Зима ИИ
1970-е–1990-е · Разрыв между обещаниями и реальностью
Охлаждение первого бума ИИ наступило быстрее, чем ожидалось. В начале 1970-х годов исследователи ИИ обнаружили, что сильно недооценили сложность достижения интеллекта. Сокращение финансирования и неоправданные ожидания общества погрузили ИИ в долгую зиму критики и сомнений.
Этот период можно разделить на две основные фазы: первую зиму ИИ (1970–1980-е годы) и вторую зиму ИИ (1987–1993). Однако даже в этот трудный период были важные достижения — коммерческое применение экспертных систем, возрождение коннекционизма и историческая победа IBM Deep Blue в шахматах, — которые подготовили почву для возрождения ИИ.
Примечательно, что даже во время зимы японское правительство продолжало инвестировать в проект «Компьютер пятого поколения», демонстрируя долгосрочную уверенность в развитии ИИ.
Ключевые вехи
Критика Мински — Паперта
Марвин Мински и Сеймур Паперт опубликовали «Перцептроны» — строгий анализ того, что однослойные перцептроны способны и не способны представлять. Книгу часто связывают с последующим снижением интереса к нейросетям, но на финансирование также влияли ограниченные вычислительные ресурсы, несбывшиеся ожидания и более широкие политические решения.
Марвин Мински и Сеймур Паперт
Рождение Prolog
Ален Кольмероэ, Филипп Руссель и их коллеги разработали в Марселе первую версию Prolog, применив логику предикатов к программированию и продвинув логическое программирование и символический ИИ.
Ален Кольмероэ и Филипп Руссель
Отчёт Лайтхилла
Британский учёный Джеймс Лайтхилл представил правительству Великобритании пессимистический отчёт об исследованиях ИИ, что привело к значительному сокращению финансирования.
Джеймс Лайтхилл (1924–1998)
Теория фреймов
Марвин Мински опубликовал «статью о фреймах», предложив теорию фреймов для представления знаний. Эта теория повлияла на последующее объектно-ориентированное программирование и методы представления знаний.
Марвин Мински
Экспертная система MYCIN
Стэнфордский университет разработал MYCIN — экспертную систему для медицинской диагностики. Она продемонстрировала практичность экспертных систем, хотя из-за вопросов ответственности так и не была использована в клинической практике.
Стэнфордский университет
Экспертная система XCON
DEC развернула XCON (eXpert CONfigurer) — экспертную систему для конфигурирования компьютерных систем VAX. Разработка началась в 1978 году в Университете Карнеги-Меллона, первое внедрение состоялось в 1979 году, а к 1980 году система полностью вошла в эксплуатацию. XCON стала одной из первых коммерчески успешных экспертных систем и ежегодно экономила компании миллионы долларов.
Digital Equipment Corporation
Первая зима ИИ
После критических оценок и сокращения финансирования в 1970-х часть исследований ИИ пережила спад. «Первая зима ИИ» — ретроспективная периодизация; сроки и масштаб различались по странам и направлениям.
Японский проект FGCS
Япония объявила проект «Компьютер пятого поколения» (FGCS) на конференции JIPDEC и MITI в октябре 1981 года — 10-летнюю национальную программу по разработке компьютеров, способных к логическому выводу и обработке знаний. Официально проект стартовал в апреле 1982 года с основанием ICOT (Institute for New Generation Computer Technology).
Министерство международной торговли и промышленности Японии
Алгоритм обратного распространения ошибки
Дэвид Румельхарт, Джеффри Хинтон и Рональд Уильямс опубликовали работу об алгоритме обратного распространения ошибки, сделав возможным обучение многослойных нейронных сетей.
Дэвид Румельхарт и Джеффри Хинтон
Начало второй зимы ИИ
В конце 1980-х годов ожидания, опередившие результаты, не оправдались. Производители Lisp-машин уступили универсальным рабочим станциям, несколько компаний в области ИИ закрылись, а финансирование DARPA фундаментальных исследований ИИ сократилось с 1987 по 1989 год.
ИИ в войне в Персидском заливе
Вооружённые силы США использовали системы планирования и логистики на основе ИИ в войне в Персидском заливе, продемонстрировав потенциал ИИ в реальных приложениях.
Вооружённые силы США
Конец второй зимы
Спад ослабевал постепенно и не закончился в какую-то определённую дату. Многие исследователи обратились к более скромным и достижимым целям, а возрождение нейронных сетей и вероятностных методов заложило основу для новой эры.
Deep Blue против Каспарова
IBM Deep Blue победил чемпиона мира по шахматам Гарри Каспарова, продемонстрировав способность ИИ превосходить человека в чётко определённых задачах.
IBM Deep Blue
Ключевые фигуры
Джеффри Хинтон
Отец глубокого обучения
Хинтон — пионер нейронных сетей и глубокого обучения. Его вклад в обратное распространение ошибки, машины Больцмана и капсульные сети был новаторским. Даже во время зимы ИИ он продолжал исследования нейронных сетей и получил премию Тьюринга в 2018 году.
Гарри Каспаров
Чемпион мира по шахматам
В 1997 году Каспаров был побеждён IBM Deep Blue. Это событие не только продемонстрировало возможности ИИ, но и вызвало философские размышления. Позднее он стал активным сторонником ИИ.
Джеймс Лайтхилл
Критик ИИ
Отчёт Лайтхилла оказал глубокое влияние на исследования ИИ в Великобритании, приведя к сокращению финансирования на десятилетие. Однако его критика также побудила исследователей ИИ стать более прагматичными.
Карен Спарк Джонс
Пионер информационного поиска
В 1972 году Спарк Джонс опубликовала в Journal of Documentation обратную частоту документа, которая взвешивает термин по тому, насколько редко он встречается в коллекции. Эта идея лежит в основе ранжирования поиска и до сих пор работает внутри современных поисковых систем. Она работала в Кембридже в годы, когда финансирование ИИ было скудным, и утверждала, что вычисления слишком важны, чтобы оставлять их мужчинам.
Известные цитаты
Ни в одной части этой области сделанные до сих пор открытия не дали того крупного результата, который тогда обещали.
Artificial Intelligence: A General Survey · Science Research Council, 1973, §3 · Chilton Computing
Deep Blue стало убедительным доказательством того, что машины могут превосходить людей в сложных когнитивных задачах, которые мы долгое время считали уникальными для нашего развитого мозга.
There’s No Shame in Losing to a Machine · Fortune, 2017