कृत्रिम बुद्धिमत्ता

सध्या, एक खोल न्यूरल नेटवर्क रुबिक्स क्यूब 1,2 सेकंदात सोडवते. हा परिणाम साध्य करण्यासाठी, XNUMX व्या आणि XNUMX व्या शतकाच्या शेवटी, रॅमन लुलची लॉजिकल मशीन तयार केली गेली. या लेखात, आपण शतकानुशतके काय घडले ते चरण-दर-चरण शिकाल.

XNUMX-XNUMX शतके स्पॅनिश तत्वज्ञ रॅमन लुली (1) विकसित होते लॉजिक मशीन्स. त्याने त्याच्या मशीनचे वर्णन यांत्रिक वस्तू म्हणून केले जे मूलभूत आणि निर्विवाद सत्यांना यांत्रिक मार्कर वापरून मशीनद्वारे केलेल्या साध्या तार्किक ऑपरेशन्सद्वारे जोडू शकतात.

30-50 वर्षे जुने. विसाव्या शतकाच्या न्यूरोसायन्सच्या क्षेत्रातील संशोधनातून हे सिद्ध झाले आहे. नॉर्बर्ट वीनर इलेक्ट्रिकल नेटवर्कमधील सायबरनेटिक नियंत्रण आणि लवचिकतेचे वर्णन करते. क्लॉड शॅनन "डिजिटल सिग्नलद्वारे वर्णन केलेली माहिती" चा सिद्धांत तयार करते.

1936 , ज्यांचे ध्येय द्वारे प्रस्तुत सॉल्व्हेबिलिटी समस्या सोडवणे हे होते डेव्हिड हिल्बर्ट 1928 मध्ये, त्याने त्यात ओळख करून दिली अमूर्त कारप्रोग्राम केलेले गणितीय ऑपरेशन करण्यास सक्षम, म्हणजे अल्गोरिदम.

मशीन फक्त एक विशिष्ट अल्गोरिदम करू शकते, जसे की संख्या वर्ग करणे, भागणे, जोडणे, वजा करणे. माझ्याच कामात ट्युरिंग त्यांनी अशा अनेक मशीन्सचे वर्णन केले, ज्यांना सामान्य नाव मिळाले आहे ट्युरिंग मशीन. या संकल्पनेचा विस्तार म्हणजे तथाकथित युनिव्हर्सल ट्युरिंग मशीन होते, जे टेपवर रेकॉर्ड केलेल्या सूचनांवर अवलंबून, कोणतेही ऑपरेशन करायचे होते (2).

2. ट्युरिंग मशीनच्या मॉडेलपैकी एक

1943 वॉरन मॅककुलोच i वॉल्टर पिट्स ते दाखव कृत्रिम न्यूरॉन मॉडेल तयार करून साध्या ऑपरेशन्सचे अनुकरण करू शकते मज्जासंस्थेसंबंधीचा नेटवर्क. त्यांचे मॉडेल पूर्णपणे गणित आणि अल्गोरिदमवर आधारित होते आणि संगणकीय संसाधनांच्या कमतरतेमुळे त्याची चाचणी होऊ शकली नाही.

1950 माइंड जर्नलमध्ये प्रकाशित झालेल्या "संगणक विज्ञान आणि बुद्धिमत्ता" या शीर्षकाच्या मजकुरात, अॅलन एम. ट्युरिंग प्रथमच चाचणी सादर करते, नंतर "ट्यूरिंग चाचणी" म्हणतात. ही व्याख्या करण्याचा मार्ग आहे नैसर्गिक भाषा वापरण्याची मशीनची क्षमता आणि अप्रत्यक्षपणे हे सिद्ध करायचे होते की तिने एखाद्या व्यक्तीप्रमाणेच विचार करण्याच्या क्षमतेवर प्रभुत्व मिळवले आहे.

