ยุคมืดของปัญญาประดิษฐ์
ทศวรรษ 1970–ทศวรรษ 1990 · ช่องว่างระหว่างความคาดหวังกับความเป็นจริง
ความซบเซาของยุค AI บูมครั้งแรกมาเร็วกว่าที่คาด ในช่วงต้นทศวรรษ 1970 นักวิจัย AI พบว่าพวกเขาประเมินความยากในการสร้างสติปัญญาต่ำไปมาก การลดลงของเงินทุนสนับสนุนและความคาดหวังที่ไม่เป็นจริงของสาธารณชนจุด AI ลงสู่ฤดูหนาวอันยาวนานแห่งการถูกวิพากษ์วิจารณ์และถูกตั้งข้อสงสัย
ช่วงเวลานี้สามารถแบ่งออกเป็นสองระยะหลัก ได้แก่ ฤดูหนาว AI ครั้งที่หนึ่ง (ทศวรรษ 1970–1980) และฤดูหนาว AI ครั้งที่สอง (1987–1993) แต่แม้ในช่วงเวลาที่ยากลำบากนี้ ก็ยังมีการพัฒนาที่สำคัญ—การประยุกต์ใช้เชิงพาณิชย์ของระบบผู้เชี่ยวชาญ การฟื้นตัวของสัมพันธ์นิยม และชัยชนะทางประวัติศาสตร์ของ IBM Deep Blue ในหมากรุก—ซึ่งวางรากฐานสำหรับการกลับมาของ AI
เป็นที่น่าสังเกตว่า แม้ในช่วงยุคมืด รัฐบาลญี่ปุ่นยังคงลงทุนในโครงการคอมพิวเตอร์รุ่นที่ห้า (Fifth Generation Computer) ซึ่งแสดงให้เห็นถึงความเชื่อมั่นระยะยาวในการพัฒนา AI
เหตุการณ์สำคัญ
คำวิจารณ์ของ Minsky-Papert
Marvin Minsky และ Seymour Papert ตีพิมพ์ “Perceptrons” ซึ่งวิเคราะห์อย่างเคร่งครัดว่าเพอร์เซปตรอนชั้นเดียวแทนสิ่งใดได้และไม่ได้ หนังสือเล่มนี้มักถูกเชื่อมโยงกับความสนใจด้านโครงข่ายประสาทที่ลดลงในเวลาต่อมา แต่การเปลี่ยนแปลงเงินทุนยังเกิดจากข้อจำกัดด้านการคำนวณ ความคาดหวังที่ไม่เป็นจริง และการตัดสินใจเชิงนโยบายด้วย
Marvin Minsky & Seymour Papert
กำเนิด Prolog
Alain Colmerauer, Philippe Roussel และผู้ร่วมงานพัฒนา Prolog รุ่นแรกที่มาร์แซย์ โดยนำตรรกศาสตร์ภาคแสดงมาใช้ในการเขียนโปรแกรม และผลักดันการเขียนโปรแกรมเชิงตรรกะกับ AI เชิงสัญลักษณ์
Alain Colmerauer & Philippe Roussel
รายงาน Lighthill
นักวิทยาศาสตร์ชาวอังกฤษ James Lighthill ส่งรายงานที่มองในแง่ร้ายเกี่ยวกับการวิจัย AI ต่อรัฐบาลอังกฤษ ส่งผลให้เงินทุนสนับสนุนถูกลดลงอย่างมาก
James Lighthill (1924–1998)
ระบบผู้เชี่ยวชาญ MYCIN
มหาวิทยาลัย Stanford พัฒนา MYCIN ซึ่งเป็นระบบผู้เชี่ยวชาญสำหรับการวินิจฉัยทางการแพทย์ แสดงให้เห็นถึงความเป็นไปได้ในทางปฏิบัติของระบบผู้เชี่ยวชาญ แม้ว่าจะไม่เคยถูกใช้งานทางคลินิกเนื่องจากปัญหาด้านความรับผิด
มหาวิทยาลัย Stanford
ระบบผู้เชี่ยวชาญ XCON
DEC นำ XCON (eXpert CONfigurer) มาใช้ ซึ่งเป็นระบบผู้เชี่ยวชาญสำหรับการกำหนดค่าระบบคอมพิวเตอร์ VAX XCON เป็นระบบผู้เชี่ยวชาญที่ประสบความสำเร็จเชิงพาณิชย์เป็นรายแรก ช่วยบริษัทประหยัดเงินหลายล้านดอลลาร์ต่อปี
Digital Equipment Corporation
ฤดูหนาว AI ครั้งที่หนึ่ง
หลังการประเมินเชิงวิพากษ์และการลดเงินทุนในทศวรรษ 1970 งานวิจัย AI บางส่วนเข้าสู่ช่วงชะลอตัว “ฤดูหนาว AI ครั้งแรก” เป็นการแบ่งยุคย้อนหลัง โดยช่วงเวลาและความรุนแรงแตกต่างกันตามประเทศและสาขา
โครงการ FGCS ของญี่ปุ่น
ญี่ปุ่นประกาศโครงการคอมพิวเตอร์รุ่นที่ห้า (FGCS) ซึ่งเป็นโครงการ 10 ปีเพื่อพัฒนาคอมพิวเตอร์ที่มีความสามารถในการให้เหตุผลเชิงตรรกศาสตร์และการประมวลผลความรู้
