10 tonggak terpenting dalam pengembangan AI saat ini

Sepanjang sejarahnya, dari robot pertama Asimov ke AlphaGo, AI mengalami pasang surut. Namun sebenarnya ceritanya baru saja dimulai.

Kecerdasan buatan masih sangat muda. Namun, banyak peristiwa penting telah terjadi di daerah ini. Beberapa dari mereka menarik perhatian budaya, yang lain menghasilkan gelombang ledakan, yang hanya dirasakan oleh para ilmuwan. Berikut adalah beberapa poin kunci yang memiliki dampak terbesar pada AI.

1. Isaac Asimov pertama kali menyebut " Three Laws of Robotics " (1942)

Kisah Azimov " Tarian bulat " menandai penampilan pertama dalam kisah penulis fiksi ilmiah terkenal dari "Tiga Hukum Robotika" ini:

1. Robot tidak dapat membahayakan seseorang atau, karena tidak ada tindakan, memungkinkan seseorang untuk dirugikan.
2. Robot harus mematuhi semua perintah yang diberikan oleh seseorang, kecuali dalam kasus di mana perintah ini bertentangan dengan Hukum Pertama.
3. Robot harus menjaga keamanannya sejauh tidak bertentangan dengan Hukum Pertama atau Kedua.

Dalam cerita “Round dance”, robot Speedy ditempatkan pada posisi di mana hukum ketiga bertentangan dengan dua yang pertama. Kisah Azimov tentang robot membuat penggemar NF berpikir, termasuk para ilmuwan, tentang kemungkinan mesin berpikir. Sampai hari ini, orang terlibat dalam latihan intelektual, menerapkan hukum Asimov ke AI modern.

2. Alan Turing mengusulkan "Game of Imitation" (1950)

Alan Turing menggambarkan prinsip pertama mengukur tingkat rasionalitas sebuah mesin pada tahun 1950.

Saya mengusulkan untuk mempertimbangkan pertanyaan "Bisakah mobil berpikir?" Maka dimulailah pekerjaan penelitian Turing yang berpengaruh pada tahun 1950, yang mengembangkan sistem kepercayaan untuk penalaran tentang pikiran mesin. Dia bertanya apakah sebuah mesin dapat dianggap cerdas jika dapat meniru perilaku manusia.

Pertanyaan teoretis ini memunculkan “Game Simulasi” yang terkenal [nantinya akan disebut “ Tes Turing ” / kira-kira. terjemahan.], latihan di mana peneliti-orang harus menentukan dengan siapa dia berkorespondensi - dengan komputer atau seseorang. Pada saat Turing, tidak ada mesin yang mampu melewati tes ini, tidak ada hari ini. Namun, tesnya memberi cara sederhana untuk menentukan apakah pikiran ada di dalam mobil. Dia juga membantu membentuk filosofi AI.

3. Konferensi Dartmouth AI (1956)

Pada tahun 1955, para ilmuwan di seluruh dunia telah membentuk konsep seperti jaringan saraf dan bahasa alami, tetapi masih belum ada konsep pemersatu yang mencakup berbagai jenis kecerdasan mesin. John McCarthy, seorang profesor matematika di Dartmouth College, menciptakan istilah "kecerdasan buatan" untuk menyatukan mereka semua.

McCarthy memimpin kelompok yang mengajukan hibah untuk menyelenggarakan konferensi AI pada tahun 1956. Banyak peneliti terkemuka saat itu diundang ke Dartmouth Hall pada musim panas 1956. Para ilmuwan membahas berbagai bidang studi AI yang potensial, termasuk pembelajaran dan pencarian, penglihatan, penalaran logis, bahasa dan alasan, permainan (terutama catur), interaksi manusia dengan mesin cerdas seperti robot pribadi.

