晚上脚抽筋是什么原因

百度 楼胜琼说。

?сто?р?я шту?чного ?нтеле?кту (Ш?, англ. artificial intelligence, AI) почалася у стародавньому св?т?, з м?ф?в, опов?дань та чуток про створення штучних ?стот, яких майстри обдарували розумом чи св?дом?стю. Зерна сучасного Ш? заклали ф?лософи, як? намагалися описати процес людського мислення як механ?чне ман?пулювання символами. Ця робота досягла найвищо? точки винайденням у 1940-х роках програмованого цифрового комп'ютера, машини, що ?рунту?ться на абстрактн?й сутност? математичного м?ркування. Цей пристр?й та ?де? в його основ? надихнули невелику групу науковц?в почати серйозно обговорювати можлив?сть побудови електронного мозку.

Алан Тюр?нг був першим, хто зд?йснив ?стотн? досл?дження в галуз?, яку в?н називав машинним ?нтелектом (англ. Machine Intelligence). Галузь досл?дження Ш? заснували на сем?нар?, проведеному в кампус? Дартмутського коледжу в США вл?тку 1956 року. Т?, хто в?дв?дали той сем?нар, стали л?дерами досл?джень у галуз? Ш? на десятил?ття вперед. Багато хто з них прогнозували, що машина з ?нтелектом, р?вносильним людському, з'явиться не б?льше, н?ж за покол?ння, ? ?м вид?лили м?льйони долар?в для вт?лення цього бачення.

З часом стало очевидно, що досл?дники дуже сильно недооц?нили складн?сть цього про?кту. 1974 року, у в?дпов?дь на критику з боку Джеймса Лайтг?лла та п?д тиском конгресу, уряди США та Велико? Британ?? припинили ф?нансування неспрямованих досл?джень щодо штучного ?нтелекту, ? наступн? складн? роки стали в?дом? як ?зима Ш??. С?м рок?в потому в?з?онерська ?н?ц?атива японського уряду надихнула уряди та промислов?сть надавати Ш? м?льярди долар?в, але до к?нця 1980-х рок?в ц? ?нвестори розчарувалися ? знову в?дкликали ф?нансування.

?нвестиц?? та ?нтерес до Ш? зазнали буму в 2020-х роках, коли до багатьох задач науки та промисловост? стали усп?шно застосовувати машинне навчання завдяки новим методам, використанню потужного обчислювального обладнання, та збиранню величезних набор?в даних.

Предтеч?

М?ф?чн?, фантастичн?, та г?потетичн? предтеч?

М?фи та легенди

У грецьк?й м?фолог?? Тал був г?гантом, зробленим ?з бронзи, який був сторожем острова Крит. В?н кидав валуни в корабл? загарбник?в та щоденно зд?йснював 3 обходи навколо периметра острова. За даними ?Б?бл?отеки? Псевдо-Аполлодора, Гефест викував Тала за допомогою циклоп?в ? подарував цього автоматона М?носу. В ?Аргонавтиц?? Ясон з аргонавтами перемогли його, витягнувши ?диний штир, розташований б?ля його стопи, який, бувши вийнятим, дозволив витекти житт?дайному ?хору з його т?ла, залишивши його безд?яльним.

П?гмал?он у грецьк?й м?фолог?? був легендарним царем ? скульптором, найв?дом?шим завдяки ?Метаморфозам? Ов?д?я. У 10-й книз? пов?ст? Ов?д?я П?гмал?он почина? гидувати ж?нками п?сля того, як ста? св?дком проституц?? Пропоетид. Незважаючи на це, в?н приносить жертви до храму Венери й блага? богиню дату йому ж?нку, точно таку, як скульптура, яку в?н вир?зьбив.

Середньов?чн? легенди про штучн? створ?ння

Зображення гомункула з ?Фауста? Гете

У твор? ?Про природу речей?, написаному швейцарським алх?м?ком Парацельсом, описано процедуру, яка, за його твердженням, дозволя? створити ?штучну людину?. Якщо пом?стити ?чолов?чу сперму? до к?нського гною, й годувати ?? ?Та?мницею людсько? кров?? протягом 40 дн?в, це м?сиво стане живим немовлям.

