如今，关于发布新智能手机或应用程序的任何公告都没有提及人工智能。 AI处于趋势中，人们会认为他最近与我们在一起，但事实并非如此。 或更确切地说，情况并非如此：是的，人工智能工具直到今天才被广泛使用，但开发本身始于半个多世纪以前。 在AI的历史中，有许多有趣的故事是公众所不知道的，我们决定将这些故事告诉哈勃（Habr）的读者。
在AI的起源关于人工智能的文章很多，以至于似乎没有一个统一的定义是自相矛盾的。 一些专家认为，在了解人类智能的本质之前，不可能谈论创建人为的对应物。 其他人则认为，机器执行需要人的智力表现的任务的能力已经是人工智能。 而且，这种现象可以理解为计算机不仅具有明确的“是”和“否”概念，而且还具有“也许”和“是否”的问题。 也就是说，要学习，得出结论，并根据所获得的经验做出决定。
如果您不考虑古代关于人造创造物的传说，那么最早的关于思维机制的文学作品可以在捷克戏剧KarelČapek在其1920年的戏剧“ RUR”（罗斯苏姆环球机器人）中找到。 作品讲述了一个生产“人造人”的工厂-他们被称为机器人。 如果您不打算阅读剧本（尤其是
捷克语 ），请立即想象一下剧透：首先，机器人为人们服务，然后决定准备一场骚乱，该骚乱可能导致人类灭绝。 现在这个想法似乎并不新奇，因为 它被广泛用于现代文学和电影。
年轻的科学家
约翰·麦卡锡 （
John McCarthy）在1956年的达特茅斯会议上首次正式使用“人工智能”一词。 McCarthy将AI解释为创建智能计算机程序的科学和技术。 尽管对术语的解释有所不同，但是与会人员最终的
判断是：“可以以机器可以模仿的方式准确地描述人类理性活动的任何方面。”
早在20世纪20年代，人工智能就没什么好期待的了。 卡雷尔·查佩克（Karel Chapek R.U.R.） 资料来源：Wikimedia第1集：Walter的机械乌龟美国控制论专家格雷·沃尔特（Gray Walter）设法实现了具有智能基础的机器人的概念。 他的
机械“乌龟”建于1948-49年，骑着马走向光源，靠在障碍物上，移开并绕过它们。 这是机器首次全面展示智能：机器人不是无助地靠在桌腿上，而是得出关于不可能行进的结论，并做出绕行策略的决定。 在这种情况下，该机器人仅由模拟组件创建。
格雷·沃尔特（Grey Walter）在类似组件上的感光乌龟。 资料来源：Extremenxt.com第2集：第一台机器翻译器1954年，IBM演示了一种未完成的从俄语到英语的自动翻译器，该翻译器仅用六个规则进行操作，有机化学领域的词汇量为250个单词。 军队需要这种机器来翻译苏联文件。
该演示在媒体上引起了轰动，仅刺激了AI领域的更多资金。 潜在的自动翻译的好处是显而易见的：据估计，在政府公共联合研究局的4,000名不同语言的专职翻译中，每个月只有300人忙碌。 提高识别和自动翻译的质量将通过减少staff肿的人员来节省大量资金。
IBM俄语翻译成英语，是未来的美国总统罗纳德·里根（Ronald Reagan）和计算机科学之父之一赫伯特·格罗什（Herbert Grosh），1954年。 资料来源：Columbia.edu
第3集：第一位电脑象棋玩家1997年5月11日，在纽约，该计算机在历史上首次赢得冠军，这是根据所有“人类”规则举行的比赛，即当时的国际象棋冠军。 当然，这是关于Garry Kasparov和DeepBlue的第二战。 这是服务局公司（IBM的一个部门）的程序员和兼职国际象棋玩家Alex Burstein及其同事编写《伯恩斯坦国际象棋程序》的第40年，该程序是第一个在IBM 704大型机上运行minimax算法的国际象棋程序。 ：每次移动花了8分钟，在这段时间内他设法计算出2800个可能的位置。 伯斯坦本人从来没有失去过自己的程序，尽管他承认：“从理论上讲，704并不能令我感到惊讶，但有时它会成功-几次演奏都非常好，甚至让我感到困惑。”
