I 1950 skabte Alan Turing et skakcomputerprogram, der præfiguerede A.I.

I 1950 skabte Alan Turing et skakcomputerprogram, der præfiguerede A.I.


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Skak er et af de ældste og mest ærede spil af strategi og analyse i verden. Det er et spil så indviklet, at nogle bruger hele deres liv på at mestre det. For næsten 60 år siden kom en ny spiller ind i spillet - en drevet ikke af menneskelig intelligens og dedikation, men af ​​kodelinjer på papir, skrevet af computerforsker Alan Turing.

Den mest kendte skakcomputer er IBM’s Deep Blue, der stod over for den russiske skak stormester Garry Kasparov i en meget omtalt række kampe i februar 1996. Deep Blue var dog ikke den første computer, der var programmeret til skak. Den særlige ære går til en algoritme ved navn "Turbochamp", som blev skrevet af den berømte britiske datalog, matematiker og kryptanalytiker Alan Turing i slutningen af ​​1940'erne.

Kendt af mange historikere som "datavidenskabens far" gjorde Turing først et navn for sig selv, da han perfektionerede Bombe - en mekanisk enhed, der blev brugt af britisk efterretningstjeneste til at tyde krypterede meddelelser, der blev sendt med den tyske Enigma -maskine under anden verdenskrig. Turings præstationer betragtes som et vendepunkt i krigen.

Turing fortsatte sit arbejde inden for datalogi, selv med primitive former for kunstig intelligens. Hans arbejde med A.I. hurtigt førte ham til at tackle skak, som han så som en måde at teste den sande sandhed i en kunstig hjerne. (Udtrykket "A.I." blev først opfundet i 1956, to år efter Turings utidige død).

Turing begyndte at arbejde på sin algoritme i 1948, før computere overhovedet var i stand til at udføre komplekse beregninger. Alligevel pressede Turing på og færdiggjorde sin kode i 1950. Algoritmen var rå. Dens logik var baseret på blot nogle få af de mest grundlæggende skakregler, og det var kun i stand til at "tænke" to træk på forhånd. For at sætte det i en kontekst har Garry Kasparov, der betragtes som en af ​​de bedste spillere i verden, udtalt, at han typisk beregner tre til fem træk fremad, men kan se frem til hele 12 eller 14 træk, afhængigt af situationen.

Da koden var skrevet, gik Turing ud for at teste den på en fungerende computer. Efter mislykkede forsøg på at implementere algoritmen ved hjælp af Ferranti Mark I-verdens første kommercielt tilgængelige almindelige computer-i 1951 besluttede Turing at demonstrere algoritmens muligheder uden overhovedet at bruge en computer.

Han udfordrede sin ven og kollega Alick Glennie med forbeholdet om, at Turing ville spille spillet ved hjælp af en papirprintet version af hans kode. Da det var Turings tur til at foretage et skridt, ville han konsultere algoritmen og bruge dens "logik" til at bestemme, hvilke stykker han skulle flytte, og hvor. Fordi han skulle analysere hvert træk, som hans program ville, tog Turing op til 30 minutter at gennemgå strategien, hver gang hans tur kom. "Turbochamp" viste, at det var fuldt ud i stand til at spille mod et menneske i skak - men ikke vinde. Glennie besejrede Turing på kun 29 træk.

Turing fik aldrig set sit program udført af en egentlig computer. Han døde af cyanidforgiftning i 1954 - to uger genert af, hvad der ville have været hans 42 -års fødselsdag. Turing var blevet retsforfulgt og kemisk kastreret på grund af hans forhold til en anden mand i 1952. Turings krigstidsejre og tidlige kunstige intelligenspræstationer faldt i uklarhed. Den britiske regering afklassificerede først arbejdet i Turing og hans kolleger i Bletchley Park før i 1970'erne, og Turings egen registrering af krakningen af ​​Enigma -koden blev først offentliggjort i 1990'erne.

VIDEO: Garry Kasparov spiller Turings "Turbochamp"

I juni 2012, som en del af University of Manchesters Alan Turing Centenary Conference, fik "Turbochamp" endelig en chance for at bevise sin skarpsindighed foran verden. Algoritmens modstander den dag? Garry Kasparov, selvfølgelig.

Det lille program fra 1950 var ingen match for den russiske stormester, der havde vundet mod IBMs “Deep Blue” tilbage i 1966, men senere tabte til en IBM -supercomputer i 1997. Manden, som mange synes er den største skakspiller nogensinde, moppede gulvet med Turbochamp i bare 16 træk. Bagefter hyldede den sejrrige Kasparov den legendariske programmør og sagde: "Jeg formoder, at du måske kalder det primitivt, men jeg vil sammenligne det med en tidlig bil - du griner måske af dem, men det er stadig en utrolig præstation."

“[Turing] skrev algoritmer uden at have en computer - mange unge forskere ville aldrig tro, at det var muligt. Det var en enestående bedrift. ”


Alan Turing: Eksperimentet, der formede kunstig intelligens

Computerpioner og kunstig intelligens (AI) teoretiker Alan Turing ville have været 100 år gammel denne lørdag. For at markere jubilæet har BBC bestilt en række essays. I denne, den fjerde artikel, undersøges hans indflydelse på AI -forskning og den deraf følgende kontrovers.

Alan Turing var klart en mand forud for sin tid. I 1950, ved computergryningen, kæmpede han allerede med spørgsmålet: & quotKan maskiner tænke? & Quot

Dette var på et tidspunkt, hvor de første computere til almindelige formål først lige var blevet bygget.

Udtrykket kunstig intelligens var ikke engang blevet til. John McCarthy ville komme med udtrykket i 1956, to år efter Alan Turing 's utidige død.

Alligevel viste hans ideer sig både at have en dybtgående indflydelse på det nye område af AI og for at forårsage et skisma blandt dets udøvere.


Indhold

Filosofisk baggrund Rediger

Spørgsmålet om, hvorvidt det er muligt for maskiner at tænke, har en lang historie, som er fast forankret i sondringen mellem dualistiske og materialistiske sindssyn. René Descartes præfigurerer aspekter af Turing -testen i sin 1637 Diskurs om metoden når han skriver:

[H] ow mange forskellige automater eller bevægelige maskiner kan fremstilles af menneskeindustrien. For vi kan let forstå, at en maskine er konstitueret, så den kan sige ord og endda udsende nogle reaktioner på handling på den af ​​en kropslig art, hvilket f.eks. Medfører en ændring i dens organer, hvis den berøres i en bestemt del, kan den spørge hvad vi ønsker at sige til det, hvis det i en anden del kan udbryde, at det gør ondt og så videre. Men det sker aldrig, at den arrangerer sin tale på forskellige måder for at svare passende på alt, hvad der kan siges i dens nærvær, som selv den laveste type mennesker kan gøre. [10]

Her bemærker Descartes, at automater er i stand til at reagere på menneskelige interaktioner, men argumenterer for, at sådanne automater ikke kan reagere hensigtsmæssigt på ting, der er sagt i deres nærvær, på den måde, som ethvert menneske kan. Descartes præger derfor Turing -testen ved at definere utilstrækkeligheden af ​​passende sproglig reaktion som den, der adskiller mennesket fra automaten. Descartes overvejer ikke muligheden for, at fremtidige automater muligvis kan overvinde en sådan utilstrækkelighed, og foreslår derfor ikke Turing -testen som sådan, selvom han præfigurerer dens konceptuelle ramme og kriterium.

Denis Diderot formulerer i sit Pensées philosophiques et Turing-testkriterium:

"Hvis de finder en papegøje, der kunne svare på alt, ville jeg påstå, at det var et intelligent væsen uden tøven." [11]

Det betyder ikke, at han er enig i dette, men at det allerede var et almindeligt argument for materialister på det tidspunkt.

Ifølge dualisme er sindet ikke-fysisk (eller har i det mindste ikke-fysiske egenskaber) [12] og kan derfor ikke forklares rent fysisk. Ifølge materialisme kan sindet forklares fysisk, hvilket efterlader muligheden for sind, der fremstilles kunstigt, åben. [13]

I 1936 overvejede filosofen Alfred Ayer andre filosofiske standardspørgsmål: hvordan ved vi, at andre mennesker har de samme bevidste oplevelser, som vi gør? I sin bog, Sprog, sandhed og logik, Foreslog Ayer en protokol for at skelne mellem en bevidst mand og en ubevidst maskine: "Den eneste grund, jeg kan have til at hævde, at et objekt, der ser ud til at være bevidst, ikke virkelig er et bevidst væsen, men kun en dummy eller en maskine, er, at den opfylder ikke en af ​​de empiriske tests, ved hvilke bevidsthedens tilstedeværelse eller fravær bestemmes. " [14] (Dette forslag ligner meget Turing -testen, men er optaget af bevidsthed frem for intelligens. Desuden er det ikke sikkert, at Ayers populære filosofiske klassiker var kendt for Turing.) Med andre ord er en ting ikke bevidst, hvis den fejler bevidsthedstesten.

Alan Turing Rediger

Forskere i Det Forenede Kongerige havde undersøgt "maskineintelligens" i op til ti år forud for grundlæggelsen af ​​feltet kunstig intelligens (AI) i 1956. [15] Det var et fælles emne blandt medlemmerne af Ratio Club, en uformel gruppe af britiske cybernetik- og elektronikforskere, der omfattede Alan Turing. [16]

Turing havde især taget fat på forestillingen om maskineintelligens siden mindst 1941 [17], og en af ​​de tidligste kendte omtaler af "computerintelligens" blev fremført af ham i 1947. [18] I Turings rapport "Intelligent Machinery" ", [19] undersøgte han" spørgsmålet om, hvorvidt det er muligt for maskiner at udvise intelligent adfærd "[20] og som en del af denne undersøgelse foreslog, hvad der kunne betragtes som forløberen til hans senere test:

Det er ikke svært at udforme en papirmaskine, der vil spille et ikke særlig dårligt skakspil. [21] Få nu tre mænd som forsøgspersoner. A, B og C. A og C skal være temmelig dårlige skakspillere, B er operatøren, der arbejder med papirmaskinen. . To rum bruges med et eller andet arrangement til at kommunikere træk, og der spilles et spil mellem C og enten A eller papirmaskinen. C kan have svært ved at fortælle, hvilken han spiller. [22]

"Computing Machinery and Intelligence" (1950) var det første publikation af Turing, der udelukkende fokuserede på maskineintelligens. Turing begynder papiret fra 1950 med påstanden: "Jeg foreslår at overveje spørgsmålet 'Kan maskiner tænke?'" [5] Som han fremhæver, er den traditionelle tilgang til et sådant spørgsmål at starte med definitioner og definere begge udtrykkene "maskine" og "intelligens". Turing vælger ikke at gøre det i stedet erstatter han spørgsmålet med et nyt, "som er nært beslægtet med det og udtrykkes i relativt entydige ord." [5] I det væsentlige foreslår han at ændre spørgsmålet fra "Kan maskiner tænke?" til "Kan maskiner gøre, hvad vi (som tænkende enheder) kan?" [23] Fordelen ved det nye spørgsmål, hævder Turing, er, at det trækker "en ret skarp grænse mellem et menneskes fysiske og intellektuelle kapacitet." [24]

For at demonstrere denne tilgang foreslår Turing en test inspireret af et festspil, kendt som "efterligningsspil", hvor en mand og en kvinde går ind i separate rum, og gæsterne forsøger at skelne dem fra hinanden ved at skrive en række spørgsmål og læse den maskinskrevne svar sendt tilbage. I dette spil sigter både manden og kvinden på at overbevise gæsterne om, at de er den anden. (Huma Shah argumenterer for, at denne to-menneskelige version af spillet blev præsenteret af Turing kun for at introducere læseren til den maskine-menneskelige spørgsmål-svar test. [25]) Turing beskrev sin nye version af spillet som følger:

Vi stiller nu spørgsmålet: "Hvad sker der, når en maskine tager del af A i dette spil?" Vil forhørslederen beslutte forkert lige så ofte, når spillet spilles sådan, som han gør, når spillet spilles mellem en mand og en kvinde? Disse spørgsmål erstatter vores originale, "Kan maskiner tænke?" [24]

Senere i avisen foreslår Turing en "tilsvarende" alternativ formulering, hvor en dommer kun taler med en computer og en mand. [26] Selvom ingen af ​​disse formuleringer præcist matcher den version af Turing -testen, der er mere almindeligt kendt i dag, foreslog han en tredje i 1952. I denne version, som Turing diskuterede i en BBC -radioudsendelse, stiller en jury spørgsmål til en computer og computerens rolle er at få en betydelig del af juryen til at tro, at det virkelig er en mand. [27]

Turings papir behandlede ni formodede indsigelser, som omfatter alle de store argumenter mod kunstig intelligens, der er blevet rejst i årene siden papiret blev offentliggjort (se "Computing Machinery and Intelligence"). [6]

ELIZA og PARRY Rediger

I 1966 skabte Joseph Weizenbaum et program, der syntes at bestå Turing -testen. Programmet, kendt som ELIZA, arbejdede ved at undersøge en brugers indtastede kommentarer for søgeord. Hvis der findes et søgeord, anvendes en regel, der transformerer brugerens kommentarer, og den resulterende sætning returneres. Hvis et søgeord ikke findes, svarer ELIZA enten med en generisk riposte eller ved at gentage en af ​​de tidligere kommentarer. [28] Desuden udviklede Weizenbaum ELIZA til at kopiere adfærden hos en Rogeriansk psykoterapeut, så ELIZA kunne være "fri til at antage posen for næsten ingenting at kende til den virkelige verden." [29] Med disse teknikker var Weizenbaums program i stand til at narre nogle mennesker til at tro, at de talte til en rigtig person, idet nogle emner var "meget svære at overbevise om, at ELIZA [.] Er ikke menneske. "[29] Således påstås ELIZA af nogle at være et af de programmer (måske de første), der kan bestå Turing -testen, [29] [30], selvom denne opfattelse er meget omstridt (se nedenfor).

Kenneth Colby oprettede PARRY i 1972, et program beskrevet som "ELIZA with attitude". [31] Det forsøgte at modellere adfærden hos en paranoid skizofren, ved hjælp af en lignende (hvis mere avanceret) tilgang til den, der anvendes af Weizenbaum. For at validere arbejdet blev PARRY testet i begyndelsen af ​​1970'erne ved hjælp af en variation af Turing -testen. En gruppe erfarne psykiatere analyserede en kombination af rigtige patienter og computere, der kører PARRY via teleprinters. En anden gruppe på 33 psykiatere fik vist udskrifter af samtalerne. De to grupper blev derefter bedt om at identificere, hvilke af "patienterne" der var mennesker, og hvilke der var computerprogrammer. [32] Psykiaterne var i stand til kun at foretage den korrekte identifikation 52 procent af tiden - et tal, der var i overensstemmelse med tilfældigt gæt. [32]

I det 21. århundrede fortsætter versioner af disse programmer (nu kendt som "chatbots") med at narre folk. "CyberLover", et malware -program, byder på internetbrugere ved at overbevise dem om at "afsløre oplysninger om deres identitet eller at få dem til at besøge et websted, der vil levere ondsindet indhold til deres computere". [33] Programmet er opstået som en "Valentinsrisiko", der flirter med mennesker, der søger relationer online for at indsamle deres personlige data ". [34]

Det kinesiske værelse Rediger

John Searles papir fra 1980 Sind, hjerner og programmer foreslog tankeeksperimentet "kinesisk værelse" og argumenterede for, at Turing -testen ikke kunne bruges til at afgøre, om en maskine kan tænke. Searle bemærkede, at software (såsom ELIZA) kunne bestå Turing -testen simpelthen ved at manipulere symboler, som de ikke havde forståelse for. Uden forståelse kunne de ikke beskrives som "tænkning" i samme forstand, som mennesker er. Derfor, slutter Searle, kan Turing -testen ikke bevise, at en maskine kan tænke. [35] Ligesom selve Turing -testen har Searles argument været både stærkt kritiseret [36] og stærkt tilskrevet. [37]

Argumenter som Searles og andre, der arbejdede med sindets filosofi, udløste en mere intens debat om intelligensens art, muligheden for intelligente maskiner og værdien af ​​Turing -testen, der fortsatte gennem 1980'erne og 1990'erne. [38]

Loebner -pris Rediger

Loebner -prisen giver en årlig platform for praktiske Turing -test med den første konkurrence, der blev afholdt i november 1991. [39] Den er tegnet af Hugh Loebner. Cambridge Center for Behavioral Studies i Massachusetts, USA, organiserede præmierne til og med 2003 -konkurrencen. Som Loebner beskrev det, var en af ​​årsagerne til, at konkurrencen blev skabt, at fremme status for AI -forskning, i det mindste delvist, fordi ingen havde taget skridt til at implementere Turing -testen på trods af 40 års diskussion om den. [40]

Den første Loebner Prize -konkurrence i 1991 førte til en fornyet diskussion af Turing -testens levedygtighed og værdien af ​​at forfølge den, både i den populære presse [41] og i den akademiske verden. [42] Den første konkurrence blev vundet af et tankeløst program uden identificerbar intelligens, der formåede at narre naive forhørere til at foretage den forkerte identifikation. Dette fremhævede flere af manglerne ved Turing -testen (diskuteret nedenfor): Vinderen vandt, i det mindste delvist, fordi den var i stand til at "efterligne menneskelige tastefejl" [41] de usofistikerede forhørere blev let narret [42] og nogle forskere i AI er blevet ført til at føle, at testen blot er en distraktion fra mere frugtbar forskning. [43]

Sølv (kun tekst) og guld (lyd og billed) er aldrig vundet. Konkurrencen har dog tildelt bronzemedaljen hvert år for det computersystem, der efter dommernes mening demonstrerer den "mest menneskelige" samtaleadfærd blandt dette års bidrag. Artificial Linguistic Internet Computer Entity (A.L.I.C.E.) har vundet bronzeprisen ved tre lejligheder i nyere tid (2000, 2001, 2004). Learning AI Jabberwacky vandt i 2005 og 2006.

