Fem sesonger med kunstig intelligens. Han slår en person til smedere i Go, tar kontroll over bilen sin og erstatter ham på jobb, og kan samtidig forbedre medisinens effektivitet. Den lange historien går tilbake til 1958 med en enorm maskin som kunne skille mellom høyre og venstre.
1: 0. Så 2: 0. Og 3: 0. I mars 2016 ble det endelige møtet holdt på Four Seasons Hotel i Seoul, hvoretter det ikke var noen skygge av tvil: den koreanske go-mesteren Lee Sedol tapte 4: 1 til en datamaskin som kjørte AlphaGo-programmet utviklet av et datterselskap av Google "Deepmind". For første gang i historien overgikk mekanismen for "maskinlæring" og "kunstige nevrale nettverk" den menneskelige hjernen i dette spillet, som anses å være vanskeligere å simulere enn sjakk. Mange eksperter understreker at de bare forventet et slikt resultat i løpet av få år.
For et bredere publikum var dette et bevis på kraften i den nye "dyp læring" -teknologien, som nå er kjernen i stemmeassistenter, autonome biler, ansiktsgjenkjenning, maskinoversettelse, og som også letter medisinsk diagnose …
Interessen for automatiske læringsteknologier, som vises av amerikanske og kinesiske selskaper innen høyteknologi (Google, Amazon, Facebook, Microsoft, Baidu, Tensent), dekker hele planeten og hopper stadig mer fra vitenskapelige overskrifter til aviser i økonomiske, analytiske og sosiale materialer. Fakta er at kunstig intelligens ikke bare lover store endringer i økonomien, men også reiser tanker om nye destruktive våpen, generell overvåking av innbyggerne, erstatning av ansatte med roboter, etiske problemer …
Men hvor kom AIs teknologiske revolusjon fra? Historien hennes har nok opp- og nedturer. Hun stolte på prestasjonene innen nevrovitenskap og informatikk (som du kanskje antar fra navnet), samt, overraskende nok, fysikk. Stien hennes gikk gjennom Frankrike, USA, Japan, Sveits og USSR. På dette området kolliderte forskjellige vitenskapelige skoler med hverandre. De vant den ene dagen og tapte den neste. Det tok alle å vise tålmodighet, utholdenhet og vilje til å ta risiko. Det er to vintre og tre kilder i denne historien.
Selvbevisst maskin
Det hele startet helt fint. "Den amerikanske hæren snakket om ideen om en maskin som kan gå, snakke, se, skrive, reprodusere og bli oppmerksom på seg selv," skrev The New York Times 8. juli 1958. Denne en-spalters artikkelen beskriver Perceptron, som ble opprettet av den amerikanske psykologen Frank Rosenblatt i laboratoriene ved Cornell University. Denne maskinen på $ 2 millioner den gangen var omtrent på størrelse med to eller tre kjøleskap og ble flettet med mange ledninger. Under en demonstrasjon foran den amerikanske pressen bestemte Perceptron om en firkant som var tegnet på et ark var til høyre eller venstre. Forskeren lovet at med en investering på ytterligere 100 tusen dollar, vil maskinen hans kunne lese og skrive om et år. Faktisk tok dette over 30 år …
Salgsfremmende video:
Uansett var det viktigste i dette prosjektet inspirasjonskilden, som forble uendret helt opp til AlphaGo og dens "slektninger". Psykolog Frank Rosenblatt har vært involvert i begrepene kybernetikk og kunstig intelligens i over et tiår. For øvrig utviklet han sin Perceptron ved hjelp av to andre nordamerikanske psykologer: Warren McCulloch og Donald Hebb. Den første publiserte i 1943 en fellesartikkel med Walter Pitts (Walter Pitts) med et forslag om å lage "kunstige" nevroner, som skulle starte fra naturlige og ha matematiske egenskaper. Den andre introduserte regler i 1949 for å la kunstige nevroner lære seg ved prøving og feiling, slik hjernen gjør.
Broen mellom biologi og matematikk var et dristig initiativ. En telleenhet (nevron) kan være aktiv (1) eller inaktiv (0) avhengig av stimuli fra andre kunstige formasjoner som den er koblet sammen, og danner et komplekst og dynamisk nettverk. Mer presist får hver nevron et bestemt sett med symboler og sammenligner det med en viss terskel. Hvis terskelen overskrides, er verdien 1, ellers er den 0. Forfatterne har vist at deres tilknyttede system kan utføre logiske operasjoner som "og" og "eller" … og dermed utføre en hvilken som helst beregning. I teorien.
Denne innovative tilnærmingen til beregninger førte til den første krangelen i vår historie. De to konseptene kom sammen i en uforsonlig konfrontasjon som fortsetter til i dag. På den ene siden er det tilhengere av nevrale nettverk, og på den andre er det talsmenn for "klassiske" datamaskiner. Det siste er basert på tre prinsipper: beregninger er overveiende sekvensielle, minne og beregninger er utstyrt med klart definerte komponenter, enhver mellomverdi skal være lik 0 eller 1. For førstnevnte er alt annerledes: nettverket gir både minne og beregninger, det er ingen sentralisert kontroll, og mellomverdier er tillatt.