กระทรวงการค้าระหว่างประเทศและอุตสาหกรรมญี่ปุ่น
อัลกอริทึมการแพร่กระจายย้อนกลับ
David Rumelhart, Geoffrey Hinton และ Ronald Williams ตีพิมพ์เรื่องอัลกอริทึมการแพร่กระจายย้อนกลับ (backpropagation) ซึ่งทำให้การฝึกโครงข่ายประสาทเทียมหลายชั้นเป็นไปได้
David Rumelhart & Geoffrey Hinton
ฤดูหนาว AI ครั้งที่สองเริ่มต้น
ด้วยการเพิ่มขึ้นของคอมพิวเตอร์ส่วนบุคคล ตลาดเครื่อง Lisp ราคาแพงจึงพังทลาย บริษัท AI หลายแห่งล้มละลายอีกครั้ง
AI ในสงครามอ่าว
กองทัพสหรัฐฯ ใช้ระบบวางแผนและโลจิสติกส์ที่ขับเคลื่อนด้วย AI ในสงครามอ่าว แสดงให้เห็นถึงศักยภาพของ AI ในการประยุกต์ใช้จริง
กองทัพสหรัฐฯ
สิ้นสุดฤดูหนาวครั้งที่สอง
เมื่อเทคโนโลยีเติบโตเต็มที่และการประยุกต์ใช้เชิงพาณิชย์เพิ่มขึ้น AI เริ่มหลุดพ้นจากยุคมืด การฟื้นตัวของโครงข่ายประสาทเทียมและการเพิ่มขึ้นของวิธีการทางสถิติวางรากฐานสำหรับยุคใหม่
Deep Blue ปะทะ Kasparov
IBM Deep Blue เอาชนะ Garry Kasparov แชมป์หมากรุกโลก แสดงให้เห็นถึงความสามารถของ AI ในการเหนือกว่ามนุษย์ในงานที่มีขอบเขตชัดเจน
IBM Deep Blue
บุคคลสำคัญ
Geoffrey Hinton
บิดาแห่งการเรียนรู้เชิงลึก
Hinton เป็นผู้บุกเบิกด้านโครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก ผลงานด้านการแพร่กระจายย้อนกลับ เครื่อง Boltzmann และโครงข่ายแคปซูลของเขาเป็นผลงานระดับบุกเบิก แม้ในช่วงยุคมืดของ AI เขายังคงยืนหยัดในการวิจัยโครงข่ายประสาทเทียม และได้รับรางวัล Turing ในปี 2018
Garry Kasparov
แชมป์หมากรุกโลก
ในปี 1997 Kasparov พ่ายแพ้ต่อ IBM Deep Blue เหตุการณ์นี้ไม่เพียงแสดงความสามารถของ AI เท่านั้น แต่ยังกระตุ้นให้เกิดการไตร่ตรองเชิงปรัชญา ต่อมาเขากลายเป็นผู้สนับสนุนด้าน AI อย่างแข็งขัน
James Lighthill
นักวิจารณ์ AI
รายงานของ Lighthill ส่งผลกระทบอย่างลึกซึ้งต่อการวิจัย AI ในอังกฤษ ทำให้เงินทุนสนับสนุนถูกลดลงเป็นเวลาหนึ่งทศวรรษ อย่างไรก็ตาม คำวิจารณ์ของเขาก็กระตุ้นให้นักวิจัย AI มีความเป็นรูปธรรมมากขึ้น
คาเรน สปาร์ค โจนส์
ผู้บุกเบิกการสืบค้นสารสนเทศ
ในปี 1972 สปาร์ค โจนส์ ตีพิมพ์แนวคิดความถี่ผกผันของเอกสารในวารสาร Journal of Documentation ซึ่งให้น้ำหนักคำตามความหายากของคำนั้นในคลังเอกสารทั้งหมด แนวคิดนี้รองรับการจัดอันดับผลค้นหาและยังอยู่ในระบบสืบค้นปัจจุบัน เธอทำงานที่เคมบริดจ์ตลอดช่วงที่ทุนวิจัย AI ขาดแคลน และยืนยันว่าการคำนวณสำคัญเกินกว่าจะปล่อยให้เป็นเรื่องของผู้ชายเท่านั้น
คำกล่าวสำคัญ
อย่างไรก็ตาม ผมต้องบอกว่า ในสาขา AI ได้มีการทำงานจำนวนมหาศาล ใช้เงินจำนวนมหาศาล มีการโฆษณาเกินจริงและความตื่นเต้นจำนวนมหาศาล ไม่มีผลลัพธ์สำคัญใดๆ ไม่มีผลลัพธ์ยิ่งใหญ่ใดๆ ที่จะทนต่อการตรวจสอบอย่างเข้มงวดของการสอบสวนนี้ ซึ่งดำเนินการโดยคณะกรรมการที่ประกอบด้วยนักวิทยาศาสตร์ชั้นนำของโลกบางส่วน.
Deep Blue เป็นหลักฐานที่สรุปได้ว่าเครื่องจักรสามารถเหนือมนุษย์ในงานทางปัญญาที่ซับซ้อน ซึ่งเราเคยสันนิษฐานมานานแล้วว่าเป็นเอกลักษณ์ของสมองที่พัฒนาแล้วของเรา.