Loebnerprisen tester vinder af samtaleintelligens er typisk chatterbot -programmer eller Artificial Conversational Entities (ACE) s. Tidlige Loebner-præmieregler begrænsede samtaler: Hver post og skjult-menneske talte om et enkelt emne, [44] således var forhørerne begrænset til en spørgsmålsspørgsmål pr. Enhedsinteraktion. Reglen om begrænset samtale blev ophævet for Loebner -prisen i 1995. Interaktionsvarigheden mellem dommer og enhed har varieret i Loebner -præmier. I Loebner 2003, ved University of Surrey, fik hver forhørsmand fem minutter til at interagere med en enhed, maskine eller skjult-menneske. Mellem 2004 og 2007 var den tilladte interaktionstid i Loebner -priser mere end tyve minutter.

Saul Traiger argumenterer for, at der er mindst tre primære versioner af Turing -testen, hvoraf to tilbydes i "Computing Machinery and Intelligence" og en, som han beskriver som "Standardfortolkning".[45] Selvom der er en vis debat om, hvorvidt "Standardfortolkningen" er den, der beskrives af Turing, eller i stedet baseret på en forkert læsning af hans papir, betragtes disse tre versioner ikke som ækvivalente, [45] og deres styrker og svagheder er tydelig. [46]

Huma Shah påpeger, at Turing selv var bekymret for, om en maskine kunne tænke og gav en enkel metode til at undersøge dette: gennem spørgsmål mellem mennesker og maskiner. [47] Shah argumenterer for, at der er ét efterligningsspil, som Turing beskrev, kunne praktiseres på to forskellige måder: a) en-til-en-interrogator-maskintest, og b) samtidig sammenligning af en maskine med et menneske, der begge blev stillet spørgsmålstegn ved parallelt af en forhør. [25] Da Turing -testen er en test af skelnen mellem præstationsevne, generaliserer den verbale version naturligt til hele menneskelig præstationskapacitet, verbal såvel som nonverbal (robotisk). [48]

Efterligningsspil Rediger

Turings originale artikel beskriver et simpelt festspil med tre spillere. Spiller A er en mand, spiller B er en kvinde, og spiller C (som spiller forhørens rolle) er af begge køn. I efterligningsspillet kan spiller C ikke se hverken spiller A eller spiller B, og kan kun kommunikere med dem gennem skriftlige noter. Ved at stille spørgsmål til spiller A og spiller B, forsøger spiller C at afgøre, hvilken af ​​de to der er manden og hvilken er kvinden. Spiller A's rolle er at narre forhørslederen til at træffe den forkerte beslutning, mens spiller B forsøger at hjælpe forhørslederen med at træffe den rigtige. [7]

"Hvad sker der, når en maskine tager del af A i dette spil? Vil forhørslederen beslutte så forkert, når spillet spilles sådan, som han gør, når spillet spilles mellem en mand og en kvinde?" Disse spørgsmål erstatter vores originale, "Kan maskiner tænke?" [24]

Den anden version dukkede op senere i Turings papir fra 1950. Ligesom den originale efterligningsspil test udføres rollen som spiller A af en computer. Rollen som spiller B udføres imidlertid af en mand frem for en kvinde.

Lad os rette vores opmærksomhed på en bestemt digital computer C. Er det rigtigt, at ved at ændre denne computer til at have tilstrækkelig lagerplads, passende øge dens hastighed og give den et passende program, C kan få en tilfredsstillende til at spille den del af A i efterligningsspillet, hvor den del af B bliver taget af en mand? [24]

I denne version forsøger både spiller A (computeren) og afspiller B at narre forhørslederen til at træffe en forkert beslutning.

Standardfortolkning Rediger

Standardfortolkningen er ikke inkluderet i det originale papir, men er både accepteret og debatteret. Almindelig forståelse siger, at formålet med Turing -testen ikke specifikt er at afgøre, om en computer er i stand til at narre en forhørsmand til at tro, at den er et menneske, men snarere om en computer kan efterligne et menneske. [7] Selvom der er en vis uenighed om, hvorvidt denne fortolkning var tiltænkt af Turing, mener Sterrett, at det var [49] og dermed forenes den anden version med denne, mens andre, såsom Traiger, ikke gør [45] - dette har ikke desto mindre ført til det, der kan betragtes som "standardfortolkningen". I denne version er spiller A en computer og spiller B en person af begge køn. Spørgerens rolle er ikke at bestemme, hvem der er en mand, og hvilken er en kvinde, men hvilken er en computer, og hvilken er et menneske. [50] Det grundlæggende problem med standardfortolkningen er, at forhørslederen ikke kan differentiere, hvilken responder der er menneskelig, og hvilken der er maskine. Der er spørgsmål om varighed, men standardfortolkningen betragter generelt denne begrænsning som noget, der burde være rimeligt.

Efterligningsspil vs. standard Turing -test Rediger

Der er opstået kontrovers om, hvilken af ​​de alternative formuleringer af testen, Turing havde til hensigt. [49] Sterrett argumenterer for, at to forskellige test kan udtrækkes fra hans papir fra 1950, og at, tempo Turings bemærkning, de er ikke ækvivalente. Testen, der anvender festspillet og sammenligner succesfrekvenser, kaldes "Original Imitation Game Test", hvorimod testen bestående af en menneskelig dommer, der taler med et menneske og en maskine, kaldes "Standard Turing Test", bemærker, at Sterrett sidestiller dette med "standardfortolkningen" frem for den anden version af efterligningsspillet. Sterrett er enig i, at standard Turing -testen (STT) har de problemer, som dens kritikere nævner, men føler, at derimod den oprindelige efterligningsspilstest (OIG -test), der er defineret, er immun mod mange af dem på grund af en afgørende forskel: I modsætning til STT, det gør ikke lighed med menneskelig præstation til kriteriet, selvom det anvender menneskelig ydeevne til at opstille et kriterium for maskineintelligens. En mand kan mislykkes i OIG -testen, men det hævdes, at det er en dyd af en intelligensprøve, at fiasko indikerer mangel på opfindsomhed: OIG -testen kræver den opfindsomhed, der er forbundet med intelligens, og ikke kun "simulering af menneskelig samtaleadfærd". Den generelle struktur for OIG-testen kan endda bruges med ikke-verbale versioner af efterligningsspil. [51]

Stadig andre forfattere [52] har fortolket Turing som at foreslå, at selve efterligningsspillet er testen, uden at specificere, hvordan man skal tage hensyn til Turings udsagn om, at den test, han foreslog at bruge partiversionen af ​​efterligningsspillet, er baseret på et sammenligningskriterium hyppigheden af ​​succes i det efterligningsspil, snarere end en evne til at lykkes i en runde af spillet.

Saygin har foreslået, at det originale spil måske er en måde at foreslå et mindre forudindtaget eksperimentelt design, da det skjuler computerens deltagelse. [53] Efterligningsspillet indeholder også et "socialt hack", der ikke findes i standardfortolkningen, da i spillet skal både computer og mandligt menneske spille som foregiver at være en, de ikke er. [54]

Skal forhørslederen vide om computeren? Redigere

En afgørende del af enhver laboratorietest er, at der skal være en kontrol. Turing gør aldrig klart, om forhørslederen i sine tests er klar over, at en af ​​deltagerne er en computer. Han siger kun, at spiller A skal udskiftes med en maskine, ikke at spiller C skal gøres opmærksom på denne udskiftning. [24] Da Colby, FD Hilf, S Weber og AD Kramer testede PARRY, gjorde de det ved at antage, at forhørerne ikke behøvede at vide, at en eller flere af dem, der blev interviewet, var en computer under afhøringen. [55] Som Ayse Saygin, Peter Swirski, [56] og andre har fremhævet, gør dette en stor forskel for implementeringen og resultatet af testen. [7] En eksperimentel undersøgelse, der kiggede på Gricean maxim-overtrædelser ved hjælp af transskriberinger af Loebners en-til-en (interrogator-skjulte samtalepartner) -pris for AI-konkurrencer mellem 1994–1999, fandt Ayse Saygin betydelige forskelle mellem svarene fra deltagere, der vidste og ikke vidste det kender til computere, der er involveret. [57]

Traktabilitet og enkelhed Rediger

Turing -testens kraft og appel stammer fra dens enkelhed. Sindets filosofi, psykologi og moderne neurovidenskab har ikke været i stand til at give definitioner af "intelligens" og "tænkning", der er tilstrækkeligt præcise og generelle til at kunne anvendes på maskiner. Uden sådanne definitioner kan de centrale spørgsmål i filosofien om kunstig intelligens ikke besvares. Turing -testen, selvom den er ufuldkommen, giver i det mindste noget, der faktisk kan måles. Som sådan er det et pragmatisk forsøg på at besvare et svært filosofisk spørgsmål.

Emnets bredde Rediger

Testens format gør det muligt for forhørslederen at give maskinen en lang række intellektuelle opgaver. Turing skrev, at "spørgsmål og svar -metoden synes at være egnet til at introducere næsten ethvert af de områder inden for menneskelige bestræbelser, som vi ønsker at inkludere." [58] John Haugeland tilføjer, at "at forstå ordene ikke er nok, du skal forstå emne også. "[59]

For at bestå en veldesignet Turing-test skal maskinen bruge naturligt sprog, fornuft, have viden og lære. Testen kan udvides til at omfatte videoindgang samt en "luge", hvorigennem objekter kan passeres: dette ville tvinge maskinen til også at demonstrere dygtig brug af veldesignet vision og robotik. Tilsammen repræsenterer disse næsten alle de store problemer, som kunstig intelligensforskning gerne vil løse. [60]

Feigenbaum -testen er designet til at drage fordel af den brede vifte af emner, der er tilgængelige for en Turing -test. Det er en begrænset form for Turings spørgsmål-svar-spil, der sammenligner maskinen med evner fra eksperter inden for bestemte områder som litteratur eller kemi. IBM's Watson -maskine opnåede succes i en quiz -show med mand og maskine -tv med menneskelig viden, Jeopardy! [61] [47] [ relevant for dette afsnit? - diskutere ]

Fokus på følelsesmæssig og æstetisk intelligens Rediger

Da en Cambridge hæder kandidat i matematik, kunne det have været forventet, at Turing ville foreslå en test af computerintelligens, der kræver ekspertviden inden for et yderst teknisk område, og dermed forudse en nyere tilgang til emnet. I stedet, som allerede bemærket, kræver den test, som han beskrev i sit seminal 1950 -papir, computeren at kunne konkurrere med succes i et fælles partyspil, og dette ved at udføre såvel som den typiske mand til at besvare en række spørgsmål for at foregive overbevisende at være kvindedeltageren.

I betragtning af status for menneskelig seksuel dimorfisme som et af de ældste af emner, er det således implicit i ovenstående scenario, at de spørgsmål, der skal besvares, hverken involverer specialiseret fakta -viden eller informationsteknik. Udfordringen for computeren vil snarere være at demonstrere empati for kvindens rolle og også at demonstrere en karakteristisk æstetisk følsomhed - begge kvaliteter er udstillet i denne snippet af dialog, som Turing har forestillet sig:

Forhør: Vil X venligst fortælle mig længden af ​​hans eller hendes hår? Deltager: Mit hår er helvedesild, og de længste tråde er cirka ni centimeter lange.

Når Turing introducerer noget specialiseret viden i en af ​​sine forestillede dialoger, er emnet ikke matematik eller elektronik, men poesi:

Forhørsmand: I den første linje i din sonet, der lyder: "Skal jeg sammenligne dig med en sommerdag", ville "en forårsdag" ikke være lige så godt eller bedre? Vidne: Det ville ikke scanne. Forhørsmand: Hvad med "en vinterdag". Det ville scanne i orden. Vidne: Ja, men ingen ønsker at blive sammenlignet med en vinterdag.

Turing demonstrerer således igen sin interesse for empati og æstetisk følsomhed som komponenter i en kunstig intelligens og i lyset af en stigende bevidsthed om truslen fra en AI -amok, [62] er det blevet foreslået [63], at dette fokus måske repræsenterer en kritisk intuition fra Turings side, dvs. at følelsesmæssig og æstetisk intelligens vil spille en central rolle i skabelsen af ​​en "venlig AI". Det bemærkes imidlertid yderligere, at uanset hvilken inspiration Turing kan være i stand til at give i denne retning, afhænger af bevarelsen af ​​hans oprindelige vision, hvilket yderligere vil sige, at bekendtgørelsen af ​​en "standardfortolkning" af Turing -testen - dvs. , der kun fokuserer på en diskursiv intelligens - må betragtes med en vis forsigtighed.

Turing sagde ikke eksplicit, at Turing -testen kunne bruges som et mål for intelligens eller en anden menneskelig kvalitet. Han ønskede at give et klart og forståeligt alternativ til ordet "tænk", som han derefter kunne bruge til at besvare kritik af muligheden for "tænkemaskiner" og foreslå måder, hvorpå forskningen kan komme videre.

Ikke desto mindre er Turing -testen blevet foreslået som et mål for en maskines "evne til at tænke" eller dens "intelligens". Dette forslag har modtaget kritik fra både filosoffer og dataloger. Det forudsætter, at en forhørsleder kan afgøre, om en maskine "tænker" ved at sammenligne dens adfærd med menneskelig adfærd. Hvert element i denne antagelse er blevet sat i tvivl: pålideligheden af ​​forhørens dom, værdien af ​​kun at sammenligne adfærd og værdien af ​​at sammenligne maskinen med et menneske. På grund af disse og andre overvejelser har nogle AI -forskere stillet spørgsmålstegn ved testens relevans for deres felt.

Menneskelig intelligens vs intelligens generelt Rediger

Turing -testen tester ikke direkte, om computeren opfører sig intelligent. Det tester kun, om computeren opfører sig som et menneske. Da menneskelig adfærd og intelligent adfærd ikke ligefrem er det samme, kan testen ikke måle intelligens nøjagtigt på to måder:

Noget menneskelig adfærd er uintelligent Turing -testen kræver, at maskinen er i stand til at udføre alle menneskelig adfærd, uanset om de er intelligente. Det tester endda for adfærd, der måske slet ikke betragtes som intelligent, såsom modtagelighed for fornærmelser, [64] fristelsen til at lyve eller simpelthen en høj hyppighed af skrivefejl. Hvis en maskine ikke kan efterligne disse uintelligente adfærd i detaljer, fejler den testen. Denne indsigelse blev rejst af The Economist, i en artikel med titlen "kunstig dumhed", der blev offentliggjort kort efter den første Loebner -priskonkurrence i 1992. Artiklen bemærkede, at den første Loebner -vinder sejr, i det mindste delvist, skyldtes dens evne til at "efterligne menneskelige tastefejl." [41] Turing selv havde foreslået, at programmer tilføjede fejl til deres output for at være bedre "spillere" i spillet. [65] En vis intelligent adfærd er umenneskelig Turing -testen tester ikke for meget intelligent adfærd, såsom evnen til at løse vanskelige problemer eller komme med original indsigt. Faktisk kræver det specifikt bedrag fra maskinens side: hvis maskinen er mere intelligent end et menneske, må den bevidst undgå at fremstå for intelligent. Hvis det skulle løse et beregningsproblem, der praktisk talt er umuligt for et menneske at løse, ville forhørslederen vide, at programmet ikke er et menneske, og maskinen ville mislykkes testen. Fordi den ikke kan måle intelligens, der ligger uden for menneskers evne, kan testen ikke bruges til at bygge eller evaluere systemer, der er mere intelligente end mennesker. På grund af dette er flere testalternativer, der ville være i stand til at evaluere superintelligente systemer, blevet foreslået. [66]

Bevidsthed vs. simulering af bevidsthed Rediger

Turing -testen vedrører strengt, hvordan motivet handlinger - maskinens ydre adfærd. I denne forbindelse tager det en adfærdsmæssig eller funktionalistisk tilgang til studiet af sindet. Eksemplet med ELIZA antyder, at en maskine, der består testen, muligvis kan simulere menneskelig samtaleadfærd ved at følge en simpel (men stor) liste over mekaniske regler uden at tænke eller overhovedet have et sind.

John Searle har argumenteret for, at ekstern adfærd ikke kan bruges til at afgøre, om en maskine "rent faktisk" tænker eller blot "simulerer tænkning". [35] Hans kinesiske rumargument har til formål at vise, at selvom Turing -testen er en god operationel definition af intelligens, kan det ikke indikere, at maskinen har et sind, bevidsthed eller intentionalitet. (Intentionalitet er en filosofisk betegnelse for, at tankernes magt er "om" noget.)

Turing forventede denne kritiklinje i sit originale papir, [67] og skrev:

Jeg ønsker ikke at give indtryk af, at jeg tror, ​​at der ikke er noget mysterium om bevidsthed. Der er for eksempel noget af et paradoks forbundet med ethvert forsøg på at lokalisere det. Men jeg tror ikke, at disse mysterier nødvendigvis skal løses, før vi kan besvare det spørgsmål, vi er bekymrede for i dette papir. [68]

Naïveté af forhørere og den antropomorfe fejlslutning Edit

I praksis kan testens resultater let ikke domineres af computerens intelligens, men af ​​spørgerens holdninger, dygtighed eller naivitet.

Turing angiver ikke de præcise færdigheder og viden, som forhørslederen kræver i sin beskrivelse af testen, men han brugte udtrykket "gennemsnitlig forhørsleder": "[den] gennemsnitlige forhørsleder ville ikke have mere end 70 procent chance for at gøre det rigtige identifikation efter fem minutters afhøring ”. [69]

Chatterbot -programmer som ELIZA har gentagne gange narret intetanende mennesker til at tro, at de kommunikerer med mennesker. I disse tilfælde er "forhørerne" ikke engang klar over muligheden for, at de interagerer med computere. For med succes at fremstå som mennesker er det ikke nødvendigt at maskinen har nogen som helst intelligens, og der kræves kun en overfladisk lighed med menneskelig adfærd.

Tidlige Loebner Prize -konkurrencer brugte "usofistikerede" forhørsmænd, der let blev narret af maskinerne. [42] Siden 2004 har Loebner -prisarrangørerne indsat filosoffer, dataloger og journalister blandt forhørerne. Ikke desto mindre er nogle af disse eksperter blevet bedraget af maskinerne. [70]

Menneskelig fejlidentifikation Rediger

Et interessant træk ved Turing -testen er frekvensen af ​​den konfødererede effekt, når de konfødererede (testede) mennesker fejlagtigt identificeres af forhørerne som maskiner. Det er blevet foreslået, at det, som forhørsmænd forventer som menneskelige reaktioner, ikke nødvendigvis er typisk for mennesker. Som et resultat kan nogle individer kategoriseres som maskiner. Dette kan derfor fungere til fordel for en konkurrerende maskine. Mennesket instrueres i at "handle sig selv", men nogle gange ligner deres svar mere det, som forhørslederen forventer, at en maskine siger. [71] Dette rejser spørgsmålet om, hvordan man sikrer, at mennesker er motiverede til at "handle mennesker".