Найран?ша писемна згадка про створення голема зустр?ча?ться у творах Елеазара бен Юда Вормського на початку XIII стол?ття.^{[стор?нка?]} У середньов?чч? вважали, що оживлення Голема можливо досягти, вставивши до рота глиняно? ф?гури аркуш паперу з будь-яким з ?мен бога. На в?дм?ну в?д легендарних автомат?в, таких як Бронзов? голови, Голем розмовляти не м?г.

Такв?н, штучне живе створення, було частою темою алх?м?чних рукопис?в ?сма?л?т?в, особливо тих, як? приписувалися Джаб?ру ?бн Хаяну. ?сламськ? алх?м?ки у сво?й робот? намагалися створити р?зноман?тн? форми життя, в?д рослин до тварин.

У твор? ?Фауст: Друга частина трагед??? Йоганна Вольфганга фон Гете створений алх?м?чно гомункул, призначений жити в?чно у флакон?, в якому його створили, намага?ться народитися в повному людському т?л?. Проте п?д час цього перетворення флакон розбива?ться, ? гомункул гине.

Сучасна фантастика

?де? про штучних людей ? мисляч? машини розвинулися у фантастиц? вже на початку XIX стол?ття, наприклад, у ?Франкенштейн?? Мер? Шелл? та ?Р. У. Р. (Россумових Ун?версальних Роботах)? Карела Чапека, а також у г?потезах, як у ?Дарв?н? серед машин? Семюеля Батлера, ? реальних випадках, включно з ?Шах?стом Мельцеля? Едгара Аллана По. Ш? залиша?ться популярною темою у фантастиц? й дос?.

Автомати

Програмован? автомати Аль-Джазар? (1206 р?к)

Реал?стичн? гумано?дн? автомати створювали рем?сники кожно? з цив?л?зац?й, зокрема, Янь Ш?, Герон Александр?йський, Аль-Джазар?, П'?р Жаке-Дро й Вольфганг фон Кемпелен.

Найстародавн?шими в?домими автоматами були священн? стату? стародавнього ?гипту та Грец??. В?ряни вважали, що рем?сники над?ли ц? ф?гури справжн?ми розумами, здатними до мудрост? й почутт?в. Гермес Трисмег?ст писав, що ?в?дкривши справжню природу бог?в, людина змогла ?? в?дтворити?. Англ?йський учений Александр Некем стверджував, що давньоримський поет Верг?л?й побудував палац з автоматичними статуями.

Протягом ранньомодерн?стського пер?оду стверджували, що ц? легендарн? автомати волод?ли маг?чною здатн?стю в?дпов?дати на адресован? ?м запитання. П?зньосередньов?чний алх?м?к та протопротестант Роджер Бекон вигадав бронзову голову, розпустивши легенду те, що в?н чар?вник. Ц? легенди були схож? на скандинавський м?ф про Голову М?м?ра. За легендою, М?м?р славився розумом ? мудр?стю, ? був обезголовлений п?д час в?йни ас?в та ван?в. Сказано, що Од?н ?забальзамував? його голову травами й читав заклинання над нею, так що голова М?м?ра зберегла здатн?сть висловлювати мудр?сть перед Од?ном. Од?н в?дтод? збер?гав цю голову при соб?, щоби радитися з нею.

Формальне м?ркування

Штучний ?нтелект ?рунту?ться на припущенн?, що процес людського мислення можливо механ?зувати. Вивчення механ?чного або ?формального? м?ркування ма? довгу ?стор?ю. Китайськ? та грецьк? ф?лософи розробили структурован? методи формального виведення в першому тисячол?тт? до н. е. ?хн? ?де? розвинули протягом стол?ть так? ф?лософи як Ар?стотель (який дав формальний анал?з силог?зму), Евкл?д (чи? ?Начала? були моделлю формального м?ркування), Аль-Хорезм? (який розвинув алгебру ? дав сво? ?м'я ?алгоритму?) та ?вропейськ? ф?лософи-схоластики, як-от В?льям Оккам та Дунс Скот.

