История развития ИИ: когда появился и кто создал первый искусственный интеллект

История создания и развития ИИ началась задолго до появления современных компьютеров и нейросетей. Еще до возникновения вычислительной техники ученые и философы размышляли о том, сможет ли созданный человеком механизм выполнять действия, которые обычно связывают с человеческим мышлением. Постепенно эти идеи перешли от теоретических рассуждений к математическим моделям, электронным машинам и первым программам.

Отдельные разработки, созданные десятки лет назад, сегодня могут показаться очень простыми. Однако именно они помогли ученым проверить, способен ли компьютер решать логические задачи, распознавать информацию, учиться на собственном опыте и имитировать некоторые формы человеческого поведения. О том, когда и кем разработан AI и как он эволюционировал, расскажут специалисты ИТ-агентства WhiteTigerSoft®.

Когда началась история создания и развития искусственного интеллекта

1-ые устройства, которые сегодня можно назвать его отдаленными предшественниками, начали возникать еще в XVI веке. Именно тогда были созданы механические приспособления для выполнения вычислений, ставшие ранним шагом к автоматизации умственной работы. При этом сама мысль о том, что неживой объект может обладать разумом или имитировать способности человека, появилась значительно раньше первых вычислительных устройств.

Идеи о мыслящих машинах

Вопрос о том, что представляет собой человеческий разум и можно ли воспроизвести его работу искусственно, занимал философов задолго до появления ПК. В эпоху Возрождения и Средние века над этой проблемой размышляли разные мыслители, в том числе Рене Декарт. Его рассуждения о соотношении сознания, тела и материального мира впоследствии стали одной из основ философских споров о возможности создания разумной машины.

Постепенно интерес к этой теме вышел за пределы философии. Ученые начали искать способы описать человеческие рассуждения с помощью логики, математических правил и последовательности действий.

Вклад Лейбница, Бэббиджа и Ады Лавлейс

Ответить на вопрос, кто придумал искусственный интеллект невозможно, так как создателями ИИ являются множество ученых, которые работали над ним ни один десяток лет. Но если говорить о ключевых фигурах, нельзя не озвучить вышеупомянутые имена.

В XVII веке немецкий ученый Готфрид Вильгельм Лейбниц размышлял о том, можно ли описать человеческие рассуждения с помощью простых правил и символов. Он считал, что многие споры и сложные задачи можно было бы решать почти как математические примеры: записать исходные данные, выполнить определенные действия и получить результат.

Для этого Лейбниц предложил идею универсального языка Characteristica Universalis. С его помощью разные понятия записывались специальными символами, чтобы сделать рассуждения более точными и понятными.

Ученый интересовался не только теорией. Он создал механическое вычислительное устройство — арифмометр Лейбница. Оно позволяло выполнять не только сложение и вычитание, но и умножение и деление. По сути, это один из первых механических калькуляторов.

В XIX веке английский математик Чарльз Бэббидж продолжил развитие этой идеи уже на уровне более сложных устройств. Сначала он спроектировал разностную машину. Она автоматически выполняла математические расчеты.

Но главным проектом Бэббиджа стало аналитическое устройство. По замыслу ученого, оно должно было не просто считать, а выполнять разные операции в зависимости от заданной последовательности команд.

Конструкция будущей машины во многом напоминала устройство современных компьютеров. В ней предусматривались отдельные части для вычислений и хранения информации. Имелись также устройства для ввода и вывода данных.

Команды предполагалось задавать с помощью перфокарт — карт с отверстиями, по которым машина могла определять последовательность действий. Благодаря этому одно и то же устройство использовалось для разных расчетов.

Аналитическую машину Бэббиджа полностью построить не удалось. Однако этот проект показал, каким может быть универсальное вычислительное устройство. Многие принципы, заложенные в этой конструкции, позднее нашли применение в компьютерах.

Ада Лавлейс — еще один человек, кто хоть и не изобрел ИИ в прямом смысле, но внес существенный вклад в развитие искусственного интеллекта, когда он был лишь теорией. Ее работа тесно связана с проектом Бэббиджа. Ада изучала устройство аналитической машины и подробно описывала, как ее можно использовать.