1951 मार्विन मिन्स्की ओराझ डीन एडमंड्स ते बांधतात SNARK (इंग्रजी), पहिले कृत्रिम न्यूरल नेटवर्क 3 हजार व्हॅक्यूम ट्यूबसह. यंत्राने उंदराची भूमिका बजावली, जे अन्न मिळवण्यासाठी चक्रव्यूहातून बाहेर पडण्याचा मार्ग शोधत आहे. प्रणालीने चक्रव्यूहातील "उंदीर" च्या सर्व हालचालींचा मागोवा घेणे शक्य केले. डिझाइन त्रुटीमुळे तेथे एकापेक्षा जास्त "उंदीर" सादर केले जाऊ शकतात आणि "उंदीर" एकमेकांशी संवाद साधू लागले. त्यांनी केलेल्या अनेक प्रयत्नांमुळे त्यांना तार्किक आधारावर "विचार" करण्यास अनुमती मिळाली आणि यामुळे योग्य निवडीला बळकटी देण्यात मदत झाली. अधिक प्रगत "उंदीर" नंतर इतर "उंदीर" होते.

1955 ऍलन नेवेल आणि (भावी नोबेल विजेते) हर्बर्ट ए. सायमन तर्कशास्त्राचा सिद्धांत तयार करा. शेवटी, कार्यक्रम प्रिन्सिपिया मॅथेमॅटिकाच्या पहिल्या ५२ विधानांपैकी ३८ सिद्ध करतो. रसेल i व्हाईटहेड, काहींसाठी नवीन आणि अधिक शोभिवंत पुरावे शोधणे.

1956 "" हा शब्द जन्माला येतो. न्यू हॅम्पशायरमधील डार्टमाउथ कॉलेजने आयोजित केलेल्या कॉन्फरन्समध्ये ते पहिल्यांदा वापरण्यात आले (१८७१). नवीन संकल्पनेची व्याख्या "एक अशी प्रणाली आहे जी तिच्या यशाची शक्यता वाढवण्यासाठी जाणीवपूर्वक तिच्या वातावरणास जाणते आणि प्रतिसाद देते". या कार्यक्रमाच्या आयोजकांमध्ये समावेश होता मार्विन मिन्स्की, जॉन मॅककार्थी आणि दोन ज्येष्ठ शास्त्रज्ञ: क्लॉड शॅनन i नॅथन रोचेस्टर z IBM.

. 1956 डार्टमाउथ कॉन्फरन्सचे सदस्य डावीकडून उजवीकडे: मार्विन मिन्स्की आणि क्लॉड शॅनन.

1960 बांधकाम इलेक्ट्रोकेमिकल नेटवर्क नामांकित शिक्षण आयटम Adaline. बांधले बर्नार्ड विड्रो स्टॅनफोर्ड युनिव्हर्सिटी कडून, नेटवर्कमध्ये अॅडालिनच्या वैयक्तिक घटकांचा समावेश होता, ज्याचे पुनरुत्पादन आणि एकत्रित केल्यावर, परिणामी मॅडलिन म्हणाली (इंजी. अनेक अॅडलाइन्स). ते पहिले होते न्यूरोकॉम्प्युटर व्यावसायिकरित्या ऑफर केले. रडार, सोनार, मोडेम आणि टेलिफोन लाईन्सद्वारे मॅडलाइन नेटवर्कचा वापर केला जातो.

1966 उगवतो एलिझा कार्यक्रम, एमआयटीमध्ये चॅटबॉट प्रोटोटाइपची चाचणी केली गेली. हे एका सोप्या पद्धतीने डिझाइन केले गेले होते: ते वापरकर्त्याने दिलेल्या घोषणात्मक वाक्यांचे प्रश्नांमध्ये रूपांतरित केले आणि त्यांना पुढील विधाने मिळविण्यास प्रवृत्त केले. उदाहरणार्थ, जेव्हा एक वापरकर्ता म्हणाला, "मला डोकेदुखी आहे," तेव्हा प्रोग्रामने विचारले, "तुझे डोके का दुखते?" मानसिक विकार असलेल्या लोकांच्या उपचारांमध्ये ELIZA चा यशस्वीरित्या वापर केला गेला आहे..

1967 जपानमध्ये, वासेडा विद्यापीठाने पुढाकार घेतला VABOT प्रकल्प (4) जगात प्रथमच 1967 मध्ये पूर्ण आकाराचा बुद्धिमान ह्युमनॉइड रोबोट. त्याच्या अंग नियंत्रण प्रणालीने त्याला त्याच्या खालच्या अंगांनी चालण्याची परवानगी दिली, तसेच स्पर्श सेन्सर वापरून त्याच्या हातांनी वस्तू पकडणे आणि हलवणे. त्याच्या दृष्टी प्रणालीने त्याला बाह्य रिसेप्टर्स, कृत्रिम डोळे आणि कान वापरून वस्तूंचे अंतर आणि दिशानिर्देश मोजण्याची परवानगी दिली. आणि संभाषण प्रणालीने त्याला कृत्रिम ओठ वापरून जपानी भाषेतील व्यक्तीशी संवाद साधण्याची परवानगी दिली.

