localizeflow[bot]
b08221c6ab
|
3 weeks ago | |
|---|---|---|
| .. | ||
| README.md | 3 weeks ago | |
| assignment.md | 8 months ago | |
README.md
Historie strojového učení
Sketchnote od Tomomi Imura
Kvíz před lekcí
🎥 Klikněte na obrázek výše pro krátké video s průchodem touto lekcí.
V této lekci si projdeme hlavní milníky v historii strojového učení a umělé inteligence.
Historie umělé inteligence (AI) jako oboru je úzce spjata s historií strojového učení, protože algoritmy a výpočetní pokroky, které stojí za ML, přispěly k rozvoji AI. Je užitečné si zapamatovat, že zatímco tyto obory jako samostatné oblasti výzkumu začaly krystalizovat v 50. letech, důležité algoritmické, statistické, matematické, výpočetní a technické objevy předcházely a překrývaly toto období. Ve skutečnosti lidé přemýšlejí o těchto otázkách stovky let: tento článek pojednává o historických intelektuálních základech myšlenky „myslícího stroje“.
Pozoruhodné objevy
- 1763, 1812 Bayesův teorém a jeho předchůdci. Tento teorém a jeho aplikace jsou základem odvozování, popisující pravděpodobnost výskytu události na základě předchozích znalostí.
- 1805 Teorie nejmenších čtverců francouzského matematika Adriena-Marie Legendre. Tuto teorii, o které se dozvíte v naší jednotce Regrese, pomáhá při přizpůsobování dat.
- 1913 Markovovy řetězce, pojmenované po ruském matematikovi Andreji Markovovi, slouží k popisu posloupnosti možných událostí na základě předchozího stavu.
- 1957 Perceptron je typ lineárního klasifikátoru vynalezený americkým psychologem Frankem Rosenblattem, který stojí za pokroky v hlubokém učení.
- 1967 Algoritmus nejbližšího souseda byl původně navržen pro mapování tras. V kontextu ML se používá k detekci vzorců.
- 1970 Backpropagation se používá k tréninku dopředných neuronových sítí.
- 1982 Rekurentní neuronové sítě jsou umělé neuronové sítě odvozené z dopředných neuronových sítí, které vytvářejí časové grafy.
✅ Udělejte malý průzkum. Které další data v historii ML a AI vám připadají klíčová?
1950: Stroje, které myslí
Alan Turing, skutečně pozoruhodná osobnost, která byla veřejností v roce 2019 zvolena největším vědcem 20. století, je připisován za položení základů konceptu „stroje, který může myslet“. Potýkal se s odpůrci a svou potřebou empirických důkazů tohoto konceptu částečně vytvořením Turingova testu, který budete zkoumat v našich lekcích NLP.
1956: Letní výzkumný projekt Dartmouthu
"Letní výzkumný projekt Dartmouthu o umělé inteligenci byl klíčovou událostí pro umělou inteligenci jako obor," a právě zde byl vytvořen termín „umělá inteligence“ (zdroj).
Každý aspekt učení nebo jakákoli jiná vlastnost inteligence může být v zásadě tak přesně popsána, že stroj ji může simulovat.
Vedoucí výzkumník, profesor matematiky John McCarthy, doufal, „že bude postupovat na základě domněnky, že každý aspekt učení nebo jakákoli jiná vlastnost inteligence může být v zásadě tak přesně popsána, že stroj ji může simulovat.“ Účastníky byli další významní vědci v oboru, včetně Marvina Minskyho.
Workshop je připisován za zahájení a povzbuzení několika diskusí, včetně „vzestupu symbolických metod, systémů zaměřených na omezené oblasti (rané expertní systémy) a odvozovacích systémů oproti induktivním systémům.“ (zdroj).
1956 - 1974: „Zlatá léta“
Od 50. let do poloviny 70. let panoval optimismus v naději, že AI vyřeší mnoho problémů. V roce 1967 Marvin Minsky sebevědomě prohlásil, že „do jedné generace ... bude problém vytvoření ‚umělé inteligence‘ podstatně vyřešen.“ (Minsky, Marvin (1967), Výpočet: konečné a nekonečné stroje, Englewood Cliffs, N.J.: Prentice-Hall)
Výzkum zpracování přirozeného jazyka rozkvétal, vyhledávání bylo zdokonalené a zesílené a vznikl koncept „mikrosvětů“, kde se jednoduché úkoly plnily pomocí běžných jazykových pokynů.
Výzkum byl dobře financován vládními agenturami, byly učiněny pokroky ve výpočetní technice a algoritmech a byly postaveny prototypy inteligentních strojů. Některé z těchto strojů zahrnují:
-
Shakey, robot, který mohl manévrovat a rozhodovat, jak úkoly „inteligentně“ vykonávat.
Shakey v roce 1972
-
Eliza, raný „chatterbot“, mohla konverzovat s lidmi a fungovat jako primitivní „terapeut“. O Elize se dozvíte více v lekcích NLP.
