Az első AI tél

Az első AI tél számos tényező együttes hatására következett be, beleértve a túlzott elvárásokat, technikai korlátokat és olyan kritikus jelentéseket, mint a Lighthill Report, amely megkérdőjelezte a terület előrehaladását és a finanszírozás csökkentéséhez vezetett.

Az AI tél olyan időszakot jelöl, amikor a mesterséges intelligencia kutatásában jelentős mértékben csökkent az érdeklődés és a finanszírozás. Ezeket az időszakokat általában a túlzott felhajtás és csalódás ciklusai jellemzik.

Source: Towardsdatascience

Az első AI tél főbb okai

1. Túlzott Elvárások: A korai AI kutatók merész jóslatokat tettek az AI képességeiről, amelyek nem valósultak meg, csalódást keltve.
2. Technikai Korlátok: Az akkori számítástechnikai kapacitás és algoritmusok nem voltak elegendőek a bonyolult valós problémák megoldásához, feltárva az AI rendszerek korlátait.
3. Lighthill Report: Ez az 1973-as jelentés kritikusan értékelte az AI kutatást az Egyesült Királyságban, és jelentős finanszírozási csökkentésekhez vezetett.
4. ALPAC Report: Az 1966-os jelentés a gépi fordításról arra a következtetésre jutott, hogy nem várhatóak rövid távon gyakorlati eredmények, ami a fordítási projektek finanszírozásának csökkentéséhez vezetett.
5. Kombinatorikus Robbanás: A kutatók rájöttek, hogy sok AI probléma exponenciálisan növekedő bonyolultsággal jár, ami számítási szempontból kezelhetetlen volt.
6. Számítástechnikai Korlátok: Az akkori hardverek nem voltak elegendőek a sok AI alkalmazás számítási igényeinek kielégítésére.
7. Finanszírozási Csökkentések: Az amerikai DARPA és más kormányzati szervek csökkentették vagy megszüntették az AI kutatás finanszírozását.
8. Moravec Paradoxona: Az a felismerés, hogy az emberek számára könnyű feladatok (mint a látás és mobilitás) rendkívül nehezek az AI számára, míg az emberek számára nehéz feladatok (mint a komplex számítások) viszonylag könnyűek az AI számára.

Source: Wikipédia

Hatásai

Az első AI tél mély hatással volt a területre, jelentős finanszírozás csökkentéssel a kormányzati szervek és magánbefektetők részéről. Sok AI projektet leállítottak, és a kutatási tevékenységek jelentősen lelassultak. A kutatók más, gyakorlati alkalmazásokkal kecsegtető számítástechnikai területekre fordították figyelmüket. Ennek ellenére néhány kutató továbbra is haladt előre, új ötleteket fejlesztve olyan területeken, mint a logikai programozás és a józan ész-alapú érvelés. Ez az időszak egy mértékletesebb és fókuszáltabb megközelítést eredményezett az AI kutatásban, amely megalapozta a későbbi fejlődéseket.

Source: ArsTechnica

Kulcsszereplők

• Marvin Minsky: Az MIT AI laboratórium társalapítója, Minsky hozzájárult a korai AI kutatáshoz, de az 1969-es "Perceptrons" című könyve, amelyet Seymour Paperttel közösen írt, rámutatott az egyrétegű neurális hálózatok korlátaira, ami több mint egy évtizedre csökkentette az érdeklődést ezen a területen.
• James Lighthill: A Lighthill Report szerzője, amely jelentős kritikát fogalmazott meg az AI kutatással szemben az Egyesült Királyságban, és jelentős finanszírozási csökkentésekhez vezetett.
• Herbert Simon: Korai AI úttörő, aki túlzottan optimista jóslatokat tett az AI képességeiről, hozzájárulva a felfokozott elvárásokhoz.
• Arthur Samuel: Az első sikeres AI programok egyikének, egy dámajátékos programnak a fejlesztője, amely 1956-ban a televízióban is szerepelt.
• Yehoshua Bar-Hillel: Izraeli matematikus és filozófus, aki kételkedett a gépi fordítás megvalósíthatóságában, hozzájárulva az AI képességeivel szembeni szkepticizmushoz.
• John McCarthy: Az "artificial intelligence" kifejezés megalkotója és a LISP programozási nyelv fejlesztője, amely fontos lett az AI kutatásban.
• Roger Schank és Marvin Minsky: Ezek az AI kutatók az 1984-es AAAI találkozón figyelmeztettek az AI tél lehetőségére, és megalkották az "AI tél" kifejezést, analógiát vonva a nukleáris téllel.

Az első AI tél után a terület újjáéledése jelentős projektek és fejlesztések révén valósult meg. Az expert rendszerek, amelyek nagy tudásbázisokat és szabályalapú érvelést használtak konkrét problémák megoldására, egyre népszerűbbé váltak különböző iparágakban. A DARPA újraindította az AI kutatás finanszírozását, ami új fejlesztésekhez vezetett. A gépi tanulás és a neurális hálózatok iránti érdeklődés is megújult, a kutatók új megközelítéseket vizsgáltak, hogy leküzdjék a korábbi korlátokat. Emellett a számítástechnikai kapacitás növekedése és az adatok elérhetőségének bővülése lehetővé tette, hogy az AI rendszerek összetettebb problémákat is kezeljenek. Ezek a projektek és fejlesztések együttesen hozzájárultak az AI iránti érdeklődés és haladás újjáéledéséhez, véget vetve az első AI télnek, és megalapozva a további fejlődést a területen.