Большинство людей хотя бы раз, но слышали про искусственный интеллект. Многие пользовались им, пусть даже чтобы украсить свою аватарку для социальной сети. Но мало кто задумывался, что впервые об ИИ заговорили еще в середине XX века. И многие проблемы, которые были актуальны для того времени, остро стоят до сих пор. В этой статье мы расскажем о том, как создавались предки нынешнего ИИ и с какими трудностями столкнулись разработчики.
Перцептрон — отец Терминатора
Было солнечное утро 1958 года. Сидя за чашкой кофе в одном из кафе Нью-Йорка житель США мог открыть свежий номер «Нью-Йорк Таймс» и даже не заметить небольшую новостную заметку. В статье от 8 июля говорилось про инновационный компьютер, способный перевернуть многое в представлении человека об искусственном интеллекте.
Это был компьютер размером с комнату, использующий новый тип микросхем — перцептрон. В тексте даже приводились смелые утверждения представителей ВМС США — они предрекали появление машин, которые могли бы не только ходить, но и разговаривать, писать, воспроизводитель себя, обладать зрением и даже самосознанием.
Идея создания перцептрона базируется на теориях Уолтера Питтса и Уоррена Мак-Коллка — ученых, которые в одной из своих статей рассуждали о создании искусственной нейронной сети. В 1949 году тему развил Дональд Хебб. Он предложил методы обучения искусственных нейронов.
Предложение Хобба быстро подхватил Фрэнк Розенблатт. Именно он ввел понятие «перцептрон» и заявил, что при помощи компьютерных технологий можно было бы смоделировать процесс восприятия.
Перцептрон должен был посылать сигналы от фотоэлементов сенсорного поля в электромеханические ячейки памяти. Все это было реализовано в рамках первого в мире нейрокомпьютера «Марк-1».
Для распознавания образов предлагалось задействовать метод проб и ошибок. Принцип напоминал современное машинное обучение. Перцептрону предлагалось дать ответ на предложенный вопрос. Если компьютер ошибется, то нейронные связи будут изменены, а значит, вероятность выбора правильного варианта в следующий раз значительно возрастет. Интересно, что многие современные алгоритмы работают по схожей схеме и показывают впечатляющие результаты обучения.
С самим перцептроном удалось добиться некоторых успехов. К примеру, он смог научиться распознавать буквы, написанные разным почерком и соотносить их с единым визуальным образом. Это позволило некоторым ученым того времени заявлять о том, что к концу столетия машины будут обладать интеллектом среднего человека. Но что-то пошло не так.
Первые неудачи и новый взлет
Достаточно быстро инженеры стали понимать, что ИИ не имели представления о сущности предметов. В повседневной жизни мы можем распознать сарказм, понять, что человек в разговоре делает нам намеки, использует идиомы, двусмысленность. Машины того времени не могли определять полутора, а только механически выполняли поставленные задачи. На фоне общей ограниченности в вычислительных возможностях железа к середине 70-х годов наступило первое разочарование.
Но эта «зима ИИ» продлилась недолго. Уже в 1980 году направление продолжило развиваться. Появились интересные решения, которые могли бы идентифицировать объекты и даже диагностировать заболевания по имеющимся данным.
Удивительно, но даже тогда искусственному интеллекту было под силу сделать сложный вывод из простой истории. Некоторые роботы могли играть музыку, к тестированию был готов первый автомобиль без водителя.
Казалось, все стремительно движется к настоящей революции ИИ, но в 1987 году интерес к технологии снова угас. Возникли технические ограничения — роботы попросту не были способны обработать большой объем новой информации, а потому системы часто отказывали.
И только современные технологии и «железо» сделали возможным настоящий бум нейросетей. Хотя некоторые проблемы до сих пор остаются в этой сфере актуальными.
Новые времена — старые трудности
В 2023 году Microsoft заявили, что GPT-4 по уровню производительности вплотную приблизился к возможностям человека. Но при этом порог, который отделяет роботов от нас, все еще остается очень высоким.
Одна из проблем — сложность в интерпретации поступающих сведений. Не раз отмечалось, что ChatGPT испытывает трудности, когда приходится сталкиваться с уникальными формами языка. К примеру, когда в дело вступают метафоры или пользователь задает риторический вопрос.
По-прежнему сохраняются проблемы и с распознаванием образов. Там, где человек четко увидит определенный предмет, хоть и представленный в измененном состоянии (к примеру, перевернутую машину), ИИ может неверно определить, что находится перед ним. Вся проблема здесь кроется в сложности восприятия мира на уровне образов.
Во многом по схожим причинам эксперты часто говорят, что искусственному интеллекту вряд ли удастся заменить реальных художников, писателей или поэтов — не хватает авторского стиля, образности, умения работы с метафорами.
Еще один настораживающий симптом — цикличность развития ИИ. Человечество уже переживало несколько скачков интереса к идее, но спустя несколько лет разочаровывалось в ней. Каким будет новый скачок искусственного интеллекта, окончится ли он триумфом или мечты снова столкнуться с суровой реальностью — покажет время.
