在过去的几年中，人工智能的话题已经得到了积极的讨论，因为研究人工智能的方法之一正在大公司中积极发展。 这种方法是神经网络。 最近，大约一年前，这个词随处可见。 今天，我们考虑了人类研究人工智能的历史（事实证明它已经有2000多年的历史了）和当今的现实。
本文的作者是来自Jedium的家伙。 我请他们发言。引言
实际上，由于常规计算机的计算能力的增长，在软件级别上从事AI变得很方便。 在某种程度上，有关如何以最少的编程知识来“编写”您的神经网络的文章被放在流行的IT来源上。 但是，在深入研究我们公司在这方面的研究之前，我们想告诉您一些背景知识。
人工智能不是21世纪的发现
这个行业的快速发展始于几年前，但是在此之前，人类已经研究了人工智能两千年了。 从亚里斯多德和笛卡尔开始，以臭名昭著的约翰·冯·诺伊曼（John von Neumann）结尾。 后者为现代计算机逻辑的发展做出了巨大贡献。 有很多科学家研究了这一领域。 有关AI历史的完整描述将采用多篇文章进行详尽的转录和解释。 人工智能科学背景的目标是传达一些对理解Jedium所做的事情很重要的观点。
在上个世纪30年代，人们对人工智能的研究激增。 采用不同方法研究AI的科学家取得了优异的成绩，相互质疑，并证明了新的理论。 因此，例如，在那时，发明了一种图灵测试，该测试假定如果在与两个对话者的对话中一个人无法将AI与另一个人区分开（对话应该使用计算机终端进行，以排除语音，外表和类似诽谤性质的影响），那么我们拥有完整的AI。 最有趣的是，一旦测试通过。 结果，图灵的作品成为有关计算机系统知识的基础，计算机系统根据输入数据创建自己的公理（不需要证明的判断）。 借助公理，系统可以根据用户的特定要求得出结论，或者以非常令人印象深刻的准确性进行预测。 在我们这个时代，正是这些系统被称为神经网络。
有几种研究AI的方法，但值得至少强调两种方法-具有某些语义，而没有语义。 我们要么编写逻辑，要么编写高负载的计算程序，即神经网络。 但是，在上世纪40年代末至今，在AI领域没有发现重大突破。 有一个“冬天”-对人工智能研究的兴趣下降了。 这是由于缺乏建立强大的神经网络的计算能力，而逻辑方面的方法却极其困难，并且结果令人失望。
几年前，计算能力已足以满足构建非常强大的神经网络的需要。 但是，普通人对它们的兴趣却出现了消极趋势，而专家之间相反，培训仍在继续。 甚至值得保留-神经网络越来越多地开始获取日常和日常事物的属性。 小工具中的语音助手，机器视觉，您可以再次使用它们通过智能手机，照片编辑器和许多其他示例来扫描文档。 人们已经习惯了，“哇哇效应”变得越来越难。 因此，有一个论点是神经网络的发展在不久的将来不会以如此快的速度发展，换句话说，将会出现一个新的“冬天”。
但是，尽管在企业中研究AI的工作并没有停止，但该行业仍然存在严重的问题，阻碍了该领域的有效研究。
例如，缺乏训练神经网络的数据。 通过研究此结论并提出“我们可以从哪里获取数据？”这一问题，我们发现了一种有趣的方法，可以解决该问题。
生活例子
Jedium的家伙正在创建一个标准化和简化VR / AR应用程序开发的平台，并创建培训系统。 在该领域工作时，他们发现了有关所谓“隐藏知识”的有趣研究。 隐藏的知识是一个人拥有但另一个人却没有的技能。 具有隐藏知识的人可以共享它。 只有整个问题都在于名字-这些技能是隐藏的，并且直到一个人被告知这些技能之前，他都不知道自己拥有这些技能。
