. เรียงความหมายเลข 6 กฎของหุ่นยนต์ // ความฝันของหุ่นยนต์ใน . M.: Eksmo, 2004. S. 781784. ไอ 5-699-00842- X

ดูนนท์. กิจการของ Dionysus XXXII 212. ผ่อนผัน. Protreptic 57, 3 (อ้างอิงถึง Philostephanes)

โรเบิร์ต เจ. ซอว์เยอร์. ว่าด้วยอาซิมอฟส์ กฎสามข้อของวิทยาการหุ่นยนต์ (1991).

ทัวริง อลัน (ตุลาคม 2493) "เครื่องจักรคอมพิวเตอร์และปัญญา", มายด์ ลิกซ์ (236): 433460

แมคคาร์ธี จอห์น; มินสกี้, มาร์วิน; โรเชสเตอร์, นาธาน; แชนนอน, คลอดด์ (1955)ข้อเสนอสำหรับโครงการวิจัยด้านปัญญาประดิษฐ์ภาคฤดูร้อนของดาร์ทเมาท์

Crevier 1993 หน้า 4648.

สมิธ, เรด (8 พ.ค. 2528) "แนวคิด เทคนิค และตัวอย่างระบบบนฐานความรู้"

อลัน ทัวริง "คอมพิวเตอร์ดิจิทัลประยุกต์กับเกม" น.d. การมีส่วนร่วมของ AMT ในการ "เร็วกว่าคิด", ed. B.V. Bowden, London 1953 จัดพิมพ์โดย Pitman Publishing TS ที่มีการแก้ไข MS อาร์เอส พ.ศ. 2496 บ

Kaissa - แชมป์โลก วารสาร "วิทยาศาสตร์และชีวิต" มกราคม 2518 หน้า 118-124

กี๊ก, อี. ปรมาจารย์ "คิดลึก" // วิทยาศาสตร์กับชีวิต M. , 1990. V. 5. หน้า 129130.

F. Hayes-Roth, N. Jacobstein. สถานะของระบบฐานความรู้ Communications of the ACM, March, 1994, v.37, n.3, pp.27-39.

Karl Rexer, Paul Gearan และ Heather Allen (2007); สรุปการสำรวจ Data Miner ประจำปี 2550 นำเสนอในการประชุม SPSS Directions วันที่ ต.ค. 2007 และ Oracle BIWA Summit, ต.ค. 2550.

Karl Rexer, Heather Allen และ Paul Gearan (2013); 2013 Data Miner Survey Summary นำเสนอที่ Predictive Analytics World, ตุลาคม 2013.

Shyam Varan นาถ (2006). “การตรวจจับรูปแบบอาชญากรรมโดยใช้ Data Mining”, WI-IATW "06 Proceedings of the 2006 IEEE/WIC/ACM international conference on Web Intelligence and Intelligent Agent Technology, หน้า 41-44

David Goldberg, David Nichols, Brian M. Oki และ Douglas Terry (2006) “การใช้การกรองการทำงานร่วมกันเพื่อสานข้อมูล Tapestry”, Communications of the ACM, Dec 1992, vol.35, n12, p.61-71