1969 मार्विन मिन्स्की i सेमूर पेपर परसेप्टरॉन मर्यादा दर्शवा. त्यांच्या पुस्तकात औपचारिक पुरावे आहेत की सिंगल-लेयर नेटवर्क्समध्ये अनुप्रयोगांची मर्यादित श्रेणी आहे, ज्यामुळे संशोधनाच्या या क्षेत्रात स्तब्धता आली. प्रकाशनांची मालिका प्रकाशित होईपर्यंत ही स्थिती सुमारे 15 वर्षे चालू राहिली ज्यामध्ये हे अगदी खात्रीने दर्शविले गेले आहे की नॉनलाइनर नेटवर्क पूर्वीच्या कामात दर्शविलेल्या मर्यादांपासून मुक्त आहेत. यावेळी घोषणा करण्यात आली मल्टीलेअर नेटवर्कसाठी मशीन लर्निंग पद्धतींची श्रेणी.

1973 एडवर्ड शॉर्टलिफ, चिकित्सक आणि संगणक शास्त्रज्ञ, त्यांनी तयार केले MAISIN कार्यक्रम, चाचण्यांच्या परिणामांवर आधारित रक्त रोगांचे निदान आणि प्रतिजैविकांच्या योग्य डोसची गणना यावर आधारित, बॅक्टेरियाच्या संसर्गाच्या उपचारांचे निदान करण्यासाठी प्रथम तज्ञ प्रणालींपैकी एक.

70 च्या दशकात, बहुतेक डॉक्टरांना रुग्णाला प्रतिजैविक लिहून देण्यापूर्वी तज्ञांच्या सल्ल्याची आवश्यकता होती. प्रत्येक प्रतिजैविक सूक्ष्मजीवांच्या विशिष्ट गटावर परिणाम करतात, परंतु काही दुष्परिणाम देखील करतात. तथापि, सामान्य डॉक्टरांमध्ये या विषयाचे ज्ञान फारसे नव्हते. म्हणूनच, स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ मेडिसिन, प्रतिजैविकांच्या क्षेत्रातील जगप्रसिद्ध संशोधन केंद्र, मदतीसाठी आयटी तज्ञांकडे वळले. अशाप्रकारे, एक सल्लागार प्रणाली तयार केली गेली, ज्यामध्ये डॉक्टरांना प्रतिजैविकांचा योग्य वापर करण्यात मदत करण्यासाठी विस्तृत डेटाबेस आणि 500 ​​तत्त्वे समाविष्ट होती.

1975 पॉल वेर्बोस बॅकप्रोपेगेशनचा शोध लावला ज्याने सिंगल लेयर नेटवर्क्सची समस्या आणि मर्यादा सोडवली आणि सामान्यत: तयार केली तंत्रिका नेटवर्क अधिक कार्यक्षमतेने प्रशिक्षित करा.

एक्सएनयूएमएक्स वर्षे "तज्ञ प्रणाली" म्हणून ओळखले जाते आणि ज्ञान हे मुख्य प्रवाहातील AI संशोधनाचे केंद्रबिंदू बनले आहे. सामान्य बुद्धिमत्तेवर लक्ष केंद्रित करण्याऐवजी, तज्ञ प्रणालींनी विशिष्ट कार्ये स्वयंचलित करण्यासाठी आणि वास्तविक जगात विशिष्ट निर्णय घेण्यासाठी तत्त्वांचा संच वापरण्यावर लक्ष केंद्रित केले आहे.