Stilhed Rediger

Et kritisk aspekt af Turing -testen er, at en maskine skal give sig fra sig som en maskine ved sine ytringer. En forhørsleder skal derefter foretage den "rigtige identifikation" ved korrekt at identificere maskinen som netop den. Hvis en maskine imidlertid forbliver tavs under en samtale, er det ikke muligt for en forhørsmand at identificere maskinen nøjagtigt andet end ved hjælp af et beregnet gæt. [72] Selv at tage hensyn til et parallelt/skjult menneske som en del af testen hjælper måske ikke situationen, da mennesker ofte kan fejlagtigt identificeres som værende en maskine. [73]

Oprakticitet og irrelevans: Turing -testen og AI -forskning Rediger

Almindelige AI -forskere hævder, at forsøg på at bestå Turing -testen blot er en distraktion fra mere frugtbar forskning. [43] Turing -testen er faktisk ikke et aktivt fokus for meget akademisk eller kommerciel indsats - som Stuart Russell og Peter Norvig skriver: "AI -forskere har viet ringe opmærksomhed på at bestå Turing -testen." [74] Der er flere grunde.

For det første er der lettere måder at teste deres programmer på. Den mest aktuelle forskning inden for AI-relaterede felter er rettet mod beskedne og specifikke mål, såsom automatiseret planlægning, genkendelse af objekter eller logistik. For at teste intelligensen af ​​de programmer, der løser disse problemer, giver AI -forskere dem simpelthen opgaven direkte.Stuart Russell og Peter Norvig foreslår en analogi med flyvehistorien: Fly testes af, hvor godt de flyver, ikke ved at sammenligne dem med fugle . "Teknologi til luftfartsteknik", skriver de, "definerer ikke målet for deres felt som at" lave maskiner, der flyver så præcis som duer, at de kan narre andre duer. "" [74]

For det andet er oprettelse af naturtro simuleringer af mennesker et svært problem i sig selv, der ikke behøver at blive løst for at nå de grundlæggende mål for AI -forskning. Troværdige menneskelige figurer kan være interessante i et kunstværk, et spil eller en sofistikeret brugergrænseflade, men de er ikke en del af videnskaben om at skabe intelligente maskiner, det vil sige maskiner, der løser problemer ved hjælp af intelligens.

Turing ønskede at give et klart og forståeligt eksempel til hjælp i diskussionen om filosofien om kunstig intelligens. [75] John McCarthy bemærker, at filosofien om AI "usandsynligt vil have mere effekt på udøvelsen af ​​AI -forskning, end videnskabsfilosofi generelt har på videnskabspraksis." [76]

Kognitiv videnskab Rediger

Robert French (1990) hævder, at en forhørsleder kan skelne mellem menneskelige og ikke-menneskelige samtalepartnere ved at stille spørgsmål, der afslører de lave niveauer (dvs. ubevidste) processer inden for menneskelig erkendelse, som undersøgt af kognitiv videnskab. Sådanne spørgsmål afslører de præcise detaljer om den menneskelige udførelsesform for tanke og kan afmaske en computer, medmindre den oplever verden som mennesker gør. [77]

Definere "Tænk" Rediger

Alan Turing brugte efterligningsspillet til at besvare spørgsmålet, "Kan en maskine tænke?". For at opnå dette ændrede han imidlertid spørgsmålet til "Er der tænkelige computere, der ville klare sig godt i efterligningsspillet?" [78] Problemet med dette er implikationen af ​​en ækvivalens mellem hvad det vil sige at "tænke" og hvad det betyder "efterligne". De to handlinger er ikke ensbetydende, og de er heller ikke relateret i betydning. [79] Dette er et centralt aspekt af hans rationalitet til at bruge The Imitation Game som en test for intelligens. Uden denne ændring besvarer Turings test ikke det oprindelige spørgsmål.

Mange andre versioner af Turing -testen, herunder dem, der er beskrevet ovenfor, er blevet hævet gennem årene.

Omvendt Turing -test og CAPTCHA Edit

En ændring af Turing -testen, hvor målet med en eller flere af rollerne er blevet vendt mellem maskiner og mennesker, betegnes en omvendt Turing -test. Et eksempel er underforstået i arbejdet fra psykoanalytiker Wilfred Bion, [80], der var særlig fascineret af "stormen", der var resultatet af et sindes møde med et andet. I sin bog fra 2000, [56] blandt flere andre originale punkter med hensyn til Turing -testen, diskuterede litteraturforsker Peter Swirski detaljeret ideen om, hvad han kaldte Swirski -testen - i det væsentlige den omvendte Turing -test. Han påpegede, at den overvinder de fleste, hvis ikke alle standardindvendinger mod standardversionen.

Ved at føre denne idé frem beskrev R. D. Hinshelwood [81] sindet som et "sindgenkendende apparat". Udfordringen ville være, at computeren kunne afgøre, om den interagerede med et menneske eller en anden computer. Dette er en forlængelse af det oprindelige spørgsmål, som Turing forsøgte at besvare, men måske ville tilbyde en høj nok standard til at definere en maskine, der kunne "tænke" på en måde, som vi typisk definerer som karakteristisk menneskelig.

CAPTCHA er en form for reverse Turing -test. Inden brugeren får lov til at udføre en handling på et websted, præsenteres brugeren for alfanumeriske tegn i et forvrænget grafisk billede og bliver bedt om at skrive dem ud. Dette er beregnet til at forhindre automatiserede systemer i at blive brugt til at misbruge webstedet. Begrundelsen er, at software, der er tilstrækkeligt sofistikeret til at læse og gengive det forvrængede billede nøjagtigt, ikke findes (eller ikke er tilgængelig for den gennemsnitlige bruger), så ethvert system, der er i stand til at gøre det, er sandsynligvis et menneske.

Software, der kunne vende CAPTCHA med en vis nøjagtighed ved at analysere mønstre i generatoren, begyndte at blive udviklet kort tid efter oprettelsen af ​​CAPTCHA. [82] I 2013 meddelte forskere hos Vicarious, at de havde udviklet et system til at løse CAPTCHA -udfordringer fra Google, Yahoo! Og PayPal op til 90% af tiden. [83] I 2014 demonstrerede Googles ingeniører et system, der kunne besejre CAPTCHA -udfordringer med 99,8% nøjagtighed. [84] I 2015 erklærede Shuman Ghosemajumder, tidligere kliksvindelszar fra Google, at der var cyberkriminelle websteder, der ville besejre CAPTCHA -udfordringer mod betaling, for at muliggøre forskellige former for svig. [85]

Fagekspert Turing -test Rediger

En anden variation beskrives som genstandsekspert Turing-test, hvor en maskines svar ikke kan skelnes fra en ekspert på et givet område. Dette er også kendt som en "Feigenbaum -test" og blev foreslået af Edward Feigenbaum i et papir fra 2003. [86]

Total Turing -test Rediger

Variationen "Total Turing -test" [48] af Turing -testen, foreslået af kognitiv videnskabsmand Stevan Harnad, [87] tilføjer to yderligere krav til den traditionelle Turing -test. Forhørslederen kan også teste subjektets perceptuelle evner (kræver computersyn) og subjektets evne til at manipulere objekter (kræver robotik). [88]

Elektroniske sundhedsjournaler Rediger

Et brev offentliggjort i Kommunikation af ACM [89] beskriver begrebet generering af en syntetisk patientpopulation og foreslår en variation af Turing -test for at vurdere forskellen mellem syntetiske og rigtige patienter. I brevet hedder det: "I EHR -konteksten, selvom en menneskelig læge let kan skelne mellem syntetisk genererede og ægte levende menneskelige patienter, kunne en maskine da få intelligens til at foretage en sådan beslutning alene?" og videre står der i brevet: "Inden syntetiske patientidentiteter bliver et folkesundhedsproblem, kan det legitime EHR-marked have fordel af at anvende Turing Test-lignende teknikker for at sikre større datapålidelighed og diagnostisk værdi. Enhver ny teknik skal således tage hensyn til patienters heterogenitet og er sandsynligvis have større kompleksitet end Allen ottende klasse-videnskabstest er i stand til at bedømme. "

Minimum intelligent signaltest Rediger

Den minimale intelligente signaltest blev foreslået af Chris McKinstry som "den maksimale abstraktion af Turing -testen", [90], hvor kun binære svar (sandt/falsk eller ja/nej) er tilladt, for kun at fokusere på tænkningskapacitet. Det eliminerer tekstchat -problemer som antropomorfisme, og kræver ikke emulering af uintelligent menneskelig adfærd, hvilket giver mulighed for systemer, der overstiger menneskelig intelligens. Spørgsmålene skal dog stå hver for sig, hvilket gør det mere som en IQ -test end en afhøring. Det bruges typisk til at indsamle statistiske data, mod hvilke ydeevnen af ​​kunstige intelligensprogrammer måles. [91]

Hutter Prize Rediger

Arrangørerne af Hutter Prize mener, at komprimering af natursproget tekst er et hårdt AI -problem, der svarer til at bestå Turing -testen.

Datakomprimeringstesten har nogle fordele i forhold til de fleste versioner og variationer af en Turing -test, herunder:

  • Det giver et enkelt tal, der direkte kan bruges til at sammenligne, hvilken af ​​to maskiner der er "mere intelligent".
  • Det kræver ikke, at computeren lyver for dommeren

De største ulemper ved at bruge datakomprimering som en test er:

  • Det er ikke muligt at teste mennesker på denne måde.
  • Det er uvist, hvilken særlig "score" på denne test-hvis nogen-svarer til at bestå en Turing-test på humant niveau.

Andre test baseret på komprimering eller Kolmogorov -kompleksitet Rediger

En beslægtet tilgang til Hutters pris, der dukkede op meget tidligere i slutningen af ​​1990'erne, er inddragelse af kompressionsproblemer i en udvidet Turing -test. [92] eller ved test, der er fuldstændigt afledt af Kolmogorov -kompleksiteten. [93] Andre relaterede tests i denne linje præsenteres af Hernandez-Orallo og Dowe. [94]

Algoritmisk IQ, eller AIQ for kort, er et forsøg på at konvertere det teoretiske Universal Intelligence Measure fra Legg og Hutter (baseret på Solomonoffs induktive inferens) til en fungerende praktisk test af maskineintelligens. [95]

To store fordele ved nogle af disse tests er deres anvendelighed på ikke -menneskelige intelligenser og deres fravær af et krav til menneskelige testere.

Ebert test Rediger

Turing-testen inspirerede Ebert-testen, der blev foreslået i 2011 af filmkritiker Roger Ebert, hvilket er en test, om en computerbaseret syntetiseret stemme har tilstrækkelig dygtighed med hensyn til intonationer, bøjninger, timing og så videre til at få folk til at grine. [96]

Turing Colloquium Rediger

1990 markerede fyrreårsdagen for den første udgivelse af Turings "Computing Machinery and Intelligence" -papir og oplevede fornyet interesse for testen. To vigtige begivenheder fandt sted i det år: Den første var Turing Colloquium, der blev afholdt på University of Sussex i april, og samlede akademikere og forskere fra en lang række forskellige discipliner for at diskutere Turing -testen med hensyn til dens fortid, nutid , og fremover den anden var dannelsen af ​​den årlige Loebner Prize -konkurrence.

Blay Whitby viser fire store vendepunkter i historien om Turing -testen - udgivelsen af ​​"Computing Machinery and Intelligence" i 1950, meddelelsen om Joseph Weizenbaums ELIZA i 1966, Kenneth Colbys oprettelse af PARRY, som først blev beskrevet i 1972, og Turing Colloquium i 1990. [97]

2005 Colloquium on Conversational Systems Edit

I november 2005 var University of Surrey vært for et indledende et-dags møde med kunstige udviklere af konversationsenheder, [98] deltaget af vindere af praktiske Turing-test i Loebner-prisen: Robby Garner, Richard Wallace og Rollo Carpenter. De inviterede talere omfattede David Hamill, Hugh Loebner (sponsor af Loebner -prisen) og Huma Shah.

2008 AISB Symposium Rediger

Parallelt med Loebner-prisen 2008 ved University of Reading var [99] Society for the Study of Artificial Intelligence and Simulation of Behavior (AISB) vært for et endags symposium for at diskutere Turing-testen, arrangeret af John Barnden , Mark Bishop, Huma Shah og Kevin Warwick. [100] Talerne omfattede Royal Institutions direktør baronesse Susan Greenfield, Selmer Bringsjord, Turings biograf Andrew Hodges og bevidsthedsforsker Owen Holland. Der opstod ingen aftale om en kanonisk Turing -test, selvom Bringsjord udtrykte, at en betydelig præmie ville resultere i, at Turing -testen blev bestået hurtigere.

Alan Turing -året og Turing100 i 2012 Rediger

I løbet af 2012 fandt der en række store begivenheder sted for at fejre Turings liv og videnskabelige indflydelse. Turing100 -gruppen støttede disse begivenheder og arrangerede også en særlig Turing -testbegivenhed i Bletchley Park den 23. juni 2012 for at fejre 100 -årsdagen for Turings fødsel.


I 1950 skabte Alan Turing et skakcomputerprogram, der præfiguerede A.I. - HISTORIE


Særligt dækningscenter: Algoritmer og kunstig intelligens
Copyright & kopi 2017 - 2019 Middletown Thrall Library

Begreber & amp Terminologi AI -ordliste: Kunstig intelligens, i så mange ord populære kunstige intelligensudtryk (f.eks. Dyb læring, maskinlæring, neurale netværk, stærk AI) defineret. Fra Science / American Association for the Advancement of Science (AAAS). Kunstigt intelligent: En kort ordliste over ideerne bag AI fra CNET. Dictionary of Algorithms and Data Structures "Dette er en ordbog med algoritmer, algoritmiske teknikker, datastrukturer, arketypiske problemer og relaterede definitioner." Fra NIST (National Institute of Standards and Technology). The Turing Test Encyclopedic artikel om Alan Turings foreslåede test vedrørende "tænkemaskiner". Fra Stanford Encyclopedia of Philosophy. Hvad er en algoritme? PDF -dokument. Fra BBC. Hvad er en algoritme, og hvorfor skal du bekymre dig? 5 min. video fra Khan Academy. Dette er en del af deres større introduktionskursus om computeralgoritmer.


Diskussioner og debatter Fordele og risici ved kunstig intelligens Artikel med infografik. Fra Future of Life Institute (FLI). Se også deres Top Myter om avanceret AI -side. Hvordan algoritmer former vores verden 15 min. video (en "TED -snak"). "I denne medrivende, sjove snak viser Kevin Slavin, hvordan moderne algoritmer bestemmer aktiekurser, spionagetaktik, selv de film, du ser. Men han spørger: Hvis vi er afhængige af komplekse algoritmer til at styre vores daglige beslutninger - hvornår begynder vi at mister kontrollen?" Fra modsatrettede synspunkter i kontekst (tilgængelig for Thrall/RCLS -lånere) - Synspunkter og artikler: Kunstig intelligens Droner Robotter Skønheden og kraften i algoritmer 10 min. video. "Adaptive, intelligente og konsekvente algoritmer dukker op som den ultimative app til alt fra at matche forbrugere til produkter til vurdering af medicinske diagnoser. Vishal Sikka deler sin påskønnelse af algoritmen og viser både dens iboende skønhed og dens voksende magt." Fra TED.com ("TED Talks"): Hvordan computere lærer at genkende objekter med det samme 7 min. video med flersproget tekstudskrift tilgængelig. "I en bemærkelsesværdig live-demo viser Redmon dette vigtige skridt fremad for applikationer som selvkørende biler, robotik og endda kræftregistrering." Maskinens intelligens gør menneskelig moral mere vigtig 17 min. video med flersproget tekstudskrift tilgængelig. "Maskineintelligens er her, og vi bruger den allerede til at træffe subjektive beslutninger. Men den komplekse måde, hvorpå AI vokser og forbedres, gør det svært at forstå og endnu sværere at kontrollere. I denne advarselsfortale forklarer teknosociolog Zeynep Tufekci, hvor intelligent maskiner kan mislykkes på måder, der ikke passer til menneskelige fejlmønstre - og på måder, vi ikke forventer eller er forberedt på. " The Rise of Human-Computer Cooperation 12 min. video med flersproget tekstudskrift tilgængelig. "Brute computing force alene kan ikke løse verdens problemer. Innovatøren i datamining, Shyam Sankar forklarer, hvorfor at løse store problemer (som at fange terrorister eller identificere enorme skjulte tendenser) ikke er et spørgsmål om at finde den rigtige algoritme, men derimod det rigtige symbiotiske forhold mellem beregning og menneskelig kreativitet. " De vidunderlige og frygtindgydende konsekvenser af computere, der kan lære 19 min. video med flersproget tekstudskrift tilgængelig. "Hvad sker der, når vi lærer en computer at lære? Teknolog Jeremy Howard deler nogle overraskende nye udviklinger inden for det hurtige område med dyb læring, en teknik, der kan give computere mulighed for at lære kinesisk eller genkende objekter i fotos eller at hjælpe med at tænke igennem en medicinsk diagnose. " Se også disse andre TED -links for flere relaterede samtaler/artikler/transskriptioner: Algoritmer Artificial Intelligence Machine Learning Robots Den enkle debat om kunstig intelligens fra psykologi i dag. Stop Killer Robots "Dannet af følgende ikke-statslige organisationer (NGO'er) på et møde i New York den 19. oktober 2012 og lanceret i London i april 2013, er Campaign to Stop Killer Robots en international koalition, der arbejder på at forebygge forbud mod fuldt autonome våben . " Hvornår skal maskiner træffe beslutninger? "Hvornår er det i orden at lade en maskine tage en beslutning i stedet for en person?" Fra Future of Life Institute (FLI). Det Hvide Hus (præsident Obama): Administrationens rapport om fremtiden for kunstig intelligens PDF. Udgivet oktober 2016. Fuld rapport tilgængelig via dette link. Hvorfor Zuckerberg og Musk kæmper om Robot Future -artiklen fra Atlanterhavet. Juli 2017.