Verze Elizy, chatbot
-
„Blocks world“ byl příkladem mikrosvěta, kde se mohly bloky skládat a třídit, a experimentovalo se zde s učením strojů přijímat rozhodnutí. Pokroky postavené na knihovnách jako SHRDLU pomohly posunout dopředu zpracování jazyka.
🎥 Klikněte na obrázek výše pro video: Blocks world s SHRDLU
1974 - 1980: „Zima AI“
Do poloviny 70. let se ukázalo, že složitost vytváření „inteligentních strojů“ byla podceněna a sliby přes dostupný výpočetní výkon byly nadsazeny. Financování vyschlo a důvěra v obor poklesla. Mezi faktory ovlivňujícími důvěru patřily:
- Omezení. Výpočetní výkon byl příliš omezený.
- Kombinatorická exploze. Počet parametrů, které bylo třeba natrénovat, rostl exponenciálně, jak se od počítačů vyžadovalo více, bez paralelního vývoje výpočetního výkonu a schopností.
- Nedostatek dat. Nedostatek dat ztěžoval testování, vývoj a zdokonalování algoritmů.
- Ptáme se na správné otázky?. Začaly být zpochybňovány samotné otázky, které byly kladeny. Výzkumníci čelili kritice svých přístupů:
- Turingovy testy byly zpochybňovány například díky „čínské místnosti“, která tvrdila, že „programování digitálního počítače může způsobit, že to vypadá, že rozumí jazyku, ale nemůže dosáhnout skutečného porozumění.“ (zdroj)
- Etika zavádění umělých inteligencí, jako byl „terapeut“ ELIZA, byla zpochybňována.
Současně se formovaly různé školy AI. Byla vytvořena dichotomie mezi přístupy "nepořádné" vs. "uklizené AI". Nepošloučasné laboratoře upravovaly programy hodiny, dokud nedosáhly požadovaných výsledků. Uklizené laboratoře se „zaměřovaly na logiku a formální řešení problémů“. ELIZA a SHRDLU byly známé nepořádné systémy. V 80. letech, s narůstající poptávkou po reprodukovatelnosti ML systémů, uklizený přístup postupně získal prvenství, protože jeho výsledky jsou lépe vysvětlitelné.
1980s Expertní systémy
S růstem oboru se jeho přínos pro podnikání stal jasnějším, a v 80. letech také vzrostla proliferace „expertních systémů“. „Expertní systémy patřily mezi první opravdu úspěšné formy softwaru umělé inteligence (AI).“ (zdroj).
Tento typ systému je vlastně hybridní, částečně se skládá z pravidlového motoru definujícího podnikatelské požadavky, a inferenčního motoru, který využívá pravidlový systém k odvození nových faktů.
Tato éra zaznamenala také rostoucí pozornost věnovanou neuronovým sítím.
1987 - 1993: „Chlazení AI“
Proliferace specializovaného hardwaru pro expertní systémy se nešťastně stala příliš specializovanou. Vzestup osobních počítačů také konkuroval těmto velkým, specializovaným, centralizovaným systémům. Demokracie výpočetní techniky začala, a nakonec vytvořila cestu pro moderní explozi velkých dat.
1993 - 2011
Tato epocha znamenala novou éru pro ML a AI, aby mohly řešit některé problémy způsobené dříve nedostatkem dat a výpočetního výkonu. Množství dat začalo rychle růst a stalo se více dostupné, k lepšímu i horšímu, zejména s příchodem chytrých telefonů kolem roku 2007. Výpočetní výkon vzrostl exponenciálně a algoritmy se vyvíjely paralelně. Obor začal získávat zralost, jak se volné dny minulosti začaly ukotvovat jako skutečná disciplína.
Nyní
Dnes strojové učení a AI zasahují téměř do každé části našich životů. Tato éra vyžaduje pečlivé pochopení rizik a možných dopadů těchto algoritmů na lidské životy. Jak uvedl Brad Smith z Microsoftu: „Informační technologie vyvolávají otázky, které se dotýkají základních ochran lidských práv, jako je soukromí a svoboda projevu. Tyto otázky zvyšují odpovědnost technologických společností, které tyto produkty vytvářejí. Z našeho pohledu také vyžadují promyšlenou vládní regulaci a rozvoj norem týkajících se přijatelných použití“ (zdroj).
Ještě se uvidí, co budoucnost přinese, ale je důležité porozumět těmto počítačovým systémům a softwaru a algoritmům, na kterých běží. Doufáme, že vám tento učební plán pomůže získat lepší porozumění, abyste si mohli udělat vlastní názor.
🎥 Klikněte na obrázek výše pro video: Yann LeCun diskutuje historii hlubokého učení v této přednášce
🚀Výzva
Ponořte se do některého z těchto historických okamžiků a zjistěte více o lidech za nimi. Jsou to fascinující postavy a žádný vědecký objev nevznikl v kulturním vakuu. Co objevíte?
Kvíz po lekci
Přehled & Samostudium
Zde jsou položky ke sledování a poslechu:
Tento podcast, kde Amy Boyd diskutuje vývoj AI
Zadání
Prohlášení o omezení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.