Розділ 1: Штучний інтелект і машинне навчання

Штучний інтелект (AI) і машинне навчання (ML) мають багату та складну історію, яка сягає середини двадцятого століття. Ось детальний огляд основних віх і проривів у AI та ML:

1. Походження штучного інтелекту. Термін «штучний інтелект» був введений у 1956 році Джоном Маккарті, Марвіном Мінським, Натаніелем Рочестером і Клодом Шенноном під час Дартмутської конференції, основної події, яка мала на меті визначити сферу штучного інтелекту та окреслити програму її досліджень. Перших піонерів штучного інтелекту надихнула ідея створення машин, які могли б імітувати людський інтелект, вирішувати проблеми та вчитися на досвіді.
2. Символічний ШІ: перше покоління досліджень ШІ, відоме як Символічний ШІ або Старомодний ШІ (GOFAI), було зосереджено на розробці систем на основі правил, які могли б маніпулювати символами та логічними виразами для виконання таких завдань, як гра в шахи, доведення теорем і розуміння природної мови. Відомі проекти Symbolic AI включали General Problem Solver (GPS), Logic Theorist і чат-бот ELIZA.
3. Нейронні мережі: у 1960-х і 1970-х роках з’явився новий підхід до ШІ, заснований на нейронних мережах, які є обчислювальними моделями, натхненними структурою та функціями людського мозку. Нейронні мережі можуть вчитися на прикладах, узагальнювати шаблони та виконувати такі завдання, як розпізнавання шаблонів, розпізнавання мови та класифікація зображень. Відомі моделі нейронних мереж включали персептрон, алгоритм зворотного поширення та мережу Хопфілда.
4. Експертні системи: у 1980-х роках дослідження штучного інтелекту перейшли до розробки експертних систем, які є комп’ютерними програмами, які можуть міркувати про знання та приймати рішення на основі правил і евристик. Експертні системи застосовувалися в таких областях, як медична діагностика, фінансове планування та інженерне проектування. До відомих експертних систем належали MYCIN, DENDRAL і XCON.
5. Зима штучного інтелекту: наприкінці 1980-х і на початку 1990-х років дослідження штучного інтелекту зіткнулися з періодом стагнації та занепаду, відомим як зима штучного інтелекту, через відсутність прогресу в досягненні амбітних цілей ШІ та високу вартість і обмеження існуючих технологій ШІ.
6. Відродження машинного навчання: у 1990-х і 2000-х роках з’явилася нова хвиля досліджень штучного інтелекту, заснована на машинному навчанні, яке є підгалуззю штучного інтелекту, яка зосереджена на розробці алгоритмів, які можуть навчатися на основі даних і вдосконалюватися з часом. Методи машинного навчання, такі як контрольоване навчання, неконтрольоване навчання та навчання з підкріпленням, застосовувалися до таких завдань, як розпізнавання мовлення, обробка природної мови та системи рекомендацій. До відомих моделей машинного навчання належали опорна векторна машина (SVM), випадковий ліс і нейронна мережа глибокого навчання.
7. Революція глибокого навчання: у 2010-х роках глибоке навчання, яке є підрозділом машинного навчання, яке використовує багатошарові нейронні мережі, спричинило революцію в дослідженнях штучного інтелекту, що призвело до прориву в комп’ютерному зорі, розпізнаванні мовлення, обробці природної мови та іграх. . Такі моделі глибокого навчання, як згорткові нейронні мережі (CNN), рекуррентні нейронні мережі (RNN) і трансформаторні мережі, застосовувалися для таких завдань, як розпізнавання зображень, мовний переклад і чат-боти.

Поточний стан штучного інтелекту: сьогодні штучний інтелект є процвітаючою сферою, яка охоплює широкий спектр програм і технологій, включаючи робототехніку, обробку природної мови, комп’ютерне бачення, автономне водіння та навчання з підкріпленням. ШІ також підняв етичні, правові та соціальні проблеми, такі як упередженість, пояснення, конфіденційність і переміщення з роботи, які вимагають ретельного розгляду та регулювання. Дослідження штучного інтелекту, ймовірно, продовжуватимуть розвиватися та формувати майбутнє суспільства та економіки, а потенційні переваги та проблеми ще не повністю усвідомлені.