Он представил себе абстрактный компьютер, который сейчас называется машиной Тьюринга, способный выполнять вычисления в соответствии с входными данными, указанными на возможно бесконечной ленте - например, инструкциями для выполнения основных математических операций. Затем он определил, что функция является вычислимой, если такая машина может вычислить ее значения. Считается, что машина является универсальной машиной Тьюринга, если она может вычислить любое число, которое может быть вычислено любой машиной Тьюринга. Примечательно, что если человеческий разум по своей сути является очень сложным компьютером, а задачи, которые он выполняет, относятся к классу вычислимых функций, то универсальная машина Тьюринга могла бы воспроизвести все возможности человека. Однако до Второй мировой войны Тьюринг не решался задаваться вопросом о том, действительно ли машины могут мыслить и как далеко они могут зайти в выполнении человеческих задач.
Во время войны Тьюринг стал сотрудником сверхсекретного исследовательского центра Блетчли-Парк, где математики и другие специалисты работали над пониманием зашифрованных немецких радиосообщений. Он разработал умный алгоритм и сконструировал машину для ускоренного взлома вражеских шифров. Это помогло британской разведке быстро расшифровать зашифрованные сообщения, которые немцы считали невзламываемыми.
После Блетчли Тьюринг сделал следующий шаг в своей довоенной работе над вычислениями. В 1947 году на заседании Лондонского математического общества он заявил, что машины могут быть разумными. Не обращая внимания на враждебную реакцию участников, Тьюринг продолжал работать над этой проблемой. В 1951 году он написал: "Вы не можете заставить машину думать за вас". Это общее место, которое обычно принимается без вопросов. Цель данной работы - поставить его под сомнение".
Его основополагающая работа 1950 года "Вычислительные машины и интеллект" определяет одно из представлений о том, что значит для машины быть разумной. Тьюринг представил себе "имитационную игру" (сейчас она называется тестом Тьюринга), в которой эксперт вступает в разговор с двумя субъектами - человеком и машиной. Задавая серию вопросов, передаваемых через клавиатуру и экран компьютера, эксперт пытается определить, кто из них кто. Машина считается интеллектуальной, если она может уклониться от обнаружения.
В настоящее время ни одна машина не является интеллектуальной в соответствии с этим определением, но его можно преобразовать в менее категоричный рейтинг машинного интеллекта. Чем лучше машина может имитировать человека, тем более она интеллектуальна. Для того чтобы ввести это в действие, можно определить понятие "человеческий паритет" при выполнении задачи, который будет достигнут, если машина может выполнить эту задачу по крайней мере так же хорошо, как человек. Затем, чем в большем количестве задач машина может достичь человеческого паритета, тем более интеллектуальной она является.
Мысли самого Тьюринга на эту тему были более тонкими. Он понимал, что прохождение этого теста может не означать истинной мыслительной способности: "Я не хочу создать впечатление, что я считаю, что в сознании нет никакой тайны. Например, есть некий парадокс, связанный с любой попыткой его локализации". Несмотря на эту оговорку, современная область ИИ пошла по стопам Тьюринга и сосредоточилась на искусственном интеллекте, определяемом как машины, действующие автономно, достигающие человеческого паритета и впоследствии превосходящие человека.
Бум и почти полный крах
Увлечение машинным интеллектом часто приводит к преувеличениям. Французский новатор XVIII века Жак де Вокансон занял бы заслуженное место в истории техники за свои многочисленные инновации, включая разработку первого автоматического ткацкого станка и цельнометаллического токарно-фрезерного станка, который стал революционным для ранней станкостроительной промышленности. Однако сегодня его помнят, как мошенника за его "пищеварительную утку", которая хлопала крыльями, ела, пила и испражнялась. Все это было иллюзией: пища и вода поступали в один из многочисленных отсеков, который затем выбрасывал уже переваренную пищу в виде экскрементов.
Вскоре после утки де Вокансона появился "Механический турок" венгерского изобретателя Вольфганга фон Кемпелена, автоматическая шахматная машина, название которой произошло от сидящей на ней модели в натуральную величину, одетой в османский халат и тюрбан. Турок обыграл многих известных шахматистов, включая Наполеона Бонапарта и Бенджамина Франклина; решил известную шахматную головоломку, где конь должен двигаться, касаясь каждой клетки доски один и только один раз; и даже отвечал на вопросы с помощью буквенной доски. К сожалению, успех был достигнут благодаря эксперту-шахматисту, спрятанному внутри конструкции.