Konsensus umum dari diskusi itu adalah bahwa AI memiliki potensi luar biasa untuk memberi manfaat kepada orang-orang. Bidang umum bidang penelitian, pengembangan yang dapat dipengaruhi oleh kecerdasan mesin, diuraikan. Konferensi ini menyelenggarakan dan menginspirasi penelitian AI selama bertahun-tahun.

4. Frank Rosenblatt menciptakan perceptron (1957)

Frank Rosenblatt menciptakan jaringan saraf mekanis di Cornell Aeronautics Laboratory pada tahun 1957

Komponen dasar dari jaringan saraf disebut " perceptron " [ini hanya tipe pertama dan primitif dari neuron buatan / kira-kira. diterjemahkan.]. Seperangkat data input masuk ke dalam simpul yang menghitung nilai output, dan memberikan klasifikasi dan tingkat kepercayaan. Sebagai contoh, input data dapat menganalisis berbagai aspek gambar berdasarkan input data dan "memilih" (dengan tingkat kepercayaan tertentu) untuk apakah ada wajah di atasnya. Kemudian simpul menghitung semua "suara" dan tingkat kepercayaan, dan memberikan konsensus. Dalam jaringan saraf saat ini, berjalan di komputer yang kuat, miliaran struktur serupa bekerja bersama.

Namun, perceptrons ada bahkan sebelum munculnya komputer yang kuat. Pada akhir 1950-an, seorang peneliti psikolog muda Frank Rosenblatt menciptakan model elektromekanis dari perceptron yang disebut Mark I Perceptron, yang disimpan hari ini di Smithsonian Institution. Itu adalah jaringan saraf analog, yang terdiri dari jaringan elemen fotosensitif yang dihubungkan oleh kabel ke tepi node yang berisi motor listrik dan resistor putar. Rosenblatt mengembangkan "algoritma perceptron", yang mengontrol jaringan, yang secara bertahap menyesuaikan kekuatan sinyal input sehingga, sebagai hasilnya, objek diidentifikasi dengan benar - pada kenyataannya, itu dilatih.

Para ilmuwan berpendapat tentang pentingnya mesin ini hingga 1980-an. Ini memainkan peran penting dalam menciptakan perwujudan fisik jaringan saraf, yang sampai saat itu ada terutama dalam bentuk konsep ilmiah.

5. AI menghadapi musim dingin pertamanya (1970-an)

Untuk sebagian besar sejarahnya, AI hanya ada dalam penelitian. Untuk sebagian besar tahun 1960-an, lembaga pemerintah, khususnya DARPA, mencurahkan uang untuk penelitian dan praktis tidak memerlukan laporan investasi. Peneliti AI sering melebih-lebihkan potensi pekerjaan mereka untuk terus menerima dana. Semuanya berubah pada akhir 1960-an dan awal 1970-an. Dua laporan - satu dari Dewan Penasihat ALPAC untuk Pemerintah AS pada tahun 1966, dan yang kedua dari Lighthill untuk Pemerintah Inggris pada tahun 1973 - secara pragmatis mengevaluasi kemajuan dalam penelitian AI dan memberikan perkiraan yang sangat pesimis tentang potensi teknologi ini. Kedua laporan mempertanyakan keberadaan kemajuan nyata di berbagai bidang penelitian AI. Lighthill dalam laporannya berpendapat bahwa AI untuk tugas-tugas pengenalan suara akan sangat sulit untuk diukur berdasarkan ukuran yang dapat berguna bagi pemerintah atau militer.

Akibatnya, pemerintah Amerika Serikat dan Inggris mulai memotong dana untuk penelitian AI untuk universitas. DARPA, yang mendanai penelitian AI tanpa masalah pada tahun 1960-an, mulai menuntut jadwal waktu yang jelas dari proyek dan deskripsi terperinci dari hasil yang diharapkan. Akibatnya, mulai tampak bahwa AI tidak memenuhi harapan, dan tidak pernah bisa mencapai tingkat kemampuan manusia. "Musim dingin" pertama AI berlangsung sepanjang tahun 1970-an dan 80-an.

