20 KiB
Историја машинског учења
Скица од Томоми Имура
Квиз пре предавања
🎥 Кликните на слику изнад за кратак видео који обрађује ову лекцију.
У овој лекцији, проћи ћемо кроз главне прекретнице у историји машинског учења и вештачке интелигенције.
Историја вештачке интелигенције (AI) као области је тесно повезана са историјом машинског учења, јер су алгоритми и рачунарски напредак који подупиру машинско учење допринели развоју AI. Корисно је запамтити да, иако су се ове области као посебне области истраживања почеле кристализовати 1950-их, важна алгоритамска, статистичка, математичка, рачунарска и техничка открића претходила и преклапала се са овим периодом. У ствари, људи размишљају о овим питањима већ стотинама година: овај чланак разматра историјске интелектуалне основе идеје о 'машини која мисли'.
Значајна открића
- 1763, 1812 Бајесова теорема и њени претходници. Ова теорема и њене примене су основа за закључивање, описујући вероватноћу да се догађај догоди на основу претходног знања.
- 1805 Теорија најмањих квадрата француског математичара Адријена-Марија Лежандра. Ова теорија, коју ћете научити у нашем модулу о регресији, помаже у прилагођавању података.
- 1913 Марковљеви ланци, названи по руском математичару Андреју Маркову, користе се за описивање низа могућих догађаја на основу претходног стања.
- 1957 Перцептрон је врста линеарног класификатора коју је изумео амерички психолог Френк Розенблат и која је основа за напредак у дубоком учењу.
- 1967 Најближи сусед је алгоритам првобитно дизајниран за мапирање рута. У контексту машинског учења користи се за откривање образаца.
- 1970 Бекпропагација се користи за тренирање напредних неуронских мрежа.
- 1982 Рекурентне неуронске мреже су вештачке неуронске мреже изведене из напредних неуронских мрежа које стварају временске графове.
✅ Урадите мало истраживања. Који други датуми се истичу као кључни у историји машинског учења и вештачке интелигенције?
1950: Машине које мисле
Алан Тјуринг, заиста изузетна личност која је гласањем јавности 2019. године проглашен за највећег научника 20. века, заслужан је за постављање темеља концепта 'машине која може да мисли'. Он се суочавао са скептицима и сопственом потребом за емпиријским доказима овог концепта делимично креирајући Тјурингов тест, који ћете истражити у нашим лекцијама о обради природног језика.
1956: Летњи истраживачки пројекат на Дартмуту
"Летњи истраживачки пројекат на Дартмуту о вештачкој интелигенцији био је кључни догађај за вештачку интелигенцију као област," и овде је скован термин 'вештачка интелигенција' (извор).
Сваки аспект учења или било која друга карактеристика интелигенције може се у принципу тако прецизно описати да се машина може направити да га симулира.
Водећи истраживач, професор математике Џон Мекарти, надао се "да настави на основу претпоставке да се сваки аспект учења или било која друга карактеристика интелигенције може у принципу тако прецизно описати да се машина може направити да га симулира." Учесници су укључивали још једну значајну личност у области, Марвина Минског.
Радионица је заслужна за покретање и подстицање неколико дискусија, укључујући "успон симболичких метода, система фокусираних на ограничене домене (рани експертски системи) и дедуктивних система наспрам индуктивних система." (извор).
1956 - 1974: "Златне године"
Од 1950-их до средине '70-их, оптимизам је био висок у нади да AI може решити многе проблеме. Године 1967, Марвин Мински је самоуверено изјавио: "Унутар једне генерације ... проблем стварања 'вештачке интелигенције' ће бити суштински решен." (Мински, Марвин (1967), Рачунање: Коначне и бесконачне машине, Енглвуд Клифс, Њ.: Прентис-Хол)
Истраживање обраде природног језика је процветало, претрага је усавршена и постала моћнија, а концепт 'микро-светова' је створен, где су једноставни задаци извршавани користећи упутства на обичном језику.
Истраживање је било добро финансирано од стране владиних агенција, постигнут је напредак у рачунарству и алгоритмима, а прототипови интелигентних машина су изграђени. Неке од ових машина укључују:
-
Шејки робот, који је могао да се креће и одлучује како да обавља задатке 'интелигентно'.
Шејки 1972. године
-
Елиза, рани 'четбот', могла је да разговара са људима и делује као примитивни 'терапеут'. Више о Елизи ћете научити у лекцијама о обради природног језика.
Верзија Елизе, четбота
-
"Свет блокова" био је пример микро-света где су блокови могли бити сложени и сортирани, а експерименти у учењу машина да доносе одлуке могли су бити тестирани. Напредак изграђен уз библиотеке као што је SHRDLU помогао је да се обрада језика унапреди.
