A tél időszakai a mesterséges intelligencia fejlődésében

Az "AI Tél" meghatározása és eredete

Az "AI tél" kifejezést először 1984-ben használták az Amerikai Mesterséges Intelligencia Szövetség (AAAI) éves találkozóján. Ezt a kifejezést olyan időszakokra használták, amikor az AI kutatásában és fejlesztésében csökkent az érdeklődés és a finanszírozás. Az AI telek ciklusait a magas elvárások és a mély csalódások jellemzik, amelyek jelentős finanszírozási és érdeklődési csökkenést eredményeznek.

Az első AI tél (1974-1980)

Az első AI tél 1974 és 1980 között zajlott, és számos tényező együttes hatására következett be, többek között a "Lighthill Report" publikálása, amely kritikusan értékelte az AI kutatás túlságosan ambiciózus ígéreteit, valamint a főbb ügynökségek, például az USA-beli DARPA finanszírozásának visszavonása. Ez az időszak jelentős visszaesést hozott az AI kutatási tevékenységekben, mivel az 1950-es és 1960-as évek kezdeti lelkesedése elapadt.

A második AI tél (1987-2000)

A második AI tél az 1980-as évek végén és az 1990-es évek közepén zajlott. Ennek a visszaesésnek az oka főként az expert rendszerek korlátaiban rejlett, amelyek akkoriban népszerű AI technológiák voltak, de nem tudták teljesíteni a magas elvárásokat. Ezek a rendszerek ígéretesnek tűntek, de hamarosan jelentős gyakorlati és technikai korlátokkal szembesültek, ami kiábránduláshoz és a finanszírozás és érdeklődés csökkenéséhez vezetett.

Gépi Fordítás Kudarca (1966)

Az 1966-os ALPAC jelentés jelentős korai visszaesést okozott az AI területén, amely hozzájárult az első AI tél beköszöntéhez. Ez a jelentés kritikus értékelést adott a gépi fordítás állapotáról, és arra a következtetésre jutott, hogy a technológia nem tudja teljesíteni a tudományos szövegek fordításának elvárásait, ami kétségeket vetett fel a közeli jövőbeli kilátásaival kapcsolatban. Ez a jelentés jelentős finanszírozás csökkenéséhez vezetett a kulcsfontosságú szponzorok, például a Védelmi Minisztérium, a Nemzeti Tudományos Alapítvány és a CIA részéről, ami lecsillapította az AI kutatás iránti lelkesedést és fejlesztést ebben az időszakban.

Perceptronok Kritikája (1969)

Az 1969-es perceptronok kritikája meghatározó pillanat volt a mesterséges intelligencia történetében, különösen a neurális hálózatok területén. A perceptronokat először Frank Rosenblatt vezette be 1958-ban, mint egyszerű neurális hálózatokat, amelyek különféle logikai műveleteket képesek végrehajtani, de nem tudták kezelni a nemlineáris szétválasztást, mint például az XOR problémát. Ezt a korlátot Marvin Minsky és Seymour Papert 1969-es "Perceptrons" című könyvükben emelték ki, amely szerint ezek a hálózatok nem tudják kiszámítani az egyszerű XOR függvényt, ami kétségeket vetett fel az összetettebb feladatokkal kapcsolatban. Ez a kritika jelentősen befolyásolta a neurális hálózatokkal kapcsolatos észlelést, hozzájárulva az első AI tél beköszöntéhez, szkepticizmust keltve a neurális hálózatok szélesebb körű képességeivel kapcsolatban.