Robotter og forstærkningsteknologier Sådan fungerer robotter ud fra hvordan ting fungerer. Se også deres Robots Channel. Fra PBS / NOVA: Vores automatiserede fremtid "Vi står foran en ny industriel revolution, en drevet af intelligente algoritmer og sofistikerede robotter. Er vi klar til vores automatiserede fremtid?" 2013-2017. Rise of the Robots "Maskiner er overalt. De driver vores fabriks samlebånd og laver vores kaffe. Men humanoide robotter - maskiner med menneskelignende evner - har længe været science fiction. Indtil nu. Drevet af en ambitiøs DARPA -udfordring, løbet er i gang med at designe en robot, der kan erstatte mennesker i katastrofehjælpssituationer. Følg robotterne og de ingeniører, der programmerer dem, når de stræber efter at komme ud af laboratoriet og ind i den virkelige verden. Men hvor dygtige er de egentlig ? Hvor tæt er vi på en fremtid, hvor humanoide robotter er en del af vores hverdag? Og hvordan vil fremtiden se ud med robotter, der kan udføre et menneskes arbejde? NOVA undersøger de banebrydende teknologier, der fremmer robotten - og de enorme udfordringer som robotter stadig står over for. " December 2017. Hvad er robotik? En kort indledende artikel fra NASA. Se også NASAs Robotics -side. Massachusetts Institute of Technology (MIT) News: Robotics Articles.


Undersøgelser og særlige rapporter Kunstig intelligens og menneskers fremtid "Eksperter siger, at stigningen i kunstig intelligens vil gøre de fleste bedre stillet i løbet af det næste årti, men mange har bekymringer om, hvordan fremskridt inden for AI vil påvirke, hvad det vil sige at være menneske, være produktiv og dyrke motion. fri vilje." Fra Pew Research. Se dette link for deres komplette rapport (PDF). Kontrol af den uberegnelige algoritmelyd. "Algoritmer er de kraftfulde matematiske værktøjer, der former så meget af det moderne liv, lige fra de nyheder, der vises i vores tidslinjer, til de annoncer, der dukker op på vores computer. Men med algoritmer, der nu vurderer CV'er til job eller realkreditapplikationer, er det nødvendigt at forstå hvad de gør, og hvis det er nødvendigt at udfordre dem, er større end nogensinde før. Så hvordan udøver vi juridisk eller demokratisk kontrol over den ikke -ansvarlige algoritme? Emily Bell undersøger "Fra BBC Radio. Hvordan kører algoritmer mit liv? Fra BBC.Intelligente maskiner "Kunstig intelligens og robotter ændrer, hvordan vi arbejder og lever." Fra MIT Technology Review. Machine Bias: Undersøgelse af algoritmisk uretfærdighed "Undersøgelse af algoritmisk uretfærdighed og de formler, der påvirker vores liv." Fra ProPublica. Offentlige holdninger til computeralgoritmer "Amerikanerne udtrykker brede bekymringer over retfærdigheden og effektiviteten af ​​computerprogrammer, der tager vigtige beslutninger i folks liv." Fra Pew Research Center. Udgivet november 2018.


For yderligere efterforskning. Bøger og videoer i Thrall/RCLS Library System Katalog: Algoritmer Artificial Intelligence Machine Learning Robots Websites: Association for the Advancement of Artificial Intelligence (AAAI) "Grundlagt i 1979, Association for the Advancement of Artificial Intelligence (AAAI) (tidligere den amerikanske Association for Artificial Intelligence) er et nonprofit videnskabeligt samfund, der er dedikeret til at fremme den videnskabelige forståelse af mekanismerne bag tænkning og intelligent adfærd og deres udførelse i maskiner. AAAI har til formål at fremme forskning i og ansvarlig brug af kunstig intelligens. AAAI har også til formål at øge offentlig forståelse af kunstig intelligens, forbedre undervisningen og uddannelsen af ​​AI -praktikere og vejlede forskningsplanlæggere og finansierere om betydningen og potentialet af den nuværende AI -udvikling og fremtidige retninger. " Kunstig intelligens Flere websteder. Vejviser leveret af Middletown Thrall Library. Coursera.org - Gratis online kurser og læringsmateriale Indhold leveret af forskellige gymnasier og universiteter: Algoritmer Kunstig intelligens Machine Learning Robots KurzweilAI.net Nyheder og artikler og om AI -relateret videnskab og teknologier.


Særligt dækningscenter: Algoritmer og kunstig intelligens
Copyright & kopi 2017 - Nuværende Middletown Thrall -bibliotek


En meget kort historie om kunstig intelligens (AI)

1308 catalanske digter og teolog Ramon Llull udgiver Ars generalis ultima (The Ultimate General Art), der yderligere fuldender sin metode til at bruge papirbaserede mekaniske midler til at skabe ny viden fra kombinationer af begreber.

1666 udgiver matematiker og filosof Gottfried Leibniz Dissertatio de arte combinatoria (On the Combinatorial Art), efter Ramon Llull i at foreslå et alfabet af menneskelig tanke og argumentere for, at alle ideer ikke er andet end kombinationer af et relativt lille antal enkle begreber.

1726 udgiver Jonathan Swift Gullivers rejser, som indeholder en beskrivelse af motoren, en maskine på øen Laputa (og en parodi på Llulls ideer): "et projekt til forbedring af spekulativ viden ved praktisk og mekanisk betjening." Ved at bruge denne "kontrovers", kan den mest uvidende person til en rimelig afgift og med lidt kropsligt arbejde skrive bøger i filosofi, poesi, politicks, jura, matematik og teologi med mindst hjælp fra geni eller studier. "

1763 Thomas Bayes udvikler en ramme for begrundelse om sandsynligheden for begivenheder. Bayesiansk slutning vil blive en førende tilgang inden for maskinlæring.

1854 George Boole hævder, at logisk ræsonnement kunne udføres systematisk på samme måde som at løse et ligningssystem.

1898 På en elektrisk udstilling i den nyligt afsluttede Madison Square Garden laver Nikola Tesla en demonstration af verdens første radiostyrede fartøj. Båden var udstyret med, som Tesla beskrev, "et lånt sind."

1914 Den spanske ingeniør Leonardo Torres y Quevedo demonstrerer den første skakmaskine, der er i stand til at konge og tårn mod kongeslutspil uden menneskelig indgriben.

1921 introducerer den tjekkiske forfatter Karel Čapek ordet "robot" i sit stykke R.U.R. (Rossums universelle robotter). Ordet "robot" kommer fra ordet "robota" (arbejde).

1925 frigiver Houdina Radio Control en radiostyret førerløs bil, der rejser på gaderne i New York City.

1927 Science-fiction-filmen Metropolis frigives. Den indeholder en robot-dobbelt af en bondepige, Maria, som udløser kaos i Berlin i 2026-det var den første robot, der blev afbildet på film, og inspirerede Art Deco-udseendet af C-3PO i Star wars.

1929 Makoto Nishimura designer Gakutensoku, japansk for at "lære af naturlovene", den første robot bygget i Japan. Det kan ændre ansigtsudtrykket og bevæge hoved og hænder via en lufttryksmekanisme.

1943 udgiver Warren S. McCulloch og Walter Pitts "A Logical Calculus of the Ideas Immanent in Nervous Activity" i Bulletin of Mathematical Biophysics. Dette indflydelsesrige papir, hvor de diskuterede netværk af idealiserede og forenklede kunstige "neuroner", og hvordan de kan udføre simple logiske funktioner, bliver inspiration til computerbaserede "neurale netværk" (og senere "dyb læring") og deres populære beskrivelse som "efterligner hjernen".

1949 Edmund Berkeley udgiver Giant Brains: Eller maskiner, der tænker hvori han skriver: ”For nylig har der været en masse nyheder om mærkelige kæmpemaskiner, der kan håndtere information med stor hastighed og dygtighed… .Disse maskiner ligner, hvad en hjerne ville være, hvis den var lavet af hardware og tråd i stedet for kød og nerver ... En maskine kan håndtere oplysninger, den kan beregne, konkludere og vælge, kan udføre rimelige operationer med information. En maskine kan derfor tænke. ”

1949 udgiver Donald Hebb Organisering af adfærd: En neuropsykologisk teori hvor han foreslår en teori om læring baseret på formodninger om neurale netværk og synapsers evne til at styrke eller svække over tid.

1950 Claude Shannons "Programmering af en computer til at spille skak" er den første publicerede artikel om udvikling af et computerprogram til skak.

1950 Alan Turing udgiver "Computing Machinery and Intelligence", hvor han foreslår "efterligningsspillet", som senere vil blive kendt som "Turing Test".

1951 Marvin Minsky og Dean Edmunds bygger SNARC (Stochastic Neural Analog Reinforcement Calculator), det første kunstige neurale netværk, der bruger 3000 vakuumrør til at simulere et netværk af 40 neuroner.

1952 Arthur Samuel udvikler det første computer-brikker-afspilningsprogram og det første computerprogram til at lære på egen hånd.

31. august 1955 Udtrykket "kunstig intelligens" er opfundet i et forslag til en "2 måneders, 10 mands undersøgelse af kunstig intelligens" indsendt af John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM), og Claude Shannon (Bell Telephone Laboratories). Workshoppen, der fandt sted et år senere, i juli og august 1956, betragtes generelt som den officielle fødselsdato for det nye felt.

December 1955 udvikler Herbert Simon og Allen Newell Logic Theorist, det første kunstige intelligensprogram, der til sidst ville bevise 38 af de første 52 sætninger i Whitehead og Russells Principia Mathematica.

1957 udvikler Frank Rosenblatt Perceptron, et tidligt kunstigt neuralt netværk, der muliggør genkendelse af mønstre baseret på et to-lags computerlæringsnetværk. New York Times rapporterede Perceptron at være "embryoet til en elektronisk computer, som [flåden] forventer vil være i stand til at gå, tale, se, skrive, reproducere sig selv og være bevidst om dens eksistens." New Yorker kaldte det en "bemærkelsesværdig maskine ... i stand til hvad der tænkes."

1958 John McCarthy udvikler programmeringssprog Lisp, som bliver det mest populære programmeringssprog, der bruges i kunstig intelligensforskning.

1959 Arthur Samuel mønter udtrykket "maskinlæring", der rapporterer om programmering af en computer ", så det lærer at spille et bedre omgang brikker, end den person, der skrev programmet, kan spille."

1959 udgiver Oliver Selfridge "Pandemonium: A paradigm for learning" i Fremgangsmåder fra symposiet om mekanisering af tankeprocesser, hvor han beskriver en model for en proces, hvor computere kunne genkende mønstre, der ikke er specificeret på forhånd.

1959 udgiver John McCarthy "Programmer med fornuft" i Fremgangsmåder fra symposiet om mekanisering af tankeprocesser, hvor han beskriver Advice Taker, et program til løsning af problemer ved at manipulere sætninger på formelle sprog med det ultimative mål at lave programmer "der lærer af deres erfaring lige så effektivt som mennesker gør."

1961 Den første industrielle robot, Unimate, begynder at arbejde på en samlebånd i et General Motors -fabrik i New Jersey.

1961 James Slagle udvikler SAINT (Symbolic Automatic INTegrator), et heuristisk program, der løste symbolske integrationsproblemer i førsteårsregning.

1964 Daniel Bobrow afslutter sin MIT -ph.d. -afhandling med titlen "Natural Language Input for a Computer Problem Solving System" og udvikler STUDENT, et naturligt sprogforstående computerprogram.

1965 Herbert Simon forudsiger, at "maskiner inden for tyve år vil være i stand til at udføre ethvert arbejde, en mand kan udføre."

1965 Hubert Dreyfus udgiver "Alchemy and AI", der hævder, at sindet ikke er som en computer, og at der var grænser, som AI ikke ville udvikle sig ud over.

1965 I.J. Good skriver i "Spekulationer vedrørende den første ultraintelligente maskine", at "den første ultraintelligente maskine er den sidste opfindelse, som mennesket nogensinde skal lave, forudsat at maskinen er føjelig nok til at fortælle os, hvordan vi kan holde den under kontrol."

1965 Joseph Weizenbaum udvikler ELIZA, et interaktivt program, der fører en dialog på engelsk om ethvert emne. Weizenbaum, der ønskede at demonstrere overfladisk kommunikation mellem menneske og maskine, blev overrasket over antallet af mennesker, der tilskrev menneskelignende følelser til computerprogrammet.

1965 Edward Feigenbaum, Bruce G. Buchanan, Joshua Lederberg og Carl Djerassi begynder at arbejde på DENDRAL på Stanford University. Det første ekspertsystem, det automatiserede beslutningsprocessen og problemløsende adfærd hos organiske kemikere med det overordnede formål at studere hypotesedannelse og konstruere modeller for empirisk induktion i videnskab.

1966 Robotten Shakey er den første mobile robot til generelle formål, der er i stand til at ræsonnere om sine egne handlinger. I et liv magasin 1970 -artikel om denne "første elektroniske person", citeres Marvin Minsky med "sikkerhed": "Om tre til otte år får vi en maskine med et almindeligt menneskes generelle intelligens."

1968 Filmen 2001: Space Odyssey udkommer med Hal, en følsom computer.

1968 Terry Winograd udvikler SHRDLU, et tidligt computerprogram, der forstår naturligt sprog.

1969 Arthur Bryson og Yu-Chi Ho beskriver bagpropagering som en multi-stage dynamisk systemoptimeringsmetode. En indlæringsalgoritme til flerlags kunstige neurale netværk, det har bidraget væsentligt til succes med dyb læring i 2000'erne og 2010'erne, når computerkraften er tilstrækkeligt avanceret til at rumme træning af store netværk.

1969 Marvin Minsky og Seymour Papert udgive Perceptrons: En introduktion til computing Geometri, der fremhæver begrænsningerne ved simple neurale netværk. I en udvidet udgave, der blev offentliggjort i 1988, reagerede de på påstande om, at deres konklusioner fra 1969 reducerede midlerne til forskning i neurale netværk betydeligt: ​​“Vores version er, at fremskridt allerede var gået i stå på grund af manglen på tilstrækkelige grundlæggende teorier ... i midten af 1960’erne havde der været rigtig mange forsøg med perceptroner, men ingen havde kunnet forklare, hvorfor de var i stand til at genkende bestemte former for mønstre og ikke andre. ”

1970 Den første antropomorfe robot, WABOT-1, er bygget på Waseda University i Japan. Det bestod af et lemmekontrolsystem, et synssystem og et samtalesystem.

1972 MYCIN, et tidligt ekspertsystem til at identificere bakterier, der forårsager alvorlige infektioner og anbefaler antibiotika, udvikles ved Stanford University.

1973 James Lighthill rapporterer til British Science Research Council om statens kunstig intelligensforskning og konkluderer, at "i ingen del af feltet har opdagelser gjort hidtil haft den store indflydelse, der dengang blev lovet," hvilket førte til drastisk reduceret statsstøtte til AI -forskning .

1976 Datavidenskabsmand Raj Reddy udgiver “Talegenkendelse ved maskine: En gennemgang” i Procedurer for IEEE, der opsummerer det tidlige arbejde med Natural Language Processing (NLP).

1978 Programmet XCON (eXpert CONfigurer), et regelbaseret ekspertsystem, der hjælper med at bestille DEC's VAX-computere ved automatisk at vælge komponenter baseret på kundens krav, udvikles på Carnegie Mellon University.

1979 Stanford-vognen krydser med succes et stolsfyldt rum uden menneskelig indgriben på cirka fem timer og blev et af de tidligste eksempler på et autonomt køretøj.

1980 Wabot-2 er bygget på Waseda-universitetet i Japan, en humanoid-musikerrobot, der er i stand til at kommunikere med en person, læse et musikalsk partitur og spille melodier af gennemsnitlige vanskeligheder på et elektronisk orgel.

1981 Det japanske ministerium for international handel og industri budgetterer $ 850 millioner til femte generationens computerprojekt. Projektet havde til formål at udvikle computere, der kunne føre samtaler, oversætte sprog, fortolke billeder og ræsonnere som mennesker.

1984 Elektriske drømme frigives, en film om en kærlighedstriangel mellem en mand, en kvinde og en personlig computer.

1984 På det årlige møde i AAAI advarer Roger Schank og Marvin Minsky om den kommende "AI Winter", der forudsiger en immanent sprængning af AI -boblen (som skete tre år senere), svarende til reduktionen i AI -investeringer og forskningsmidler i midten af ​​1970'erne.

1986 Første førerløse bil, en Mercedes-Benz varevogn udstyret med kameraer og sensorer, bygget på Bundeswehr Universitet i München under ledelse af Ernst Dickmanns, kører op til 55 km / t på tomme gader.

I oktober 1986 offentliggør David Rumelhart, Geoffrey Hinton og Ronald Williams ”Læringsrepræsentationer ved fejlpropagerende fejl”, hvori de beskriver ”en ny læringsprocedure, rygspredning til netværk af neuronlignende enheder.”

1987 Videoen Knowledge Navigator, der ledsager Apples administrerende direktør John Sculleys hovedtale på Educom, forestiller sig en fremtid, hvor "vidensapplikationer ville få adgang til smarte agenter, der arbejder over netværk, der er forbundet til enorme mængder digitaliseret information."

1988 Judea Pearl udgiver Probabilistisk ræsonnement i intelligente systemer. Hans citat fra Turing Award fra 2011 lyder: “Judea Pearl skabte det repræsentative og beregningsmæssige grundlag for behandling af oplysninger under usikkerhed. Han krediteres med opfindelsen af ​​bayesianske netværk, en matematisk formalisme til at definere komplekse sandsynlighedsmodeller samt de vigtigste algoritmer, der bruges til slutning i disse modeller. Dette arbejde revolutionerede ikke kun feltet kunstig intelligens, men blev også et vigtigt redskab for mange andre grene af teknik og naturvidenskab. ”

1988 Rollo Carpenter udvikler chatbotten Jabberwacky til at "simulere naturlig menneskelig chat på en interessant, underholdende og humoristisk måde." Det er et tidligt forsøg på at skabe kunstig intelligens gennem menneskelig interaktion.