В своих заметках Лавлейс привела последовательность действий для вычисления чисел Бернулли. По сути, она составила подробную инструкцию, по которой машина выполняла расчет. Поэтому эту работу часто называют первой компьютерной программой.

Но Лавлейс интересовала не только возможность автоматизировать математические вычисления. Она предположила, что если представить музыку, буквы или другие данные в виде специальных символов, устройство также в состоянии выполнять с ними заданные операции.

Когда и кто придумал ИИ — теоретические основы искусственного интеллекта

После появления 1-ых идей о механизации вычислений ученые начали искать более точное объяснение того, как машина может выполнять интеллектуальные действия.

Первая математическая нейронная модель

В 1943 г. американский нейрофизиолог Уоррен Маккалок и математик Уолтер Питтс представили арифметическую схему, описывающую работу нейрона. В основу своей разработки они положили принцип передачи сигналов в нервной системе человека.

Настоящий нейрон получает импульсы от других клеток и в зависимости от их силы передает собственный сигнал дальше. Маккалок и Питтс значительно упростили этот процесс и представили его в виде математических правил.

В их варианте искусственный нейрон получает несколько входных импульсов. Каждый из них имеет определенное значение для итогового результата. Затем все сигналы учитываются вместе. Если получившаяся величина достигает установленного порога, нейрон активируется. Если этого не происходит, он остается неактивным. Такая схема показала, что некоторые принципы работы нервной системы можно представить с помощью математики, а затем воспроизвести в вычислительном устройстве.

Позднее ученые начали объединять нейроны в сети. Такие соединения стали основой одного из главных направлений развития ИИ — нейросетей.

Алан Тьюринг и идея машинного интеллекта

В 1950 году английский математик и ученый опубликовал работу «Вычислительные машины и разум». В ней он рассмотрел вопрос, до сих пор остающийся одним из главных в истории: может ли устройство демонстрировать поведение, которое мы привыкли считать разумным?

Тьюринг предложил отказаться от попыток дать точное определение человеческому мышлению. Вместо этого он сосредоточился на том, как ведет себя машина во время общения с человеком.

Ученый исходил из простой идеи. Если человек разговаривает с компьютером и не понимает, что его собеседник является машиной, значит, ПК способен достаточно убедительно воспроизводить некоторые особенности человеческого поведения.

Тест Тьюринга

Для проверки своей идеи ученый использовал измененный вариант так называемой «игры в имитацию». Изначально в ней 1 человек определял, кто из 2 собеседников мужчина, а кто женщина, общаясь с ними только в письменной форме. Потом Тьюринг предложил заменить одного из них машиной и посмотреть, сможет ли участник заметить разницу. Так появился один из 1-ых практических подходов к оценке интеллектуальных возможностей компьютера.

Где, когда и как был создан первый искусственный интеллект (ИИ) в современном представлении

1-ые проекты еще очень далеки от нейросетей, существующих сегодня. Тем не менее именно эти эксперименты положили начало самостоятельному направлению исследований.

SNARC

Это 1-ая нейросетевая машина, которую разработали в 1951 году Марвин Минский и Дин Эдмондс в Массачусетском технологическом институте. Устройство разрабатывалось как попытка воспроизвести некоторые принципы обучения нервной системы с помощью электронных компонентов.

Конструкция состояла из множества электроэлементов, соединенных между собой. Устройство могло изменять поведение в зависимости от получаемых сигналов. В качестве демонстрации SNARC использовали задание, связанное с поиском выхода из виртуального лабиринта.

Logic Theorist

Это первая программа с ИИ, возникшая в 1956 году. Она создавалась Алленом Ньюэллом, Гербертом Саймоном и Клиффом Шоу. Проект запускался для решения задач математической логики.

Программа могла самостоятельно находить доказательства некоторых утверждений, используя набор правил и уже известные положения. Для этого она перебирала возможные варианты рассуждений и выбирала подходящие шаги.