DARPA és a Beszédmegértési Kutatási Program (1971-1975)

Az 1971 és 1975 közötti időszak jelentős fejezetet jelentett az AI történetében, amelyet a DARPA növekvő elégedetlensége jellemzett a Carnegie Mellon Egyetem Beszédmegértési Kutatási (SUR) programjával kapcsolatban. Az ambiciózus kezdet és jelentős finanszírozás ellenére a program nehezen tudott megfelelni a magas elvárásoknak. A technológia képtelensége, hogy hatékonyan megértse és feldolgozza a természetes nyelvet valós környezetben, kétségeket ébresztett a gyakorlati alkalmazhatóságával kapcsolatban. Ez az elégedetlenség hozzájárult ahhoz, hogy a DARPA visszavágja a finanszírozást, nemcsak a SUR programot érintve, hanem árnyékot vetve az AI hatékonyságával kapcsolatos észlelésekre is ebben az időszakban.

A Lighthill Jelentés (1973)

Az 1973-as Lighthill jelentés meghatározó szerepet játszott a mesterséges intelligencia kutatásának irányításában az Egyesült Királyságban. A British Science Research Council megbízásából készült jelentés kritikus értékelést adott az AI előrehaladásáról, különösen kritikusan értékelve a területet, hogy nem teljesítette az ambiciózus ígéreteket. Sir James Lighthill jelentős hiányosságokat emelt ki az alapvető területeken, mint például a robotika és a nyelvfeldolgozás, valamint rámutatott a kombinatorikus robbanás problémájára, amelyet az AI módszerek nem tudtak kezelni nagy léptékben. Szkepticizmusa az AI gyakorlati alkalmazásaival kapcsolatban jelentős finanszírozási csökkentéshez vezetett, amely az Egyesült Királyságban "AI tél" beköszöntét jelentette.

A LISP Gépek Piacának Összeomlása (1987)

Az 1987-es LISP gépek piacának összeomlása jelentős fordulópontot jelentett az AI történetében, hozzájárulva a második nagy AI tél beköszöntéhez. A LISP gépek, amelyek a LISP programozási nyelv hatékony futtatására tervezett speciális számítógépek voltak, drámai keresletcsökkenést tapasztaltak, amikor az Apple és az IBM által gyártott általános célú számítógépek elkezdtek hasonló teljesítményt nyújtani. Ezt a váltást súlyosbította a LISP gépek magas fenntartási költsége, valamint a széles körben elérhető LISP programozási környezetek az általános célú számítógépeken, amelyek feleslegessé és gazdaságilag életképtelenné tették a speciális hardvert.

Az AI Tél Következményei és Újjáéledése

Az AI telek következményei messzemenőek voltak, jelentős finanszírozás csökkenésével és a kulcsfontosságú ügynökségek és magánbefektetők részéről. Az AI projektek jelentős részét leállították, és a kutatási tevékenységek lelassultak. Azonban ezek a visszaesések arra késztették a kutatókat, hogy reálisabb és fenntarthatóbb megközelítéseket alkalmazzanak az AI technológiák fejlesztésében, megalapozva a jövőbeli sikereket.

Az AI Tél Utáni Fellendülés (2000-2020)

A 2000 és 2020 közötti időszak jelentős elmozdulást hozott a mesterséges intelligencia területén, elmozdulva a korábbi AI telektől. Ezt az időszakot az AI technológiák, különösen a gépi tanulás, a mély tanulás és a neurális hálózatok gyors fejlődése jellemezte, amelyek újraélesztették a terület iránti érdeklődést és befektetést. A nagyobb számítási kapacitású hardverek és a nagy adatbázisok elérhetősége elősegítette ezeket az előrelépéseket, sikeres alkalmazásokat eredményezve különböző területeken, mint például a kép- és beszédfelismerés, a természetes nyelvfeldolgozás és az autonóm járművek.

A nagyvállalatok, mint a Google, az IBM és a Microsoft, jelentős befektetéseket eszközöltek az AI kutatás-fejlesztésbe, ami az AI termékek fejlesztéséhez és javításához vezetett, amelyek ma már elterjedtek a mindennapi technológiában. Ez az időszak az "AI tavasz" vagy "AI újjáéledés" időszakaként ismert, mivel a terület nemcsak felépült a korábbi visszaesésekből, hanem elkezdte megvalósítani korábbi ígéreteit is, jelentős hatást gyakorolva az iparra és a társadalomra.