งานที่เกี่ยวข้องอื่น ๆ ที่อาจสนใจ you.vshm>
14280.		แนวคิดของระบบปัญญาประดิษฐ์และกลไกการทำงาน	157.75KB
	การพิจารณาโครงสร้างและกลไกการทำงานของระบบอัจฉริยะในด้านหนึ่งต้องมีการนำเสนอโดยละเอียดโดยคำนึงถึงอิทธิพลของคุณสมบัติเฉพาะของแอปพลิเคชันและในทางกลับกันต้องมีการสรุปและการจำแนกแนวคิดโครงสร้างที่แนะนำ ,กลไกล
609.			12.42KB
	ในการติดตั้งระบบแสงสว่างสำหรับสถานประกอบการด้านแสงสว่าง หลอดไฟที่ใช้สำหรับปล่อยก๊าซและหลอดไส้ถูกใช้เป็นแหล่งกำเนิดแสงอย่างแพร่หลาย ลักษณะสำคัญของแหล่งกำเนิดแสง ได้แก่ แรงดันไฟฟ้า V; พลังงานไฟฟ้า W; ฟลักซ์ส่องสว่างของหลุม: ประสิทธิภาพการส่องสว่าง lm W พารามิเตอร์นี้เป็นคุณสมบัติหลักของประสิทธิภาพของแหล่งกำเนิดแสง อายุการใช้งาน h. เลือกประเภทของแหล่งกำเนิดแสงที่สถานประกอบการโดยคำนึงถึงตัวชี้วัดทางเทคนิคและเศรษฐกิจของลักษณะเฉพาะของการผลิต ...
6244.		ประวัติการพัฒนา CIS	154.8KB
	ควรสังเกตว่าระบบทุกประเภทรวมถึงระบบประเภทก่อนหน้า ซึ่งหมายความว่าระบบทุกประเภทอยู่ร่วมกันอย่างสันติในปัจจุบัน โมเดลทั่วไปของสถาปัตยกรรมระบบ CIS จนกระทั่งเมื่อเร็วๆ นี้ เทคโนโลยีการสร้างระบบข้อมูลถูกครอบงำโดยแนวทางดั้งเดิม เมื่อสถาปัตยกรรมทั้งหมดของระบบข้อมูลถูกสร้างขึ้นจากบนลงล่างจากฟังก์ชันการทำงานของแอปพลิเคชันไปจนถึงโซลูชันทางวิศวกรรมระบบ และองค์ประกอบแรก ของระบบสารสนเทศได้มาจากส่วนที่สองทั้งหมด เริ่มแรกระบบของระดับนี้ใช้ ...
17626.		ประวัติความเป็นมาของการว่ายน้ำ	85.93KB
	ความสำคัญอย่างมากของน้ำในชีวิตของมนุษย์ดึกดำบรรพ์ความจำเป็นในการพัฒนาอุตสาหกรรมของสภาพแวดล้อมที่ไม่ธรรมดานี้ต้องการความสามารถในการว่ายน้ำเพื่อไม่ให้ตายในการต่อสู้ดิ้นรนเพื่อการดำรงอยู่ ด้วยการถือกำเนิดของระบบรัฐ ความสามารถในการว่ายน้ำจึงมีความจำเป็นอย่างยิ่งในด้านแรงงานและในกิจการทหาร
9769.		ประวัติความเป็นมาของการพัฒนาชาติพันธุ์วิทยา	19.47KB
	ประวัติความเป็นมาของการพัฒนาชาติพันธุ์วิทยา บทสรุป. ดังนั้นฮิปโปเครติสในงาน On Airs, Waters และ Localities ของเขาจึงเขียนว่าความแตกต่างทั้งหมดระหว่างประชาชน รวมถึงในด้านจิตวิทยา เกิดจากที่ตั้งของประเทศ สภาพภูมิอากาศ และปัจจัยทางธรรมชาติอื่นๆ ขั้นตอนต่อไปของความสนใจอย่างลึกซึ้งในจิตวิทยาชาติพันธุ์เริ่มต้นขึ้นในกลางศตวรรษที่ 18 มงเตสกิเยออาจแสดงวิธีการทั่วไปของยุคนั้นอย่างเต็มที่ถึงแก่นแท้ของความแตกต่างทางชาติพันธุ์ในจิตวิญญาณของจิตวิทยา
9175.		ประวัติความเป็นมาของการพัฒนาวิทยาศาสตร์ธรรมชาติ	21.45KB
	ท่ามกลางการปฏิวัติทางวิทยาศาสตร์ธรรมชาติ ประเภทต่อไปนี้สามารถแยกแยะได้: ทั่วโลกซึ่งครอบคลุมวิทยาศาสตร์ธรรมชาติทั้งหมดและก่อให้เกิดการเกิดขึ้นของแนวคิดใหม่ขั้นพื้นฐานไม่เพียง แต่เกี่ยวกับโลกของวิสัยทัศน์ใหม่ของโลกเท่านั้น แต่ยังรวมถึงโครงสร้างเชิงตรรกะใหม่ของวิทยาศาสตร์ วิธีหรือรูปแบบการคิดใหม่ ท้องถิ่นในวิทยาศาสตร์พื้นฐานส่วนบุคคล v. การก่อตัวของใหม่ ...
9206.		ประวัติความเป็นมาของการพัฒนาเมคคาทรอนิกส์	7.71KB
	ในทศวรรษที่ผ่านมาได้รับความสนใจอย่างมากในการสร้างโมดูลเมคคาทรอนิกส์สำหรับรถยนต์สมัยใหม่ของอุปกรณ์เทคโนโลยีรุ่นใหม่ของเครื่องมือกลที่มีจลนศาสตร์แบบขนานของหุ่นยนต์พร้อมการควบคุมอัจฉริยะของไมโครแมชชีนของคอมพิวเตอร์และอุปกรณ์สำนักงานล่าสุด ผลลัพธ์ที่จริงจังครั้งแรกของการสร้างและการประยุกต์ใช้หุ่นยนต์ในทางปฏิบัติในสหภาพโซเวียตย้อนหลังไปถึงปี 1960 ตัวอย่างอุตสาหกรรมแรกของหุ่นยนต์อุตสาหกรรมสมัยใหม่ที่มีการควบคุมตำแหน่งถูกสร้างขึ้นในปี 1971 ที่สถาบันโปลีเทคนิคเลนินกราด...
11578.		ประวัติการพัฒนาเทคโนโลยีสารสนเทศ	41.42KB
	ผลลัพธ์ของการวิจัยทางวิทยาศาสตร์และประยุกต์ในด้านสารสนเทศ เทคโนโลยีคอมพิวเตอร์ และการสื่อสารได้สร้างพื้นฐานที่มั่นคงสำหรับการกำเนิดของสาขาใหม่ของทักษะและการผลิตของอุตสาหกรรมสารสนเทศ ถือเป็นโครงสร้างพื้นฐานและพื้นที่สารสนเทศเพื่อการให้ข้อมูลข่าวสารของสังคม ขั้นตอนของการเกิดขึ้นและการพัฒนาของเทคโนโลยีสารสนเทศ ในตอนเริ่มต้นของสถานการณ์ เพื่อที่จะประสานผลกระทบที่เกิดขึ้น บุคคลจำเป็นต้องมีสัญญาณการสื่อสารแบบเข้ารหัส การนำเสนอข้อมูลคิดว่าการควบคุมตนเองของ 2 วัตถุ: แหล่งที่มาของข้อมูลและ...
3654.		ประวัติความเป็นมาของการพัฒนาเคมีอนินทรีย์	29.13KB
	เคมีเป็นวิทยาศาสตร์ที่มีต้นกำเนิดในอียิปต์โบราณและใช้เป็นวิทยาศาสตร์ประยุกต์เป็นหลัก: เพื่อให้ได้สารและผลิตภัณฑ์ที่มีคุณสมบัติใหม่ที่ยังไม่เป็นที่รู้จักของผู้คนจำนวนมาก นักบวชแห่งอียิปต์โบราณใช้ความรู้ทางเคมีเพื่อให้ได้เครื่องประดับเทียม แต่งศพคน
14758.		ประวัติความเป็นมาของการพัฒนาพันธุศาสตร์เป็นวิทยาศาสตร์พื้นฐาน	942.85KB
	ประวัติความเป็นมาของการพัฒนาพันธุศาสตร์เป็นวิทยาศาสตร์พื้นฐาน วิธีการศึกษาพันธุศาสตร์มนุษย์ ประวัติความเป็นมาของการพัฒนาพันธุศาสตร์เป็นศาสตร์พื้นฐาน2 ขั้นตอนหลักในการพัฒนาพันธุกรรม: ยุคคลาสสิก

ความรู้สามารถเก็บไว้นอกสมองได้ ข้อโต้แย้งของพวกเขาคือ:

1. ความรู้ความเข้าใจเป็นกระบวนการที่นำไปสู่การทำให้เป็นทางการ
2. สามารถวัดความฉลาดได้ (ความฉลาดทางปัญญา IQ - ความฉลาดทางปัญญา 1 คำนี้ถูกนำมาใช้ในทางวิทยาศาสตร์โดย V. Stern (1911) ตามวิธีการคำนวณของ A. Binet (1903), ความจุของหน่วยความจำ, ปฏิกิริยาของจิตใจ, ฯลฯ );
3. การวัดข้อมูล (บิต ไบต์ ฯลฯ) ใช้ได้กับความรู้ ผู้มองโลกในแง่ร้ายเชื่อว่าปัญญาประดิษฐ์ไม่สามารถจัดเก็บความรู้ได้ เนื่องจากเป็นเพียงการเลียนแบบการคิด ผู้มองโลกในแง่ร้ายเชื่อว่าสติปัญญาของมนุษย์นั้นมีลักษณะเฉพาะ ความคิดสร้างสรรค์ไม่สามารถทำให้เป็นรูปเป็นร่างได้ โลกทั้งใบและแยกไม่ออกเป็นข้อมูลที่ไม่ต่อเนื่องกัน ว่าภาพการคิดของมนุษย์นั้นสมบูรณ์กว่าการคิดเชิงตรรกะของเครื่องจักร เป็นต้น

ใครถูกในข้อพิพาทนี้เวลาจะบอก เราทราบเพียงว่าหน่วยความจำของเครื่องเก็บสิ่งที่เขียนลงไป และนี่อาจไม่ใช่แค่ความรู้ในฐานะรูปแบบสูงสุดของข้อมูลเท่านั้น แต่ยังเป็นเพียงข้อมูลที่ประกอบด้วยความรู้ การบิดเบือน และ เสียงข้อมูล(ดู "ประวัติความเป็นมาของการพัฒนาสารสนเทศ การพัฒนาความคิดเกี่ยวกับข้อมูล วิถีสู่สังคมสารสนเทศ") ในการดึงความรู้ออกจากข้อมูล เครื่องจักร ก็เหมือนคน ต้องตั้งเป้าหมาย ("อยากรู้อะไร?") และตามเป้าหมายนี้ ให้เลือก ข้อมูลที่มีค่า(เพราะพวกมันเก็บค่าไว้ ไม่ใช่ทุกสิ่งที่น่ากลัว) สามารถ ปัญญาประดิษฐ์การกำหนดเป้าหมายที่ยอมรับได้และดำเนินการคัดเลือกข้อมูลอันมีค่าสำหรับเป้าหมายเหล่านี้เป็นอีกปัญหาหนึ่งในทฤษฎีและการปฏิบัติของปัญญาประดิษฐ์ ในขณะที่งานนี้ดำเนินการโดยบุคคล - ในระบบผู้เชี่ยวชาญ ในการเขียนโปรแกรมหุ่นยนต์ ในระบบควบคุมกระบวนการ ฯลฯ เครื่องฟรี (ดูด้านบน) จะต้องทำงานนี้เอง ในเวลาเดียวกัน ปัญหาที่ระบุอาจรุนแรงขึ้นเนื่องจากความจริงที่ว่าในเครือข่ายที่เครื่อง "ดาวน์โหลด" ความรู้ อาจมี "ขยะ" และไวรัสทำลายล้างจำนวนมาก

4.4. ประวัติความเป็นมาของการพัฒนาแนวคิดปัญญาประดิษฐ์และการนำไปปฏิบัติ

เป็นครั้งแรกที่แนวคิดในการสร้างปัญญาประดิษฐ์เกิดขึ้นในศตวรรษที่ 17 (B. Spinoza, R. Descartes, G.W. Leibniz และอื่น ๆ ) เรากำลังพูดถึงปัญญาประดิษฐ์ ไม่ใช่เกี่ยวกับตุ๊กตากลไก ซึ่งรู้จักกันดีอยู่แล้วในขณะนั้น ผู้ก่อตั้งทฤษฎีปัญญาประดิษฐ์นั้นแน่นอนว่าเป็นคนมองโลกในแง่ดี - พวกเขาเชื่อในความเป็นไปได้ของความคิดของพวกเขา:

ตามกฎการอนุรักษ์ทางจิตวิทยา (“ผลรวมของความสุขและความเจ็บปวดเท่ากับศูนย์”) ผู้มองโลกในแง่ร้ายปรากฏขึ้นทันที (F. Bacon, J. Locke, ฯลฯ ) ซึ่งหัวเราะเยาะผู้มองโลกในแง่ดี: "โอ้หยุด! ” แต่ความคิดใด ๆ ในวิทยาศาสตร์เมื่อเกิดขึ้นแล้วยังคงอยู่แม้จะมีอุปสรรค

แนวคิดเรื่องปัญญาประดิษฐ์เริ่มใช้คุณลักษณะจริงเฉพาะในช่วงครึ่งหลังของศตวรรษที่ 20 โดยเฉพาะอย่างยิ่งกับการประดิษฐ์คอมพิวเตอร์และ "หุ่นยนต์อัจฉริยะ" ในการนำแนวคิดนี้ไปใช้ มันยังจำเป็นต้องมีการพัฒนาประยุกต์ในด้านตรรกะทางคณิตศาสตร์ การเขียนโปรแกรม จิตวิทยาการรู้คิด ภาษาศาสตร์คณิตศาสตร์ สรีรวิทยา และสาขาวิชาอื่น ๆ ที่กำลังพัฒนาในช่องไซเบอร์เนติกส์ของความสัมพันธ์ระหว่างสิ่งมีชีวิตและเครื่องจักรในแง่ของการควบคุมและหน้าที่การสื่อสาร ชื่อตัวเอง ปัญญาประดิษฐ์" เกิดขึ้นในช่วงปลายยุค 60 ของศตวรรษที่ XX และในปี 1969 ได้มีการจัดการประชุมโลกครั้งแรกเรื่องปัญญาประดิษฐ์ขึ้น (วอชิงตัน สหรัฐอเมริกา)

