Символічний підхід

Символічний підхід, відомий також як метод “зверху вниз”, передбачає відтворення інтелекту шляхом моделювання процесів пізнання. Цей підхід базується на обробці символів і не враховує біологічну структуру мозку. Його основна ідея — побудова інтелектуальних систем через алгоритми та формальні моделі, що імітують процес мислення.

Коннекціоністський підхід

На противагу символічному методу, підхід “знизу вгору” зосереджується на створенні штучних нейронних мереж, які імітують біологічну структуру мозку. Коннекціоністська парадигма базується на припущенні, що інтелект виникає з взаємодії великої кількості простих елементів — нейронів.

Щоб зрозуміти різницю між цими підходами, розглянемо завдання створення системи для розпізнавання букв за допомогою оптичного сканера. У підході “знизу вгору” штучна нейронна мережа навчається на численних прикладах букв, поступово поліпшуючи свої результати через процес налаштування ваг між нейронами. Натомість метод “зверху вниз” передбачає розробку алгоритмів, які аналізують геометричні характеристики кожної букви. У першому випадку основою є дії нейронів, тоді як у другому — символічні описи.

Історичні віхи

Основи навчання: роль нейронів

У 1932 році Едвард Торндайк, психолог із Колумбійського університету, припустив, що навчання людини пов’язане з властивостями зв’язків між нейронами. Згодом Дональд Гебб у своїй праці “Організація поведінки” (1949) запропонував концепцію зміцнення нейронних зв’язків через повторювану активність, що стало основою багатьох сучасних моделей нейронних мереж.

Гіпотеза фізичних символів

У 1957 році Аллен Ньюелл та Герберт Саймон, прихильники символічного підходу, сформулювали гіпотезу системи фізичних символів. Вона стверджувала, що обробка символічних структур є достатньою для створення штучного інтелекту та відображає принципи людського мислення.

Розвиток методів у 20 столітті

Протягом 1950-х і 1960-х років обидва підходи розвивалися паралельно, досягаючи певних результатів. Однак у 1970-х роках інтерес до коннекціоністського підходу згас, і лише у 1980-х він знову став популярним завдяки розвитку нейронних мереж.стан

Сьогодні обидва підходи застосовуються одночасно, хоча вони мають свої обмеження. Символічні методи ефективні у спрощених умовах, але часто зазнають невдач у складному реальному світі. З іншого боку, коннекціоністські моделі не здатні точно відтворити навіть найпростіші біологічні нейронні системи.

Данило Ігнатенко

The post Методи та цілі штучного інтелекту first appeared on Wake Up Media — наука, історія, мистецтво, психологія.

Алан Тюрінг і його теорії

Теоретичні основи

У 1935 році Алан Тюрінг описав абстрактну обчислювальну машину, відому сьогодні як універсальна машина Тюрінга. Ця машина мала необмежену пам’ять і сканер, який міг зчитувати, записувати й змінювати символи на основі набору інструкцій. Тюрінгова концепція “збереженої програми” вперше відкрила можливість створення машин, здатних не лише виконувати завдання, але й вдосконалювати свої програми. Ця ідея стала основою всіх сучасних комп’ютерів.

Роль у Другій світовій війні

Під час війни Тюрінг працював у Блетчлі-Парку, де займався розшифруванням німецьких кодів. Хоча основна увага була приділена криптоаналізу, він також розмірковував над питанням машинного інтелекту. Тюрінг розглядав ідею навчання комп’ютерів через досвід, що стало передвісником сучасних евристичних методів вирішення задач.

Інтелектуальні машини

У 1947 році Тюрінг вперше публічно заявив: “Нам потрібна машина, яка може навчатися на досвіді”. У 1948 році він написав доповідь “Інтелектуальні машини”, де виклав основи ШІ. Хоча ці ідеї залишилися неопублікованими за його життя, вони стали фундаментом для майбутніх досліджень.

Шахи як поле експериментів

Тюрінг розглядав шахи як ідеальний тест для машинного інтелекту. Він розробляв алгоритми, здатні аналізувати можливі ходи, використовуючи евристику для зменшення обсягу пошуку. У 1945 році він передбачив, що комп’ютери зможуть грати в шахи на дуже високому рівні. Ця ідея реалізувалася в 1997 році, коли комп’ютер Deep Blue компанії IBM переміг чемпіона світу Гаррі Каспарова. Попри це, прогрес у шаховому програмуванні більше пов’язаний із розвитком апаратного забезпечення, ніж із досягненнями в ШІ.

Тест Тюрінга

У 1950 році Тюрінг запропонував практичний тест для визначення інтелекту машини, відомий як тест Тюрінга. У тесті людина-допитувач спілкується з машиною та іншою людиною через текстові повідомлення. Якщо допитувач не може відрізнити машину від людини, машина вважається інтелектуальною. Хоча досі жодна програма повністю не пройшла тест Тюрінга, ідея цього експерименту продовжує надихати розробників ШІ.

Сучасні досягнення

Наприкінці 2022 року система ChatGPT викликала нову хвилю дискусій щодо тесту Тюрінга та можливостей ШІ. Хоча ChatGPT демонструє вражаючі результати в обробці тексту, деякі експерти вважають, що він поки не досяг справжнього інтелекту, запропонованого Тюрінгом.

Іван Гудзенко

The post Історія штучного інтелекту first appeared on Wake Up Media — наука, історія, мистецтво, психологія.