История развития искусственного интеллекта

Искусственный интеллект способен выполнять задачи, сходные с задачами человеческого интеллекта, но не ограничивается биологически правдоподобными методами. В основу ИИ ложатся нейронные сети. ИИ имеет обширную историю, делящуюся на три этапа.
Период прорыва
Период застоя
Период развития

1-й этап-«Прорыв»
1943-статья У.Маккалока и У.Питтса о нервной активности, в котором они сформулировали понятие нейронной сети и представили модель нейронной сети.
1949-Дональд Хебб придумал механизм обновления для модификаций кол-ва соединений между нейронами, и применяется он до сих пор.
1950-Алан Тьюринг опубликовал статью «Вычислительные машины и разум». В ней описывался знаменитый «тест Тьюринга»
1951-создан первый компьютер на основе нейронной сети, в основу которого легло 3000 лампочек и автопилот бомбардировщика.

1957-Ф.Розенблатт попытался создать систему, моделирующую человеческий глаз и его взаимодействие с мозгом, – персептрон.
1958-Джон Фон Нейман предложил имитировать функции нейронов при помощи вакуумных трубок.
1952-А. Самюэл написал ряд программ для игры в шашки, которые играли на уровне хорошо подготовленного любителя, причем одна из них научилась играть лучше, чем ее создатель.

2-й этап – «Пессимизм и застой».
1.Нейронные сети не могли решать задачи, внешне весьма сходные с теми, которые они успешно решали.
2.Однослойные сети теоретически неспособны решить многие простые задачи, в том числе реализовать функцию «исключающее ИЛИ».
В 1969-ом году М. Минский публикует доказательства ограниченности персептрона, и его неспособность решать достаточно широкий круг задач.
В совокупности с остальными факторами это привело к снижению интереса многих исследователей к нейронным сетям.

3 этап – «Оптимизм и развитие».
1974 г. - П. Вербосом разработан алгоритм обратного распространения ошибки, для обучения многослойных персептронов. Этот метод обучения сетей преодолевает ограничения, указанные Минским, хоть метод и не являлся универсальным. Проблема заключалась в долгом процессе обучения, а в некоторых случаях сеть могла вообще не обучиться по двум причинам: паралич сети и попадание в локальный минимум

1975 г. - Фукусима представляет Когнитрон –нейронная самоорганизация, архитектурой похожая на строение зрительной коры. Обучается конкурентным обучением (без учителя).
1980 г. – С целью улучшить Когнитрон, Фукусима разработала мощную парадигму- неокогнитрон. Такие сети часто применяются для внешнего распознавания текста.
1982 г. - Дж. Хопфилд разработал нейронную сеть с обратными связями. Сеть не могла использоваться, но были заложены основы, позволившие вложить в искусственные нейронные сети ассоциативную память.
1987 г. - Роберт Хехт-Нильсон разработал сети встречного распространения. Время обучения, в таких сетях, может уменьшаться в сто раз.

1987 г. - Гроссберг создал адаптивную резонансную теорию. Сети и алгоритмы в ней сохраняют пластичность, необходимую для изучения новых образов, в то же время, предотвращая изменение ранее запомненных образов.
2000-е годы - проблема попадания в локальный минимум была решена.
2007 г. - Джеффри Хинтоном созданы алгоритмы глубокого обучения многослойных нейронных сетей
2012 г. - на конференции «Supercomputing 2012» компанией IBM были продемонстрированы итоги долгой работы над симуляцией нейрокомпьютера, который можно было бы сопоставить с мозгом человека.