ตอนแรก ปัญญาประดิษฐ์พัฒนาในสิ่งที่เรียกว่า การวิเคราะห์ (การทำงาน)ทิศทางที่เครื่องได้รับคำสั่งให้ทำการส่วนตัว งานทางปัญญาธรรมชาติที่สร้างสรรค์ (เกม การแปลจากภาษาหนึ่งเป็นอีกภาษาหนึ่ง ภาพวาด ฯลฯ)

ภายหลังเกิดขึ้น สังเคราะห์ (รุ่น)ทิศทางตามความพยายามในการสร้างแบบจำลองกิจกรรมสร้างสรรค์ของสมองในความหมายทั่วไป "โดยไม่มีการแลกเปลี่ยน" สำหรับงานเฉพาะ แน่นอน ทิศทางนี้กลายเป็นว่ายากต่อการปฏิบัติมากกว่าทิศทางการทำงาน วัตถุประสงค์ของการศึกษาทิศทางของแบบจำลองคือ metaproceduresความคิดของมนุษย์ meta-procedures ของความคิดสร้างสรรค์ไม่ใช่ขั้นตอน (หน้าที่) ของกิจกรรมทางปัญญา แต่ วิธีการสร้างขั้นตอนดังกล่าว วิธีการเรียนรู้กิจกรรมทางปัญญารูปแบบใหม่ ด้วยวิธีนี้อาจจะซ่อนสิ่งที่เรียกว่าปัญญา การปรากฏตัวของเมตาขั้นตอนของการคิดทำให้ความฉลาดที่แท้จริงแตกต่างจากสิ่งที่ปรากฏ ดังนั้นการใช้เมตาขั้นตอนของความคิดสร้างสรรค์ด้วยเครื่องมือกลจึงกลายเป็นงานหลักของทิศทางของแบบจำลองเกือบ ไม่ใช่อะไรแต่ อย่างไรประดิษฐ์ อย่างไรแก้ปัญหาสร้างสรรค์ อย่างไรการเรียนรู้ (เรียนรู้ด้วยตนเอง) สิ่งใหม่ๆ? - นี่คือคำถามที่มีอยู่ในการนำแบบจำลองความคิดสร้างสรรค์ของมนุษย์ไปใช้

ภายในกรอบของทิศทางของแบบจำลอง ส่วนใหญ่สองรูปแบบของปัญญาได้รับการพัฒนา ลำดับแรก เขาวงกตแบบจำลองที่ใช้การค้นหาอย่างมีจุดมุ่งหมายในเขาวงกตของวิธีการทางเลือกในการแก้ปัญหาด้วยการประเมินความสำเร็จหลังจากแต่ละขั้นตอนหรือจากมุมมองของการแก้ปัญหาโดยรวม กล่าวอีกนัยหนึ่ง แบบจำลองเขาวงกตจะลดลงจนถึงการแจงนับตัวเลือกที่เป็นไปได้ (โดยการเปรียบเทียบกับการแจงนับตัวเลือกทางออกจากเขาวงกต) ความสำเร็จ (หรือความล้มเหลว) ในการเลือกตัวเลือกอย่างใดอย่างหนึ่งสามารถประเมินได้ในแต่ละขั้นตอน (นั่นคือทันทีหลังจากเลือก) โดยไม่ต้องคาดการณ์ผลลัพธ์สุดท้ายของการแก้ปัญหา หรือในทางกลับกัน ตัวเลือกของตัวเลือกในแต่ละขั้นตอนสามารถ ทำขึ้นจากผลสุดท้าย ตัวอย่างเช่น มาเล่นหมากรุกกัน คุณสามารถประเมินผลลัพธ์ของการเคลื่อนไหวแต่ละครั้งโดยได้รับหรือสูญเสียทันทีหลังจากนั้น (ชิ้นส่วนที่ชนะหรือแพ้ การได้เปรียบในตำแหน่ง ฯลฯ) โดยไม่ต้องนึกถึงจุดจบของเกม ด้วยวิธีการนี้ เป็นที่เข้าใจกันว่าความสำเร็จในการเคลื่อนไหวแต่ละครั้งจะนำไปสู่ความสำเร็จของเกมทั้งหมด ไปสู่ชัยชนะ แต่นี่ไม่จำเป็นเลย ท้ายที่สุด เป็นไปได้ที่จะล่อกษัตริย์ของคู่ต่อสู้เข้าสู่กับดักการผสมพันธุ์ด้วยการเสียสละชิ้นส่วนเป็นชุดของการเคลื่อนไหว ทำให้สูญเสียความได้เปรียบด้านตำแหน่งที่ชัดเจน ด้วยวิธีการนี้ ความสำเร็จบางส่วนในแต่ละการเคลื่อนไหวไม่มีความหมายใดเมื่อเทียบกับการเคลื่อนไหวที่ชนะครั้งล่าสุด นั่นคือการประกาศการรุกฆาต

แนวทางแรกในการสร้างแบบจำลองเขาวงกตได้รับการพัฒนาใน การเขียนโปรแกรมฮิวริสติกแนวทางที่สองคือ การเขียนโปรแกรมแบบไดนามิก. เห็นได้ชัดว่า, วิธีการแบบไดนามิกมีประสิทธิภาพมากกว่าฮิวริสติกเมื่อพูดถึงหมากรุก ยังไงก็ตาม นักเล่นหมากรุกที่เก่งกาจใช้อย่างไม่รู้ตัว วิธีการแบบไดนามิกต่อต้านโปรแกรมหมากรุกที่ทำงานในโหมดฮิวริสติก และด้วยสติปัญญาตามธรรมชาติ พวกเขาเอาชนะเขาวงกต ปัญญาประดิษฐ์. แต่นั่นเป็นกรณีในยุค 60 และ 70 ศตวรรษที่ 20 ตั้งแต่นั้นมา โปรแกรมหมากรุกได้พัฒนาขึ้นอย่างมาก (รวมถึงผ่านการแนะนำวิธีการแบบไดนามิก) ที่พวกเขาประสบความสำเร็จในการเผชิญหน้ากับแชมป์โลก