?спанський ф?лософ Раймунд Лулл?й (1232—1315) розробив дек?лька лог?чних машин, присвячених вироблянню знань лог?чними засобами; Лулл?й описував сво? машини як механ?чн? сутност?, як? могли по?днувати базов? й беззаперечн? ?стини за допомогою простих лог?чних операц?й, виконуваних машиною механ?чними засобами, таким чином, щоби виробити вс? можлив? знання. Робота Лулл?я мала великий вплив на Готфр?да Лейбн?ца, який переосмислив його ?де?.

Готфр?д Лейбн?ц, який припускав, що людський розум можливо звести до механ?чного обчислення

У XVII стол?тт? Лейбн?ц, Томас Гоббс та Рене Декарт досл?джували, чи можливо все рац?ональне мислення зробити таким же систематизованим, як алгебра та геометр?я. Гоббс знаменито написав у ?Лев?афан??: ?розум — це н?що ?нше, як обчислення?. Лейбн?ц уявляв ун?версальну мову м?ркування, characteristica universalis, яка зводила би аргументування до обчислення, таким чином, що ?потреби в суперечц? м?ж двома ф?лософами було би не б?льше, н?ж м?ж двома бухгалтерами. Бо достатньо було би взяти ?м ол?вц? в руки, с?сти до ?хн?х дощок, ? сказати один одному (з другом як св?дком, якщо бажають): Порахуймо.? Ц? ф?лософи почали формулювати г?потезу системи ф?зичних символ?в, яка стала дороговказною в?рою досл?джень Ш?.

У XX стол?тт? вивчення математично? лог?ки забезпечило необх?дний прорив, який зробив штучний ?нтелект поз?рно правдопод?бним. Основи заклали так? прац? як ?Закони мислення? Буля та ?Begriffsschrift? Фреге. Спираючись на систему Фреге, Расселл та Вайтгед представили формальне викладення основ математики у сво?му шедевр?, ?Principia Mathematica? 1913 року. Надихнувшись усп?хом Рассела, Давид Г?льберт викликав математик?в 1920-х ? 30-х рок?в в?дпов?сти на фундаментальне питання: ?чи можливо формал?зувати все математичне м?ркування?? В?дпов?дь на його питання дали доведення неповноти Геделя, машина Тюр?нга та лямбда-числення Черча.

Фото ENIAC арм?? США у Школ? електротехн?ки Мура

?хня в?дпов?дь була неспод?ваною з двох бок?в. По-перше, вони довели, що насправд? ?снують меж? того, чого може досягти математична лог?ка. Але по-друге (? важлив?ше для Ш?), ?хня робота п?дказувала, що в межах цих обмежень можливо механ?зувати будь-який вид математичного м?ркування. Ключовим прозр?нням була машина Тюр?нга — проста теоретична конструкц?я, яка вловлювала суть ман?пулювання абстрактними символами. Цей винах?д надихнув групу науковц?в почати обговорювати можлив?сть мислячих машин.

?нформатика

Л?чильн? машини про?ктували й будували у давнину та протягом ?стор?? багато людей, серед них Готфр?д Лейбн?ц, Жозеф Мар? Жаккар, Чарлз Бебб?дж, Перс? Ладгейт, Леонардо Торрес Кеведо, Венн?вер Буш та ?нш?. Ада Лавлейс припускала, що машина Бебб?джа була ?мислячою або … розумною машиною?, але застер?гала: ?Бажано захиститися в?д можливост? переб?льшення уявлень, що виникають щодо можливостей? ц??? машини. Олександр Щукарьов ?з Харк?вського технолог?чного ?нституту розглядав дещо вдосконалене ним ?лог?чне п?ан?но? Джевонса як ?машину лог?чного мислення?, техн?чний зас?б механ?зац?? тих стор?н мислення, що формал?зуються.

МЕЛМ. Загальний вигляд.