1988 Medlemmer af IBM T.J. Watson Research Center publicerer "En statistisk tilgang til sprogoversættelse", der indvarsler skiftet fra regelbaserede til sandsynlige metoder til maskinoversættelse og afspejler et bredere skift til "maskinlæring" baseret på statistisk analyse af kendte eksempler, ikke forståelse og "forståelse" ”Af den aktuelle opgave (IBM's projekt Candide, der med succes oversatte mellem engelsk og fransk, var baseret på 2,2 millioner par sætninger, hovedsagelig fra det tosprogede arbejde i det canadiske parlament).

1988 Marvin Minsky og Seymour Papert udgiver en udvidet udgave af deres bog fra 1969 Perceptroner. I "Prologue: A View fra 1988" skrev de: "En af grundene til, at fremskridtene har været så langsomme på dette område, er, at forskere, der ikke kender dens historie, fortsat har begået mange af de samme fejl, som andre har begået før dem."

1989 Yann LeCun og andre forskere ved AT & ampT Bell Labs anvender med succes en backpropagation-algoritme til et neuralt netværk i flere lag, der genkender håndskrevne postnumre. I betragtning af hardware -begrænsningerne på det tidspunkt tog det cirka 3 dage (stadig en betydelig forbedring i forhold til tidligere bestræbelser) at træne netværket.

1990 Rodney Brooks udgiver "Elephants Don't Play Chess", der foreslår en ny tilgang til AI - opbygning af intelligente systemer, specifikt robotter, fra bunden og på grundlag af løbende fysisk interaktion med miljøet: "Verden er sin egen bedste model ... Tricket er at fornemme det passende og ofte nok. ”

1993 Vernor Vinge udgiver "The Coming Technological Singularity", hvor han forudsiger, at "inden for tredive år vil vi have de teknologiske midler til at skabe overmenneskelig intelligens. Kort tid efter vil den menneskelige æra være slut. ”

1995 Richard Wallace udvikler chatbot A.L.I.C.E (Artificial Linguistic Internet Computer Entity), inspireret af Joseph Weizenbaums ELIZA -program, men med tilføjelse af naturligt sprogprøve dataindsamling i en hidtil uset skala, muliggjort af fremkomsten af ​​Internettet.

1997 Sepp Hochreiter og Jürgen Schmidhuber foreslår Long Short-Term Memory (LSTM), en type af et tilbagevendende neuralt netværk, der i dag bruges til håndskriftgenkendelse og talegenkendelse.

1997 Deep Blue bliver det første computer-skakprogram til at slå en regerende verdensmester i skak.

1998 Dave Hampton og Caleb Chung skaber Furby, den første husmands- eller kæledyrsrobot.

1998 Yann LeCun, Yoshua Bengio og andre udgiver artikler om anvendelse af neurale netværk til håndskriftgenkendelse og om optimering af bagudbredelse.

2000 MIT's Cynthia Breazeal udvikler Kismet, en robot, der kunne genkende og simulere følelser.

2000 Hondas ASIMO -robot, en kunstigt intelligent humanoid robot, er i stand til at gå så hurtigt som et menneske og levere bakker til kunder i en restaurant.

2001 A.I. Kunstig intelligens er udgivet, en Steven Spielberg -film om David, en barnlig android unikt programmeret med evnen til at elske.

2004 Den første DARPA Grand Challenge, en priskonkurrence for autonome køretøjer, afholdes i Mojave -ørkenen. Ingen af ​​de autonome køretøjer færdiggjorde ruten på 150 kilometer.

2006 Oren Etzioni, Michele Banko og Michael Cafarella mønter udtrykket "maskinlæsning" og definerer det som en iboende uovervåget "autonom forståelse af tekst."

2006 Geoffrey Hinton udgiver "Learning Multiple Layers of Representation", der opsummerer de ideer, der har ført til "multilayer neurale netværk, der indeholder top-down-forbindelser og træner dem til at generere sensoriske data frem for at klassificere det", dvs. de nye tilgange til dybe læring.

2007 Fei Fei Li og kolleger ved Princeton University begynder at samle ImageNet, en stor database med annoterede billeder, der er designet til at hjælpe med forskning i software -genkendelse af software.

2009 Rajat Raina, Anand Madhavan og Andrew Ng udgiver "Storstilet dyb uovervåget læring ved hjælp af grafikprocessorer", der argumenterer for, at "moderne grafikprocessorer langt overgår beregningsmulighederne i multicore CPU'er og har potentiale til at revolutionere anvendelsen af ​​dybe uovervåget læringsmetoder . ”

2009 Google begynder i hemmelighed at udvikle en førerløs bil. I 2014 blev det den første til at bestå, i Nevada, en amerikansk stats selvkørende test.

2009 Dataloger ved Intelligent Information Laboratory ved Northwestern University udvikler Stats Monkey, et program, der skriver sportsnyheder uden menneskelig indgriben.

2010 Lancering af ImageNet Large Scale Visual Recognition Challenge (ILSVCR), en årlig konkurrence om genkendelse af AI -objekter.

2011 Et konvolutivt neuralt netværk vinder den tyske trafikskiltegenkendelse konkurrence med 99,46% nøjagtighed (vs. mennesker på 99,22%).

2011 Watson, et naturligt sprog, der besvarer computer, konkurrerer videre Jeopardy! og besejrer to tidligere mestre.

2011 Forskere ved IDSIA i Schweiz rapporterer en fejlfrekvens på 0,27% i håndskriftgenkendelse ved hjælp af konvolutionelle neurale netværk, en markant forbedring i forhold til fejlfrekvensen på 0,35% -0,40% i de foregående år.

Juni 2012 rapporterer Jeff Dean og Andrew Ng om et eksperiment, hvor de viste et meget stort neuralt netværk 10 millioner umærkede billeder tilfældigt taget fra YouTube -videoer, og “til vores underholdning lærte en af ​​vores kunstige neuroner at reagere stærkt på billeder af. katte. ”

Oktober 2012 Et konvolutionsnervalt neuralt netværk designet af forskere ved University of Toronto opnår en fejlprocent på kun 16% i ImageNet Large Scale Visual Recognition Challenge, en betydelig forbedring i forhold til 25% fejlprocent opnået med den bedste post året før.

Marts 2016 Google DeepMinds AlphaGo besejrer Go -mesteren Lee Sedol.

Internettet (især Wikipedia) er en god kilde til historien om kunstig intelligens. Andre vigtige kilder omfatter Nils Nilsson, Jakten på kunstig intelligens: En idéhistorie og præstationer Stuart Russell og Peter Norvig, Kunstig intelligens: en moderne tilgang Pedro Domingos, Masteralgoritmen: Hvordan jagten på den ultimative læremaskine vil genskabe vores verden og Kunstig intelligens og liv i 2030. Kommenter venligst om utilsigtede mangler og unøjagtigheder.


114 milepæle i historien om kunstig intelligens (AI)

For femogtres år siden mødtes 10 dataloger i Dartmouth, NH, til en workshop om kunstig intelligens, defineret et år tidligere i forslaget til workshoppen som "at få en maskine til at opføre sig på måder, der ville blive kaldt intelligent, hvis et menneske var det opfører sig. ”

Det var begivenheden, der "initierede AI som en forskningsdisciplin", der voksede til at omfatte flere tilgange, fra den symbolske AI i 1950'erne og 1960'erne til den statistiske analyse og maskinlæring i 1970'erne og 1980'erne til nutidens dybe læring, den statistiske analyse af "big data". Men bekymringen med at udvikle praktiske metoder til at få maskiner til at opføre sig som om de var mennesker, dukkede op allerede for 7 århundreder siden.

HAL (heuristisk programmeret ALgoritmisk computer) 9000, en følsom kunstig generel intelligens. [+] computer og stjerne i filmen fra 2001 fra 2001: A Space Odyssey

1308 catalanske digter og teolog Ramon Llull udgiver Ars generalis ultima (The Ultimate General Art), der yderligere fuldender sin metode til at bruge papirbaserede mekaniske midler til at skabe ny viden fra kombinationer af begreber.

1666 udgiver matematiker og filosof Gottfried Leibniz Dissertatio de arte combinatoria (On the Combinatorial Art), efter Ramon Llull i at foreslå et alfabet af menneskelig tanke og argumentere for, at alle ideer ikke er andet end kombinationer af et relativt lille antal enkle begreber.

1726 udgiver Jonathan Swift Gullivers rejser, som indeholder en beskrivelse af motoren, en maskine på øen Laputa (og en parodi på Llulls ideer): "et projekt til forbedring af spekulativ viden ved praktisk og mekanisk betjening." Ved at bruge denne "kontrovers", kan den mest uvidende person til en rimelig afgift og med lidt kropsligt arbejde skrive bøger i filosofi, poesi, politicks, jura, matematik og teologi med mindst hjælp fra geni eller studier. "

Denne opstart bruger kvantecomputing og AI til at reducere tid til opdagelse af lægemidler fra 3 år til 4 måneder

Andrew Ng lancerer en kampagne for datacentrisk AI

Er denne AI -opstart den næste Pixar?

1755 definerer Samuel Johnson intelligens i En ordbog over det engelske sprog som "Informationshandel lægger mærke til gensidig kommunikation med hensyn til ting, der er fjernt eller diskret."

1763 Thomas Bayes udvikler en ramme for begrundelse om sandsynligheden for begivenheder. Bayesiansk slutning vil blive en førende tilgang inden for maskinlæring.

1854 George Boole hævder, at logisk ræsonnement kunne udføres systematisk på samme måde som at løse et ligningssystem.

1865 beskriver Richard Millar Devens i Cyclopædia af kommercielle og forretningsmæssige anekdoter hvordan bankmanden Sir Henry Furnese tjente på at modtage og handle efter oplysninger forud for sine konkurrenter: "I hele Holland, Flandern, Frankrig og Tyskland havde han et komplet og perfekt tog af business intelligence."

1898 På en elektrisk udstilling i den nyligt afsluttede Madison Square Garden demonstrerer Nikola Tesla verdens første radiostyrede fartøj. Båden var udstyret med, som Tesla beskrev det, "et lånt sind."

1910 belgiske advokater Paul Otlet og Henri La Fontaine etablerer Mundaneum hvor de ønskede at samle al verdens viden og klassificere den i henhold til deres Universal Decimal Classification.

1914 Den spanske ingeniør Leonardo Torres y Quevedo demonstrerer den første skakmaskine, der er i stand til at konge og tårn mod kongeslutspil uden menneskelig indgriben.

1921 introducerer den tjekkiske forfatter Karel Čapek ordet "robot" i sit stykke R.U.R. (Rossums universelle robotter). Ordet "robot" kommer fra ordet "robota" (arbejde).

1925 frigiver Houdina Radio Control en radiostyret førerløs bil, der rejser på gaderne i New York City.

1927 Science-fiction-filmen Metropolis frigives. Den indeholder en robot-dobbelt af en bondepige, Maria, som udløser kaos i Berlin i 2026-det var den første robot, der blev afbildet på film, og inspirerede Art Deco-udseendet af C-3PO i Star wars.

1929 Makoto Nishimura designer Gakutensoku, japansk for at "lære af naturlovene", den første robot bygget i Japan. Det kan ændre ansigtsudtrykket og bevæge hoved og hænder via en lufttryksmekanisme.

Den britiske science fiction -forfatter HG Wells fra 1937 forudsiger, at "hele den menneskelige hukommelse kan blive og sandsynligvis på kort tid vil blive gjort tilgængelig for ethvert individ", og at "enhver studerende i enhver del af verden vil kunne sidde med hans [mikrofilm] -projektor i sit eget studie, når det var bekvemt for ham at undersøge enhver bog, ethvert dokument, i en nøjagtig kopi. "

1943 udgiver Warren S. McCulloch og Walter Pitts "A Logical Calculus of the Ideas Immanent in Nervous Activity" i Bulletin of Mathematical Biophysics. Dette indflydelsesrige papir, hvor de diskuterede netværk af idealiserede og forenklede kunstige "neuroner", og hvordan de kan udføre simple logiske funktioner, bliver inspiration til computerbaserede "neurale netværk" (og senere "dyb læring") og deres populære beskrivelse som "efterligner hjernen".

1947 Statistisk John W. Tukey mønter udtrykket "bit" for at betegne et binært ciffer, en informationsenhed, der er gemt i en computer.

1949 Edmund Berkeley udgiver Giant Brains: Eller maskiner, der tænker hvori han skriver: ”For nylig har der været en masse nyheder om mærkelige kæmpemaskiner, der kan håndtere information med stor hastighed og dygtighed… .Disse maskiner ligner, hvad en hjerne ville være, hvis den var lavet af hardware og tråd i stedet for kød og nerver ... En maskine kan håndtere oplysninger, den kan beregne, konkludere og vælge, kan udføre rimelige operationer med information. En maskine kan derfor tænke. ”

1949 udgiver Donald Hebb Organisering af adfærd: En neuropsykologisk teori hvor han foreslår en teori om læring baseret på formodninger om neurale netværk og synapsers evne til at styrke eller svække over tid.

1950 Claude Shannons "Programmering af en computer til at spille skak" er den første publicerede artikel om udvikling af et computerprogram til skak.

1950 Alan Turing udgiver "Computermaskiner og intelligens" hvor han foreslår "efterligningsspillet", som senere vil blive kendt som "Turing -testen".

1951 Marvin Minsky og Dean Edmunds bygger SNARC (Stochastic Neural Analog Reinforcement Calculator), det første kunstige neurale netværk, der bruger 3000 vakuumrør til at simulere et netværk af 40 neuroner.

1952 Arthur Samuel udvikler det første computer-brikker-afspilningsprogram og det første computerprogram til at lære på egen hånd.

31. august 1955 Udtrykket "kunstig intelligens" er opfundet i et forslag til en "2 måneders, 10 mands undersøgelse af kunstig intelligens" indsendt af John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM), og Claude Shannon (Bell Telephone Laboratories). Workshoppen, der fandt sted et år senere, i juli og august 1956, betragtes generelt som den officielle fødselsdato for det nye felt.

December 1955 udvikler Herbert Simon og Allen Newell Logic Theorist, det første kunstige intelligensprogram, der til sidst ville bevise 38 af de første 52 sætninger i Whitehead og Russells Principia Mathematica.

1957 udvikler Frank Rosenblatt Perceptron, et tidligt kunstigt neuralt netværk, der muliggør genkendelse af mønstre baseret på et to-lags computerlæringsnetværk. New York Times rapporterede Perceptron at være "embryoet til en elektronisk computer, som [flåden] forventer vil være i stand til at gå, tale, se, skrive, reproducere sig selv og være bevidst om dens eksistens." New Yorker kaldte det en "bemærkelsesværdig maskine ... i stand til hvad der tænkes."

1957 I filmen Skrivebordssæt, når en "metoderingeniør" (Spencer Tracy) installerer den fiktive computer EMERAC, fortæller hovedbibliotekar (Katharine Hepburn) sine ængstelige kolleger i forskningsafdelingen: "De kan ikke bygge en maskine til at udføre vores job, der er for mange kryds -referencer på dette sted. ”

1958 udgiver Hans Peter Luhn "A Business Intelligence System" i IBM Journal of Research and Development. Den beskriver en "automatisk metode til at levere nuværende bevidsthedstjenester til forskere og ingeniører."

1958 John McCarthy udvikler programmeringssprog Lisp, som bliver det mest populære programmeringssprog, der bruges i kunstig intelligensforskning.

1959 Arthur Samuel mønter udtrykket "maskinlæring", der rapporterer om programmering af en computer ", så det lærer at spille et bedre omgang brikker, end den person, der skrev programmet, kan spille."

1959 udgiver Oliver Selfridge "Pandemonium: A paradigm for learning" i Fremgangsmåder fra symposiet om mekanisering af tankeprocesser, hvor han beskriver en model for en proces, hvor computere kunne genkende mønstre, der ikke er specificeret på forhånd.

1959 udgiver John McCarthy "Programmer med fornuft" i Fremgangsmåder fra symposiet om mekanisering af tankeprocesser, hvor han beskriver Advice Taker, et program til løsning af problemer ved at manipulere sætninger på formelle sprog med det ultimative mål at lave programmer "der lærer af deres erfaring lige så effektivt som mennesker gør."

1961 Den første industrielle robot, Unimate, begynder at arbejde på en samlebånd i et General Motors -fabrik i New Jersey.

1961 James Slagle udvikler SAINT (Symbolic Automatic INTegrator), et heuristisk program, der løste symbolske integrationsproblemer i førsteårsregning.

1962 statistiker John W. Tukey skriver i Dataanalyses fremtid: "Dataanalyse og de dele af statistikker, der holder sig til den, skal ... antage videnskabens karakteristika frem for matematik ... dataanalyse er i sagens natur en empirisk videnskab."

1964 Daniel Bobrow afslutter sin MIT -ph.d. -afhandling med titlen "Natural Language Input for a Computer Problem Solving System" og udvikler STUDENT, et naturligt sprogforstående computerprogram.

16. august 1964 skriver Isaac Asimov i New York Times: "I.B.M. -udstillingen på [verdensmessen i 1964] ... er dedikeret til computere, der vises i al deres fantastiske kompleksitet, især i opgaven med at oversætte russisk til engelsk. Hvis maskiner er så smarte i dag, hvad er der så måske ikke i værkerne om 50 år? Det vil være sådanne computere, meget miniaturiserede, der vil tjene som 'hjerner' for robotter ... Kommunikation bliver til synlig lyd, og du vil se og høre den person, du ringer til. Skærmen kan bruges ikke kun til at se de mennesker, du ringer til, men også til at studere dokumenter og fotografier og læse passager fra bøger. ”

1965 Herbert Simon forudsiger, at "maskiner inden for tyve år vil være i stand til at udføre ethvert arbejde, en mand kan udføre."

1965 Hubert Dreyfus udgiver "Alchemy and AI", der hævder, at sindet ikke er som en computer, og at der var grænser, som AI ikke ville udvikle sig ud over.

1965 I.J. Good skriver i "Spekulationer vedrørende den første ultraintelligente maskine", at "den første ultraintelligente maskine er den sidste opfindelse, som mennesket nogensinde skal lave, forudsat at maskinen er føjelig nok til at fortælle os, hvordan vi kan holde den under kontrol."