โมเดลเขาวงกตถูกนำมาใช้กันอย่างแพร่หลายไม่เพียงแต่ในการสร้างโปรแกรมหมากรุกเท่านั้น แต่ยังสำหรับการเขียนโปรแกรมเกมอื่นๆ รวมถึงการพิสูจน์ทฤษฎีบททางคณิตศาสตร์และในแอปพลิเคชันอื่นๆ

ตามแบบจำลองปัญญาประดิษฐ์เขาวงกต โมเดลเชื่อมโยง. สมาคม (จาก lat. สมาคม - การเชื่อมต่อ) - การเชื่อมต่อของการเป็นตัวแทนทางจิตวิทยา (เนื่องจากประสบการณ์ก่อนหน้านี้) เนื่องจากการแสดงหนึ่งซึ่งปรากฏในจิตใจทำให้เกิดการเป็นตัวแทนอื่น (โดยหลักการของความคล้ายคลึงกันความต่อเนื่องหรือความขัดแย้ง) ตัวอย่างเช่น นักวิชาการรางวัลโนเบล I.P. พาฟลอฟทำการทดลองที่รู้จักกันดีกับสุนัขสังเกตว่าถ้าสุนัขเห็นโคมไฟเปิดขึ้นในเวลาเดียวกับการกินน้ำในกระเพาะอาหารก็เริ่มโดดเด่นในสุนัขทันทีที่เปิดไฟ แม้ว่าอาหารจะไม่ถูกเสนอให้ก็ตาม หัวใจสำคัญของการสะท้อนแบบมีเงื่อนไขนี้คือการเชื่อมโยงที่ยึดหลักการของความใกล้เคียงกัน การเชื่อมโยงความคล้ายคลึงกันอธิบายไว้ในเรื่องราวของ A.P. เชคอฟ "นามสกุลม้า" การเชื่อมโยงโดยตรงกันข้ามสามารถอธิบายได้ด้วยรูปแบบตรรกะ: ถ้า "ไม่ใช่ A" แล้ว "A" ตัวอย่างเช่น ถ้าในระหว่างวันฉันเห็นแมวสีขาว ฉันจะเชื่อมโยงมันทันทีกับแมวดำที่ข้ามถนนในตอนเช้า

ในรูปแบบการเชื่อมโยง สันนิษฐานว่าการแก้ปัญหาใหม่ที่ไม่ทราบสาเหตุนั้นขึ้นอยู่กับปัญหาที่แก้ไขแล้วที่ทราบแล้วซึ่งคล้ายกับปัญหาใหม่ ดังนั้นวิธีการแก้ปัญหาใหม่จึงอยู่บนพื้นฐานของหลักการเชื่อมโยงของความคล้ายคลึงกัน (ความคล้ายคลึงกัน) สำหรับการนำไปใช้งานนั้นจะใช้การค้นหาแบบเชื่อมโยงในหน่วยความจำการให้เหตุผลเชิงตรรกะแบบเชื่อมโยงโดยใช้วิธีการแก้ปัญหาที่ควบคุมโดยเครื่องในสถานการณ์ใหม่ ฯลฯ ในคอมพิวเตอร์สมัยใหม่และหุ่นยนต์อัจฉริยะมี หน่วยความจำเชื่อมโยง. ตัวแบบเชื่อมโยงถูกใช้ในงาน การจำแนกประเภท การจดจำรูปแบบ การเรียนรู้ซึ่งได้กลายเป็นงานธรรมดาของระบบสารสนเทศและเทคโนโลยีไปแล้ว แต่ทฤษฏีตัวแบบเชื่อมโยงจนถึงยุค 90 ศตวรรษที่ 20 ที่ขาดหายไปและขณะนี้กำลังถูกสร้างขึ้น

ให้เราสรุปรายชื่อผู้สร้างหลักของปัญญาประดิษฐ์โดยสังเขป

น. วีเนอร์(นักคณิตศาสตร์) ยูอาร์ Ashby(นักชีววิทยา) - ผู้ก่อตั้งไซเบอร์เนติกส์ซึ่งกล่าวครั้งแรกว่าเครื่องจักรสามารถฉลาดกว่าคนที่เป็นแรงผลักดันเบื้องต้นในการพัฒนาทฤษฎีปัญญาประดิษฐ์

W. McCulloch, W. Peets(นักสรีรวิทยา) - ในปี พ.ศ. 2486 เสนอแบบจำลองเซลล์ประสาทที่เป็นทางการ ผู้ก่อตั้ง neurocybernetics และแนวคิดเริ่มต้นของโครงข่ายประสาทเทียม

A. ทัวริง(นักคณิตศาสตร์) - ในปี 1937 เขาได้คิดค้นอัลกอริธึมสากล "Turing machine"; เสนอ "การทดสอบทัวริง" ทางปัญญาเพื่อพิจารณาว่าเครื่องจักรมีความชาญฉลาดในการสนทนาเปรียบเทียบกับมันและเป็น "บุคคลที่สมเหตุสมผล" หรือไม่

เจ. ฟอน นอยมันน์(นักคณิตศาสตร์) - หนึ่งในผู้ก่อตั้งทฤษฎีเกมและทฤษฎีออโตมาตะที่ผลิตซ้ำได้เองซึ่งเป็นสถาปัตยกรรมของคอมพิวเตอร์รุ่นแรก

ม.โซมัลวิโก(ไซเบอร์เนติก) A. Azimov(นักชีวเคมีนักเขียน) - ผู้ก่อตั้งหุ่นยนต์ทางปัญญา

G. Simon, W. Reitman(นักจิตวิทยา) - ผู้เขียนและผู้พัฒนาแบบจำลองทางปัญญาแบบเขาวงกตตัวแรกที่สร้างขึ้นบนหลักการของการเขียนโปรแกรมฮิวริสติก

R. Bellman(นักคณิตศาสตร์) ส.หยู. มาสลอฟ(นักตรรกวิทยา) - ผู้เขียนวิธีการแบบไดนามิกเพื่อโมเดลทางปัญญาเขาวงกต (การเขียนโปรแกรมแบบไดนามิก, วิธีการพิสูจน์ผกผัน)

