Fem sæsoner med kunstig intelligens. Han slår en person til smedere i Go, tager kontrol over sin bil og udskifter ham på arbejde, og kan samtidig forbedre effektiviteten af medicinen. Den lange historie går tilbage til 1958 med en enorm maskine, der kunne skelne mellem højre og venstre.
1: 0. Derefter 2: 0. Og 3: 0. I marts 2016 blev det sidste møde afholdt på Four Seasons Hotel i Seoul, hvorefter der ikke var nogen skygge af tvivl: den koreanske go-mester Lee Sedol mistede 4: 1 til en computer, der kørte AlphaGo-programmet udviklet af et datterselskab af Google "Deepmind". For første gang i historien overgik mekanismen for "maskinlæring" og "kunstige neurale netværk" den menneskelige hjerne i dette spil, der betragtes som vanskeligere at simulere end skak. Mange eksperter understreger, at de kun forventede et sådant resultat i løbet af få år.
For et bredere publikum var dette et bevis på kraften i den nye "dyb læring" -teknologi, som nu er kernen i stemmeassistenter, autonome biler, ansigtsgenkendelse, maskinoversættelse og også hjælpemidler til medicinsk diagnose …
Interessen for automatiske læringsteknologier, som vises af amerikanske og kinesiske virksomheder inden for højteknologier (Google, Amazon, Facebook, Microsoft, Baidu, Tensent) spænder over hele planeten og springer i stigende grad fra videnskabelige overskrifter til aviser i økonomiske, analytiske og sociale materialer. Faktum er, at kunstig intelligens ikke kun lover store ændringer i økonomien, men også rejser tanker om nye destruktive våben, generel overvågning af borgere, udskiftning af medarbejdere med robotter, etiske problemer …
Men hvor kom AIs teknologiske revolution fra? Hendes historie har nok op og nedture. Hun var afhængig af resultaterne inden for neurovidenskab og datalogi (som du måske gætter fra navnet) såvel som overraskende fysik. Hendes sti gik gennem Frankrig, USA, Japan, Schweiz og USSR. På dette område kolliderede forskellige videnskabelige skoler med hinanden. De vandt en dag og tabte den næste. Det tog alle at vise tålmodighed, vedholdenhed og vilje til at tage risici. Der er to vintre og tre kilder i denne historie.
Selvbevidst maskine
Det hele startede helt fint. "Den amerikanske hær talte om ideen om en maskine, der kan gå, tale, se, skrive, gengive og blive opmærksom på sig selv," skrev The New York Times den 8. juli 1958. Denne artikel i én søjle beskriver Perceptron, som blev oprettet af den amerikanske psykolog Frank Rosenblatt i laboratorierne på Cornell University. Denne maskine på $ 2 millioner på det tidspunkt var på størrelse med to eller tre køleskabe og blev flettet med mange ledninger. Under en demonstration foran den amerikanske presse bestemte Perceptron, om en firkant tegnet på et ark var til højre eller venstre. Forskeren lovede, at hans maskine med en investering på yderligere 100 tusind dollars kunne læse og skrive om et år. Faktisk tog dette over 30 år …
Salgsfremmende video:
Det var som det var, det vigtigste i dette projekt var inspirationskilden, der forblev uændret helt op til AlphaGo og dets "pårørende". Psykolog Frank Rosenblatt har været involveret i begreberne cybernetik og kunstig intelligens i over et årti. Forresten udviklede han sin Perceptron ved hjælp af to andre nordamerikanske psykologer: Warren McCulloch og Donald Hebb. Den første offentliggjorde i 1943 en fælles artikel med Walter Pitts (Walter Pitts) med et forslag om at skabe "kunstige" neuroner, som skulle starte fra naturlige og have matematiske egenskaber. Den anden introducerede regler i 1949 for at give kunstige neuroner mulighed for at lære ved forsøg og fejl, som hjernen gør.
Broen mellem biologi og matematik var et fedt initiativ. En tælleenhed (neuron) kan være aktiv (1) eller inaktiv (0) afhængig af stimuli fra andre kunstige formationer, som den er forbundet med, hvilket danner et komplekst og dynamisk netværk. Mere præcist modtager hver neuron et bestemt sæt symboler og sammenligner det med en bestemt tærskel. Hvis tærsklen overskrides, er værdien 1, ellers er den 0. Forfatterne har vist, at deres tilknyttede system kan udføre logiske operationer som “og” og “eller” … og dermed udføre enhver beregning. I teorien.
Denne innovative tilgang til beregninger førte til den første krangel i vores historie. De to koncepter kom sammen i en uforsonlig konfrontation, der fortsætter i dag. På den ene side er der tilhængere af neurale netværk, og på den anden side er der fortalere for "klassiske" computere. Sidstnævnte er baseret på tre principper: beregninger er overvejende sekventielle, hukommelse og beregninger er forsynet med klart definerede komponenter, enhver mellemværdi skal være lig med 0 eller 1. For førstnævnte er alt andet: netværket leverer både hukommelse og beregninger, der er ingen central kontrol, og mellemværdier er tilladt.
"Perceptron" har også evnen til at lære, for eksempel at genkende et mønster eller klassificere signaler. Sådan korrigerer skytten synet. Hvis kuglen går til højre, flytter den tønden til venstre. På niveau med kunstige neuroner betyder det at svække dem, der trækker til højre, til fordel for dem, der trækker til venstre, og giver dig mulighed for at ramme målet. Det eneste, der er tilbage, er at skabe denne flokke af neuroner og finde en måde at forbinde dem på.