Главное значение Logic Theorist состояло не только в способности решать конкретные задачи. Разработчики показали, что компьютер можно использовать для выполнения действий, которые раньше считались характерными для человеческого мышления. Именно в этот период постепенно сформировалось представление об AI как об отдельной области науки.

Кто создал первые системы на основе искусственного интеллекта (ИИ) и в каком году

Говорить о единственном человеке, который изобрел AI, неправильно. Технология в современном представлении, которую мы используем сейчас, появилась благодаря постепенному объединению идей из математики, логики, информатики, нейрофизиологии и других областей.

1-ые системы на основе АИ начали возникать в 1950-х гг. Они были рассчитаны на выполнение конкретных действий: работу с логическими правилами, поиск решений и обработку простых команд. Эти разработки доказали, что компьютер способен выполнять не только обычные вычисления, но и более сложные интеллектуальные операции.

Кто ввел термин «искусственный интеллект»

Автором этого названия считается американский ученый Джон Маккарти. В 1956 г. он вместе с Марвином Мински, Натаниэлем Рочестером и Клодом Шенноном организовал Дартмутский летний исследовательский проект по ИИ. Именно это мероприятие принято считать отправной точкой AI как отдельного научного направления. Маккарти использовал название «artificial intelligence» в заявке на проведение проекта.

Первые достижения в 1950–1960-х годах

После появления 1-ых программ ученые начали проверять АИ в разных задачах. Компьютеры учились играть, распознавать простые объекты, работать с текстом и выполнять действия в окружающей среде.

Самообучающаяся разработка Артура Сэмюэла

В конце 1950-х гг. американский исследователь создал программу для игры в шашки. Она стала одной из 1-ых платформ, которая могла улучшать свои результаты благодаря накопленному опыту.

Программа анализировала предыдущие партии и сравнивала разные варианты ходов. Постепенно она находила более удачные решения и становилась сильнее как соперник.

Модель Фрэнка Розенблатта

В 1958 г. американский ученый представил перцептрон — один из первых вариантов искусственной нейронной сети. Он получал входные сигналы и использовал их для определения результата. При обучении его внутренние связи изменялись в зависимости от правильности полученных ответов.

Чат-бот ELIZA

В 1966 г. Джозеф Вейценбаум создал программу, которая могла вести простой диалог с человеком. Она не понимала смысла разговора в современном значении. Программа находила определенные слова и фразы в сообщении пользователя, после чего подбирала ответ по заранее заданным правилам.

Робот Shakey

В конце 1960-х гг. ученые начали объединять ИИ с робототехникой. Одним из самых известных проектов стал Shakey, разработанный в Стэнфордском исследовательском институте. Робот мог воспринимать окружающее пространство, планировать последовательность действий и перемещаться по помещению. Для этого использовались камера, датчики и вычислительная система.

Периоды расцвета и зимы

Первые успехи создали большие ожидания. Ученые предполагали, что компьютеры довольно скоро смогут решать широкий круг задач на уровне человека.

На практике развитие оказалось намного сложнее. Не хватало вычислительной мощности, памяти и данных, а многие задания трудно описывались с помощью четких правил. Из-за этого интерес к отдельным направлениям AI несколько раз резко снижался. Такие периоды принято называть «зимами».

Причины 1-ой зимы

Она продолжалась в 1974-1980 гг. Когда в мире появились самые первые программы на основе искусственного интеллекта, они хорошо работали в ограниченных условиях, но ИИ-решения не справлялись с более сложными заданиями.

Одной из причин зимы стали слишком высокие ожидания. От AI ждали быстрого возникновения универсальных решений, хотя технологии того времени еще не были к этому готовы. Сокращение финансирования привело к уменьшению количества крупных исследовательских проектов.

Распространение

В 1980-х гг. интерес к технологиям снова вырос. Это произошло благодаря экспертным системам, которые создавались для достижения конкретных профессиональных целей.