F. Rosenblatt(นักสรีรศาสตร์), มม. บองการ์ด(นักฟิสิกส์) - ผู้บุกเบิกปัญหาการจดจำรูปแบบ ผู้พัฒนาอุปกรณ์และรุ่นของการจดจำและการจำแนกประเภท

แอล. ซาด, เอ.เอ็น. Kolmogorov, A.N. Tikhonov, แมสซาชูเซตส์ Girshik(นักคณิตศาสตร์) - ผู้เขียนวิธีการทางคณิตศาสตร์สำหรับการแก้ปัญหาที่เป็นทางการไม่ดีและ การตัดสินใจภายใต้เงื่อนไขความไม่แน่นอน

น. ชอมสกี้(นักคณิตศาสตร์, นักภาษาศาสตร์) - ผู้ก่อตั้งภาษาศาสตร์คณิตศาสตร์

แอลอาร์ ลูเรีย(นักจิตวิทยา) - ผู้ก่อตั้ง neuropsychology ซึ่งศึกษากลไกพื้นฐานของกิจกรรมการรับรู้ของสมองและการทำงานทางปัญญาอื่น ๆ ของสมอง

เค.อี. แชนนอน(วิศวกรสื่อสาร) อาร์.เอช. ซาริปอฟ(นักคณิตศาสตร์) - ผู้เขียนทฤษฎีและแบบจำลองของการสังเคราะห์ดนตรีด้วยเครื่อง

รายการด้านบนยังไม่สมบูรณ์ ในสาขาปัญญาประดิษฐ์ ไม่เพียงแต่ผู้เชี่ยวชาญแต่ละคนเท่านั้นที่ทำงานและกำลังทำงานอยู่ แต่ยังรวมถึงทีม ห้องปฏิบัติการ และสถาบันด้วย ปัญหาหลักที่พวกเขาแก้ไขคือ:

1. การเป็นตัวแทนของความรู้
2. การสร้างแบบจำลองการใช้เหตุผล
3. อินเทอร์เฟซอัจฉริยะ "man-machine", "machine-machine";
4. การวางแผนกิจกรรมที่เหมาะสม
5. การฝึกอบรมและการฝึกตนเองของระบบอัจฉริยะ
6. ความคิดสร้างสรรค์ของเครื่อง
7. หุ่นยนต์อัจฉริยะ

แนวคิดพื้นฐานของปัญญาประดิษฐ์

เป็นการยากที่จะให้คำจำกัดความที่ชัดเจนเกี่ยวกับความฉลาดของมนุษย์ เพราะความฉลาดคือการหลอมรวมทักษะหลายอย่างในด้านการประมวลผลและการนำเสนอข้อมูล ปัญญา (Intelligence) มาจากภาษาละติน intellectus ซึ่งหมายถึง จิตใจ เหตุผล เหตุผล ความสามารถในการคิดของมนุษย์ ด้วยความมั่นใจในระดับสูง สติปัญญาสามารถเรียกได้ว่าเป็นความสามารถของสมองในการแก้ปัญหา (ทางปัญญา) โดยการได้มา จดจำ และเปลี่ยนความรู้อย่างมีจุดมุ่งหมายในกระบวนการเรียนรู้จากประสบการณ์และการปรับตัวให้เข้ากับสถานการณ์ต่างๆ

ปัญญาประดิษฐ์ (AI) เป็นชุดของสาขาวิชาวิทยาศาสตร์ที่ศึกษาวิธีการแก้ปัญหาในลักษณะทางปัญญา (ความคิดสร้างสรรค์) โดยใช้คอมพิวเตอร์
ปัญญาประดิษฐ์เป็นหนึ่งในพื้นที่ของสารสนเทศ โดยมีวัตถุประสงค์เพื่อพัฒนาเครื่องมือฮาร์ดแวร์และซอฟต์แวร์ที่อนุญาตให้ผู้ใช้ที่ไม่ใช่โปรแกรมเมอร์สามารถตั้งค่าและแก้ไขงานทางปัญญาของตนเอง ซึ่งเดิมถือว่าเป็นงานทางปัญญา สื่อสารกับคอมพิวเตอร์ในส่วนย่อยที่จำกัดของธรรมชาติ ภาษา.

ระบบปัญญาประดิษฐ์ (AI) เป็นระบบคอมพิวเตอร์ที่จำลองการแก้ปัญหาของงานทางปัญญาที่ซับซ้อนโดยบุคคล
ความรู้: โดยทั่วไปแล้ว ความรู้เป็นผลจากการฝึกฝน-ทดสอบความรู้ความเข้าใจในความจริง การสะท้อนที่ถูกต้องในการคิดของมนุษย์ การครอบครองประสบการณ์และความเข้าใจที่ถูกต้องทั้งในเชิงอัตวิสัยและตามความเป็นจริง บนพื้นฐานของการตัดสินและข้อสรุปที่สามารถสร้างได้ ดูน่าเชื่อถือพอที่จะถือได้ว่าเป็นความรู้ ดังนั้นในบริบทของไอที ​​คำว่า ความรู้ จึงเป็นข้อมูลที่มีอยู่ในการดำเนินการตามหน้าที่ทางปัญญา โดยปกติแล้วสิ่งเหล่านี้คือความเบี่ยงเบน แนวโน้ม รูปแบบ และการพึ่งพาที่พบในข้อมูล กล่าวอีกนัยหนึ่ง ระบบอัจฉริยะคือระบบประมวลผลความรู้ในเวลาเดียวกัน

โปรแกรมปัญญาประดิษฐ์รวมถึง:

1. โปรแกรมเกม (สุ่ม, เกมคอมพิวเตอร์);

2. โปรแกรมภาษาธรรมชาติ - การแปลด้วยเครื่อง การสร้างข้อความ การประมวลผลคำพูด

3. โปรแกรมการจดจำ - การจดจำลายมือ, รูปภาพ, แผนที่;

4. โปรแกรมสำหรับสร้างและวิเคราะห์งานกราฟิก จิตรกรรม งานดนตรี

พื้นที่ต่อไปนี้ของปัญญาประดิษฐ์มีความโดดเด่น:

1. ระบบผู้เชี่ยวชาญ

2. โครงข่ายประสาทเทียม

3. ระบบภาษาธรรมชาติ

4. วิธีการวิวัฒนาการและขั้นตอนวิธีทางพันธุกรรม

5. ชุดคลุมเครือ

6. ระบบสกัดความรู้

ประวัติความเป็นมาของการพัฒนาปัญญาประดิษฐ์

มีสามขั้นตอนหลักในการพัฒนา AIS:

− 60-70 วินาที เหล่านี้เป็นปีแห่งการตระหนักถึงความเป็นไปได้ของปัญญาประดิษฐ์และการก่อตัวของระเบียบทางสังคมเพื่อสนับสนุนกระบวนการตัดสินใจและการจัดการ วิทยาศาสตร์ตอบสนองต่อคำสั่งนี้ด้วยการปรากฏตัวของ perceptrons แรก (โครงข่ายประสาทเทียม) การพัฒนาวิธีการสำหรับการเขียนโปรแกรมแบบฮิวริสติกและการควบคุมสถานการณ์ของระบบขนาดใหญ่ (พัฒนาขึ้นในสหภาพโซเวียต)

− 70-80 วินาที ในขั้นตอนนี้ มีความตระหนักรู้ถึงความสำคัญของความรู้เพื่อสร้างการตัดสินใจที่เพียงพอ ระบบผู้เชี่ยวชาญปรากฏขึ้นซึ่งมีการใช้อุปกรณ์ของคณิตศาสตร์ฟัซซี่อย่างแข็งขันแบบจำลองของการอนุมานที่สมเหตุสมผลและการใช้เหตุผลที่เป็นไปได้ได้รับการพัฒนา

− 80-90 วินาที มีแบบจำลองแบบบูรณาการ (แบบผสม) ของการแทนความรู้ที่รวมสติปัญญา: การค้นหา การคำนวณ ตรรกะ และเป็นรูปเป็นร่าง

คำว่าปัญญาประดิษฐ์ถูกเสนอในปี 1956 ในการสัมมนาที่มหาวิทยาลัยสแตนฟอร์ด (สหรัฐอเมริกา)

ความคิดในการสร้างภาพเทียมของจิตใจมนุษย์เพื่อแก้ปัญหาที่ซับซ้อนและจำลองความสามารถในการคิดอยู่ในอากาศตั้งแต่สมัยโบราณ เป็นครั้งแรกที่แสดงโดย R. Lully ซึ่งย้อนกลับไปในศตวรรษที่ 14 พยายามสร้างเครื่องจักรสำหรับแก้ปัญหาต่างๆ ตามการจำแนกแนวคิดทั่วไป

การพัฒนาปัญญาประดิษฐ์เป็นทิศทางทางวิทยาศาสตร์เป็นไปได้หลังจากการสร้างคอมพิวเตอร์เท่านั้น สิ่งนี้เกิดขึ้นในยุค 40 ของศตวรรษที่ XX ในเวลาเดียวกัน N. Wiener ได้สร้างงานพื้นฐานเกี่ยวกับวิทยาศาสตร์ใหม่ - ไซเบอร์เนติกส์

ในปี 1954 การสัมมนาเรื่อง "Automata and thinking" เริ่มงานที่มหาวิทยาลัยแห่งรัฐมอสโกภายใต้การแนะนำของศาสตราจารย์ A. A. Lyapunov นักสรีรวิทยา นักภาษาศาสตร์ นักจิตวิทยา และนักคณิตศาสตร์ชั้นนำเข้าร่วมในการสัมมนาครั้งนี้ เป็นที่ยอมรับกันโดยทั่วไปว่าในเวลานี้ปัญญาประดิษฐ์เกิดในรัสเซีย

ความก้าวหน้าครั้งสำคัญในการใช้งานจริงของปัญญาประดิษฐ์เกิดขึ้นในช่วงกลางทศวรรษ 1970 เมื่อการค้นหาอัลกอริธึมการคิดแบบสากลถูกแทนที่ด้วยแนวคิดในการสร้างแบบจำลองความรู้เฉพาะของผู้เชี่ยวชาญผู้เชี่ยวชาญ

ในสหรัฐอเมริกา ระบบฐานความรู้เชิงพาณิชย์ระบบแรก หรือระบบผู้เชี่ยวชาญ ปรากฏแนวทางใหม่ในการแก้ปัญหาปัญญาประดิษฐ์ - การแทนความรู้ MYCIN และ DENDRAL ถูกสร้างขึ้น - ระบบผู้เชี่ยวชาญคลาสสิกสำหรับยาและเคมี

ในปี พ.ศ. 2523-2533 ได้มีการทำการวิจัยเชิงรุกในด้านการแสดงความรู้ ภาษาที่ใช้แทนความรู้ และระบบผู้เชี่ยวชาญ ตั้งแต่กลางทศวรรษ 1980 ปัญญาประดิษฐ์ได้ถูกนำมาใช้ในเชิงพาณิชย์ การลงทุนประจำปีกำลังเติบโต ระบบผู้เชี่ยวชาญทางอุตสาหกรรมกำลังถูกสร้างขึ้น

ระบบผู้เชี่ยวชาญไม่ได้ใช้กันอย่างแพร่หลายในการแพทย์เชิงปฏิบัติ ส่วนใหญ่จะใช้เป็นส่วนสำคัญของระบบเครื่องมือแพทย์-คอมพิวเตอร์ สาเหตุหลักมาจากข้อเท็จจริงที่ว่าในชีวิตจริงจำนวนสถานการณ์ที่เป็นไปได้และตามกฎการวินิจฉัยจึงกลายเป็นเรื่องใหญ่มากจนระบบเริ่มต้องการข้อมูลเพิ่มเติมจำนวนมากเกี่ยวกับผู้ป่วยหรือความถูกต้องของการวินิจฉัย ลดลงอย่างรวดเร็ว