业余704大型机象棋
资料来源：NASA但是令IBM 704（不仅是服务局公司的这台机器，而且是贝尔实验室的另一台机器）的作家亚瑟·克拉克（Arthur Clark）真正感到惊讶，他刚在贝尔实验室工作时就出现了。通过将声码器连接到主机，我们教了704如何播放Daisy Bell歌曲，以演示计算机语音合成的可能性。 作家Clark印象深刻，并用HAL 9000机器人表演同一首歌的场景插入了
2001年的《太空漫游》中 。
但这是一个完全不同的故事。 1957年，人工智能的先祖赫伯特·西蒙（Herbert Simon）和艾伦·纽威尔（Allen Newwell）预测，一台计算机将能够在10年内击败一个人。 确实是这样：1967年，Mac Hack程序开始与人一起成功参加比赛。
第4集：沉思的Shakey机器人和AI Winter的出现如上所示，计算机技术的发展，特别是AI解决方案的发展充满信心，始于1950-60年代，最初取得了令人瞩目的成果。 此外，科学家们开始大声疾呼地谈论技术发展的光明前景。 因此，在1970年，人工智能学说的创始人之一马文·明斯基（Marvin Minsky）预测“相当于3到8年之内”与人类相对应的计算机智能的出现。 AI科学家发表了关于不久的将来的雄辩言论，提高了人们的期望标准。
然而，在随后的几年中，科学家未能实现应有的突破-研发了人工智能的基本原理和算法，真正的产品遥不可及，进展极其缓慢，人工智能领域的不发达分散了研究人员的精力。 未实现期望的一个例子是
Shakey机器人 ，它对科学非常重要，但从投资者的角度来看却毫无意义。 它的创建和改进工作于1966-77年进行，它是带有摄像头的移动机器人，可以独立搜索任务的解决方案。 不幸的是，Shakey仍然是技术和算法的测试模型，没有任何功利性的好处：它只能在人工构建的测试空间中正常工作，并且花了一个多小时才能完全解决``在高处检测块并将其推到一起''这一基本任务。
具有深思熟虑的人工智能的传奇Shakey机器人。
资料来源：SRI国际在数学家詹姆斯·莱特希尔爵士的一份报告中，投资者对人工智能（在很大程度上是军事方面）的怀疑越来越强烈（该爵士在1973年发表的报告中指出，机器始终会像经验丰富的业余爱好者一样下棋，并且像面部识别这样的复杂任务也是如此）永远不会在他们的能力范围内。 除了情感推理之外，该报告还包含了反对人工智能的合理论点。 其中，提到了当时计算机的计算能力不足和缺乏全面的机器学习，因此，为了有效地运行AI，每次必须填充大量数据。
报告之后，人工智能领域的研究经费急剧减少，标志着AI冬季的开始。
第6集：邮政中的东芝AI（等等）尽管投资者对人工智能的兴趣逐渐减弱，但工程师们仍在研究具有AI元素的窄型机器。 他们并没有那么雄心勃勃地尝试创建“人工智能”，而是提出了针对特定问题的解决方案。 但是，与机器人制造商不同，这种机器的创造者已经取得了真正的成功。
在20世纪上半叶，办公室中的所有邮件都是手工分类的-操作员读取索引和地址，将信封和明信片转移到必要的单元格中。 创建自动分类器的尝试始于1920年代，但第一批串行半自动机器仅在1950年代出现。
在六十年代的邮局使用分拣机，读取信封上的索引，严格按照所有已知的方式书写。 与该模板的差异使索引无法自动读取。 尤其是如果索引是以通常的书写风格编写的，那么一个人就不可能总是第一次识字。
