Mùa đông AI
những năm 1970–những năm 1990 · Khoảng cách giữa hứa hẹn và thực tế
Sự hạ nhiệt của làn sóng AI đầu tiên đến nhanh hơn dự kiến. Đầu những năm 1970, các nhà nghiên cứu AI phát hiện họ đã đánh giá quá thấp mức độ khó của việc đạt được trí tuệ. Nguồn tài trợ bị cắt giảm và kỳ vọng không được đáp ứng của công chúng đẩy AI chìm vào một mùa đông dài đầy phê phán và hoài nghi.
Thời kỳ này có thể chia thành hai giai đoạn chính: mùa đông AI thứ nhất (1970–những năm 1980) và mùa đông AI thứ hai (1987–1993). Tuy nhiên, ngay cả trong giai đoạn khó khăn này, vẫn có những bước phát triển quan trọng — ứng dụng thương mại của hệ chuyên gia, sự phục hồi của chủ nghĩa kết nối, và chiến thắng cờ vua lịch sử của IBM Deep Blue — đặt nền móng cho sự hồi sinh của AI.
Đáng chú ý, ngay cả trong mùa đông, chính phủ Nhật Bản vẫn tiếp tục đầu tư vào dự án máy tính thế hệ thứ năm, thể hiện niềm tin dài hạn vào sự phát triển của AI.
Các cột mốc quan trọng
Phê phán Minsky-Papert
Marvin Minsky và Seymour Papert xuất bản “Perceptrons”, phân tích chặt chẽ những gì perceptron một lớp có thể và không thể biểu diễn. Cuốn sách thường được gắn với sự suy giảm quan tâm về sau đối với mạng nơ-ron, nhưng thay đổi tài trợ còn phản ánh giới hạn tính toán, kỳ vọng không thành và các quyết định chính sách rộng hơn.
Marvin Minsky và Seymour Papert
Sự ra đời của Prolog
Alain Colmerauer, Philippe Roussel và các cộng sự phát triển phiên bản Prolog đầu tiên tại Marseille, áp dụng logic vị từ vào lập trình và thúc đẩy lập trình logic cùng AI biểu tượng.
Alain Colmerauer và Philippe Roussel
Báo cáo Lighthill
Nhà khoa học Anh James Lighthill đệ trình một báo cáo bi quan về nghiên cứu AI lên chính phủ Anh, dẫn đến việc cắt giảm đáng kể nguồn tài trợ.
James Lighthill (1924–1998)
Lý thuyết khung
Marvin Minsky công bố “Bài báo về khung”, đề xuất lý thuyết khung để biểu diễn tri thức. Lý thuyết này ảnh hưởng đến lập trình hướng đối tượng và các phương pháp biểu diễn tri thức sau này.
Marvin Minsky
Hệ chuyên gia MYCIN
Đại học Stanford phát triển MYCIN, hệ chuyên gia dùng cho chẩn đoán y khoa. Nó chứng minh tính thực tiễn của hệ chuyên gia, mặc dù chưa bao giờ được sử dụng lâm sàng do vấn đề trách nhiệm pháp lý.
Đại học Stanford
Hệ chuyên gia XCON
DEC triển khai XCON (eXpert CONfigurer), hệ chuyên gia cấu hình hệ thống máy tính VAX. Việc phát triển bắt đầu năm 1978 tại Đại học Carnegie Mellon, lần triển khai đầu tiên vào năm 1979 và hệ thống vận hành đầy đủ từ năm 1980. XCON là một trong những hệ chuyên gia thành công thương mại đầu tiên, giúp công ty tiết kiệm hàng triệu đô la mỗi năm.
Digital Equipment Corporation
Mùa đông AI thứ nhất
Sau các đánh giá phê bình và cắt giảm tài trợ trong thập niên 1970, một phần nghiên cứu AI bước vào giai đoạn suy giảm. “Mùa đông AI thứ nhất” là cách phân kỳ hồi cố; thời điểm và mức độ khác nhau theo quốc gia và chuyên ngành.