1965 Joseph Weizenbaum udvikler ELIZA, et interaktivt program, der fører en dialog på engelsk om ethvert emne. Weizenbaum, der ønskede at demonstrere overfladisk kommunikation mellem menneske og maskine, blev overrasket over antallet af mennesker, der tilskrev menneskelignende følelser til computerprogrammet.

1965 Edward Feigenbaum, Bruce G. Buchanan, Joshua Lederberg og Carl Djerassi begynder at arbejde på DENDRAL på Stanford University. Det første ekspertsystem, det automatiserede beslutningsprocessen og problemløsende adfærd hos organiske kemikere med det overordnede formål at studere hypotesedannelse og konstruere modeller for empirisk induktion i videnskab.

1966 Robotten Shakey er den første mobile robot til generelle formål, der er i stand til at ræsonnere om sine egne handlinger. I et liv magasin 1970 -artikel om denne "første elektroniske person", citeres Marvin Minsky med "sikkerhed": "Om tre til otte år får vi en maskine med et almindeligt menneskes generelle intelligens."

1968 Filmen 2001: Space Odyssey udkommer med HAL 9000, en følsom computer.

1968 Terry Winograd udvikler SHRDLU, et tidligt computerprogram, der forstår naturligt sprog.

1969 Arthur Bryson og Yu-Chi Ho beskriver bagpropagering som en multi-stage dynamisk systemoptimeringsmetode. En indlæringsalgoritme til flerlags kunstige neurale netværk, det har bidraget væsentligt til succes med dyb læring i 2000'erne og 2010'erne, når computerkraften er tilstrækkeligt avanceret til at rumme træning af store netværk.

1969 Marvin Minsky og Seymour Papert udgive Perceptrons: En introduktion til computing Geometri, der fremhæver begrænsningerne ved simple neurale netværk. I en udvidet udgave, der blev offentliggjort i 1988, reagerede de på påstande om, at deres konklusioner fra 1969 reducerede midlerne til forskning i neurale netværk betydeligt: ​​“Vores version er, at fremskridt allerede var gået i stå på grund af manglen på tilstrækkelige grundlæggende teorier ... i midten af 1960’erne havde der været rigtig mange forsøg med perceptroner, men ingen havde kunnet forklare, hvorfor de var i stand til at genkende bestemte former for mønstre og ikke andre. ”

1970 Den første antropomorfe robot, WABOT-1, er bygget på Waseda University i Japan. Det bestod af et lemmekontrolsystem, et synssystem og et samtalesystem.

1971 Michael S. Scott Morton udgiver Management Decision Systems: Computerbaseret support til beslutningstagning, opsummerer sine undersøgelser af de forskellige måder, computere og analysemodeller kan hjælpe ledere med at træffe vigtige beslutninger på.

1971 Arthur Miller skriver i The Assault on Privacy at "For mange informationsbehandlere ser ud til at måle en mand på antallet af bits lagerkapacitet, hans dossier vil optage."

1972 MYCIN, et tidligt ekspertsystem til at identificere bakterier, der forårsager alvorlige infektioner og anbefaler antibiotika, udvikles ved Stanford University.

1973 James Lighthill rapporterer til British Science Research Council om statens kunstig intelligensforskning og konkluderer, at "i ingen del af feltet har opdagelser gjort hidtil haft den store indflydelse, der dengang blev lovet," hvilket førte til drastisk reduceret statsstøtte til AI -forskning .

1976 Datavidenskabsmand Raj Reddy udgiver “Talegenkendelse ved maskine: En gennemgang” i Procedurer for IEEE, der opsummerer det tidlige arbejde med Natural Language Processing (NLP).

1978 Programmet XCON (eXpert CONfigurer), et regelbaseret ekspertsystem, der hjælper med at bestille DEC's VAX-computere ved automatisk at vælge komponenter baseret på kundens krav, udvikles på Carnegie Mellon University.

1979 Stanford-vognen krydser med succes et stolsfyldt rum uden menneskelig indgriben på cirka fem timer og blev et af de tidligste eksempler på et autonomt køretøj.

1979 Kunihiko Fukushima udvikler neocognitron, et hierarkisk, flerlags kunstigt neuralt netværk.

1980 I.A. Tjomsland anvender Parkinsons første lov til lagerindustrien: "Data udvides til at fylde den ledige plads."

1980 Wabot-2 er bygget på Waseda-universitetet i Japan, en humanoid-musikerrobot, der er i stand til at kommunikere med en person, læse et musikalsk partitur og spille melodier af gennemsnitlige vanskeligheder på et elektronisk orgel.

1981 Det japanske ministerium for international handel og industri budgetterer $ 850 millioner til femte generationens computerprojekt. Projektet havde til formål at udvikle computere, der kunne føre samtaler, oversætte sprog, fortolke billeder og ræsonnere som mennesker.

1981 Den kinesiske sammenslutning for kunstig intelligens (CAAI) oprettes.

1984 Elektriske drømme frigives, en film om en kærlighedstriangel mellem en mand, en kvinde og en personlig computer.

1984 På det årlige møde i AAAI advarer Roger Schank og Marvin Minsky om den kommende "AI Winter", der forudsiger en immanent sprængning af AI -boblen (som skete tre år senere), svarende til reduktionen i AI -investeringer og forskningsmidler i midten af ​​1970'erne.

1985 Det første business intelligence -system er udviklet til Procter & amp Gamble af Metaphor Computer Systems for at forbinde salgsoplysninger og detailscannerdata.

1986 Første førerløse bil, en Mercedes-Benz varevogn udstyret med kameraer og sensorer, bygget på Bundeswehr Universitet i München under ledelse af Ernst Dickmanns, kører op til 55 km / t på tomme gader.

I oktober 1986 udgiver David Rumelhart, Geoffrey Hinton og Ronald Williams "Læringsrepræsentationer ved fejlpropagering af fejl", hvori de beskriver "en ny læringsprocedure, rygpropagation, for netværk af neuronlignende enheder."

1987 Videoen Knowledge Navigator, der ledsager Apples administrerende direktør John Sculleys hovedtale på Educom, forestiller sig en fremtid, hvor "vidensapplikationer ville få adgang til smarte agenter, der arbejder over netværk, der er forbundet til enorme mængder digitaliseret information."

1988 Judea Pearl udgiver Probabilistisk ræsonnement i intelligente systemer. Hans citat fra Turing Award fra 2011 lyder: “Judea Pearl skabte det repræsentative og beregningsmæssige grundlag for behandling af oplysninger under usikkerhed. Han krediteres med opfindelsen af ​​bayesianske netværk, en matematisk formalisme til at definere komplekse sandsynlighedsmodeller samt de vigtigste algoritmer, der bruges til slutning i disse modeller. Dette arbejde revolutionerede ikke kun feltet kunstig intelligens, men blev også et vigtigt redskab for mange andre grene af teknik og naturvidenskab. ”

1988 Rollo Carpenter udvikler chatbotten Jabberwacky at "simulere naturlig menneskelig chat på en interessant, underholdende og humoristisk måde." Det er et tidligt forsøg på at skabe kunstig intelligens gennem menneskelig interaktion.

1988 Medlemmer af IBM T.J. Watson Research Center publicerer "En statistisk tilgang til sprogoversættelse", der indvarsler skiftet fra regelbaserede til sandsynlige metoder til maskinoversættelse og afspejler et bredere skift til "maskinlæring" baseret på statistisk analyse af kendte eksempler, ikke forståelse og "forståelse" ”Af den aktuelle opgave (IBM's projekt Candide, der med succes oversatte mellem engelsk og fransk, var baseret på 2,2 millioner par sætninger, hovedsagelig fra det tosprogede arbejde i det canadiske parlament).

1988 Marvin Minsky og Seymour Papert udgiver en udvidet udgave af deres bog fra 1969 Perceptroner. I "Prologue: A View fra 1988" skrev de: "En af grundene til, at fremskridtene har været så langsomme på dette område, er, at forskere, der ikke kender dens historie, fortsat har begået mange af de samme fejl, som andre har begået før dem."

1989 Yann LeCun og andre forskere ved AT & ampT Bell Labs anvender med succes en backpropagation-algoritme til et neuralt netværk i flere lag, der genkender håndskrevne postnumre. I betragtning af hardware -begrænsningerne på det tidspunkt tog det cirka 3 dage at træne netværket, stadig en betydelig forbedring i forhold til tidligere indsats.

Marts 1989 Tim Berners-Lee skriver "Information Management: A Proposal" og cirkulerer det på CERN.

1990 Rodney Brooks udgiver "Elephants Don't Play Chess", der foreslår en ny tilgang til AI - opbygning af intelligente systemer, specifikt robotter, fra bunden og på grundlag af løbende fysisk interaktion med miljøet: "Verden er sin egen bedste model ... Tricket er at fornemme det passende og ofte nok. ”

Oktober 1990 Tim Berners-Lee begynder at skrive kode til et klientprogram, en browser/editor, han kalder WorldWideWeb, på sin nye NeXT-computer.

1993 Vernor Vinge udgiver "The Coming Technological Singularity", hvor han forudsiger, at "inden for tredive år vil vi have de teknologiske midler til at skabe overmenneskelig intelligens. Kort tid efter vil den menneskelige æra være slut. ”

September 1994 BusinessWeek udgiver en forside om "Database Marketing": "Virksomheder indsamler bjerge af information om dig, knuser det for at forudsige, hvor sandsynligt du er til at købe et produkt og bruger den viden til at udarbejde et marketingbudskab præcist kalibreret for at få dig til at gøre det …. mange virksomheder mener, at de ikke har andet valg end at trodse databasen-marketinggrænsen. ”

1995 Richard Wallace udvikler chatbot A.L.I.C.E (Artificial Linguistic Internet Computer Entity), inspireret af Joseph Weizenbaums ELIZA -program, men med tilføjelse af naturligt sprogprøve dataindsamling i en hidtil uset skala, muliggjort af fremkomsten af ​​Internettet.

1997 Sepp Hochreiter og Jürgen Schmidhuber foreslår Long Short-Term Memory (LSTM), en type af et tilbagevendende neuralt netværk, der i dag bruges til håndskriftgenkendelse og talegenkendelse.

Oktober 1997 publicerer Michael Cox og David Ellsworth “Applikationsstyret efterspørgsel efter behov for visualisering uden for kernen” i Proceedings af IEEE 8. konference om visualisering. De starter artiklen med “Visualisering giver en interessant udfordring for computersystemer: datasæt er generelt ret store og beskatter kapaciteterne i hovedhukommelse, lokal disk og endda fjerndisk. Det kalder vi problemet store data. Når datasæt ikke passer i hovedhukommelsen (i kernen), eller når de ikke passer selv på lokal disk, er den mest almindelige løsning at erhverve flere ressourcer. ” Det er den første artikel i ACM's digitale bibliotek, der bruger udtrykket "big data".

1997 Deep Blue bliver det første computer-skakprogram til at slå en regerende verdensmester i skak.

1998 Det første Google -indeks har 26 millioner websider.

1998 Dave Hampton og Caleb Chung skaber Furby, den første husmands- eller kæledyrsrobot.

1998 Yann LeCun, Yoshua Bengio og andre udgiver artikler om anvendelse af neurale netværk til håndskriftgenkendelse og om optimering af bagudbredelse.

Oktober 1998 K.G. Coffman og Andrew Odlyzko udgiver "Internets størrelse og vækstrate." De konkluderer, at ”væksten i trafik på det offentlige internet, mens den er lavere end ofte citeres, stadig er omkring 100% om året, meget højere end for trafik på andre netværk. Derfor, hvis nuværende væksttendenser fortsætter, vil datatrafik i USA overhale taletrafik omkring år 2002 og vil blive domineret af Internettet. ”

2000 Googles webindeks når grænsen på en milliard.

2000 MIT's Cynthia Breazeal udvikler Kismet, en robot, der kunne genkende og simulere følelser.

2000 Hondas ASIMO -robot, en kunstigt intelligent humanoid robot, er i stand til at gå så hurtigt som et menneske og levere bakker til kunder i en restaurant.

Oktober 2000 Peter Lyman og Hal R. Varian ved UC Berkeley udgiver “How Much Information?” Det er den første omfattende undersøgelse, der kvantificerer den samlede mængde nye og originale oplysninger (ikke tællende kopier) i computerlagringsbetingelser årligt og lagres i fire fysiske medier: papir, film, optisk (cd'er og dvd'er), og magnetisk. Undersøgelsen viser, at verden i 1999 producerede omkring 1,5 exabyte unikke oplysninger, eller omkring 250 megabyte for hver mand, kvinde og barn på jorden. Den finder også, at "en enorm mængde unikke oplysninger skabes og gemmes af enkeltpersoner" (det kaldes "demokratisering af data"), og at "ikke alene er digital informationsproduktion den største i alt, den er også den hurtigst voksende . ” Lyman og Varian kalder dette fund "digital dominans" og siger, at "selv i dag er de fleste tekstoplysninger 'født digitale', og inden for få år vil dette også være tilfældet for billeder." En lignende undersøgelse foretaget i 2003 af de samme forskere fandt ud af, at verden producerede omkring 5 exabyte ny information i 2002, og at 92% af de nye oplysninger blev gemt på magnetiske medier, hovedsageligt på harddiske.

2001 A.I. Kunstig intelligens er udgivet, en Steven Spielberg -film om David, en barnlig android unikt programmeret med evnen til at elske.

2003 Paro, en terapeutisk robotharpeforsegling designet af Takanori Shibata fra Intelligent System Research Institute i Japans AIST blev valgt som en "Best of COMDEX" finalist

2004 Den første DARPA Grand Challenge, en priskonkurrence for autonome køretøjer, afholdes i Mojave -ørkenen. Ingen af ​​de autonome køretøjer færdiggjorde ruten på 150 kilometer.

2006 Oren Etzioni, Michele Banko og Michael Cafarella mønter udtrykket "maskinlæsning" og definerer det som en iboende uovervåget "autonom forståelse af tekst."

2006 Geoffrey Hinton udgiver "Learning Multiple Layers of Representation", der opsummerer de ideer, der har ført til "neurale netværk i flere lag, der indeholder top-down-forbindelser, og træner dem til at generere sensoriske data frem for at klassificere det", dvs. de nye tilgange til dybe læring.

2006 The Dartmouth Artificial Intelligence Conference: The Next Fifty Years ([email protected]), fejrer 50 -årsdagen for workshoppen i 1956. Konferencechefen konkluderer: ”Selv om AI har haft stor succes i de sidste 50 år, er der stadig mange dramatiske uenigheder inden for feltet. Forskellige forskningsområder samarbejder ofte ikke, forskere anvender forskellige metoder, og der er stadig ingen generel teori om intelligens eller læring, der forener disciplinen. ”

2007 Fei-Fei Li og kolleger ved Princeton University begynder at samle ImageNet, en stor database med annoterede billeder, der er designet til at hjælpe med forskning i software genkendelse af software.

2007 John F. Gantz, David Reinsel og andre forskere ved IDC udgav en hvidbog med titlen "The Expanding Digital Universe: A Forecast of Worldwide Information Growth through 2010." Det er den første undersøgelse, der estimerer og forudsiger mængden af ​​digitale data, der oprettes og replikeres hvert år. IDC anslår, at verden i 2006 skabte 161 exabyte data og forudsiger, at mellem 2006 og 2010 vil de oplysninger, der hvert år tilføjes det digitale univers, stige mere end seks gange til 988 exabyte eller fordobles hver 18. måned. Ifølge 2010 og 2012 -udgivelserne af den samme undersøgelse oversteg mængden af ​​digitale data, der blev oprettet årligt, denne prognose og nåede 1.227 exabyte i 2010 og voksede til 2837 exabyte i 2.012. I 2020 anslog IDC, at 59.000 exabytes med data vil blive oprettet, fanget, kopieret og forbrugt i verden det år.

2009 fortæller Hal Varian, Googles cheføkonom McKinsey Quarterly: “Jeg bliver ved med at sige, at det sexede job i de næste ti år vil være statistikere. Folk tror, ​​jeg laver sjov, men hvem ville have gættet, at computeringeniører ville have været det sexede job i 1990'erne? Evnen til at tage data - at være i stand til at forstå dem, behandle dem, at udtrække værdi fra dem, at visualisere dem, at kommunikere det - det bliver en enorm vigtig færdighed i de næste årtier. ”

2009 Mike Driscoll skriver i "The Three Sexy Skills of Data Geeks": "... med Data Age på os er de, der kan modellere, gumle og visuelt kommunikere data - kalde os statistikere eller data -nørder - en hot vare."

2009 Rajat Raina, Anand Madhavan og Andrew Ng udgiver "Storstilet dyb uovervåget læring ved hjælp af grafikprocessorer", der argumenterer for, at "moderne grafikprocessorer langt overgår beregningsmulighederne i multicore CPU'er og har potentiale til at revolutionere anvendelsen af ​​dybe uovervåget læringsmetoder . ”

2009 Google begynder i hemmelighed at udvikle en førerløs bil. I 2014 blev det den første til at bestå, i Nevada, en amerikansk stats selvkørende test.

2009 Dataloger ved Intelligent Information Laboratory ved Northwestern University udvikler Stats Monkey, et program, der skriver sportsnyheder uden menneskelig indgriben.

2010 Lancering af ImageNet Large Scale Visual Recognition Challenge (ILSVCR), en årlig konkurrence om genkendelse af AI -objekter.

2010 skriver Kenneth Cukier The Economist Særberetning "Data, data overalt": "... en ny slags professionel er dukket op, datavidenskabsmanden, der kombinerer softwareprogrammerer, statistiker og historiefortæller/kunstnerens evner til at udtrække guldklumper gemt under bjerge af data."

2011 udgiver Martin Hilbert og Priscila Lopez "Verdens teknologiske kapacitet til at gemme, kommunikere og beregne oplysninger" i Videnskab. De vurderer, at verdens informationskapacitetskapacitet voksede med en sammensat årlig vækstrate på 25% om året mellem 1986 og 2007. De anslår også, at i 1986 var 99,2% af al lagerkapacitet analog, men i 2007 var 94% af lagerkapaciteten var digital, en fuldstændig vending af roller (i 2002 overgik digital informationslagring ikke-digital for første gang).

2011 Et konvolutivt neuralt netværk vinder den tyske trafikskiltegenkendelse konkurrence med 99,46% nøjagtighed (vs. mennesker på 99,22%).

