Маргарита Акулич - Искусственный интеллект и маркетинг

К 1960-м годам (к их середине) исследования в области AI в США в значительной мере финансировались Министерством обороны, по всему миру создавались лаборатории. Данное обстоятельство вселило оптимизм в создателей AI.

Гербертом Саймоном было предсказано, что «машины будут способны в течение двадцати лет выполнять любую работу, которую может сделать человек». Марвин Мински написал [2]:

«В течение одного поколения… проблема создания» искусственного интеллекта «будет существенно решена».

Однако, им не удалось распознание некоторых трудностей, связанных с решением соответствующих задач. Джеймс Лайтхилл сталкивался с критикой и постоянным давлением со стороны Конгресса США в отношении финансирования. Это замедлило прогресс. В 1974 году исследования в области AI были прекращены. Для AI началась «зима», когда на протяжении ряда лет получение финансирования проектов AI было весьма проблематичным.

В 1980-х годах (в их начале) произошло возрождение исследований AI благодаря коммерческому успеху экспертных систем, формы программы AI, имитировавшей знания и аналитические навыки экспертов-людей.

К 1985 году рынку AI удалось достичь более миллиарда долларов США. Создание японского компьютерного проекта пятого поколения привело к восстановлению финансирования научных исследований правительствами США и Великобритании. Но в 1987 году рынок Lisp Machine потерпел крах. И AI вновь впал в немилость. Вновь им прекратили заниматься.

В период конца 1990-х – начала XXI столетия началось использование AI в таких областях как логистика, добыча данных, медицинская диагностика и др. Это произошло из-за увеличения вычислительной мощности, большего сосредоточения на решении конкретных проблем, новых связей между AI и иными областями, а также приверженности исследователей научным стандартам и математическим методам.

В 1997 года (одиннадцатого мая) первой компьютерной шахматной системой Deep Blue был побежден Гарри Каспаров, главный чемпион мира по шахматам.

Использование расширенных методов (известных как методы глубокого свободного обучения), доступа к большим объемам данных и быстрых компьютеров привело к достижениям в области машинного обучения и восприятия.

К 2010 году (к его середине) имело место использование приложений машинного обучения во всем мире. В 2016 году состоялся выигрыш AlphaGo четырех из пяти игр Go в матче с чемпионом GoLee Седолом. AlphaGo превратилась в первую компьютерную Go-play систему, способную беспрепятственно обеспечить победу над профессиональным игроком.

В 2017 году будущей Go Summit, AlphaGo были выиграны 3 матча с Ке Цзе, занимавшим первое место в мире на протяжение двухлетнего периода. Завершилась важная веха в развитии AI, Go является гораздо более сложной игрой в сопоставлении с шахматами.

2015 год для AI стал годом знаковым. Произошло заметное увеличение программных проектов, использующих AI в Google и существенное сокращение показателей ошибок в задачах из-за увеличения доступных нейронных сетей по причине роста инфраструктуры облачных вычислений, увеличения числа исследовательских инструментов и наборов данных.

Примерами использования AI является разработка Microsoft системы Skype, обеспечивающей автоматический перевод с одного языка на другой и система Facebook, способная делать описания изображений для слепых людей.

Рассуждение, решение проблем

Общей целью исследований в области AI является цель создания технологии, позволяющей компьютерам и машинам работать интеллектуально. Общая проблема моделирования (или создания) интеллекта была разбита на субадреса. Они состоят из определенных особенностей или возможностей, в отношении которых исследователи ожидают, что будет отображаться интеллектуальная система. Основные черты, описанные ниже, получили наибольшее внимание.

Ранние исследователи разработали алгоритмы, имитирующие пошаговые рассуждения, они используются людьми, решающими головоломки или делающими логические выводы.

К концу 1980-х и к 1990-м годам в рамках исследований AI были разработаны методы борьбы с неопределенной или неполной информацией с помощью применения концепций теории вероятности и экономики.

Для сложных задач алгоритмов может потребоваться огромное количество вычислительных ресурсов – большинство из них сталкивается с феноменом «комбинаторного взрыва»: объем памяти или требуемое компьютерное время становится астрономическим для задач определенного размера. Поиск более эффективных алгоритмов решения проблем является высоко приоритетным.

Люди обычно используют быстрые, интуитивные суждения, а не поэтапный вывод, что раннее исследование AI могло моделировать. AI продвигался с использованием «подсимвольного» решения проблем: воплощенные подходы агента подчеркивают важность сенсомоторных навыков для более высоких рассуждений; исследование нейронной сети пытается имитировать структуры внутри мозга, порождающие это умение; статистические подходы к AI имитируют способность человека угадывать.

Представление и технология знаний

Онтология – это знание, рассматриваемое как набор понятий внутри домена и как взаимоотношения между этими понятиями.

Если говорить об исследовании AI, то в нем особое место отводится представлению и технологии знаний. Многим из проблем, решение которых будет осуществляться машинами, потребуются обширные знания о мире.

AI должен нацеливаться на представление: объектов, свойств, категорий и отношений между объектами; ситуаций, событий, состояний и времени; причин и последствий; знаний о знании; и многих иных, менее хорошо исследованных доменов. Представление «того, что существует» – это онтология. Она состоит из набора объектов, отношений, понятий и свойств, формальным образом описанных, чтобы они могли быть интерпретированы программными агентами. В семантику они захватываются как описания логических понятий, ролей и отдельных лиц, и, они, как правило, реализуются в виде классов, свойств и частных лиц в Web – онтологиях языка.

Если рассматривать онтологии, то они считаются онтологиями верхними, стремящимися к обеспечению базы для всех иных знаний, выступающими в качестве посредников между онтологиями доменов, охватывающих конкретные знания о конкретной области знаний (области интересов или области, вызывающие озабоченность).