RI म्हणून ओळखले जाणारे पहिले यशस्वी उपाय, डिजिटल इक्विपमेंट कॉर्पोरेशनने कंपनीच्या ऑर्डर्स सानुकूलित करण्यासाठी आणि अचूकता सुधारण्यासाठी सादर केले. तथापि, Apple आणि IBM ने लवकरच देखभालीसाठी वापरल्या जाणार्‍या मेनफ्रेम संगणकांपेक्षा अधिक प्रक्रिया शक्ती असलेले मेनफ्रेम संगणक सादर केले. कृत्रिम बुद्धिमत्ता, AI उद्योगात व्यत्यय आणत आहे. यामुळे पुन्हा एआयमधील गुंतवणूक थांबली.

1988 IBM मधील संशोधकांनी फ्रेंचमधून इंग्रजीमध्ये स्वयंचलित भाषांतरात संभाव्यतेची तत्त्वे सादर करणारा एक पेपर प्रकाशित केला आहे. या दृष्टिकोनाने, आजच्या मशीन लर्निंग तंत्रज्ञानाचा पाया घातला.

1989 दिसते अल्विन (), जे CMU रोबोटिक्स इन्स्टिट्यूट (5) मधील आठ वर्षांच्या लष्करी-अनुदानीत संशोधनाचे परिणाम होते. तो आजचा पूर्वज मानला जाऊ शकतो. ALVINN अंमलबजावणीने दोन स्त्रोतांकडून डेटावर प्रक्रिया केली: एक व्हिडिओ कॅमेरा आणि लेसर रेंजफाइंडर. ड्रायव्हरचे निरीक्षण करून वाहने नियंत्रित करण्यास शिकलेली ही एक ज्ञानेंद्रिय प्रणाली होती. त्याने ते वापरले मज्जासंस्थेसंबंधीचा नेटवर्क आणि नकाशाशिवाय निर्णय घ्या.

5. ALVINN स्वायत्त प्रणालीसह वाहन

90-एस. AI च्या जगात, “बुद्धिमान एजंट” नावाचा एक नवीन नमुना स्वीकारला जात आहे. जुडिया पर्ल, ऍलन नेवेल, लेस्ली पी. केब्लिंग आणि इतरांनी कृत्रिम बुद्धिमत्ता संशोधनासाठी निर्णय सिद्धांत आणि अर्थशास्त्र लागू करण्याचा प्रस्ताव दिला आहे.

1997 गडद निळा IBM ने तयार केलेल्या ग्रँडमास्टरचा पराभव केला गॅरीम कास्परोव्ह (6). सुपरकॉम्प्युटर ही IBM ने तयार केलेल्या प्लॅटफॉर्मची एक विशेष आवृत्ती होती आणि पहिल्या गेमच्या (जे मशीनने गमावले) पेक्षा प्रति सेकंद दुप्पट चाली हाताळू शकते (जे मशीन गमावले) प्रति सेकंद 200 दशलक्ष चाली.

6. गॅरी कास्परोव्ह विरुद्ध डीप ब्लू मॅच

1998 चार दशलक्ष ख्रिसमसच्या झाडांवर जातात फर्बी इअर रोबोट्सजो शेवटी इंग्रजी शिकेल.

2002-09 2002 मध्ये DARPA ने जगाला आव्हान दिले. स्मार्ट तंत्रज्ञान: मोजावे वाळवंट ओलांडून 140 मैल चालवण्यासाठी बिल्डर्ससाठी $18 दशलक्ष. 2005 मे 7 स्टॅनली (XNUMX) ने लेझर, रडार, व्हिडिओ कॅमेरा, GPS रिसीव्हर, सहा प्रोसेसर आणि एकात्मिक सॉफ्टवेअर आर्किटेक्चरने सज्ज असलेल्या ग्रँड चॅलेंजमध्ये भाग घेतला आणि जिंकला. त्यानंतर ही कार स्मिथसोनियनच्या नॅशनल म्युझियम ऑफ अमेरिकन हिस्ट्रीमध्ये प्रदर्शनासाठी ठेवण्यात आली आहे. इतिहासात स्टॅनली सोबत कृत्रिम बुद्धिमत्ता स्टॅनफोर्ड युनिव्हर्सिटीच्या डिझाइन टीमचे नेतृत्व प्रा. सेबॅस्टियन थ्रून, जे तेव्हा Google च्या स्वायत्त कारचे प्रमुख होते, 2009 मध्ये तयार केले.