"Perceptron" har også evnen til å lære, for eksempel å gjenkjenne et mønster eller klassifisere signaler. Slik korrigerer skytteren synet. Hvis kulen går til høyre, flytter den tønne til venstre. På nivå med kunstige nevroner betyr dette å svekke de som trekker til høyre, til fordel for de som trekker til venstre, og la deg treffe målet. Det eneste som gjenstår er å lage denne flokken av nevroner og finne en måte å koble dem sammen.
Det var som det måtte, entusiasmen avtok betydelig i 1968 med utgivelsen av boken Perceptrons av Seymour Papert og Marvin Minsky. I den viste de at strukturen til perceptroner tillater å løse bare de enkleste problemene. Det var den første vinteren av kunstig intelligens, hvis første vår, vi må innrømme, ikke bar mye frukt. Og vinden blåste fra ingen vei: Marvin Minsky sto ved opprinnelsen til selve konseptet "kunstig intelligens" i 1955.
AI og AI kolliderer
31. august det året sendte hun og kollega John McCarthy et dusin mennesker som inviterte dem til å delta neste sommer i et to måneder langt arbeid med det da første konseptet med kunstig intelligens ved Dartmouth College. Warren McCulloch og Claude Shannon, faren til datavitenskap og telekommunikasjonsteori, var til stede. Det var han som brakte Minsky og McCarthy til Bell-laboratoriet, hvorfra transistorer og lasere deretter kom ut. I tillegg var det de som ble et av sentrene for gjenopplivingen av nevrale nettverk på 1980-tallet.
Parallelt med dette ble to nye bevegelser dannet, og Stanford University ble deres slagmark. På den ene siden flauntet forkortelsen for AI, "kunstig intelligens", i en annen forståelse enn nevrale nettverk, som ble forsvart av John McCarthy (han forlot Massachusetts Institute of Technology og opprettet sitt laboratorium i Stanford). På den annen side er det UI, "forbedret intelligens", som reflekterer Douglas Engelbartts nye tilnærming. Han ble ansatt i 1957 av Stanford Research Institute (opprettet i 1946 av en uavhengig institusjon som samhandlet med privat sektor).
Douglas Engelbart hadde en vanskelig vei bak seg. Han var tekniker og engasjert i radar under andre verdenskrig, men fortsatte deretter studiene og forsvarte avhandlingen. Før han begynte i Stanford, opprettet han til og med sitt eget selskap, men det varte bare i to år. På et nytt sted begynte han å implementere sin visjon om å styrke menneskelige evner. Han sa at han hadde en klar ide om hvordan “kolleger sitter i forskjellige rom på lignende arbeidsstasjoner som er knyttet til det samme informasjonssystemet og kan tett samhandle og utveksle data,” sier sosiolog Thierry Bardini.
Denne visjonen ble implementert i desember 1968, ti år etter introduksjonen av Perceptron, under en demonstrasjon av oNLine-systemet med en tekstredigerer på skjermen, hyperkoblinger til dokumenter, grafer og en mus. Douglas Engelbart var en visjonær, men så sannsynligvis for langt inn i fremtiden til å virkelig gjøre seg kjent.
Januar 1984, den første Macintosh
John McCarthy på sin side kalte dette systemet unødvendig "diktatorisk" fordi det påla en spesiell tilnærming til tekststrukturering. Denne modige forskeren, som i likhet med Engelbart ble finansiert av den amerikanske hæren, presenterte sitt eget symbolske begrep om kunstig intelligens. I dette stolte han på LISP, et av de første programmeringsspråkene han utviklet. Tanken var å etterligne tankeprosessen med en logisk kjede av regler og symboler og derved danne en tanke eller i det minste en kognitiv funksjon. Dette har ingenting å gjøre med nettverk av uavhengige nevroner som kan lære, men som ikke klarer å forklare valget. Bortsett fra robo-hånden som øste hullet, som moret alle ved å slå over glassene, var den nye tilnærmingen ganske vellykket med tanke på det som lenge har blitt kalt "ekspertsystemer."Reglerkjeder tillot maskiner å analysere data på en lang rekke felt, det være seg økonomi, medisin, produksjon, oversettelse.
I 1970 uttalte en kollega fra Minsky følgende uttalelse til magasinet Life:”Om åtte år vil vi ha en maskin med intelligens fra en gjennomsnittlig person. Det vil si en maskin som kan lese Shakespeare, skifte olje i en bil, spøk, slåss."
Seieren av den symbolske tilnærmingen
Tilsynelatende liker ikke kunstig intelligens profetier. I 1973 ble det gitt ut en rapport i England som kjølte hete hoder:”De fleste forskere som jobber med kunstig intelligens og beslektede felt innrømmer at de er skuffet over det som er oppnådd de siste 25 årene. (…) I ingen av leirene har funnene som hittil er gjort, gitt de lovede resultater."
De påfølgende årene har bekreftet denne diagnosen. På 1980-tallet gikk AI-selskaper konkurs eller byttet felt. McCarthy laboratoriebygning ble revet i 1986.
Douglas Engelbart vant. I januar 1984 ga Apple ut sin første Macintosh, og implementerte de fleste av ingeniørens ideer.
Dermed gikk seieren ikke til kunstig intelligens, som Minsky og McCarthy drømte om, men til det forsterkede intellektet til Engelbart. Alt dette har ført til utvikling av effektive personlige datamaskiner. Og kunstig intelligens har nådd en blindvei. Symbolikken viste seg å være sterkere enn nevrale nettverk. Likevel slutter ikke historien vår der, og de vil fortsatt erklære seg selv.
David Larousserie