6. Kedatangan musim dingin kedua AI (1987)

Tahun 1980-an dimulai dengan pengembangan dan keberhasilan pertama " sistem pakar " yang menyimpan sejumlah besar data dan meniru proses pengambilan keputusan oleh orang-orang. Teknologi ini awalnya dikembangkan di Carnegie Mellon University untuk Digital Equipment Corporation, dan kemudian perusahaan lain mulai menerapkannya dengan cepat. Namun, sistem pakar memerlukan peralatan khusus yang mahal, dan ini menjadi masalah ketika kekuatan yang sama dan workstation yang lebih murah dari Sun Microsystems serta komputer pribadi dari Apple dan IBM mulai muncul. Pasar untuk sistem komputer ahli runtuh pada tahun 1987 ketika produsen peralatan utama meninggalkannya.

Keberhasilan sistem pakar di awal 80-an menginspirasi DARPA untuk meningkatkan pendanaan untuk penelitian AI, tetapi segera berubah lagi dan agensi mengurangi sebagian besar pendanaan ini, hanya menyisakan beberapa program. Sekali lagi, istilah "kecerdasan buatan" dalam komunitas penelitian telah hampir dilarang. Agar mereka tidak dianggap sebagai pemimpi yang tidak praktis dalam mencari pembiayaan, para peneliti mulai menggunakan nama lain untuk pekerjaan yang berkaitan dengan SS - "ilmu komputer", "pembelajaran mesin" dan "analitik". Musim dingin kedua AI ini berlanjut hingga tahun 2000-an.

7. IBM Deep Blue mengalahkan Kasparov (1997)

IBM Deep Blue mengalahkan pemain catur terbaik dunia, Garry Kasparov, pada tahun 1997.

Kesadaran publik akan AI meningkat pada 1997 ketika komputer catur Deep Blue milik IBM mengalahkan juara dunia saat itu, Garry Kasparov. Dari enam pertandingan yang diadakan di studio televisi, Deep Blue menang dua, Kasparov dalam satu, dan tiga berakhir imbang. Awal tahun itu, Kasparov mengalahkan Deep Blue versi sebelumnya.

Komputer Deep Blue memiliki daya komputasi yang cukup, dan ia menggunakan "metode brute force", atau pencarian lengkap, mengevaluasi 200 juta kemungkinan pergerakan per detik dan memilih yang terbaik. Kemampuan orang terbatas untuk mengevaluasi hanya sekitar 50 gerakan setelah setiap gerakan. Pekerjaan Deep Blue mirip dengan pekerjaan AI, tetapi komputer tidak memikirkan strategi dan tidak mempelajari permainan, karena sistem yang mengikutinya bisa melakukannya.

Namun demikian, kemenangan Deep Blue atas Kasparov mengesankan mengembalikan AI ke lingkaran perhatian publik. Beberapa orang terpesona. Yang lain tidak suka bahwa mesin itu mengalahkan ahli catur. Investor terkesan: Kemenangan Deep Blue sebesar $ 10 meningkatkan nilai saham IBM, menjadikannya secara maksimal pada waktu itu.

8. Jaringan saraf melihat kucing (2011)

Pada 2011, para ilmuwan dari universitas di seluruh dunia berbicara tentang jaringan saraf dan menciptakannya. Programmer Google Jeff Dean bertemu profesor IT Stanford Andrew Eun tahun itu. Bersama-sama, mereka menyusun penciptaan jaringan saraf besar, yang disediakan oleh kekuatan komputasi besar dari server Google, yang dapat memberi makan set gambar besar.

Jaringan saraf yang mereka ciptakan bekerja pada 16.000 prosesor server. Mereka memberinya 10 juta frame acak dan tidak berlabel dari video YouTube. Dean dan Eun tidak meminta jaringan saraf untuk memberikan informasi spesifik atau untuk menandai gambar-gambar ini. Ketika jaringan saraf bekerja dengan cara ini, belajar tanpa guru, ia secara alami mencoba menemukan pola dalam data dan membentuk klasifikasi.