2005 Honda ने Asimo सादर केली दोन पायांवर चालणारा मानवीय रोबोट (आठ). त्याच्या विकासादरम्यान, डेटा प्राप्त केला गेला ज्याचा वापर केला गेला, उदाहरणार्थ, कृत्रिम अवयवांच्या डिझाइनमध्ये जे वृद्ध लोकांना हलवू देतात.

2011 IBM मधील वॉटसन सुपरकॉम्प्युटर, ज्याने 2011 मध्ये गेम शो "जोपार्डी" (पोलंडमध्ये "Va Banque" नावाने प्रसारित) मध्ये तत्कालीन मास्टर्सला हरवले.

2016 संगणक कार्यक्रम AlphaGo एका Google कंपनीने तयार केलेले, ली सेडोलला मागे टाकले आहे, Go (18) मधील 9-वेळा जगज्जेता.

9. गो ली सेडोल आणि अल्फागो यांच्यातील सामना

2018 Google आणि अॅलन इन्स्टिट्यूट फॉर आर्टिफिशियल इंटेलिजेंस यांनी BERT तयार केले, "पहिले पर्यवेक्षित नसलेले द्विदिशात्मक भाषिक प्रतिनिधित्व जे ज्ञान हस्तांतरण वापरून विविध नैसर्गिक भाषा कार्यांसाठी वापरले जाऊ शकते." BERT ही एक कृत्रिम बुद्धिमत्ता आहे जी वाक्यांचे हरवलेले भाग माणसाप्रमाणेच पूर्ण करू शकते. BERT नॅचरल लँग्वेज प्रोसेसिंग (NLP) या क्षेत्रातील सर्वात रोमांचक घडामोडींपैकी एक आहे, कृत्रिम बुद्धिमत्तेचे क्षेत्र जे अलिकडच्या वर्षांत विशेषतः वेगाने विकसित होत आहे. त्याला धन्यवाद, ज्या दिवशी आपण मशीनशी बोलू शकतो तो दिवस खूप जवळ आला आहे.

2019 डीप न्यूरल नेटवर्क असे नाव आहे , कॅलिफोर्निया विद्यापीठातील शास्त्रज्ञांनी तयार केले, तिने रुबिक्स क्यूब 1,2 सेकंदात सोडवला, सर्वात कुशल व्यक्तीपेक्षा जवळजवळ तिप्पट वेगवान. सरासरी, तिला सुमारे 28 हालचालींची आवश्यकता असते, तर एक व्यक्ती सरासरी 50 हालचाली करते.

कृत्रिम बुद्धिमत्तेचे वर्गीकरण आणि अनुप्रयोग

I. कृत्रिम बुद्धिमत्तेचे दोन मुख्य अर्थ आहेत:

• ही एक काल्पनिक बुद्धिमत्ता आहे जी अभियांत्रिकी प्रक्रियेद्वारे लक्षात येते, नैसर्गिक नाही;
• हे संगणक विज्ञानातील तंत्रज्ञान आणि संशोधन क्षेत्राचे नाव आहे जे न्यूरोसायन्स, गणित, मानसशास्त्र, संज्ञानात्मक विज्ञान आणि तत्त्वज्ञानातील प्रगतीवर आधारित आहे.

II. या विषयावरील साहित्यात, एआयचे तीन मुख्य अंश आहेत:

1. अरुंद कृत्रिम बुद्धिमत्ता (, ANI) जे AlphaGo सारख्या केवळ एका क्षेत्रात माहिर आहे, जे Go च्या गेममध्ये चॅम्पियनला पराभूत करण्यास सक्षम AI आहे. मात्र, हेच तो करू शकतो.
2. सामान्य कृत्रिम बुद्धिमत्ता (, AGI) - एक मजबूत कृत्रिम बुद्धिमत्ता म्हणून ओळखले जाते, जे सरासरी व्यक्तीच्या बौद्धिक पातळीच्या संगणकाचा संदर्भ देते - ते करत असलेली कोणतीही कार्ये करण्यास सक्षम. अनेक तज्ञांच्या मते, आम्ही एक प्रभावी एजीआय तयार करण्याच्या मार्गावर आहोत.
3. कृत्रिम सुपरइंटिलिजन्स (, AS I). ऑक्सफर्ड AI सिद्धांतकार निक बॉस्ट्रॉम यांनी सुपरइंटिलिजन्सची व्याख्या "वैज्ञानिक सर्जनशीलता, सामान्य ज्ञान आणि सामाजिक कौशल्यांसह अक्षरशः सर्व बाबतीत हुशार मानवी मनापेक्षा कितीतरी अधिक हुशार आहे" अशी केली आहे.

