Несмотря на то, что ИИ и нейросети упоминаются практически в каждом окружающем нас продукте, от умных лампочек до крупных сервисов, к самому термину ИИ и нейросетям в частности, наблюдается глубокое пренебрежение. Их называют то «искусственными идиотами», то утверждают, что это еще не ИИ, а настоящий будет когда-нибудь потом, и традиционно сравнивают нейросети просто с кучей блоков «IF». Но насколько вообще справедливо подобное замечание? Действительно ли нейросети и ИИ не заслуживают называться таковыми? Чтобы ответить на этот вопрос, стоит пройтись по истории термина и инструмента, начиная с описания нервных систем биологических существ и приходя к современным компьютерам, чтобы понять, как всё началось и к чему привело.

Начало истории

История искусственного интеллекта и нейросетей берет свое начало с изучения биологических нейронов. В 1943 году нейрофизиолог Уоррен МакКаллок и логик Уолтер Питтс опубликовали работу, в которой предложили математическую модель нейрона, основанную на наблюдениях за нервными системами биологических существ. Их модель включала в себя математическое описание процесса возбуждения нейрона и передачи импульса к другим нейронам. Это положило начало исследованию искусственных нейронных сетей.

В 1950-х годах Джон Маккарти, Марвин Минский, Натан Рочестер и Клод Шеннон стали развивать идеи МакКаллока и Питтса, предложив концепцию «искусственного интеллекта». Они стремились создать машины, способные выполнять задачи, требующие интеллекта, такие как обучение, распознавание образов, принятие решений и решение проблем. В 1956 году на Дартмутской конференции Маккарти и его коллеги официально ввели термин «искусственный интеллект», что стало отправной точкой для интенсивных исследований в этой области.

В 1960-х и 1970-х годах исследователи сосредоточились на создании экспертных систем — программ, способных решать узкоспециализированные задачи. Эти системы использовали базы знаний и правила логического вывода, но их применение было ограничено из-за сложности создания и поддержки таких систем. В то же время, появились первые алгоритмы машинного обучения, основанные на статистических методах и теории вероятностей.

Значительный прорыв произошел в 1980-х годах с развитием технологий компьютерного зрения и обработки естественного языка. Были созданы первые нейронные сети, способные обучаться на больших объемах данных. Одним из ключевых достижений этого периода стало изобретение метода обратного распространения ошибки, предложенного Дэвидом Румельхартом, Джеффри Хинтоном и Рональдом Уильямсом в 1986 году. Этот метод позволил значительно улучшить обучение многослойных нейронных сетей и открыл новые возможности для их применения.

В 1990-х и 2000-х годах развитие технологий обработки данных и увеличение вычислительных мощностей привели к появлению более сложных и мощных нейросетевых архитектур. Появились такие модели, как свёрточные нейронные сети (Convolutional Neural Networks, CNN) и рекуррентные нейронные сети (Recurrent Neural Networks, RNN), которые стали основой для современных систем компьютерного зрения, распознавания речи и обработки текста.

Современный этап развития нейросетей и искусственного интеллекта начался в 2010-х годах с появлением глубокого обучения (deep learning). Глубокие нейронные сети, состоящие из множества слоев, смогли достичь беспрецедентных результатов в самых различных задачах, таких как игра в Го (не путать с Golang в который «играются» DevOps и SRE-инженеры, Го это настольная игра)*, перевод текста и генерация изображений. Одним из ключевых событий стало создание AlphaGo компанией DeepMind в 2016 году, которая смогла победить чемпиона мира по Го, продемонстрировав мощь современных нейросетевых технологий.

Сегодня нейросети и ИИ находят применение в самых разных областях, от медицинской диагностики до автономных транспортных средств. Нейросетевые модели используются для анализа больших данных, прогнозирования, оптимизации процессов и создания новых продуктов и услуг. ИИ стал неотъемлемой частью нашей жизни, и его развитие продолжается с огромной скоростью.

Рассуждение

Несмотря на впечатляющие успехи нейросетей в различных задачаъ, мнение, что современные нейросети и ИИ не полностью отражают реальные биологические модели и содержат упрощения и погрешности, а значит ИИ их называть вообще нельзя и это какая-то жалкая пародия на биологический оригинал. Однако, это замечание справедливо не только для ИИ, но и для любой математической, физической и социальной модели. Рассмотрим несколько примеров.

1. Числа с плавающей запятой в компьютерах. Стандарт IEEE 754 неизбежно вносит погрешность в метод хранения чисел с плавающей запятой, но это не мешает нам использовать эти числа в миллионах приложений, от финансовых расчетов до научных исследований.

2. Интегралы и вычисление площади. Мы никогда не можем полностью найти площадь под кривой, но методы численного интегрирования позволяют нам бесконечно стремиться к точности и получать достаточно точные результаты для практического использования.

3. Астрофизика. Мы до сих пор сталкиваемся с проблемой космологической постоянной, где данные расходятся с реальностью на многие порядки. Тем не менее, это не мешает нам использовать наше понимание той же гравитации и прочих законов для предсказания движения планет и разработки космических миссий.

4. И наконец, язык. Наш обыкновенный язык, используемый в этой статье, возник для того, чтобы повторять устную речь, но не способен в полной мере отразить передаваемые голосом эмоции, интонации и скорость. Тем не менее, он остается основным средством общения и передачи знаний между людьми.

Таким образом, утверждение, что ИИ и нейросети не заслуживают называться таковыми из-за своих ограничений, кажется необоснованным. Все модели, используемые в науке и технике, содержат упрощения и погрешности, но это не умаляет их полезности и значимости.

Заключение

Технологии ИИ и нейросетей продолжают развиваться и совершенствоваться, и они уже сейчас находят широкое применение в самых разных областях. Если мы отказываем нейросетям и ИИ в праве на сравнение с биологическим интеллектом из-за их упрощений и погрешностей, то аналогичным образом можно лишить прав на существование множество других систем, теорий и моделей, используемых в науке и технике.

Разумеется, существует множество мемов и общепринятых заблуждений об ИИ и нейросетях, но реальное положение вещей гораздо сложнее и интереснее. Искусственный интеллект — это не просто модель пытающаяся воспроизводить свойства органической нервной системы, это мощный инструмент, который помогает нам решать сложные задачи и открывать новые горизонты.

В следующих статьях цикла мы углубимся в тему нейросетей более подробно, с более детальным сравнением их с биологическими аналогами, а также математического аппарата что используется для их описания. А также посмотрим, какие сейчас успехи наблюдаются в сфере точного копирования нервной системы живых организмов в кремние. И наоборот, когда живые клетки используют как аппаратные ускорители для компьютерных вычислений.

Если же вам интересно уже начать самостоятельную работу с нейросетями для вашего бизнеса, будь то их обучение или запуск, для этого мы в ITGLOBAL.COM можем предложить услугу нашего облачного сервера с GPU — AI Cloud.

Эта статья поддерживается командой ITGLOBAL.COM

Мы — первый облачный провайдер в России, а также интегратор, поставщик ИТ-услуг, продуктов, сервисов и разработчик собственного ПО.  

•  Наш сайт

•  Наш блог про виртуализацию и Enterprise IT

•  Наш YouTube канал

•  Истории успеха наших клиентов