Понятие искусственный интеллект появилось давно – в 1956 году. В то время особо никто не придавал этому значение, так как не было ясно, зачем нужен и как создать ИИ в компьютере. В прочем, на то время, создать мощный ИИ даже на самых мощных компьютерах не представлялось возможным.

Однако в XX веке появилось множество предпосылок к его зарождению: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений — теории алгоритмов — и были созданы первые компьютеры.

На то время уже складывалось понимание, что компьютер может обладать такой скоростью вычислений, которой обладает человеческий мозг. Именно поэтому один из английских учёных Алан Тьюринг пишет статью “Может ли машина мыслить?”. В этой статье описывается процедура оценки, с помощью которой можно определить, когда машина сравняется в плане разумности с человеком. Эта процедура получила название “Тест Тьюринга”

Тест Тьюринга используется по сей день для оценки разумности различных моделей искусственного интеллекта

Тема ИИ начала существовать ещё в Российской империи, тогда в 1832 году, С.Н. Корсаков опубликовал описание пяти изобретённых им механических устройств, которые могли частично выполнять задачи поиска, сравнения и классификации

В СССР работы в области ИИ начались в 1960 году. Тогда ИИ применили для игры в шахматы, и в 1974 году программа стала первым чемпионом мира по шахматам среди компьютерных программ

В современной России обратили внимание на ИИ достаточно давно, но начали поддерживать только в 2019 году. С того времени, данному направлению начали выделять колоссальные суммы. Также был создан Альянс в сфере ИИ, куда входят крупнейшие ИТ-компании РФ. В 2020 году утвердили национальный проект “Искусственный интеллект”

Отходя от истории ИИ, нельзя дать точного ответа, чем занимается ИИ. У всех разное мысли на этот счёт.

В философии также не решён вопрос о природе и статусе человеческого интеллекта

Подходов к пониманию задач и целей ИИ много, но на данный момент выделяют два:

1. Нисходящий – имитирует процессы головного мозга, путём ввода данных в систему с логической обработкой этих данных, в ходе чего происходит предоставление ответа
2. Восходящий – моделирует интеллектуальное поведение на основе биологических элементов, а также создаёт вычислительные системы или нейрокомпьютеры/биокомпьютеры для изучения нейронных сетей

Последний подход не относят к науке об ИИ

Возвращаясь к тесту Тьюринга, можно сказать что ИИ достигнет мышления подобное человеку только тогда, когда другой человек, который не знает, что он общается с компьютером, будет думать, что он общается с другим человеком, а не с ИИ.

Одной из самых развитых областей в современном ИИ считается символьное моделирование мыслительных процессов или же моделирование рассуждений. Этому ИИ дают определённую задачу и требуют от него решения. В основном задача переведена в математическую форму, но либо не имеет алгоритма решения, либо он слишком сложен

Следует затронуть тему машинного обучения, так как без обучения, ИИ оставался бы на стадии стагнации, или наоборот – регрессировал. Машинное обучение делится на:

• Обучение с учителем – когда уже известен правильный ответ, который должен получиться при вводе данных на входные нейроны, и с помощью этого ответа, ИИ корректирует веса на синапсах для корректировки выходного результата до тех пор, пока результат не будет максимально близок к правильному ответу
  
  Приведу формулу нейрона:
  
  где xi – значение входного нейрона
  wi – вес на входном нейроне (в начале задаётся случайно (от 0 до 1), а после корректируется; в человеческом мозге отражен как мощность импульса нейрона)
  w0 – коэффициент смещения нейрона
  Выходное значение нейрона лежит от 0 до 1, которое обрабатывается функцией активации. К примеру: если значение меньше 0.5, то выход на нейроне будет 0, а если равно или больше 0.5, то выход будет равным 1


• Обучение без учителя – когда ИИ спонтанно учится выполнять поставленную задачу. Это помогает найти зависимости между объектами

Это только малая часть объяснения работы простого ИИ (перцептрона)

К области машинного обучения относится большой класс задач на распознавание образов. Например, это распознавание символов, рукописного текста, речи, анализ текстов. Многие задачи успешно решаются с помощью биологического моделирования. Особо стоит упомянуть компьютерное зрение, которое связано ещё и с робототехникой.

Также самая интересная область исследования на данный момент: связь квантового компьютера и ИИ.

Так как квантовый компьютер оперирует не битами, а кубитами, то можно по моей теории предположить, что такая запутанность в квантовой механике поможет приблизить сознание ИИ к более человеческому, так как по моим предположениям, активация некоторый нейронов, а то и групп, в некоторые моменты времени происходит совершенно случайно (когда даже это не должно было бы и происходить).

Как раз кубит обеспечивает эту случайность, так как не понятно, какое значение будет на выходе: 0 или 1 (может итоговое значение кубита зависит от эффекта наблюдателя или же на результат влияет что-то другое, неизвестно).

Конечно случайная активация нейронов (групп) происходит из-за разных обстоятельств: других факторов

Пример: усталость у человека способна влиять на некоторые участки нейронных связей, ослабевая их сигнал, или наоборот.

У многих философов происходит спор о сильном и слабом ИИ , из-за чего у ИИ взаимосвязь между разными направлениями выражена особенно сильно

Известный американский нейрофизиолог Майкл Грациано отмечает принципиальную разницу между ИИ и искусственным сознанием (ИС). По мнению Грациано именно сознание, а не интеллект является существенным отличием высших млекопитающих, включая человека разумного. Моделирование сознания является нерешенной научной задачей

Вторая часть: Современный ИИ