Det var som det måtte, entusiasmen forsvandt markant i 1968 med udgivelsen af bogen "Perceptrons" af Seymour Papert og Marvin Minsky. I det viste de, at strukturen af perceptroner giver dig mulighed for kun at løse de enkleste problemer. Det var den første vinter af kunstig intelligens, hvis første forår, vi må indrømme, ikke bærer meget frugt. Og vinden blæste hvorfra: Marvin Minsky stod ved oprindelsen af opkomsten af selve begrebet "kunstig intelligens" i 1955.
AI og AI kolliderer
Den 31. august samme år sendte hun og kollega John McCarthy et dusin mennesker, der inviterede dem til at deltage næste sommer i et to-måneders arbejde om det daværende første koncept med kunstig intelligens på Dartmouth College. Warren McCulloch og Claude Shannon, far til datalogi og telekommunikationsteori, var til stede. Det var han, der bragte Minsky og McCarthy til Bell-laboratoriet, hvorfra transistorer og lasere efterfølgende kom ud. Derudover var det dem, der blev et af centrene for genoplivning af neurale netværk i 1980'erne.
Parallelt med dette blev der dannet to nye bevægelser, og Stanford University blev deres slagmark. På den ene side var der forkortelsen for AI, "kunstig intelligens", i en anden forståelse end neurale netværk, som blev forsvaret af John McCarthy (han forlod Massachusetts Institute of Technology og oprettede sit laboratorium i Stanford). På den anden side er der UI, "forbedret intelligens", der afspejler Douglas Engelbartts nye tilgang. Han blev ansat i 1957 af Stanford Research Institute (oprettet i 1946 af en uafhængig institution, der interagerede med den private sektor).
Douglas Engelbart havde en vanskelig vej bag sig. Han var tekniker og beskæftigede sig med radar under 2. verdenskrig, men genoptog derefter sine studier og forsvarede sin afhandling. Før han kom til Stanford, oprettede han endda sit eget firma, men det varede kun to år. Et nyt sted begyndte han at implementere sin vision om at styrke menneskelige evner. Han sagde, at han havde en klar idé om, hvordan "kolleger sidder i forskellige rum på lignende arbejdsstationer, der er forbundet med det samme informationssystem, og kan tæt interagere og udveksle data," siger sociolog Thierry Bardini.
Denne vision blev implementeret i december 1968, ti år efter introduktionen af Perceptron, under en demonstration af oNLine-systemet med en teksteditor på skærmen, hyperlinks til dokumenter, grafer og en mus. Douglas Engelbart var en visionær, men kiggede sandsynligvis for langt ind i fremtiden til virkelig at gøre sig bekendt.
Januar 1984, den første Macintosh
John McCarthy kaldte på sin side dette system unødvendigt "diktatorisk", fordi det indførte en særlig tilgang til tekststrukturering. Denne modige videnskabsmand, der ligesom Engelbart blev finansieret af den amerikanske hær, præsenterede sit eget, symboliske begreb om kunstig intelligens. Heri stolede han på LISP, et af de første programmeringssprog, han udviklede. Ideen var at efterligne tankeprocessen med en logisk kæde af regler og symboler og derved danne en tanke eller i det mindste en kognitiv funktion. Dette har intet at gøre med netværk af uafhængige neuroner, der kan lære, men ikke er i stand til at forklare deres valg. Bortset fra robo-hånden, der hældte stansen, som morede alle ved at slå over briller, var den nye tilgang ganske vellykket med hensyn til hvad der længe har været kaldt "ekspertsystemer."Reglen kæder gjorde det muligt for maskiner at analysere data inden for en lang række forskellige felter, det være sig finansiering, medicin, fremstilling, oversættelse.
I 1970 afgav en kollega fra Minsky følgende erklæring til magasinet Life:”Om otte år har vi en maskine med en gennemsnitlig persons intelligens. Det vil sige en maskine, der kan læse Shakespeare, skifte olie i en bil, joke, kæmpe."
Sejren ved den symbolske tilgang
Tilsyneladende kan kunstig intelligens ikke lide profeti. I 1973 blev der udgivet en rapport i England, der kølede varme hoveder:”De fleste forskere, der arbejder med kunstig intelligens og beslægtede felter, indrømmer, at de er skuffede over, hvad der er opnået i de sidste 25 år. (…) I ingen af lejrene har de hidtil fundne opdagelser givet de lovede resultater."
De følgende år har bekræftet denne diagnose. I 1980'erne gik AI-virksomheder konkurs eller skiftede felter. McCarthy-laboratoriebygningen blev revet i 1986.
Douglas Engelbart vandt. I januar 1984 frigav Apple sin første Macintosh, hvor de fleste af ingeniørens ideer blev praktiseret.
Sejren gik således ikke til kunstig intelligens, som Minsky og McCarthy drømte om, men til Engelbars forstærkede intellekt. Alt dette har ført til udviklingen af effektive personlige computere. Og kunstig intelligens har nået en blindgyde. Symbolikken viste sig at være stærkere end neurale netværk. Ikke desto mindre ender vores historie ikke der, og de vil stadig erklære sig selv.
David Larousserie