Перш? сучасн? комп'ютери були величезними машинами Друго? св?тово? в?йни (такими як Z3 Конрада Цузе, Г?т Роб?нсон та Колос Алана Тюр?нга, ABC Атанасова та Берр? (з використанням теоретичних праць Михайла Кравчука), та ENIAC у Пенс?льванському ун?верситет?). ENIAC ?рунтувався на теоретичн?й основ?, закладен?й Аланом Тюр?нгом, розробив його фон Нейман, ? в?н виявився найвпливов?шим. Перший електронний комп'ютер на теренах Укра?ни, МЕЛМ, розробили вже п?сля Друго? св?тово? в?йни в ?нститут? електротехн?ки АН УРСР, п?д кер?вництвом Серг?я Лебед?ва.

Народження машинного ?нтелекту (до 1956)

IBM 702: комп'ютер, який використовувало перше покол?ння досл?дник?в Ш?.

У 1940-х ? 50-х роках група науковц?в з р?зних галузей (математики, психолог??, ?нженер??, економ?ки та пол?толог??) почали обговорювати можлив?сть створення штучного мозку. Алан Тюр?нг був першим, хто зд?йснив ?стотн? досл?дження в галуз?, яку в?н називав машинним ?нтелектом (англ. Machine Intelligence). Галузь досл?джень штучного ?нтелекту заснували як академ?чну дисципл?ну 1956 року.

К?бернетика та ранн? нейронн? мереж?

Найран?ш? досл?дження мислячих машин надихнув зб?г ?дей, як? набули поширення наприк?нц? 1930-х, у 1940-х, та на початку 1950-х рок?в. Нов?тн? досл?дження в невролог?? показали, що мозок виявився електричною мережею нейрон?в, як? випром?нювали ?мпульси типу ?все або н?чого?. К?бернетика Норберта В?нера описувала керування та стаб?льн?сть в електричних мережах. Теор?я ?нформац?? Клода Шеннона описувала цифров? сигнали (тобто сигнали типу ?все або н?чого?). Теор?я алгоритм?в Алана Тюр?нга показала, що будь-який вид обчислення можливо описати в цифровому вигляд?. Т?сний зв'язок м?ж цими ?деями п?дказував, що може ?снувати можлив?сть побудувати ?електронний мозок?. Експериментальних робот?в, як-от черепах В. Грея Волтера та зв?ра Джонса Гопк?нса, побудували в 1950-х роках. Ц? машини не використовували комп'ютери, цифрову електрон?ку або символьне м?ркування; вони керувалися суто аналоговою схемотехн?кою.

Алан Тюр?нг розм?рковував про машинний ?нтелект щонайменше з 1941 року, коли в?н поширив статтю про машинний ?нтелект, яка може бути найран?шою статтею в галуз? Ш?, — хоча нараз? ?? втрачено. Волтер П?ттс та Воррен Маккалох анал?зували мереж? ?деал?зованих штучних нейрон?в ? показали, як вони можуть виконувати прост? лог?чн? функц??, 1943 року. Вони були першими, хто описав те, що п?зн?ше досл?дники назвуть нейронною мережею. Ця праця зазнала впливу ран?шо? прац? Тюр?нга ?Про обчисле?нн? числа? 1936 року, яка використовувала под?бн? двостанов? булев? ?нейрони?, але в н?й вперше застосували це до функц?ювання нейрон?в. Одним з? студент?в, кого надихнули П?ттс та Маккалох, був молодий Марв?н М?нський, тод? 24-р?чний асп?рант. 1951 року (з Д?ном Едмондсом) в?н побудував першу нейромережну машину, SNARC. М?нський став одним ?з найважлив?ших л?дер?в та новатор?в у Ш?.