FGCS Nhật Bản
Nhật Bản công bố dự án máy tính thế hệ thứ năm (FGCS) tại một hội nghị của JIPDEC và MITI vào tháng 10 năm 1981, một chương trình quốc gia kéo dài 10 năm nhằm phát triển máy tính có khả năng suy luận logic và xử lý tri thức. Dự án chính thức khởi động vào tháng 4 năm 1982 với việc thành lập ICOT (Institute for New Generation Computer Technology).
Bộ Thương mại và Công nghiệp Nhật Bản
Thuật toán lan truyền ngược
David Rumelhart, Geoffrey Hinton và Ronald Williams công bố về thuật toán lan truyền ngược, mở ra khả năng huấn luyện mạng nơ-ron nhiều lớp.
David Rumelhart và Geoffrey Hinton
Bắt đầu mùa đông AI thứ hai
Cuối thập niên 1980, những kỳ vọng vượt xa kết quả thực tế đã không thành hiện thực. Các nhà sản xuất máy Lisp thua các máy trạm đa dụng, nhiều công ty AI đóng cửa, và nguồn tài trợ của DARPA cho nghiên cứu AI cơ bản giảm trong giai đoạn từ 1987 đến 1989.
AI trong Chiến tranh vùng Vịnh
Quân đội Mỹ sử dụng các hệ thống lập kế hoạch và hậu cần dựa trên AI trong Chiến tranh vùng Vịnh, chứng minh tiềm năng của AI trong ứng dụng thực tế.
Quân đội Mỹ
Kết thúc mùa đông thứ hai
Sự suy thoái dịu đi dần dần thay vì kết thúc vào một ngày cụ thể. Nhiều nhà nghiên cứu chuyển sang các mục tiêu khiêm tốn và khả thi hơn, trong khi sự phục hồi của mạng nơ-ron và các phương pháp xác suất đặt nền móng cho kỷ nguyên mới.
Deep Blue đấu Kasparov
Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Garry Kasparov, chứng minh khả năng của AI trong việc vượt trội hơn con người ở những nhiệm vụ được định nghĩa rõ ràng.
IBM Deep Blue
Nhân vật quan trọng
Geoffrey Hinton
Cha đẻ học sâu
Hinton là người tiên phong trong lĩnh vực mạng nơ-ron và học sâu. Những đóng góp của ông về lan truyền ngược, máy Boltzmann và mạng viên nang mang tính đột phá. Ngay cả trong mùa đông AI, ông vẫn kiên trì nghiên cứu mạng nơ-ron và nhận Giải Turing năm 2018.
Garry Kasparov
Nhà vô địch cờ vua thế giới
Năm 1997, Kasparov bị Deep Blue của IBM đánh bại. Sự kiện này không chỉ chứng minh khả năng của AI mà còn khơi dậy những suy ngẫm triết học. Sau này ông trở thành người ủng hộ tích cực cho AI.
James Lighthill
Người phê phán AI
Báo cáo của Lighthill có ảnh hưởng sâu sắc đến nghiên cứu AI ở Anh, dẫn đến một thập kỷ cắt giảm tài trợ. Tuy nhiên, những phê phán của ông cũng thúc đẩy các nhà nghiên cứu AI trở nên thực tế hơn.
Karen Spärck Jones
Người tiên phong về truy hồi thông tin
Năm 1972, Spärck Jones công bố nghịch đảo tần suất tài liệu trên Journal of Documentation, gán trọng số cho một từ theo mức độ hiếm gặp của nó trong cả kho tài liệu. Ý tưởng này làm nền cho việc xếp hạng tìm kiếm và vẫn nằm trong các hệ thống truy hồi ngày nay. Bà làm việc tại Cambridge suốt những năm kinh phí cho AI eo hẹp, và cho rằng tính toán quá quan trọng để chỉ giao cho nam giới.
Danh ngôn kinh điển
Không ở phần nào của lĩnh vực này mà những khám phá đạt được cho đến nay đã tạo ra tác động lớn như đã được hứa hẹn khi ấy.
Artificial Intelligence: A General Survey · Science Research Council, 1973, §3 · Chilton Computing
Deep Blue là bằng chứng kết luận rằng máy móc có thể vượt qua con người trong các nhiệm vụ nhận thức phức tạp mà chúng ta đã lâu nay cho rằng là độc quyền của bộ não đã phát triển của chúng ta.
There’s No Shame in Losing to a Machine · Fortune, 2017