ตามอัตภาพ 7 ขั้นตอนของการพัฒนาปัญญาประดิษฐ์สามารถแยกแยะได้ซึ่งแต่ละขั้นตอนเกี่ยวข้องกับการพัฒนาปัญญาประดิษฐ์ในระดับหนึ่งและกระบวนทัศน์ที่นำไปใช้ในระบบเฉพาะ

กระบวนทัศน์เป็นแนวคิดใหม่ของคำอธิบายทางคณิตศาสตร์ของงานระบบปัญญาประดิษฐ์

ด่าน 1 (50s) (เซลล์ประสาทและโครงข่ายประสาท )

มันเกี่ยวข้องกับการปรากฏตัวของเครื่องลำดับแรกที่มีขนาดเล็กมากตามมาตรฐานปัจจุบันความสามารถของทรัพยากรในแง่ของหน่วยความจำความเร็วและคลาสของงานที่จะแก้ไข ปัญหาเหล่านี้เป็นปัญหาที่เกิดจากการคำนวณล้วนๆ ซึ่งรู้จักโครงร่างการแก้ปัญหาและสามารถอธิบายได้ในภาษาที่เป็นทางการ งานดัดแปลงยังเป็นของคลาสนี้ด้วย

ด่าน 2 (60s) (การค้นหาแบบศึกษาสำนึก)

"ความฉลาด" ของเครื่องเสริมด้วยกลไกในการค้นหา การเรียงลำดับ การดำเนินการที่ง่ายที่สุดสำหรับการสรุปข้อมูลที่ไม่ขึ้นอยู่กับความหมายของข้อมูลที่กำลังประมวลผล นี้ได้กลายเป็นจุดเริ่มต้นใหม่ในการพัฒนาและความเข้าใจในงานที่ทำให้กิจกรรมของมนุษย์เป็นไปโดยอัตโนมัติ

ด่าน 3 (70s) (การแสดงความรู้)

นักวิทยาศาสตร์ได้เล็งเห็นถึงความสำคัญ ความรู้(ตามปริมาณและเนื้อหา) สำหรับการสังเคราะห์อัลกอริธึมที่น่าสนใจสำหรับการแก้ปัญหา นี่หมายถึงความรู้ที่คณิตศาสตร์ใช้ไม่ได้ กล่าวคือ ความรู้ที่มีประสบการณ์ซึ่งไม่ได้มีลักษณะเป็นทางการที่เข้มงวดและมักจะอธิบายในรูปแบบที่เปิดเผย เป็นองค์ความรู้ของผู้เชี่ยวชาญในสาขาต่าง ๆ ของกิจกรรม แพทย์ นักเคมี นักวิจัย ฯลฯ ความรู้ดังกล่าวเรียกว่า ความรู้จากผู้เชี่ยวชาญ และด้วยเหตุนี้ ระบบที่ทำงานบนพื้นฐานของความรู้ของผู้เชี่ยวชาญ จึงกลายเป็นที่รู้จักในชื่อ ระบบที่ปรึกษา หรือ ระบบผู้เชี่ยวชาญ

ด่าน 4 (80) (เครื่องเรียนรู้)

ขั้นตอนที่สี่ของการพัฒนา AI ได้กลายเป็นความก้าวหน้า ด้วยการถือกำเนิดของระบบผู้เชี่ยวชาญในโลก เวทีใหม่พื้นฐานในการพัฒนาเทคโนโลยีอัจฉริยะได้เริ่มต้นขึ้น - ยุคของระบบอัจฉริยะ - ที่ปรึกษาที่เสนอวิธีแก้ปัญหา ให้เหตุผล สามารถเรียนรู้และพัฒนา สื่อสารกับบุคคลที่คุ้นเคย ,ถึงแม้จะจำกัด, ภาษาธรรมชาติ .

ด่าน 5 (90s) (ศูนย์เครื่องจักรกลอัตโนมัติ)

ความซับซ้อนของระบบการสื่อสารและงานที่ต้องแก้ไขจำเป็นต้องมี "ความฉลาด" ของระบบซอฟต์แวร์ระดับใหม่ เช่น การป้องกันการเข้าถึงโดยไม่ได้รับอนุญาต ความปลอดภัยของข้อมูลของทรัพยากร การป้องกันการโจมตี การวิเคราะห์ความหมายและการค้นหาข้อมูลในเครือข่าย ฯลฯ . และระบบอัจฉริยะได้กลายเป็นกระบวนทัศน์ใหม่สำหรับการสร้างระบบป้องกันขั้นสูงทุกประเภท สิ่งเหล่านี้ช่วยให้คุณสร้างสภาพแวดล้อมที่ยืดหยุ่นซึ่งมีการแก้ปัญหาของงานที่จำเป็นทั้งหมด

ด่าน 6 (2000) (วิทยาการหุ่นยนต์ )

ขอบเขตของหุ่นยนต์ค่อนข้างกว้างและขยายจากเครื่องตัดหญ้าอัตโนมัติและเครื่องดูดฝุ่นไปจนถึงโมเดลที่ทันสมัยของเทคโนโลยีทางทหารและอวกาศ รุ่นต่างๆ จะติดตั้งระบบนำทางและเซ็นเซอร์อุปกรณ์ต่อพ่วงทุกชนิด

ระยะที่ 7 (ปี 2551)(ภาวะเอกฐาน )

การสร้างปัญญาประดิษฐ์และเครื่องจักรที่ผลิตซ้ำได้เอง การรวมมนุษย์เข้ากับคอมพิวเตอร์ หรือการก้าวกระโดดครั้งสำคัญในความสามารถของสมองมนุษย์อันเนื่องมาจากเทคโนโลยีชีวภาพ

ตามการคาดการณ์บางอย่าง ภาวะเอกฐานทางเทคโนโลยีอาจเกิดขึ้นประมาณปี 2030 ผู้เสนอทฤษฎีภาวะเอกฐานทางเทคโนโลยีเชื่อว่าหากมีความแตกต่างโดยพื้นฐานจากจิตใจของมนุษย์ (มนุษย์โพสต์) ชะตากรรมของอารยธรรมในอนาคตจะไม่สามารถคาดการณ์ได้จากพฤติกรรมของมนุษย์ (สังคม)