2011 Watson, et naturligt sprog, der besvarer computer, konkurrerer videre Jeopardy! og besejrer to tidligere mestre.

2011 Forskere ved IDSIA i Schweiz rapport en fejlfrekvens på 0,27% ved håndskriftsgenkendelse ved hjælp af konvolutive neurale netværk, en markant forbedring i forhold til fejlfrekvensen på 0,35% -0,40% i de foregående år.

Juni 2012 rapporterer Jeff Dean og Andrew Ng om et eksperiment, hvor de viste et meget stort neuralt netværk 10 millioner umærkede billeder tilfældigt taget fra YouTube -videoer, og “til vores underholdning lærte en af ​​vores kunstige neuroner at reagere stærkt på billeder af. katte. ”

September 2012 Tom Davenport og D.J. Patil udgav "Data Scientist: The Sexiest Job of the 21st Century" i Harvard Business Review.

Oktober 2012 Et konvolutionsnervalt neuralt netværk designet af forskere ved University of Toronto opnår en fejlprocent på kun 16% i ImageNet Large Scale Visual Recognition Challenge, en betydelig forbedring i forhold til 25% fejlprocent opnået med den bedste post året før.


Fuld tidslinje

År Begivenhedstype detaljer Land/placering
4. århundrede f.Kr. Den græske filosof Aristoteles opfinder syllogistisk logik, det første formelle deduktive ræsonnementssystem. Ζ ]
1 AC "1. maj: Alexander Heron i antikken lavede automater med mekaniske mekanismer, der arbejder med vand og dampkraft." Η ]
1206 "1206: Ebru İz Bin Rezzaz Al Jezeri, en af ​​pionererne inden for cybernetisk videnskab, har fremstillet vanddrevne automatiserede maskiner." Η ]
1308 "Den catalanske digter og teolog Ramon Llull udgiver Ars generalis ultima (The Ultimate General Art) og yderligere perfektionerer hans metode til at bruge papirbaserede mekaniske midler til at skabe ny viden fra kombinationer af begreber." ⎖ ]
1623 "1623: Wilhelm Schickard opfandt en mekaniker og en lommeregner, der var i stand til fire operationer." Η ]
1642 "Pascal skabte den første mekaniske digitale regnemaskine (1642)." Ζ ]
1666 "Matematiker og filosof Gottfried Leibniz udgiver Dissertatio de arte combinatoria (On the Combinatorial Art), efter Ramon Llull i at foreslå et alfabet af menneskelig tanke og hævde, at alle ideer ikke er andet end kombinationer af et relativt lille antal enkle begreber." ⎖ ]
1672 "1672: Gottfried Leibniz har udviklet et binært tællingssystem, der danner det abstrakte grundlag for nutidens computere." Η ]
1726 "onathan Swift udgiver Gulliver's Travels, som indeholder en beskrivelse af motoren, en maskine på øen Laputa (og en parodi på Llulls ideer):" et projekt til forbedring af spekulativ viden ved praktisk og mekanisk betjening. "Ved at bruge denne" Contrivance , "" den mest uvidende person til en rimelig afgift og med lidt kropslig arbejdskraft kan skrive bøger i filosofi, poesi, politicks, jura, matematik og teologi med mindst hjælp fra geni eller studier. "" ⎖ & #93
1763 "Thomas Bayes udvikler en ramme for begrundelse om sandsynligheden for hændelser. Bayesiansk slutning vil blive en førende tilgang inden for maskinlæring." ⎖ ]
1801 "Joseph-Marie Jacquard opfandt Jacquard væven, den første programmerbare maskine, med instruktioner om stansede kort (1801)." Ζ ]
1854 "George Boole argumenterer for, at logisk ræsonnement kunne udføres systematisk på samme måde som at løse et ligningssystem." ⎖ ] "George Boole udviklede en binær algebra, der repræsenterer (nogle)" tankelove ", udgivet i The Laws of Thought (1854)." Ζ ]
1863 "1863 - Samuel Butler foreslog, at darwinistisk evolution også gælder for maskiner og spekulerer i, at de en dag vil blive bevidste og til sidst fortrænge menneskeheden. [24]" ⎗ ]
1879 "Moderne propositionel logik udviklet af Gottlob Frege i hans værk Begriffsschrift fra 1879 og senere klarlagt og udvidet af Russell, Tarski, Godel, Church og andre." Ζ ]
1898 "På en elektrisk udstilling i den nyligt afsluttede Madison Square Garden laver Nikola Tesla en demonstration af verdens første radiostyrede fartøj.Båden var udstyret med, som Tesla beskrev, "et lånt sind." "⎖ ]
1910 "Bertrand Russell og Alfred North Whitehead udgav Principia Mathematica, som revolutionerede den formelle logik. Russell, Ludwig Wittgenstein og Rudolf Carnap fører filosofi ind i logisk analyse af viden." Ζ ]
1912 "Torres y Quevedo byggede sin skakmaskine 'Ajedrecista' ved hjælp af elektromagneter under brættet til at spille slutspillet rook og konge mod den enlige konge, muligvis det første computerspil (1912)" Ζ ]
1914 "Den spanske ingeniør Leonardo Torres y Quevedo demonstrerer den første skakmaskine, der er i stand til at konge og tårn mod kongeslutspil uden menneskelig indgriben." ⎖ ]
1921 "Den tjekkiske forfatter Karel Čapek introducerer ordet" robot "i sit stykke R.U.R. (Rossums Universal Robots). Ordet" robot "stammer fra ordet" robota "(værk)." ⎖ ]
1925 "Houdina Radio Control frigiver en radiostyret førerløs bil, der rejser på gaderne i New York City." ⎖ ]
1927 "science fiction-filmen Metropolis udkommer. Den indeholder en robot-dobbelt af en bondepige, Maria, som udløser kaos i Berlin i 2026-det var den første robot, der blev afbildet på film, og inspirerede Art Deco-udseendet af C-3PO i Star Krige. " ⎖ ]
1929 "Makoto Nishimura designer Gakutensoku, japansk til" at lære af naturlovene ", den første robot, der blev bygget i Japan. Det kan ændre ansigtsudtryk og bevæge hoved og hænder via en lufttryksmekanisme." ⎖ ]
1931 "1931: Kurt Gödel introducerede teorien om mangel, som kaldes ved hans eget navn." Η ] "I 1931 lagde Goedel grundlaget for teoretisk datalogi og AI" ⎘ ]
1936 "1936: Konrad Zuse udviklede en programmerbar computer ved navn Z1 med navnet 64K hukommelse." Η ]
1936–1937 "Alan Turing foreslog den universelle Turing-maskine (1936-37)" Ζ ]
1943 ". McCulloch og Pitts [1943] viste, hvordan en simpel tærskel" formel neuron "kunne være grundlaget for en Turing-komplet maskine." ⎙ ] "Warren S. McCulloch og Walter Pitts udgiver" A Logical Calculus of the Ideas Immanent in Nervous Activity "i Bulletin of Mathematical Biophysics. Dette indflydelsesrige papir, hvor de diskuterede netværk af idealiserede og forenklede kunstige" neuroner ", og hvordan de kan udføre simple logiske funktioner, bliver inspiration til computerbaserede" neurale netværk " (og senere "dyb læring") og deres populære beskrivelse som "efterligner hjernen." "⎖ ]" en første matematisk og computermodel af den biologiske neuron (formel neuron) var blevet udviklet af Warren McCulloch og Walter Pitts som allerede i 1943. " Α ] "Det første værk, der nu anerkendes som AI, blev udført af Warren McCulloch og Walter gruber i 1943. De foreslog en model af kunstige neuroner." Ώ ]
1943 "Arturo Rosenblueth, Norbert Wiener & amp; Julian Bigelow møntede udtrykket" cybernetik "i et papir fra 1943. Wieners populære bog med det navn udgivet i 1948." Ζ ]
1943 "Emil Post beviser, at produktionssystemer er en generel beregningsmekanisme (1943). Se kapitel 2 i regelbaserede ekspertsystemer for anvendelse af produktionssystemer i AI. Post udførte også vigtigt arbejde med fuldstændighed, inkonsistens og bevisteori." Ζ ]
1943 ". I 1943 udgav neurofysiologen Warren McCulloch fra University of Illinois og matematikeren Walter Pitts fra University of Chicago en indflydelsesrig afhandling om neurale net og automater, hvorefter hver neuron i hjernen er en simpel digital processor og hjernen som en helhed er en form for computermaskine. "⎚ ]
1945 "George Polya udgav sin bedst sælgende bog om at tænke heuristisk, How to Solve It i 1945. Denne bog introducerede udtrykket 'heuristisk' i moderne tænkning og har påvirket mange AI-forskere." Ζ ]
1945 "Vannevar Bush offentliggjorde As We May Think (Atlantic Monthly, juli 1945) en forudgående vision om fremtiden, hvor computere hjælper mennesker i mange aktiviteter." Ζ ]
1946 ": ENIAC (Electronic Numerical Integrator and Computer), den første computer i en rumstørrelse på 30 tons, begyndte at fungere." Η ]
1948 "John von Neumann introducerede ideen om selvreplikerende program" Η ]
1949 "Edmund Berkeley udgiver Giant Brains: Or Machines That Think, hvor han skriver:" For nylig har der været en masse nyheder om mærkelige kæmpemaskiner, der kan håndtere information med stor hastighed og dygtighed .... Disse maskiner ligner, hvad en hjerne ville være, hvis den var lavet af hardware og tråd i stedet for kød og nerver ... En maskine kan håndtere oplysninger, den kan beregne, konkludere og vælge, den kan udføre rimelige handlinger med information. En maskine kan derfor tænke. "" ⎖ &# 93
1949 "Donald Hebb udgiver Organisation for adfærd: En neuropsykologisk teori, hvor han foreslår en teori om læring baseret på formodninger vedrørende neurale netværk og synapsers evne til at styrke eller svække over tid." ⎖ ] "Donald Hebb demonstrerede en opdateringsregel til ændring af forbindelsesstyrken mellem neuroner. Hans regel kaldes nu hebbisk læring." Ώ ]
1950 "Claude Shannons" Programmering af en computer til at spille skak "er den første offentliggjorte artikel om udvikling af et computerprogram til skakspil." ⎖ ]
1950 "Alan Turing udgiver" Computing Machinery and Intelligence ", hvor han foreslår" det efterlignede spil ", som senere vil blive kendt som" Turing Test. "" ⎖ ] ". Turing rejste derimod spørgsmålet om den mulige intelligens af en maskine for første gang i sin berømte artikel fra 1950 "Computing Machinery and Intelligence" og beskrev et "efterligningsspil", hvor et menneske i en teletype -dialog skulle kunne skelne, om han taler med en mand eller en maskine. " Α ]
1950 "Claude Shannon offentliggjorde detaljeret analyse af skakspil som søgning i" Programmering af en computer til at spille skak "(1950)." Ζ ]
1951 "Marvin Minsky og Dean Edmunds bygger SNARC (Stochastic Neural Analog Reinforcement Calculator), det første kunstige neurale netværk, der bruger 3000 vakuumrør til at simulere et netværk af 40 neuroner." ⎖ ]
1950 "I en videnskabelig amerikansk artikel fra 1950 argumenterede Claude Shannon for, at kun et kunstigt intelligensprogram kunne spille computerskak" ⎛ ]
1951 "1951: De første kunstige intelligensprogrammer til Mark 1 -enheden blev skrevet" Η ]
1952 "Arthur Samuel udvikler det første computerbrikker-afspilningsprogram og det første computerprogram til at lære på egen hånd." ⎖ ]
1952 "Hodgkin-Huxley-model af hjernen som neuroner, der danner et elektrisk netværk, med individuelle neuroner, der affyrer i alt-eller-intet (on/off) pulser." ΐ ]
1953 "Andet nyere arbejde omfatter udvikling af sprog til begrundelse om tidsafhængige data som" kontoen blev betalt i går. " Disse sprog er baseret på spændt logik, som gør det muligt at lokalisere udsagn i tidens strøm. (Spændt logik blev opfundet i 1953 af filosofen Arthur Prior ved University of Canterbury, Christchurch, New Zealand.) "⎚ ]
1954 "I USA var en af ​​hovedmotiveringerne for finansiering af AI -forskning løftet om maskinoversættelse (MT). På grund af bekymringer fra den kolde krig var den amerikanske regering særlig interesseret i automatisk og øjeblikkelig oversættelse af russisk. I 1954, den første demonstration af MT, Georgetown-IBM-eksperimentet, viste et stort løfte. Systemet var på ingen måde komplet og bestod kun af seks regler, et ordforråd på 250 artikler og kun specialiseret i organisk kemi. " Γ ]
1954 "Det var imidlertid først i 1954, at det lykkedes Belmont Farley og Wesley Clark fra MIT at køre det første kunstige neurale netværk - omend begrænset af computerhukommelse til ikke mere end 128 neuroner. De var i stand til at træne deres netværk til at genkende enkle mønstre. " ⎚ ]
1955 "31. august 1955 Udtrykket" kunstig intelligens "er opfundet i et forslag til en" 2 måneders, 10 mands undersøgelse af kunstig intelligens "indsendt af John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) og Claude Shannon (Bell Telephone Laboratories). Workshoppen, der fandt sted et år senere, i juli og august 1956, betragtes generelt som den officielle fødselsdato for det nye felt. " ⎖ ]
1955 "December 1955 udvikler Herbert Simon og Allen Newell Logic Theorist, det første kunstige intelligensprogram, der til sidst ville bevise 38 af de første 52 sætninger i Whitehead og Russells Principia Mathematica." ⎖ ] "En Allen Newell og Herbert A. Simon skabte det" første kunstige intelligensprogram ", der blev navngivet som" Logic Theorist ". Dette program havde bevist 38 ud af 52 matematik sætninger og fundet nye og mere elegante beviser for nogle sætninger. " Ώ ]
1955–1956 "Et vigtigt vartegn på dette område var et teorem-bevisende program skrevet i 1955–56 af Allen Newell og J. Clifford Shaw fra RAND Corporation og Herbert Simon fra Carnegie Mellon University. Logikteoretikeren, som programmet blev kendt, var designet til at bevise sætninger fra Principia Mathematica (1910–13), et værk i tre bind af de britiske filosof-matematikere Alfred North Whitehead og Bertrand Russell. bøger." ⎚ ]
1956 "I 1956 blev der for første gang afholdt en konference" Kunstig intelligens "i Hannover, New Hampshire, ved Dartmouth College." ⎜ ] "31. august 1955 Udtrykket" kunstig intelligens "er opfundet i et forslag til en "2 måneders, 10 mands undersøgelse af kunstig intelligens" indsendt af John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) og Claude Shannon (Bell Telephone Laboratories). Workshoppen, der fandt sted et år senere, i juli og august 1956, betragtes generelt som den officielle fødselsdato for det nye felt. "" ⎖ ] "Sommeren 1956 -konferencen på Dartmouth College (finansieret af Rockefeller Institute) betragtes som grundlæggeren af ​​disciplinen. Anekdotisk er det værd at bemærke den store succes med det, der ikke var en konference, men derimod en workshop. Kun seks personer, herunder McCarthy og Minsky, havde været konsekvent til stede under hele dette arbejde (som hovedsagelig var baseret på udviklingen baseret på formel logik). "Α ] Γ ] Ώ ]
1956 "Newell og Simon [1956] byggede et program, Logic Theorist, der opdager beviser i propositionel logik." ⎙ ] "Fem år senere blev beviset på koncept initialiseret gennem Allen Newell, Cliff Shaw og Herbert Simons, logikteoretiker. Logikteoretikeren var et program designet til at efterligne et menneskes problemløsningsevner og blev finansieret af Research and Development (RAND) Corporation. Det betragtes af mange som det første kunstige intelligensprogram og blev præsenteret ved Dartmouth Summer Research Project on Artificial Intelligence (DSRPAI), der var vært af John McCarthy og Marvin Minsky i 1956. " Β ] "Men AI -området blev først formelt grundlagt i 1956 på en konference på Dartmouth College i Hannover, New Hampshire, hvor udtrykket" kunstig intelligens "blev opfundet." Δ ] "1956: Programmet logikteoretiker (Logic Theory-LT) til løsning af matematiske problemer introduceres af Neweell, Shaw og Simon. Systemet betragtes som det første kunstige intelligenssystem." Η ]
1957 "Frank Rosenblatt udvikler Perceptron, et tidligt kunstigt neuralt netværk, der muliggør mønstergenkendelse baseret på et to-lags computerlæringsnetværk. New York Times rapporterede, at Perceptron var" embryoet til en elektronisk computer, som [Søværnet] forventer vil kunne at gå, tale, se, skrive, reproducere sig selv og være bevidst om dens eksistens. "New Yorker kaldte det en" bemærkelsesværdig maskine ... i stand til hvad der kan tænkes. "" ⎖ ]
1957 "Herbert Simon, økonom og sociolog, profeterede i 1957 om, at AI ville lykkes med at slå et menneske ved skak i de næste 10 år, men AI gik derefter ind i en første vinter. Simons vision viste sig at være rigtig. 30 år senere." Α ]
1957 "General Problem Solver (GPS) demonstreret af Newell, Shaw & amp. Simon." Ζ ] "Newell, Simon og Shaw skrev videre et mere kraftfuldt program, General Problem Solver eller GPS. Den første version af GPS kørte i 1957, og arbejdet fortsatte med projektet i cirka et årti. GPS kunne løse en imponerende række gåder ved hjælp af en forsøg og fejl -tilgang. " ⎚ ]
1958 "John McCarthy udvikler programmeringssprog Lisp, som bliver det mest populære programmeringssprog, der bruges i kunstig intelligensforskning." ⎖ ] "1958: John McCarty fra MIT oprettede LISP -sproget (listebehandlingssprog)." Η ]
1958 "1958: Herbert Gelernters" geometri -maskine "bliver det første avancerede AI -program til at bevise geometriske sætninger og det tredje nogensinde i skabelsen." ⎝ ]
1959 "Arthur Samuel mønter udtrykket" maskinlæring ", der rapporterer om programmering af en computer", så det vil lære at spille et bedre spil brikker, end den person, der skrev programmet, kan spille. "" ⎖ ]
1959 "Oliver Selfridge udgiver" Pandemonium: A paradigm for learning "i Symposiumets processer om mekanisering af tankeprocesser, hvor han beskriver en model for en proces, hvor computere kunne genkende mønstre, der ikke er specificeret på forhånd." ⎖ ]
1959 "John McCarthy udgiver" Programmer med fornuft "i Symposiumets processer om mekanisering af tankeprocesser, hvor han beskriver Advice Taker, et program til løsning af problemer ved at manipulere sætninger på formelle sprog med det endelige mål at lave programmer" der lære af deres erfaring lige så effektivt som mennesker gør. "" ⎖ ]
1959 "Når rigtige computere blev bygget, var nogle af de første applikationer af computere AI -programmer. F.eks. Byggede Samuel [1959] et brikeprogram i 1952 og implementerede et program, der lærte at spille brikker i slutningen af ​​1950'erne." ⎙ ]
1960 "JCR Licklider beskrev forholdet mellem mennesker og maskiner i sit arbejde" Η ]
1961 "Den første industrielle robot, Unimate, begynder at arbejde på en samlebånd i et General Motors -fabrik i New Jersey." ⎖ ]
1961 "James Slagle (ph.d. -afhandling, MIT) skrev (i Lisp) det første symbolske integrationsprogram, SAINT, som løste beregningsproblemer på college -førsteårs niveau." Ζ ]
1961 "James Slagle udvikler SAINT (Symbolic Automatic INTegrator), et heuristisk program, der løste symbolske integrationsproblemer i førsteårsregning." ⎖ ]
1963 "1963 -artikel af Reed C. Lawlor, medlem af California Bar, med titlen" What Computers Can Do: Analysis and Prediction of Judicial Decisions "" Α ]
1963 "Thomas Evans 'program, ANALOGY, skrevet som en del af hans ph.d. -arbejde på MIT, demonstrerede, at computere kan løse de samme analogiproblemer, som er givet på IQ -test." Ζ ]
1963 "Ivan Sutherlands MIT -afhandling om Sketchpad introducerede ideen om interaktiv grafik i computing." Ζ ]
1963 "Edward A. Feigenbaum & amp; Julian Feldman udgav Computers and Thought, den første samling af artikler om kunstig intelligens." Ζ ]
1964 "Daniel Bobrow fuldender sin MIT -ph.d. -afhandling med titlen" Natural Language Input for a Computer Problem Solving System "og udvikler STUDENT, et naturligt sprogforstående computerprogram." ⎖ ]
1964 Samfund til undersøgelse af kunstig intelligens og simulering af adfærd Det Forenede Kongerige
1964 "Danny Bobrows afhandling ved MIT (tech.report #1 fra MIT's AI -gruppe, Project MAC), viser, at computere godt kan forstå naturligt sprog til at løse algebraordproblemer korrekt." Ζ ]
1964 "Bert Raphaels MIT-afhandling om SIR-programmet demonstrerer kraften i en logisk repræsentation af viden til system til besvarelse af spørgsmål" Ζ ]
1965 "Herbert Simon sagde i The Shape of Automation for Men and Management (1965), at" maskiner inden for 20 år vil være i stand til at udføre ethvert arbejde, en mand kan udføre "" ⎞ ] "Herbert Simon forudsiger, at" maskiner vil være i stand til inden for tyve år at udføre ethvert arbejde, en mand kan udføre. "" ⎖ ]
1965 "Hubert Dreyfus udgiver" Alchemy and AI ", idet han hævder, at sindet ikke er som en computer, og at der var grænser, som AI ikke ville udvikle sig ud over." ⎖ ]
1965 "IJ Good skriver i" Spekulationer vedrørende den første ultraintelligente maskine ", at" den første ultraintelligente maskine er den sidste opfindelse, mennesket nogensinde har brug for, forudsat at maskinen er føjelig nok til at fortælle os, hvordan vi kan holde den under kontrol. "" &# 9110 ]
1965 "Joseph Weizenbaum udvikler ELIZA, et interaktivt program, der fører en dialog på engelsk om ethvert emne. Weizenbaum, der ønskede at demonstrere overfladisk kommunikation mellem menneske og maskine, blev overrasket over antallet af mennesker, der tilskrev menneskelignende følelser til computerprogrammet. " ⎖ ]
1965 "Edward Feigenbaum, Bruce G. Buchanan, Joshua Lederberg og Carl Djerassi begynder at arbejde på DENDRAL på Stanford University. Det første ekspertsystem, det automatiserede beslutningsprocessen og problemløsende adfærd hos organiske kemikere med det overordnede formål at studere hypotesedannelse og konstruering af modeller for empirisk induktion i videnskab. " ⎖ ]
1965 Ekspert system "Stien blev faktisk åbnet på MIT i 1965 med DENDRAL (ekspertsystem specialiseret i molekylær kemi)" Α ]
1965 Litteratur Hubert Dreyfus udgiver Alchemy og AI.
1965 "J. Alan Robinson opfandt en mekanisk bevisprocedure, Resolution Method, som tillod programmer at arbejde effektivt med formel logik som et repræsentationssprog. (Se Carl Hewitts PDF -fil, der kan downloades Middle History of Logic Programming)." Ζ ]
1965 "Joseph Weizenbaum (MIT) byggede ELIZA, et interaktivt program, der fører en dialog på engelsk om ethvert emne. Det var et populært legetøj på AI-centre på ARPA-nettet, da en version, der" simulerede "dialogen fra en psykoterapeut blev programmeret . " Ζ ]
1966 "Robotten Shakey er den første mobile robot til generelle formål, der kan begrunde sine egne handlinger.I en Life -magasin fra 1970 om denne "første elektroniske person" citeres Marvin Minsky med "vished": "Om tre til otte år får vi en maskine med et almindeligt menneskes generelle intelligens." "&# 9110 ]
1966 "1966: Fødsel af den første chatbot Den tysk-amerikanske datavidenskabsmand Joseph Weizenbaum fra Massachusetts Institute of Technology opfinder et computerprogram, der kommunikerer med mennesker. 'ELIZA' bruger scripts til at simulere forskellige samtalepartnere som en psykoterapeut. Weizenbaum er overrasket over enkelheden af ​​de midler, der kræves for at ELIZA kan skabe illusionen om en menneskelig samtalepartner. " ⎟ ] "Forskerne lagde vægt på at udvikle algoritmer, der kan løse matematiske problemer. Joseph Weizenbaum skabte den første chatbot i 1966, som blev navngivet som ELIZA." Ώ ]
1966 "Begyndelsen af ​​AI -vinteren kan spores til regeringens beslutning om at trække tilbage på AI -forskning. Beslutningerne