Заявления о том, что машины вскоре воспроизведут человеческий интеллект, вызвали большой ажиотаж и в 1950-х годах. Определяющим событием, первым шагом в современном подходе к ИИ и возникновением термина "искусственный интеллект" стала конференция 1956 года в Дартмутском колледже, финансируемая Фондом Рокфеллера. Летом в Дартмуте собрались блестящие молодые ученые, работающие над смежными темами. Герберт Саймон, психолог и экономист, впоследствии удостоенный Нобелевской премии, отразил оптимизм, когда написал, что "машины будут способны в течение двадцати лет выполнять любую работу, которую может делать человек".
В 1970 году Марвин Мински, соорганизатор конференции в Дартмуте, выступая перед журналом Life, все еще был уверен в себе:
Через три-восемь лет мы получим машину с общим интеллектом среднего человека. Я имею в виду машину , которая сможет читать Шекспира, смазывать автомобиль, играть в офисную политику, рассказывать анекдоты, устраивать драки. В этот момент машина начнет самообразовываться с фантастической скоростью. Через несколько месяцев она достигнет уровня гения, а еще через несколько месяцев после этого ее способности будут неисчислимы.
Эти надежды на интеллект человеческого уровня, который иногда также называют "искусственным интеллектом общего назначения" (ИИОН), вскоре были развеяны. Показательно, что на Дартмутской конференции не появилось ничего ценного. По мере того как впечатляющие обещания исследователей ИИ оставались невыполненными, финансирование этой области иссякло, и наступила так называемая первая "зима ИИ".
В начале 1980-х годов вновь возник энтузиазм, основанный на достижениях в области вычислительной техники и некоторых ограниченных успехах экспертных систем, которые обещали предоставить советы и рекомендации, подобные экспертным. Несколько успешных приложений были разработаны в контексте идентификации инфекционных заболеваний и некоторых неизвестных молекул. Вскоре снова стали раздаваться заявления о том, что искусственный интеллект достигнет уровня человеческой компетентности, и финансирование возобновилось. К концу 1980-х годов наступила вторая зима ИИ, поскольку обещания снова оказались невыполненными.
Третья волна эйфории началась в начале 2000-х годов и была сосредоточена на том, что иногда называют "узким ИИ", где целью является развитие мастерства в конкретных задачах, таких как идентификация объекта на фотографии, перевод текста с другого языка или игра в такие игры, как шахматы или Го. Достижение или превзойти человеческий паритет остается главной целью.
На этот раз вместо математических и логических подходов, направленных на воспроизведение человеческого познания, исследователи превратили различные человеческие задачи в проблемы предсказания или классификации. Например, распознавание изображения можно представить как предсказание того, к какой из длинного списка категорий относится изображение. Программы ИИ могут опираться на статистические методы, применяемые к огромным массивам данных, чтобы делать все более точные классификации. Примером такого типа данных являются сообщения в социальных сетях, которые передаются миллиардам людей.
Возьмем проблему распознавания наличия кошки на фотографии. При старом подходе машине пришлось бы моделировать весь процесс принятия решений, используемый человеком для обнаружения кошки. Современный подход обходит этап моделирования или даже понимания того, как люди принимают решения. Вместо этого он опирается на большой набор данных о людях, принимающих правильные решения о распознавании на основе изображений. Затем он подгоняет статистическую модель к большому набору данных об особенностях изображения, чтобы предсказать, когда человек скажет, что в кадре находится кошка. Впоследствии она применяет расчетную статистическую модель к новым изображениям, чтобы предсказать, есть там кошка или нет.
Прогресс стал возможен благодаря более высокой скорости компьютерных процессоров, а также новым графическим процессорам (GPU), изначально использовавшимся для создания графики высокого разрешения в видеоиграх, которые оказались мощным инструментом для обработки данных. Также были достигнуты значительные успехи в области хранения данных, что позволило снизить стоимость хранения и доступа к огромным массивам данных, и улучшилась способность выполнять большие объемы вычислений, распределенных по многим устройствам, чему способствовали быстрые достижения в области микропроцессоров и облачных вычислений.