Сначала ИИ научился играть в шашки и управлять самолётами, а уже совсем скоро он захватит мир. Всё из-за научной работы, которая перевернула представления об искусственном интеллекте.
Изучаем нейробиологию и делаем первые догадки
Сначала учёные ковырялись в мозгах, а ИИ был всего лишь теорией, но сейчас это уже целая индустрия нейросетей и машинного обучения. Компании нанимают специалистов по искусственному интеллекту, стартапы работают над научно-фантастическими проектами, а обычные люди разговаривают с умными колонками. Но начиналось всё с простого энтузиазма.
Математик Уолтер Питтс и нейрофизиолог Уоррен Мак-Каллок в 1943 году написали научную работу, где исследовали, как функционируют нейроны в человеческом мозге. Чтобы доказать свои гипотезы, учёные создали простую нейронную сеть на электрических схемах.
Дональд Хебб, канадский психолог, вдохновился идеями Питтса и Мак-Каллока и в 1949 году написал книгу The Organization of Behaviour. В ней он предположил, что нейронные связи укрепляются каждый раз, когда ими пользуются. Благодаря этому человек и может учиться.
Учим компьютер играть в шашки
Уже в 1950-х Артур Сэмюэл, исследователь из IBM, разработал первую компьютерную программу, которая умела играть в шашки. Эта программа была примитивной версией современных моделей машинного обучения.
Разработчик столкнулся с проблемой нехватки компьютерной памяти — типичной для тех годов. Поэтому он придумал алгоритм поиска, который выбирал лучшие варианты ходов, а остальные просто отбрасывал. Программа смотрела на текущую позицию, оценивала шансы на победу при ней, а затем выбирала лучшее действие.
Алгоритм Сэмюэла вскоре эволюционировал в минимакс.
Создаём перцептрон
Фрэнк Розенблатт, исследователь из Корнелльской авиационной лаборатории, в 1957 году соединил нейрон Хебба с моделью машинного обучения Сэмюэла и создал Perceptron Mark I.
Розенблатт использовал данные нейробиологических экспериментов 1940-х годов и сделал модель нейрона, которая имитировала человеческий мозг.
Perceptron Mark I создавался не как программа, а как отдельная запрограммированная вручную машина, которая работала на компьютере IBM 704. И на удивление эта комбинация была очень хорошей и доказывала, что подобные решения можно использовать в других похожих компьютерах.
Изобретение Розенблатта представляло собой однослойную нейронную сеть. Она научилась складывать и вычитать числа без единой строчки программного кода.
Применяем нейросети к решению реальных проблем
Два года спустя, в 1959-м, Бернард Уидроу и Марсиан Хофф разработали две модели: ADALINE и MADALINE. Это были акронимы от слов: ADAptive LINear Elements и Multiple ADAptive LINear Elements.
ADALINE создавалась, чтобы распознавать бинарные паттерны. Она умела считывать последовательность битов по телефонной линии и предсказывать следующий бит.
MADALINE являлась улучшенной версией ADALINE, а также она стала первой нейронной сетью, которую применили к проблеме из реального мира. MADALINE использовала адаптивный фильтр и убирала эхо из телефонной линии, чтобы сделать предсказания битов точнее.
Некоторые компании до сих пор используют эту нейронную сеть в системах по контролю за воздушным трафиком.
И именно на этом этапе разработчики увидели перспективы в нейросетях. Многие хотели применить их в своих проектах, но часто сталкивались с нехваткой вычислительных мощностей. Поэтому следующее поколение нейросетей с современными алгоритмами обучения появилось только в конце 1980-х годов.
***
Чтобы не пропустить другие материалы о программировании, истории IT и искусственном интеллекте, подпишитесь на канал. Ставьте лайки, чтобы видеть больше таких статей у себя в ленте. Если вы хотите, чтобы мы написали о каком-то факте или технологии, предложите свою тему в комментариях к этой или другим статьям.
#программирование #технологии #люди_и_код #нейросеть #искусственный интеллект #история it