如此朴实的数字，即使是最简单的邮件分类机也能识别1965年，在日本邮电部的领导下，启动了创建新一代自动分拣机的项目。 一年后，在东芝（当时的东京芝浦电气公司），用于识别打印的手写数字的机制的原型已经准备就绪。 1967年，东芝推出了采用光学字符识别（OCR）技术的分拣机。 机器用Visicon数码相机扫描了信封，然后将产生的印记发送到识别单元，识别单元中所有不必要的信息都被丢弃，但索引中分组的数字除外。 识别出手写数字后，字母进入所需的分类托盘。
具有1967年先进AI的东芝邮政分拣机。 资料来源： 东芝科学馆在处理这些首批样本的过程中，工程师收集了30万笔手写样本，从而大大提高了AI的有效性-正如他们所说，他们收集了大数据，因为机器没有自学习能力。 1968年7月1日，被更新为东芝TR-4的分拣机在东京中央邮局开始工作。
随后，这些开发对工程师创建ASPET / 71计算机很有用，该计算机对于以200个字符/秒的生产率识别来自印刷媒体的文本来说是一个非常复杂的过程。 如果现在看来智能手机的OCR扫描仪或OCR应用程序似乎并不令人惊讶，那么在1971年，ASPET / 71似乎是一个巨大的突破。
印刷文本识别ASPET / 71电脑。
资料来源：电子情报通信学会在80年代中期的第二次AI繁荣时期，东芝推出了
AS-TRANSAC翻译
程序的改进版本，该
程序 AI在保留其含义的同时，帮助将整个文本从日语翻译为英语，反之亦然。 如果不使用AI来选择所需的值，则自动翻译将是一组不连贯的单词。
1998年，东芝AI在EUROPA框架中派上了用场，该框架使您可以创建可以理解语音查询中的关键字并响应合成语音的语音系统。 该公司与EUROPA共同推出了MINOS，MINOS是用于汽车导航的平台，可识别语音命令和地址。
第7集：21世纪的AI1997年，当IBM深蓝国际象棋计算机击败Garry Kasparov时，真正响亮的人工智能而闻名，尽管一年前该机器被国际象棋手击败。 一个人丢失计算机的事实这一事实不足为奇，但是媒体的轰动增加了这次事件的重要性。
索尼Aibo家用机器人狗于1999年发布，这激发了人们一个虚假的希望，那就是说话机器人和全能人工智能时代即将来临，但革命并没有再次发生-七年后，索尼关闭了该项目，仅在2017年重启了该项目。
爱宝的原型。 顺便说一下，除了狗机器人之外，索尼还以这个品牌生产了小狮子和宇航员，尽管数量要少得多。 来源：Alex / Flickr：DSC00193人工智能在2010年代出现了新的繁荣，当时计算机和移动设备的功能允许在消费类设备和应用程序中使用AI。 最终，所有的明星都聚集在一起进行AI：全面的数字化帮助创建了AI分析和培训所需的庞大数据库，并且开发了更加高效和高效的算法，而不是过时的神经网络学习算法。
2017年，IBM Watson Explorer AI系统成功取代了日本保险公司Fukoku Mutual Insurance的34名员工，他们从事分析客户健康状况以制定个人保险计划-AI可以轻松运行数千条记录，为双方计算出最有利的保险计划。
在YouTube上运行
的Google Brain算法填充了推荐视频的侧边栏，为每个用户找到了最有趣的视频。 记住，由于YouTube的建议，您发现了多少有趣的视频。
AI在交易大厅的出现为电子商务提供了强大的动力-亚马逊上推荐的AI提供了总销售额的35％，评估查看的物品并选择他们最有可能购买的产品。
从图像生成（Prisma）到遮脸（Snapchat），在所有推荐系统，语音识别系统，大多数监视系统，智能家居，家用电器，各种类型的机器人中，人工智能已用于许多创新的移动应用程序中，依此类推。