Тест Тюр?нга

Протягом свого життя Алан Тюр?нг використовував терм?н ?машинний ?нтелект? (англ. 'Machine Intelligence'), який п?сля його смерт? 1954 року часто називають ?штучним ?нтелектом? (англ. 'Artificial Intelligence'). 1950 року Алан Тюр?нг опубл?кував поворотну й найв?дом?шу його працю ?Обчислювальн? машини та ?нтелект?, в як?й в?н розм?рковував про можлив?сть створення машин, що думають, ? яка представила його поняття, в?доме тепер загалов? як тест Тюр?нга. В?н зазначив, що поняття ?думати? визначити складно, ? запропонував св?й знаменитий тест Тюр?нга. Якщо машина могла би вести розмову (через телетайп) так, що ?? неможливо було би в?др?знити в?д розмови з людиною, то було би розважливо сказати, що машина ?дума??. Ця спрощена верс?я задач? дозволила Тюр?нгу переконливо довести, що ?мисляча машина? ? принаймн? можливою, ? ця праця в?дпов?ла на вс? найпоширен?ш? заперечення проти цього твердження. Тест Тюр?нга був першою серйозною пропозиц??ю у ф?лософ?? штучного ?нтелекту. П?сля цього в?дбулися три рад?опередач? про Ш? в?д Тюр?нга: лекц?? ?Розумна машинер?я, ?ретична теор?я? (англ. 'Intelligent Machinery, A Heretical Theory'), ?Чи можуть цифров? комп'ютери думати?? (англ. 'Can Digital Computers Think?'), та панельна дискус?я ?Чи можливо сказати, що автоматичн? обчислювальн? машини думають? (англ. 'Can Automatic Calculating Machines be Said to Think'). До 1956 року комп'ютерний ?нтелект активно розвивався у Британ?? протягом понад десятил?ття; найперш? програми Ш? там було написано в 1951—52 роках.

?гровий Ш?

1951 року, використовуючи машину Ferranti Mark 1 Манчестерського ун?верситету, Кр?стофер Стрейч? написав програму для гри в шашки, а Д?тр?х Принц — для гри в шахи. Програма для гри в шашки Артура Семюеля, предмет його статт? 1959 року ?Деяк? досл?дження в машинному навчанн? з використанням гри в шашки?, з часом досягла достатнього р?вня майстерност?, щоби викликати на по?динок поважного аматора. ?гровий Ш? продовжуватимуть використовувати як м?ру поступу в Ш? протягом ус??? його ?стор??.

Символьне м?ркування та Лог?чний теоретик

Коли у середин? п'ятдесятих рок?в уможливився доступ до цифрових комп'ютер?в, дек?лька науковц?в ?нту?тивно зрозум?ли, що машина, яка може ман?пулювати числами, може також ман?пулювати й символами, ? що ман?пулювання символами може бути суттю людського мислення. Це був новий п?дх?д до створення мислячих машин.

1955 року Аллен Ньюелл ? (майбутн?й лауреат Нобел?всько? прем??) Герберт Саймон створили ?Лог?чного теоретика? (за допомогою Кл?ффа Шоу). Ця програма згодом довела 38 ?з перших 52 теорем у ?Principia Mathematica? Расселла ? Вайтгеда, а для деяких знайшла нов? й елегантн?ш? доведення. Саймон сказав, що вони ?розв'язали шановану проблему розуму й т?ла, пояснивши, як складена з матер?? система може мати властивост? розуму?. (Це була рання заява ф?лософсько? позиц??, яку Джон Серль п?зн?ше назве ?Сильним Ш?? (англ. "Strong AI"): що машини можуть м?стити розум так само, як ? людськ? т?ла.)

Народження штучного ?нтелекту (1956—1974)

Сам терм?н ?штучний ?нтелект? оф?ц?йно запровадив Джон Маккарт? п?д час Дартмутського сем?нару 1956 року, поворотно? под??, яка ознаменувала оф?ц?йне запровадження Ш? як академ?чно? дисципл?ни. Основною метою цього сем?нару було досл?дити можливост? створення машин, здатних ?м?тувати людський ?нтелект, що стало початком ц?леспрямованого досл?дження сфери Ш?.

