Представьте компьютер размером с двухэтажный дом. Весит пять тонн. Потребляет электричество как целый жилой район. Гудит так, что находиться в комнате можно только в наушниках. Это IBM 704, гордость военно-морского флота США, стоимость миллиона долларов (в деньгах 1950-х годов). И вот эта машина пытается отличить круг от нарисованного квадрата. Ей требуется пятьдесят попыток, чтобы не спутать фигуры. Триумф человеческой инженерии.
В 1958 году психолог Фрэнк Розенблатт представил миру перцептрон, первую обучаемую нейросеть. Это была не просто программа. Это был эмбрион цифрового мозга, машина, которая сама корректирует себя на основе ошибок. Пресса кричала о революции. Журналисты обещали чудеса: скоро машины научатся ходить, говорить, писать стихи и даже воспроизводить себя в стальном потомстве. Восстание роботов ожидалось к началу шестидесятых. Финансисты вкладывали миллионы. Правительство дало зелёный свет на любые исследования. Оптимизм бил через край.
Как машина училась видеть
Механизм работы перцептрона напоминал воспитание неслушного питомца. Система получала изображение на вход, пропускала его сквозь сеть связей и выдавала ответ. Если ответ был правильным, алгоритм усиливал нужные связи, увеличивая веса в нейронах. Если ошибалась, перцептрон получал по рукам и ослаблял неправильные пути. Машина училась методом проб, ошибок и корректировки. Без помощи человека. Без инструкций. Это выглядело как магия.
Но вот беда. Перцептрон умел разделять мир только одной прямой линией. Он мог сказать: «всё слева — это одно, всё справа — это другое». Просто и эффективно. Но стоило задачам усложниться, машина спотыкалась. Попробуйте объяснить сети через линию разделения, что чёрные фигуры в верхнем левом углу, это люди, а в нижнем правом углу это враги. Нельзя. Нейросеть начинает паниковать. Факт.
Самая знаменитая ловушка называлась XOR. Это логическая операция, которую понимает трёхлетний ребёнок. Включите свет кнопкой А ИЛИ кнопкой Б, но выключите, если обе нажаты одновременно. Для перцептрона это задача уровня гениального шифра. Один выход, два входа, и всё ломается. Линейную границу невозможно провести так, чтобы правильно разделить все случаи. Ловушка без выхода. Это было обидно для машины, которая обещала завтра разговаривать с нами, как человек.
Убийца мечты по имени Минский
В 1969 году на сцену вышел суровый человек с суровыми выводами. Марвин Минский, основатель MIT, один из пионеров искусственного интеллекта, опубликовал книгу «Perceptrons». Это была не просто критика. Это была математическая казнь. Минский железно, формулами доказал, что однослойные нейросети фундаментально неспособны решать большинство реальных задач. Не улучшатся. Не научатся. Просто не могут физически. Вердикт вынесен.
Финансисты отреагировали быстро. Если авторитетный учёный говорит, что направление тупиковое, зачем в него вкладывать деньги? Финансирование исследований нейросетей высохло в течение нескольких лет. Гранты прекратились. Лаборатории закрывались. Учёные, которые вчера звали себя пионерами, теперь казались обманщиками. Вокруг нейросетей повисла проклятая аура. Произнести на научном совещании слово «перцептрон» означало подставиться под насмешку коллег.
Наступила первая и самая холодная зима искусственного интеллекта. Она затянулась на десятилетие. Почти все исследования были заморожены. Молодые учёные, которые прошли обучение в области нейросетей, переходили в другие области, чтобы спасти карьеру. Розенблатт умер в 1971 году, разочарованный несбывшимися надеждами, не дождавшись своего торжественного реабилитацию. Остальные молча работали в тени, ожидая, когда мир будет готов вернуться к их идеям.
Когда история повторилась спустя полвека
Перемотаем вперёд на 50 лет. Вычислительная мощь выросла в триллионы раз. Данных стало столько, что ими можно заполнить все библиотеки Земли. И вдруг выяснилось: Розенблатт был прав во всём. Просто он родился слишком рано. Ему не хватило вычислительной мощи и объёма данных. Многослойные нейросети, которые Минский рассматривал как теоретическую фантазию, вдруг стали реальностью. И они работали. Лучше всего, что когда-либо изобрела человечество.
Сегодня компании вливают в развитие ИИ сотни миллиардов долларов. В 2024 году глобальные инвестиции в нейросети достигли отметки в 252 миллиарда долларов. Частные инвестиции выросли на 44,5 процента. Это в сотни раз больше, чем когда-либо вкладывали в перцептрон. Машины сегодня не просто различают квадраты от кругов. Они пишут стихи, переводят язык, диагностируют болезни и прогнозируют поведение людей. История совершила полный оборот.
И вот ирония. Классическая теория перцептрона Розенблатта, которая умирала вместе с его авторитетом семьдесят лет назад, вдруг стала применима к самым мощным современным моделям. Учёные обнаружили, что принципы его однослойной сети предсказывают точность работы самых глубоких сверточных нейросетей на датасетах типа ImageNet. Старик Розенблатт посмотрел бы на это с улыбкой. Его идея была не ошибкой. Это был скачок в будущее на две трети века.
Но главный вопрос остаётся: повторим ли мы сценарий 1969 года? Доверяем ли мы своей уверенности или снова готовимся к неожиданному разочарованию? В следующей серии мы разберём историю о том, как финансирование ИИ полностью обнулилось в 1970-х годах и почему учёные молчали о своей работе целое десятилетие. Когда ИИ официально признали тупиком, а деньги высохли до копейки.
Подписывайтесь на канал, чтобы не пропустить историю настоящей зимы, когда мир забыл об искусственном интеллекте на двадцать лет.