在接下来的十年中，全世界将会看到负担得起的串行无人驾驶汽车，其操作基于AI和机器学习。 去年，东芝推出了新的
Visconti 4图像识别处理器，其第一个版本出现在90年代初。 该芯片中的AI能够即时处理大量图形数据，准确地检测摄像机视频中的标记，交通信号灯，人，其他汽车和障碍物。
第8集：汽车学会说话注意：请勿在惊讶的亚瑟·克拉克（Arthur Clark）面前发音记录的单词，例如IBM 704，即与人保持对话，以充分回应他的言论。 由英国数学家艾伦·图灵（Alan Turing）在1950年提出的经验检验旨在回答当时令他担忧的问题：机器能否像人一样思考？ 回想一下，测试的实质是法官与两个对象（人与机器）的盲目沟通。 在对话期间，思想家根据图灵（Turing）认为，计算机应该误导法官，完全假扮成一个人。
自1990年以来，该测试已在Löbner奖竞赛中找到了实际应用。 竞赛参与者展示他们的聊天机器人，他们冒充现场对话者。 顺便说一句，除了文字交流外，劳伯纳奖还为视听节目提供提名，这是AI的胜利，它将在未来自动取消竞争，标志着复杂AI时代的开始。 但是到目前为止，这一提名没有取得任何进展，而且在不久的将来很难期望得到这些提名。
这是一个很好的例子，展示了人类智能与AI被称为Loebner奖这一事实之间的区别（这是2005年竞赛计划的译文摘录）：
法官与人的对话
法官：Pzhshchevich parchishshch krvahoch，对吗？
成员：波兰语吗？
法官：什么？
成员：您刚刚写的。
法官：这是ssvmrzya，不是吗？
成员：我有点担心您的打字技巧。
现在，当年法官和Jabberwacky聊天机器人之间的对话赢得了胜利
法官：好的，暂时。 我将与另一个实体聊天。
成员：好的，很高兴使用梳子。
法官：你在说什么？ 你是怎么用我的梳子的？
成员：好。
法官：好吗？
成员：是的
法官：非常沉思的对话。
成员：此外，我将其捐赠给了慈善机构。
法官：什么？ 您向慈善机构捐赠了什么？ 这次对话？
成员：嗯...一百万美元？
法官：什么样的慈善？
成员：我们是在谈论辛普森一家还是虚幻的？
法官：说实话，我不明白我们在这里讨论的事情。
自2005年以来，聊天机器人向前迈出了一大步。 在2014年，劳伯纳奖历史上第一次由弗拉基米尔·维塞洛夫（Vladimir Veselov）创建的圣彼得堡机器人尤金（Zhenya Gustman）成功地在33％的案件中欺骗了法官-根据比赛的条款，超过30％的门槛意味着成功通过了测试。 也就是说，从1990年到2014年，尽管每年都获得最有效的聊天机器人奖，但是用人工智能对“人性”的测试仍然没有成功。
但是到目前为止，聊天机器人还远未达到科幻小说梦of以求的人工智能—机器无法支持带有与上下文完全匹配的备注的对话。
人类的语音非常复杂和多样，因此仍然无法进行复杂的计算机分析：虽然理解单个单词和简单短语，但AI仍然无法理解深层含义，即使在单词正确排列的情况下，人工智能在其复制品中也显得荒唐可笑。和来自Yandex的最受欢迎的语音助手Siri，Cortana和Alice，尽管有时他们会给出非常机智的答案，但是在任何无法理解的情况下，他们都会切换到搜索引擎来停止对话。人工智能很强大，但还远远不够完善。预测和识别系统会犯错误，尽管错误的发生频率远低于人类。尽管社会上一直在谈论人工智能解决方案的伦理学，但AI设法取得了几年前无法达到的新高度：AlphaGo计划击败了Go中的一个人，这是最后一个逻辑游戏，人类以其抽象思维的首要地位被认为不可动摇。