Что такое нейросети: история возникновения ИИ
Впервые термин artificial intelligence (с английского переводится как «искусственный интеллект») был упомянут в 1956 году Джоном МакКарти, основателем функционального программирования и изобретателем языка Lisp, на конференции в Университете Дартмута.
💡 Однако сама идея подобной системы была сформирована в 1935 году Аланом Тьюрингом. Ученый дал описание абстрактной вычислительной машине, состоящей из безграничной памяти и сканера, перемещающегося вперед и назад по памяти.
Однако позднее, в 1950 году, он предложил считать интеллектуальными те системы, которые в общении не будут отличаться от человека.
🧠 Тогда же Тьюринг разработал эмпирический тест для оценки машинного интеллекта. Он показывает, насколько искусственная система продвинулась в обучении общению и удастся ли ей выдать себя за человека.
Самая ранняя успешная программа искусственного интеллекта была создана Кристофером Стрейчи в 1951 году. А уже в 1952 году она играла в шашки с человеком и удивляла зрителей своими способностями предсказывать ходы. По этому поводу в 1953 году Тьюринг опубликовал статью о шахматном программировании.
В 1970-е годы наступила "Зима ИИ", когда ожидания от нейросетей не оправдались на уровне лунной экспедиции.
Публичное высказывание Марвина Мински и Сеймура Пейперта в книге "Перцептроны" подчеркнуло ограниченность простых нейросетей, что снизило интерес к искусственному интеллекту и привело к сокращению финансирования исследований.
Однако в 1980-е годы начался "ретро-ренессанс" нейросетей с разработкой метода обратного распространения ошибки, учеными такими как Джефри Хинтон, Дэвид Румельхарт и Рональд Уильямс. Этот метод позволил эффективно обучать многослойные сети, открыв новые горизонты для развития искусственного интеллекта.
С появлением новых алгоритмов нейросети смогли подняться на новый уровень.
В 80-е годы они начали раскрывать свой потенциал, а в 90-е годы сверточные нейронные сети, в том числе работа Яна ЛеКуна с LeNet-5, стали золотым стандартом в области компьютерного зрения, открыв новые перспективы для глубокого обучения и задач распознавания образов.
Microsoft не осталась в стороне и в 90-е годы также начала активные исследования в области машинного обучения, речевой обработки и распознавания образов. Основание лаборатории исследований Microsoft Research в 1991 году стало одним из ключевых событий в развитии искусственного интеллекта.
Конец 20-го века также характеризовался активными исследованиями в области искусственного интеллекта со стороны ведущих компаний, таких как IBM и Microsoft. IBM совершила значительный прорыв в 1997 году, когда их шахматный компьютер Deep Blue победил чемпиона мира по шахматам Гарри Каспарова, подчеркивая потенциал искусственного интеллекта.
🚀 С развитием компьютерной техники нейросети стали способны обучаться, работать и анализировать данные быстрее, открывая новые возможности для применения в различных областях. Подводя итог, 90-е годы стали временем, когда исследования в области нейросетей и искусственного интеллекта принесли значительные результаты, открывая путь к новой эре технологий с бесконечными возможностями.
В 2000-х годах мир искусственного интеллекта и нейросетей перешел в новую, активную фазу развития.
Благодаря популярности интернета, компании стали собирать огромные объемы данных, что открыло новые возможности для нейросетей.
Google активно инвестировал в разработку искусственного интеллекта, сосредоточившись на поиске информации, алгоритмах перевода и рекомендательных системах.
Ян Лекун и его коллеги продолжали исследования в области сверточных нейронных сетей, которые стали ключевыми для прорывов в компьютерном зрении, особенно в задачах распознавания изображений. Рекуррентные нейронные сети, ставшие бумом в 90-ых годах, стали основой для работы с последовательными данными, такими как текст или речь, и легли в основу таких сервисов, как автоматические переводчики или помощники вроде Siri (представленным в 2011 году).
Появление более мощных графических процессоров позволило более быстрое и эффективное обучение нейросетей, с NVIDIA в роли ключевого игрока на этом рынке. Amazon, Netflix и Spotify стали первыми, кто создал автоматизированные системы рекомендаций, используя алгоритмы машинного обучения для предсказания предпочтений пользователей.
На заре нового тысячелетия искусственный интеллект благодаря новым достижениям в нейросетях был готов перейти на новый уровень. Этот период напоминал танцевальную вечеринку на технологическом диско, где каждый новый алгоритм становился новым хитом. В 2010-е годы глубокое обучение стало звездой вечера.
В мире искусственного интеллекта последние годы ознаменовались великими изменениями и новыми достижениями.
На сцену вышли трансформеры, не те, что мы привыкли видеть в кино, а новый подход к обработке естественного языка.
Архитектура трансформеров стала основой для таких знаменитых моделей, как BERT появившейся в начале 2018 года и молодой GPT который появился в 2022 году.
В это время технологические компании начали разрабатывать специализированные процессоры для обучения и вывода моделей искусственного интеллекта, такие как Tensor Processing Units (TPU) от Google.
Новые алгоритмы сразу же стали золотым стандартом в мире нейросетей.
Модели, подобные BERT и GPT, стали как знаменитые дети искусственного интеллекта, всегда удивляющие нас своими способностями.
С появлением новых программных инструментов, таких как TensorFlow и PyTorch, даже бабушка могла бы создать нейросеть. Ну, или почти.
За последние десятилетия нейросети прошли путь от "хм, интересно" до "вау, это же везде!" И если вам кажется, что вы поняли все о них, у нас для вас спойлер: история только начинается.
Любопытно, как все это волшебство работает изнутри? Присоединяйтесь к нашему каналу, где мы исследуем удивительный мир современных технологий ИИ и освещаем их влияние на бизнес.
Искусственный интеллект
2.4K постов9.7K подписчиков
Правила сообщества
Здесь вы можете свободно создавать посты по теме Искусственного интеллекта. Добро пожаловать :)
Разрешено:
- Делиться вопросами, мыслями, гипотезами, юмором на эту тему.
- Делиться статьями, понятными большинству аудитории Пикабу.
- Делиться опытом создания моделей машинного обучения.
- Рассказывать, как работает та или иная фиговина в анализе данных.
- Век жить, век учиться.
Запрещено:
I) Невостребованный контент
I.1) Создавать контент, сложный для понимания. Такие посты уйдут в минуса лишь потому, что большинству неинтересно пробрасывать градиенты в каждом тензоре реккурентной сетки с AdaGrad оптимизатором.
I.2) Создавать контент на "олбанском языке" / нарочно игнорируя правила РЯ даже в шутку. Это ведет к нечитаемости контента.
II) Нетематический контент
II.1) Создавать контент, несвязанный с Data Science, математикой, программированием.
II.2) Создавать контент, входящий в противоречие существующей базе теорем математики. Например, "Земля плоская" или "Любое действительное число представимо в виде дроби двух целых".
II.3) Создавать контент, входящий в противоречие с правилами Пикабу.
III) Непотребный контент
III.1) Эротика, порнография (даже с NSFW).
III.2) Жесть.
За нарушение I - предупреждение
За нарушение II - предупреждение и перемещение поста в общую ленту
За нарушение III - бан