В такие программы закладывали знания специалистов и набор правил. На их основе система могла анализировать информацию и выдавать рекомендации.

Подобные решения использовали в медицине, промышленности, финансах и других областях. Их успех показал, что AI может приносить практическую пользу, если сфера применения четко ограничена.

Вторая зима

К концу 1980-х годов интерес к экспертным системам начал снижаться. Их было сложно поддерживать и обновлять, а переносить накопленные знания на новые задания получалось не всегда. Когда результаты оказались скромнее ожиданий, финансирование многих проектов снова сократилось.

Возвращение машинного обучения

В 1990-х гг. подход к созданию AI постепенно изменился. Исследователи стали уделять больше внимания алгоритмам, которые могут находить закономерности в данных.

Такой способ оказался гибче ручного программирования большого количества правил. Компьютер получал набор примеров, анализировал их и использовал найденные зависимости для работы с новой информацией.

Развитию машинного обучения помогли рост вычислительной мощности, увеличение объемов цифровых данных и появление более эффективных алгоритмов.

Метод обратного распространения ошибки

В 1986 году Дэвид Румельхарт, Джеффри Хинтон и Рональд Уильямс опубликовали работу, показавшую возможности этого подхода. Принцип достаточно простой. Сначала сеть получает данные и выдает результат. Если он неправильный, определяется ошибка. Затем информация о ней передается обратно, чтобы скорректировать внутренние связи. После многократного повторения такой процедуры сеть постепенно учится давать более точные результаты.

Развитие глубокого обучения

В 2000-х гг. условия для эволюционирования AI стали намного лучше. Компьютеры выросли по мощности, количество цифровых данных резко увеличилось, а графические процессоры ускорили сложные вычисления.

Это дало новый импульс глубокому обучению. Его основу составляют нейронные сети с большим количеством этапов обработки информации.

Многослойные нейросети

Они состоят из нескольких уровней, которые последовательно обрабатывают входные данные. Во время обучения они постепенно определяют, какие признаки важны для выполнения конкретного действия. Например, при анализе изображения одни уровни могут выделять простые элементы, а следующие — более сложные объекты. Такой подход позволил значительно повысить точность во многих задачах, особенно при работе с картинками, речью и текстом.

Прорыв AlexNet

В 2012 г. эта нейросеть показала выдающийся результат на соревновании ImageNet по распознаванию изображений. Разработчиками стали Алекс Крижевский, Илья Суцкевер и Джеффри Хинтон. Их работа продемонстрировала, насколько эффективными могут быть глубокие нейронные сети при наличии большого количества данных и мощного оборудования.

Развитие компьютерного зрения и распознавания речи

Успех глубокого обучения ускорил эволюцию CV. Нейросети стали лучше распознавать лица, предметы, изображения и отдельные элементы видеозаписей.

Одновременно совершенствовались технологии речевого распознавания. Компьютеры научились точнее переводить человеческую речь в текст и учитывать особенности произношения.

Как и в каком году появился генеративный искусственный интеллект

Отдельные технологии генерации существовали и раньше, но настоящий скачок произошел после появления современных нейросетей и увеличения вычислительных возможностей.

Трансформер

В 2017 г. исследователи Google представили архитектуру Transformer. Она позволила эффективнее работать с большими последовательностями данных.

Главной особенностью стал механизм внимания. Он помогает определять, какие части текста связаны между собой и насколько важна каждая из них для текущей задачи. Трансформеры стали основой многих современных языковых моделей.

Семейство GPT

В 2018 г. появилась первая версия — Generative Pre-trained Transformer. Затем были выпущены более усовершенствованные модели.

С каждой новой серией увеличивались объемы данных и вычислительные возможности. Нейросети становились лучше в создании связных текстов, работе с вопросами, переводе и других языковых задачах.

Запуск ChatGPT и массовое распространение ИИ

30 ноября 2022 года компания OpenAI представила свой продукт. ChatGPT позволил общаться с генеративной нейронной сетью в обычном диалоговом формате. Пользователь получил возможность задавать вопросы, просить написать или изменить текст, объяснить сложную тему, помочь с кодом и выполнить множество других заданий.

