УДК 004

История скрипта как прародителя искусственного интеллекта

Бабушкина Полина Алексеевна – преподаватель Инженерной школы одежды (колледжа) Санкт-Петербургского государственного университета промышленных технологий и дизайна; студентка Российского государственного педагогического университета имени А. И. Герцена.

Аннотация: История развития искусственного интеллекта (ИИ) представляет собой захватывающий путь от первых концептуальных идей до современных технологий. В исследовании предлагается обзор этой эволюции, начиная с вклада Алана Тьюринга и ранних программ ИИ, проходя через символьную обработку и экспертные системы, и заканчивая современными достижениями в области глубокого обучения и нейронных сетей. Особое внимание уделяется ключевым моментам, таким как появление LSTM и сверхточных нейронных сетей, а также развитие усиленного обучения. Аннотация предоставляет читателю краткий обзор истории ИИ и его «скрипта-прародителя», подчеркивая важность этого развития для современных технологий и будущего искусственного интеллекта.

Ключевые слова: искусственный интеллект, ИИ, скрипт, колледж, единая платформа, база данных, единая система, образовательные ресурсы.

Развитие искусственного интеллекта (ИИ) представляет собой удивительный путь от первых зародышей идеи в середине 20 века до современных масштабных систем, способных выполнять сложные когнитивные задачи. В этом контексте, рассмотрение «скрипта-прародителя» ИИ становится неотъемлемой частью понимания этого процесса. Данный аспект истории представляет собой ключевой этап, отражающий смену парадигм в разработке и обучении искусственных систем. В статье предлагается углубленный анализ этого эволюционного пути, начиная с ранних концепций и заканчивая современными технологическими достижениями, которые определяют сегодняшний уровень развития ИИ и его влияние на многие сферы человеческой жизни.

История развития искусственного интеллекта (ИИ) и его «скрипта-прародителя» включает в себя множество ключевых моментов и научных открытий. Самый первым этапом является «Идея искусственного интеллекта».

Идея искусственного интеллекта (ИИ) представляет собой фундаментальный аспект развития современной технологии, чьи корни уходят вглубь веков. Ещё в древности философы и мыслители задавались вопросом о возможности создания машин, способных размышлять и принимать решения подобно человеку. Однако, более конкретные шаги в разработке ИИ начались в середине 20 века.

Алан Тьюринг, великий математик и логик, внес существенный вклад в формирование концепции искусственного интеллекта. В 1950 году он опубликовал статью «Вычислительные машины и разум», в которой предложил свой знаменитый Тест Тьюринга. Этот тест предлагал проверять способность машины проявлять интеллект, исходя из её ответов на вопросы, задаваемые человеком.

Эта публикация открыла двери к более глубокому изучению возможностей машин в сфере интеллектуальной деятельности. С тех пор исследователи и инженеры стремились к созданию компьютерных программ и систем, способных анализировать информацию, принимать решения и, в конечном итоге, эмулировать некоторые аспекты человеческого мышления.

Далее в 1950-60-е годы произошел значительный рывок в развитии искусственного интеллекта (ИИ) с созданием первых программ, предназначенных для решения различных задач. Одной из ранних милетских камней в этой области было появление программы под названием «Logic Theorist» в 1956 году.

Она была разработан Алленом Ньюэллом и Хербертом Саймоном. Эта программа была спроектирована с целью решения математических задач с применением методов математической логики. Она смогла автоматически доказать несколько математических теорем, что было значительным достижением для времени.

В 1959 году появилась ещё одна важная программа - «General Problem Solver». Эта разработка также принадлежала Ньюэллу и Саймону, и она шагнула дальше, позволяя решать более широкий круг задач. Она была способна анализировать и решать обобщенные проблемы, а не только задачи в рамках конкретной математической дисциплины.

Уже в 1960-70-х годах возникли теории символьной обработки, предполагающие, что интеллект может быть представлен и обработан в виде символов и правил для их манипулирования. Символьная обработка в ИИ представляла собой подход, основанный на символах и операциях над ними, а не на числах и математических операциях. Это позволило создавать системы, способные анализировать символьные данные, принимать решения на основе логических операций и обобщать знания для решения различных задач.

А уже в 1970-80-х годах на передний план вышли экспертные системы - один из важнейших этапов в развитии искусственного интеллекта. Эти системы основывались на использовании знаний экспертов в конкретной области, представленных в виде правил и логических утверждений.

Экспертные системы позволяли создавать компьютерные программы, способные анализировать сложные проблемы и принимать решения на основе накопленного экспертного опыта. Они были применены во многих областях, начиная от медицины и инженерии до экономики и финансов.

Одним из примеров успешного применения экспертных систем была система «MYCIN», разработанная в 1970-х годах для диагностики инфекционных заболеваний. Эта система демонстрировала высокую точность и эффективность в сравнении с экспертами в данной области.

Уже в конце 20 века и на заре 21 века произошел великий скачок в развитии искусственного интеллекта (ИИ) благодаря активному развитию нейронных сетей и методов машинного обучения. Эта эпоха стала настоящей революцией в области ИИ, открыв новые горизонты для решения сложных задач.

Особое внимание заслуживают модели глубокого обучения, которые позволили обрабатывать огромные объемы данных и решать более сложные задачи, превосходя во многих аспектах традиционные методы. В 1997 году появились архитектуры рекуррентных нейронных сетей с долгосрочной памятью (LSTM), которые способны обрабатывать последовательные данные, учитывая долгосрочные зависимости.

В отличие от традиционных рекуррентных нейронных сетей, LSTM имеют специальную структуру, которая позволяет им сохранять и использовать информацию на протяжении длительных временных интервалов. Это свойство делает их идеальными для работы с данными, в которых важны зависимости, простирающиеся на большие временные промежутки.

Применение LSTM привело к значительному улучшению результатов во многих областях, включая распознавание речи, анализ временных рядов, машинный перевод и другие. Эта технология стала неотъемлемой частью современных методов машинного обучения и обработки последовательных данных, и оставляет невероятный след в развитии искусственного интеллекта.

Далее важным шагом в развитии ИИ стала появление сверточных нейронных сетей (CNN), которые показали отличные результаты в обработке изображений и других пространственных данных, революционизируя подходы к компьютерному зрению.

Смешивание методов глубокого обучения с усиленным обучением привело к созданию мощных алгоритмов, способных обучаться и принимать решения в сложных и изменчивых средах. Этот симбиоз применяется в таких областях как робототехника, игровая индустрия и автономная навигация.

В последние годы, благодаря совершенствованию технологий, появились более сложные и универсальные ИИ-модели, такие как OpenAI's GPT (Generative Pre-trained Transformer), способные генерировать тексты, отвечать на вопросы и выполнять другие высокоуровневые задачи, впечатляя своей способностью к творчеству и обобщению. В совокупности, эти достижения в сфере нейронных сетей и машинного обучения вывели искусственный интеллект на новый уровень, открывая перспективы для решения более сложных и разнообразных задач в различных сферах человеческой деятельности.

Список литературы

1. Нейросети: начало или что было до ChatGPT [Электронный ресурс] – URL: https://tproger.ru/articles/nejroseti-nachalo-ili-chto-bylo-do-chatgpt (дата обращения 04.11.2023).
2. Нейронная сеть [Электронный ресурс] – URL: https://ru.wikipedia.org/wiki/Нейронная_сеть (дата обращения 04.11.2023).
3. От механических автоматов до нейронных сетей: история развития искусственного интеллекта [Электронный ресурс] – URL: https://neuralinsight.ru/istoriya-razvitiya-iskusstvennogo-intellekta/ (дата обращения 04.11.2023).