blev ofte tilskrevet et par berygtede rapporter, specifikt rapporten fra den automatiske sprogbehandlingsrådgivende komité (ALPAC) fra den amerikanske regering i 1966 og Lighthill -rapporten for den britiske regering i 1973. "Γ ] ||

for computere, og tre år senere forsøgte man at konstruere femte generations computere - hvilket skabte projektlederne som et 'epokalt' spring inden for computerteknologi for at give Japan det teknologiske forspring i de kommende år. Denne nye generation af maskiner ville ikke være bygget på standard mikroprocessorer, men multiprocessormaskiner, der er specialiseret i logisk programmering. Væddemålet var, at disse logiske maskiner med høj effekt ville katalysere verden af ​​informationsbehandling og realisere kunstig intelligens. "Γ ] ||


Hvor stærk er Fat Fritz 2?

I sin markedsføring brugte Chessbase ordene "det nye nummer et", hvoraf det fremgik, at Fat Fritz 2 i en sammenligningskamp på over 1552 kampe klart "slog Stockfish 12" og "overgår den tidligere topmotor med over 40 Elo -point (fra februar 2021). "

Selvom Silver påpeger, at han foretrækker sin egen sætning "det bedste fra begge verdener" frem for "det nye nummer et", hævder han dog, at Fat Fritz 2 overgår tørfisk i sine egne private tests.

I første omgang testede Silver Fat Fritz 2 mod Stockfish 12, som blev udgivet 2. september 2020. Motoren i Fat Fritz 2 er dog baseret på en nyere version af Stockfish 12 & mdasha udviklerversion, der er tættere på Stockfish 13, som blev udgivet i februar 19, 10 dage efter, at Fat Fritz 2 kom ud.

At sammenligne spil mellem to programmer, der bruger forskellige søgemaskiner, virker faktisk mærkeligt. Hvorfor gjorde han det?

"Stockfish 12 er den eneste reference, de fleste mennesker har, ærligt talt," siger Silver. "Ja, der er en Stockfish dev, men de fleste ved ikke om det, og problemet er, at Stockfish dev er et bevægeligt mål, helt ærligt. Selv jeg tester ikke imod det i min personlige test."

En anden grund for Silver til at teste mod Stockfish 12 var, at det var benchmark på computerens ratinglister. I modsætning til med menneskelig skak er der for skakprogrammer ikke en enkelt, universelt accepteret ratingliste.

"Se, jeg blev bedt om at levere en test for at vise, hvordan det klarede sig mod de bedste programmer. På CCRL [Computer Chess Rating Lists - PD] og CEGT [Chess Engines Grand Tournament - PD] var Stockfish 12 på øverst på listen. Så jeg var nødt til at vise, hvad de skulle få, og hvordan det sammenlignede med det. Og det var det resultat, jeg producerede. "

Når Stockfish 13 kom ud, sammenlignede Silver i stedet med det og offentliggjorde disse resultater i sin artikel fra 21. februar.

Silvers test viste, at Fat Fritz 2 udførte 16 Elo -point bedre end Stockfish 13.

Stockfish -teamet får forskellige resultater. På en større prøve, hvor begge motorer blev kompileret fra kilde på den samme maskine, var deres resultater på 60+0,6 s:

På den seneste CCRL-blitzliste (to minutter og et trin på et sekund) er Fat Fritz 2 topmotoren med to Elo-point mere end Stockfish 13. På 40/2-listen (spil med 40 træk på to minutter) er Fat Fritz 2 er foran Stockfish 13 med seks Elo -point, selvom den 11. januar 2021 -version af Stockfish på sin tur er seks point foran Fat Fritz 2.

Den langsomste tidskontrol, CCRL ser på, er spil, der svarer til 40 træk på 15 minutter. Testen for Stockfish 13 er kun lige begyndt, og der er kun 24 kampe indtil videre: en uafgjort kamp mod Dragon af Komodo. Øverst, se igen se versionen af ​​Stockfish den 11. januar, selvom Fat Fritz 2 er lige så høj som andenpladsen.

20. februar 2021 CCRL 40+2 -listen.

Den velrenommerede Stefan Pohl, set som den mest uafhængige computerprogramtester, har i øjeblikket Stockfish 13 på fire Elo-punkter stærkere end Fat Fritz 2, hvor 11.fish Stockfish kommer to point højere.

Stefan Pohls seneste liste.

"I & rsquoll være ærlig over for dig, jeg har resultater overalt," siger Silver, mens han henviser til en lang række lister. "Jeg ved ikke, hvad jeg skal sige. Alt kommer til at afhænge af åbningerne, betingelserne, uanset hvad."

Om spørgsmålet om, hvorfor resultaterne er så forskellige, siger Silver: "Ikke alle lister bruger den samme stikprøvestørrelse, og der kan være forskellige betingelser. Jeg lavede en opdeling af en af ​​de lister, der producerer resultaterne, og jeg fandt ud af, at ECO A åbninger (mest engelsk, Benoni og uregelmæssige åbninger - PD] repræsenterede 60 procent af spillene. Jeg tænkte: hvad nu hvis de havde en mere afbalanceret fordeling af åbningerne, ville det stadig se sådan ud? "

Ginsberg antyder, at Silver's divergerende testresultater er en kombination af en relativt gammel processor og tidskontrollen. Silver brugte en AMD FX-8350 (4GHz) ved hjælp af en tråd (på hver side) med 512 MB hash.

"Dette er en processor, der blev frigivet i 2012," siger Ginsberg. "Så en test med spil på 90 sekunder og et trin på et sekund bliver effektivt hyperbullet. Vi har slet ikke foretaget nogen test med disse hastigheder, og vi bruger alle moderne CPU'er."

Fra den 24. februar 2021 har Chessbase fjernet det "nye nummer et" krav fra sit websted.

Chessbase har ændret deres websted for at fjerne påstanden om, at "Fat Fritz 2.0" er den "nye #1" skakmotor. pic.twitter.com/01ia7JQcrU

& mdash NoJoke (@NoJokeChris) 24. februar 2021

"Vi føler, at kunder, der køber Fat Fritz 2, får meget lidt merværdi for pengene," skrev VandeVondele i sin erklæring. Så hvad er den merværdi? Hvorfor skulle en kunde betale disse 99,90 euro?

Silver: "I sidste ende tror jeg ikke, det handler om Elo. Hvis det var, ville det være virkelig kedeligt, ærligt talt. Hvis du taler om en beskeden forskel, burde det ikke være det absolutte kriterium. Sikker på, det er et marketingaspekt, der er ikke noget spørgsmål. Men hvis jeg vælger en motor at analysere med, kender jeg super -GM'er, der stadig analyserer med Leela, selvom dens Elo er værre end Stockfish NNUE. Hvorfor? Fordi den giver dem nye perspektiver, forskellige analyser, forskellige positioner, forskellige fortsættelser. De nyder det De er ligeglade, hvis de er på liste X, Y og Z og & Elo 50 bag eller forude. Jeg har lavet nok test og nok spil til at sige, at FF2 NNUE sammenlignet med Stockfish 13 NNUE i samme søgning, ved hjælp af den samme binær, bruger forskellige fortsættelser, mere end nok til at sige, at de klart er forskellige. "


Består Turing -testen

Udover at være datalogi og grundlæggende tænker og legendarisk kodebryder, lagde Alan Turing også grundlaget for kunstig intelligens. Efter Anden Verdenskrig tog han stilling ved det prestigefyldte National Physical Laboratory i Storbritannien & rsquos. Mens han var der, udgav han en af ​​de første artikler for at overveje muligheden for, at computere genskabte menneskelig intelligens. Han observerede, at en intelligent maskine på en måde kunne & ldquoeducate & rdquo sig selv, som et barn kunne lære på egen hånd.

& ldquoNej, jeg & rsquom er ikke interesseret i at udvikle en kraftfuld hjerne. Alt jeg & rsquom efter er bare en middelmådig hjerne, noget lignende præsidenten for American Telephone and Telegraph Company. & Rdquo & mdashAlan Turing

Efter at have arbejdet med planer for den første digitale computer og ndash havde han travlt! & ndash Turing vendte til sidst tilbage til kunstig intelligens. I 1950 udgav han sin seminal & ldquoComputing Machinery and Intelligence & rdquo (interessant nok til det britiske filosofitidsskrift Sind ) .

I dette papir understregede Turing, at computere ville til sidst tænk, selvom han ikke var sikker på, præcis hvordan de kunne opnå dette bevidsthedsniveau. Han fokuserede i stedet på, hvordan vi ved, at en AI blev skabt, og introducerede sit & ldquoimitationsspil. & Rdquo Det & rsquos en slags konkurrence, hvor menneskelige forhørsledere gætter på, om den skriftlige eller verbale kommunikation fra en ukendt part er menneskelig eller i stedet computergenereret. Og ja, det er også grundlaget for titlen på filmen fra 2014 om Turing.

I disse dage har vi alle kontaktet chatbots og andre virtuelle assistenter, såsom Siri eller Alexa. Selvom disse er imponerende softwareværktøjer, indser vi mennesker snart, at vi arbejder med en maskine, der spytter svar på dåse. For din egen underholdning kan du prøve at spørge Siri, om & ldquopearls rimer med earls & rdquo, eller om hun & ldquopefter foretrækker salat før eller efter middagen. & Rdquo You & rsquoll bekræfter meget hurtigt, at du & rsquore taler til en maskine. Men hvis Siri kunne overbevise dig om, at det var et smart menneske, ville det vinde efterligningsspillet og bestå Turing -testen for maskineintelligens.

Alan Turing og hans team byggede en computer, kaldet bomben, for at bryde tyske koder under Anden Verdenskrig.

Turing forudsagde dristigt, at inden år 2000 ville en AI kunne narre sine menneskelige testere 30% af tiden. Ingen tror nu, at vi & rsquore selv tæt på det mål. Dette har imidlertid ikke stoppet Loebner Prize -indsamlingen hvert år. Siden 1991 har AI -softwareudviklere bragt deres chatbots til at få dem evalueret af Loebner -dommerne. Prisen gives til de mest menneskelignende interaktioner.

I 2019 vandt Mitsuku & ldquobest den samlede chatbot & rdquo for sine samtaleevner. For hovedpræmien på $ 100.000 skulle en chatbot imidlertid smutte godt nok til at overbevise alle Loebner -dommerne om dens samtaleevner og derved bestå Turing -testen. Denne præmie forbliver uopkrævet.


Fremtiden

Så hvad er i vente for fremtiden? I den nærmeste fremtid ligner AI -sprog den næste store ting. Faktisk er det allerede i gang. Jeg kan ikke huske sidste gang, jeg ringede til et firma og direkte talte med et menneske. I disse dage ringer maskiner endda til mig! Man kunne forestille sig at interagere med et ekspertsystem i en flydende samtale eller have en samtale på to forskellige sprog oversat i realtid. Vi kan også forvente at se førerløse biler på vejen i de næste tyve år (og det er konservativt). På lang sigt er målet generel intelligens, det er en maskine, der overgår menneskelige kognitive evner i alle opgaver. Dette er i retning af den følsomme robot, vi er vant til at se i film. For mig virker det utænkeligt, at dette ville blive gennemført i de næste 50 år. Selvom evnen er der, ville de etiske spørgsmål tjene som en stærk barriere mod at blive til noget. Når den tid kommer (men bedre, selv før tiden kommer), bliver vi nødt til at have en seriøs samtale om maskinpolitik og etik (ironisk nok begge fundamentalt menneskelige emner), men for nu vil vi tillade AI konstant at forbedre og køre amok i samfundet.

Rockwell Anyoha er kandidatstuderende på molekylærbiologisk afdeling med en baggrund i fysik og genetik. Hans nuværende projekt anvender brug af maskinlæring til at modellere dyrs adfærd. I sin fritid nyder Rockwell at spille fodbold og diskutere hverdagslige emner.


Se videoen: Alan Turing and the Enigma