Дартмутський сем?нар 1956 року орган?зували Марв?н М?нський, Джон Маккарт? та дво? старших науковц?в, Клод Шеннон та Натан Рочестер з IBM. Пропозиц?я для ц??? конференц?? м?стила таке твердження: ?будь-який аспект навчання або будь-яку ?ншу ознаку ?нтелекту можливо описати так точно, що можливо буде зробити машину, яка ?? ?м?туватиме?. Серед учасник?в були Рей Соломонов, Ол?вер Селфр?дж, Тренчард Мор, Артур Семюель, Аллен Ньюелл та Герберт Саймон, кожен з яких створить важлив? програми протягом перших десятил?ть досл?джень Ш?. На цьому сем?нар? Ньюелл та Саймон представили ?Лог?чного теоретика?, а Маккарт? переконав учасник?в прийняти ?Штучний ?нтелект? (англ. "Artificial Intelligence") як назву ц??? галуз?. (Маккарт? обрав терм?н ?Штучний ?нтелект?, щоб уникнути асоц?ац?й з к?бернетикою та впливом Норберта В?нера.) Сем?нар у Дартмут? 1956 року був моментом, коли Ш? отримав свою назву, свою м?с?ю, св?й перший усп?х ? сво?х головних гравц?в, ? його широко вважають народженням Ш?.

Програми, розроблен? в перш? роки п?сля Дартмутського сем?нару, були для б?льшост? людей просто ?дивовижними?: комп'ютери розв'язували алгебричн? задач?, доводили теореми в геометр??, та вчилися говорити англ?йською. Мало хто в той час в?рив, що така ??нтелектуальна? повед?нка машин взагал? можлива. Досл?дники висловлювали надм?рний оптим?зм приватно й у друц?, прогнозуючи, що повн?стю розумну машину буде побудовано менше н?ж за 20 рок?в. Урядов? агентства, як-от DARPA, вливали грош? в цю нову галузь. У низц? британських та американських ун?верситет?в наприк?нц? 1950-х та на початку 1960-х рок?в було створено лаборатор?? штучного ?нтелекту, в Укра?н? В?ктор Глушков заснував ?нститут к?бернетики АН УРСР.

П?дходи

Було багато усп?шних програм та нових напрямк?в наприк?нц? 50-х та у 60-х роках. Серед найвпливов?ших були так?:

М?ркування як пошук

Багато ранн?х програм Ш? використовували один ? той же базовий алгоритм. Щоби досягти яко?сь мети (наприклад, виграти гру або довести теорему), вони крок за кроком просувалися до не? (роблячи х?д або виведення) так, н?би шукали шлях у лаб?ринт?, в?дступаючи, коли потрапляли в тупик. Цю парадигму назвали ?м?ркування як пошук?.

Основна складн?сть полягала в тому, що для багатьох задач к?льк?сть можливих шлях?в цим ?лаб?ринтом? була просто астроном?чною (ситуац?я, в?дома як ?комб?наторний вибух?). Досл?дники зменшували прост?р пошуку, використовуючи евристики або ?евристичн? формули?, як? виключали т? шляхи, що малоймов?рно вели до розв'язку.

Ньюелл та Саймон намагалися охопити загальну верс?ю цього алгоритму в програм?, яку назвали ?Загальний розв'язувач задач? (англ. "General Problem Solver"). ?нш? програми ?пошуку? змогли виконати вражаюч? завдання, так? як розв'язування задач з геометр?? та алгебри, наприклад ?Доводник геометричних теорем? (англ. Geometry theorem prover) Герберта Гелернтера (1958) та ?Символьний автоматичний ?нтегрувальник? (англ. Symbolic automatic integrator, SAINT), написаний студентом М?нського Джеймсом Слейглом (1961). ?нш? програми шукали ц?л? та п?дц?л?, щоби планувати д??, як система STRIPS, розроблена у Стенфорд? для керування повед?нкою ?хнього робота Шейк?.

Нейронн? мереж?