Jaringan saraf memproses gambar selama tiga hari. Kemudian dia menghasilkan tiga gambar buram yang menunjukkan gambar visual yang dia temui berulang kali dalam data pelatihan - wajah seseorang, tubuh seseorang dan kucing. Studi ini merupakan terobosan besar dalam penggunaan jaringan saraf dan pembelajaran non-guru dalam visi komputer. Itu juga menandai dimulainya proyek Google Brain.

9. Joffrey Hinton mengeluarkan jaringan saraf dalam (2012)

Penelitian Joffrey Hinton telah membangkitkan minat dalam pembelajaran yang mendalam

Setahun setelah terobosan, Dean dan Un, seorang profesor di Universitas Toronto, Joffrey Hinton, dan dua muridnya menciptakan jaringan saraf untuk visi komputer, AlexNet, untuk berpartisipasi dalam kompetisi pengenalan gambar ImageNet. Peserta harus menggunakan sistem mereka untuk memproses jutaan gambar uji dan mengidentifikasi mereka dengan akurasi setinggi mungkin. AlexNet memenangkan kompetisi dengan persentase kesalahan dua setengah kali lebih rendah dari pesaing terdekat. Dalam lima versi keterangan gambar yang diberikan oleh jaringan saraf, hanya dalam 15,3% kasus tidak ada pilihan yang benar. Rekor sebelumnya adalah 26% dari kesalahan.

Kemenangan ini meyakinkan menunjukkan bahwa jaringan saraf yang dalam berjalan pada GPU, di mana lebih baik daripada sistem lain dapat secara akurat menentukan dan mengklasifikasikan gambar. Peristiwa ini, mungkin lebih dari yang lain, memengaruhi kebangkitan kembali minat pada jaringan saraf yang dalam, dan membuat Hinton dijuluki "bapak baptis yang dalam". Bersama dengan guru AI lainnya, Yoshua Benjio dan Jan Lekun, Hinton menerima Penghargaan Turing yang telah lama ditunggu pada tahun 2018.

10. AlphaGo mengalahkan juara dunia saat ini (2016)

Pada 2013, para peneliti di startup Inggris DeepMind menerbitkan sebuah makalah yang menggambarkan bagaimana jaringan saraf belajar bermain dan menang di 50 game Atari lama. Terkesan oleh ini, Google membeli perusahaan - seperti yang mereka katakan, sebesar $ 400 juta. Namun, ketenaran utama DeepMind masih di depan.

Beberapa tahun kemudian, para ilmuwan dari DeepMind, sekarang dalam kerangka Google, beralih dari permainan Atari ke salah satu tugas AI tertua - permainan papan Jepang berjalan. Mereka mengembangkan jaringan saraf AlphaGo, mampu bermain go dan belajar sambil bermain. Program ini telah melakukan ribuan pertandingan melawan versi lain dari AlphaGo, belajar dari kekalahan dan kemenangan.

Dan itu berhasil. AlphaGo mengalahkan pemain go terbaik di dunia, Lee Sedola , 4-1 dalam serangkaian pertandingan pada Maret 2016. Proses ini difilmkan untuk film dokumenter. Saat melihatnya, sulit untuk tidak menyadari kesedihan yang dirasakan Sedol. Tampaknya semua orang kehilangan, dan bukan hanya satu orang.

Kemajuan terbaru dalam bidang jaringan saraf yang dalam telah banyak mengubah bidang AI sehingga sejarah sebenarnya, mungkin, baru saja dimulai. Kami menunggu banyak harapan, hype dan ketidaksabaran, tetapi sekarang sudah jelas bahwa AI akan mempengaruhi semua aspek kehidupan di abad XXI - dan mungkin bahkan lebih dari yang dilakukan Internet pada satu waktu.