Именно простота такого взаимодействия стала одной из причин стремительного роста интереса к генеративному AI. Технология вышла за пределы специализированных лабораторий и стала доступна широкой аудитории.

Когда появился искусственный интеллект в России и как развивалась наука

Российская история AI началась не с современных генеративных моделей.

Советская кибернетика и первые исследования

В 1950–1960-х гг. ученые изучали автоматическое управление, обработку информации и возможности вычислительной техники. Большое внимание уделялось математическим методам и созданию алгоритмов для решения различных задач. Проводились исследования в области распознавания образов, теории автоматов и управления. Эти работы сформировали научную базу для дальнейшего развития технологий ИИ.

Современные российские нейросети

Сегодня отечественные компании разрабатывают нейронные сети для работы с текстом, изображениями, речью и данными. AI используется в промышленности, финансах, медицине, образовании, торговле и других сферах. Развиваются и генеративные технологии, способные генерировать тексты и изображения.

Кто внес основной вклад в эволюцию искусственного интеллекта

Среди ключевых фигур можно назвать:

• Алана Тьюринга;
• Уоррена Маккалока;
• Уолтера Питтса;
• Джона Маккарти;
• Марвина Минского;
• Фрэнка Розенблатта;
• Артура Сэмюэла.

В развитие машинного обучения и глубоких нейросетей большой вклад внесли:

• Джеффри Хинтон;
• Дэвид Румельхарт;
• Рональд Уильямс;
• Ян ЛеКун;
• Йошуа Бенджио.

Каждый из них работал над отдельной частью большой задачи. Одни изучали математические основы, другие разрабатывали алгоритмы обучения, третьи – практические программы и нейросети.

Как развивается ИИ сегодня и на каком этапе находится

Современный AI уже умеет анализировать большие объемы информации, работать с текстами, изображениями и речью, создавать новый контент и помогать человеку в выполнении различных действий.

При этом большинство существующих технологий остаются специализированными. Они могут очень хорошо справляться с одними задачами, но испытывать трудности с другими.

Узкий и сильный искусственный интеллект

Первый тип предназначается для определенных целей. Например, одна нейросеть может распознавать изображения, другая — переводить текст, третья — прогнозировать спрос.

Сильный AI должен быть наиболее развитым, обладать гораздо более широкими возможностями и самостоятельно решать разные интеллектуальные задачи на уровне человека. На сегодняшний день такого ИИ не существует.

Современные возможности AI

Сегодня его используют для различных задач:

• информационного анализа;
• автоматизации рутинной работы;
• создания контента;
• программирования;
• поиска информации;
• поддержки специалистов.

Нейросети помогают распознавать изображения и речь, составлять тексты, переводить материалы, находить закономерности в больших массивах данных и выполнять другие задачи.

Однако технологии не застрахованы от ошибок. Поэтому во многих случаях результат требует проверки человеком.

Перспективы дальнейшего развития

В будущем АИ будет становиться более точным, быстрым и универсальным. Одним из главных направлений остается эволюционирование технологий, которые умеют одновременно работать с текстом, изображениями, звуком и видео.

Также развиваются АИ-агенты. Они должны не просто отвечать на отдельные команды, а самостоятельно выполнять последовательность действий для достижения поставленной цели.

Одновременно возрастает значение безопасности, защиты данных и контроля результатов. Чем шире технология используется в жизни и работе, тем важнее становится ее ответственное применение.

Подведем итоги

Итак, если говорить о том, сколько лет ИИ официально, то ему 70 — термин «искусственный интеллект» появился в 1956 году. Однако идея создания разумных машин зародилась раньше — в эпоху Возрождения и Средние века. Технология прошла длинный путь от философских рассуждений и первых механических устройств до современных генеративных нейросетей. Сегодня она уже используется во многих сферах, но ее эволюционирование продолжается. Сейчас технологии способны решать множество сложных задач, однако пока не являются полноценной заменой человеческому мышлению.