III. AI चे आधुनिक व्यावहारिक अनुप्रयोग:

• फजी लॉजिकवर आधारित तंत्रज्ञान - सामान्यतः वापरले जाते, उदाहरणार्थ, "सर्व डेटाच्या अनुपस्थितीत" परिस्थितींमध्ये कारखान्यांमधील तांत्रिक प्रक्रियेच्या प्रगतीवर नियंत्रण ठेवण्यासाठी.
• तज्ञ प्रणाली - समस्या सोडवण्यासाठी ज्ञान बेस आणि अनुमान यंत्रणा वापरणाऱ्या प्रणाली.
• मजकूरांचे मशीन भाषांतर - भाषांतर प्रणाली मानवांशी जुळवून घेत नाहीत, सखोल विकसित आहेत आणि विशेषतः तांत्रिक मजकूर भाषांतरित करण्यासाठी योग्य आहेत.
• न्यूरल नेटवर्क - संगणक गेममधील "बुद्धिमान विरोधक" च्या प्रोग्रामिंगसह अनेक अनुप्रयोगांमध्ये यशस्वीरित्या वापरले.
• मशीन लर्निंग कृत्रिम बुद्धिमत्तेची शाखा अल्गोरिदमशी संबंधित आहे जी निर्णय घेण्यास किंवा ज्ञान प्राप्त करण्यास शिकू शकते.
• माहिती संकलन - क्षेत्रे, माहितीच्या गरजा, ज्ञान संपादन, लागू केलेल्या विश्लेषण पद्धती, अपेक्षित परिणाम यांची चर्चा करते.
• प्रतिमा ओळख - चेहऱ्याच्या छायाचित्रावरून लोकांना ओळखणारे किंवा उपग्रह छायाचित्रांमध्ये निवडलेल्या वस्तू आपोआप ओळखणारे प्रोग्राम आधीपासूनच वापरात आहेत.
• भाषण ओळख आणि स्पीकर ओळख आधीच मोठ्या प्रमाणावर व्यावसायिक वापर केला जातो.
• हस्तलेखन ओळख (ओसीआर) - आधीच मोठ्या प्रमाणावर वापरले जाते, उदाहरणार्थ, अक्षरांच्या स्वयंचलित क्रमवारीसाठी आणि इलेक्ट्रॉनिक नोटपॅडमध्ये.
• कृत्रिम सर्जनशीलता - असे कार्यक्रम आहेत जे आपोआप लहान काव्यात्मक फॉर्म तयार करतात, संगीत कार्ये तयार करतात, व्यवस्था करतात आणि त्याचा अर्थ लावतात जे व्यावसायिक कलाकारांना देखील प्रभावीपणे "गोंधळ" करू शकतात जेणेकरून ते कृत्रिमरित्या तयार केलेल्या कामांचा विचार करू शकत नाहीत.
• सामान्यतः अर्थशास्त्रात वापरले जाते प्रणाली आपोआप क्रेडिट पात्रता, सर्वोत्तम ग्राहकांचे प्रोफाइल किंवा जाहिरात मोहिमांचे नियोजन यासह मूल्यांकन करणे. या प्रणालींना त्यांच्याकडे असलेल्या डेटाच्या आधारे आपोआप पूर्व-प्रशिक्षित केले जाते (उदाहरणार्थ, नियमितपणे कर्जाची परतफेड करणारे बँक ग्राहक आणि ज्या ग्राहकांना त्यात समस्या होत्या).
• बुद्धिमान इंटरफेस - स्वयंचलित नियंत्रण, देखरेख, अहवाल आणि तांत्रिक प्रक्रियेतील संभाव्य समस्या सोडवण्याच्या प्रयत्नांसाठी वापरले जाते.
• फसवणूक अंदाज आणि शोध - V.I वापरून लॉजिस्टिक रीग्रेशन सिस्टम, उदाहरणार्थ, संशयास्पद आर्थिक व्यवहार ओळखण्यासाठी डेटासेटचे विश्लेषण करतात.