🎥 Кликните на слику изнад за видео: Свет блокова са SHRDLU
1974 - 1980: "Зима AI"
До средине 1970-их, постало је очигледно да је сложеност стварања 'интелигентних машина' била потцењена и да је њено обећање, с обзиром на доступну рачунарску моћ, било преувеличано. Финансирање је пресушило, а поверење у област је опало. Неки од проблема који су утицали на поверење укључују:
- Ограничења. Рачунарска моћ је била сувише ограничена.
- Комбинаторна експлозија. Количина параметара које је требало обучити је експоненцијално расла како се више захтевало од рачунара, без паралелне еволуције рачунарске моћи и способности.
- Недостатак података. Недостатак података је ометао процес тестирања, развоја и усавршавања алгоритама.
- Да ли постављамо права питања?. Саме постављене питања су почеле да се доводе у питање. Истраживачи су почели да се суочавају са критикама о својим приступима:
- Тјурингов тест је доведен у питање, између осталог, кроз теорију 'кинеске собе' која је поставила да, "програмирање дигиталног рачунара може учинити да изгледа као да разуме језик, али не може произвести стварно разумевање." (извор)
- Етика увођења вештачке интелигенције као што је "терапеут" Елиза у друштво је изазвала расправе.
Истовремено, различите школе мишљења о AI су почеле да се формирају. Успостављена је дихотомија између "неуредног" и "уредног AI" приступа. Неуредне лабораторије су сатима прилагођавале програме док нису добиле жељене резултате. Уредне лабораторије су се "фокусирале на логику и формално решавање проблема". Елиза и SHRDLU су били познати неуредни системи. У 1980-им, како је потражња за репродуктивним системима машинског учења расла, уредни приступ је постепено преузео примат јер су његови резултати били објашњивији.
1980-те Експертски системи
Како је област расла, њена корист за пословање постала је јаснија, а 1980-их је дошло до ширења 'експертских система'. "Експертски системи су били међу првим заиста успешним облицима софтвера за вештачку интелигенцију (AI)." (извор).
Овај тип система је заправо хибридан, делимично се састоји од правила која дефинишу пословне захтеве и мотора за закључивање који користи систем правила за извођење нових чињеница.
Овај период је такође видео повећану пажњу посвећену неуронским мрежама.
1987 - 1993: AI 'Хладноћа'
Ширење специјализованог хардвера за експертске системе имало је несрећан ефекат да постане превише специјализовано. Појава персоналних рачунара такође је конкурисала овим великим, специјализованим, централизованим системима. Демократизација рачунарства је почела, и на крају је отворила пут за савремени експлозију великих података.
1993 - 2011
Овај период је донео нову еру за машинско учење и AI да реше неке од проблема који су раније били узроковани недостатком података и рачунарске моћи. Количина података је почела брзо да расте и постала је доступнија, на добро и на зло, посебно са појавом паметних телефона око 2007. године. Рачунарска моћ је експоненцијално расла, а алгоритми су се развијали упоредо. Област је почела да добија зрелост како су се слободни дани прошлости кристализовали у праву дисциплину.
Сада
Данас машинско учење и AI додирују скоро сваки део наших живота. Овај период захтева пажљиво разумевање ризика и потенцијалних ефеката ових алгоритама на људске животе. Како је изјавио Бред Смит из Мајкрософта: "Информациона технологија поставља питања која се тичу суштинских људских права као што су приватност и слобода изражавања. Ова питања повећавају одговорност технолошких компанија које стварају ове производе. По нашем мишљењу, она такође захтевају промишљену регулацију владе и развој норми о прихватљивим употребама" (извор).
Остаје да се види шта будућност доноси, али је важно разумети ове рачунарске системе и софтвер и алгоритме које они покрећу. Надамо се да ће вам овај курикулум помоћи да боље разумете како бисте могли сами да донесете одлуке.
🎥 Кликните на слику изнад за видео: Јан Лекун говори о историји дубоког учења у овом предавању
🚀Изазов
Истражите један од ових историјских тренутака и сазнајте више о људима који стоје иза њих. Постоје фасцинантни карактери, и ниједно научно откриће није настало у културном вакууму. Шта откривате?
Квиз после предавања
Преглед и самостално учење
Ево ставки за гледање и слушање:
Овај подкаст где Ејми Бојд говори о еволуцији AI
Задатак
Одрицање од одговорности:
Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције Co-op Translator. Иако тежимо тачности, молимо вас да имате у виду да аутоматизовани преводи могу садржати грешке или нетачности. Оригинални документ на изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не сносимо одговорност за било каква неспоразумевања или погрешна тумачења која могу произаћи из коришћења овог превода.