隐藏的知识是社会学习的基础。 如果知道一个学生可以提供给其他学生，则可以减轻老师的负担。 几乎没有人在实践中测试过此论文-没有专门的软件系统。 公司正在朝这个方向发展。 在一个虚拟环境中，您可以在其中重新创建记录隐藏知识的条件，然后将其用于将其转移给其他学生。
但是要利用隐藏的知识并仅创建一个有效的学习环境，您需要足够强大的人工智能元素。 例如，根据每个知识和偏好的差距，构建真正的个性化学习（量身定制的学习）。 在现代现实中，这需要有效的数据分析算法-受过训练的神经网络。
现代电子学习
创建一个现代的在线学习系统，还应考虑到现代趋势，其中有几种趋势，通常很难区分它们之间的界限：
- 从学习“以老师为中心”到学习“以学生为中心”的过渡。 在相当长的一段时间内，在线学习系统中考虑了一种纯粹的经典范式-“老师告诉学生一些事情”。 同时，使用什么特定的技术手段不是很重要，无论是现代的LMS和用于创建教育内容的工具，还是仅仅是发送给学生的演示文稿。 现在，人们普遍认为，培训系统的重点不应是教师，而应该是学生，学生应从各种渠道获得知识并形成自己的世界图景；
- 异步/同步通信。 从技术意义上讲，这是一个较小的问题，因为不缺少用于实时远程通信的工具。 对我们来说，更大的问题似乎是正确使用这些工具，尤其是在总体上进行培训计划的情况下。 尽管混合学习（混合学习）的概念并不是一个全新的事实，但我们经常会遇到现场交流和培训课程本身彼此分离，无法统一成一个系统的情况。 如果我们谈论社会学习的方法，那么它们通常会在相当长的一段时间内``超越主流''发展，这当然创造了许多相当有趣的产品，例如知识论坛，但未解决如何将这些方法与公认的方法结合的问题。
- 建构主义和连接主义范式。 同样，结合使用上述所有功能，它们看起来都很有趣，但是我们认为，尚未找到在软件产品中应用和实现的一般模式（尽管对于传统的LMS / LCMS，所有这些都已经存在）长期存在）。
- 模拟，严肃游戏，角色扮演游戏。 在许多领域，这类培训被认为是最好的。 但与此同时，很长一段时间以来，它们在整个培训系统中都显得遥不可及-标准和应用实践均未对此有所贡献。 现在，随着从AICC / SCORM到xAPI的过渡，有相当明显的机会将它们集成到培训中，但是同样没有任何模式或最佳实践。
创建平台后，我们寻求解决这些问题的方法，同时试图从理论上而不是在具有某些功能的非常特定的软件产品中找到解决方案。 我们认为这在某种程度上是可能的，但我们也看到这些问题中的很大一部分需要进一步开发平台并对其工作进行分析。 我们希望在以后的文章中进一步讨论这一点。
扩大情报范围
我们的使命是扩大知识发展的范围，通过技术进步丰富人们的社会知识。
长期以来，教人理论是与技术进步相隔离的。 我们的目标是通过在人与机器智能的联合工作中实现协同作用来消除这一障碍。
并了解过程中实际发生的情况。
作者
Jedium是Microsoft合作伙伴公司，致力于虚拟，增强现实和人工智能领域。 Jedium开发了一个框架来简化Unity上复杂项目的开发，其中一部分可以
在GitHub上公开获得。 Jedium计划用新的框架模块以及与Microsoft Azure的集成解决方案补充存储库。
Vitaliy Chashchin-软件开发人员，在设计和实现三维客户服务器应用程序方面拥有10多年的经验-从概念到虚拟现实领域中应用程序和解决方案的完整实现以及集成。 系统架构师Jedium LLC，IT硕士。
阿列克谢·萨拉法诺夫（Alexey Sarafanov）Jedium LLC的市场经理。
谢尔盖·库德里亚夫采夫Jedium LLC的首席执行官兼创始人。