Стаття Маккаллоха та П?ттса (1944) надихнула п?дходи до створення обчислювального апаратного забезпечення, яке вт?лю? нейронний п?дх?д до штучного ?нтелекту в апаратур?. Найвпливов?шими були зусилля п?д проводом Френка Розенблата щодо буд?вництва перцептронних машин (1957—1962) з к?льк?стю шар?в до чотирьох. Ф?нансувало його переважно Управл?ння в?йськово-морських досл?джень США. Бернард У?дроу та його студент Тед Гофф побудували ADALINE (1960) та MADALINE (1962), як? мали до 1000 п?длаштовуваних ваг. Група у Стенфордському досл?дницькому ?нститут? п?д кер?вництвом Чарльза А. Розена та Альфреда Е. (Теда) Брейна побудувала дв? нейронн? мереж?, назван? MINOS I (1960) та II (1963), ф?нансован? переважно Корпусом зв'язку арм?? США. MINOS II мала 6600 п?длаштовуваних ваг, ? керувалася комп'ютером SDS 910 у конф?гурац?? п?д назвою MINOS III (1968), який м?г класиф?кувати символи на арм?йських картах ? розп?знавати символи, написан? друкованими л?терами на картках Фортран.

Б?льш?сть досл?джень нейронних мереж у цей ранн?й пер?од полягала в побудов? й використанн? спец?ал?зованого апаратного забезпечення, а не моделюванн? на цифрових комп'ютерах. Р?зноман?тн?сть апаратного забезпечення була особливо пом?тною в р?зних технолог?ях, як? використовували для вт?лення п?длаштовуваних ваг. Перцептронн? машини та SNARC використовували потенц?ометри, як? рухали електричн? моторчики. ADALINE використовувала мем?стори, як? регулювалися електроосадженням, хоча вони також використовували й моделювання на IBM 1620. Машини MINOS використовували феритов? осердя з к?лькома отворами в них, з можлив?стю ?ндив?дуального блокування, причому ступ?нь блокування подавав ваги.

Хоч були й багатошаров? нейронн? мереж?, як-от метод групового урахування аргумент?в Олекс?я ?вахненка з ?нституту к?бернетики АН УРСР, б?льш?сть нейронних мереж у цей пер?од мали лише один шар п?длаштовуваних ваг. Були емп?ричн? спроби тренування понад одного шару, але вони були невдалими. Зворотне поширення не набуло поширення для тренування нейронних мереж до 1980-х рок?в.

Приклад семантично? мереж?

Природна мова

Одна з важливих ц?лей досл?джень штучного ?нтелекту — уможливити сп?лкування комп'ютер?в природними мовами, як-от англ?йською. Ранн?м усп?хом була програма Ден?ела Боброва STUDENT, яка могла розв'язувати задач? з алгебри середньо? школи.

Семантична мережа пода? поняття (наприклад, ?будинок?, ?двер??) як вузли, а в?дношення м?ж поняттями (наприклад, ?ма??) як зв'язки м?ж вузлами. Першу програмою Ш?, яка використовувала семантичну мережу, написав Росс Кв?лл?ан (англ. Ross Quillian), а найусп?шн?шою (та найсуперечлив?шою) верс??ю була теор?я понятт?во? залежност? Роджера Скенка.

ELIZA Джозефа Вейценбаума могла вести розмови, як? були наст?льки реал?стичними, що користувач? ?нод? помилялися, думаючи, що вони сп?лкуються з людиною, а не з програмою (див. ефект Ел?зи). Але насправд? ELIZA не мала жодного уявлення про те, про що вона говорила. Вона просто давала готову в?дпов?дь або повторювала те, що до не? говорили, перефразовуючи свою в?дпов?дь за допомогою к?лькох граматичних правил. ELIZA була першим чат-ботом.

М?кросв?ти

У к?нц? 60-х рок?в Марв?н М?нський та Сеймур Пейперт з Лаборатор?? Ш? МТ? висунули пропозиц?ю, що досл?дження штучного ?нтелекту повинн? зосередитися на штучно простих ситуац?ях, в?домих як м?кросв?ти (англ. micro-worlds). Вони вказали, що в усп?шних науках, як-от ф?зиц?, розум?ння основних принцип?в часто досягали, використовуючи спрощен? модел?, як-от безтертьов? площини або ?деально жорстк? т?ла. Багато досл?джень зосереджувалися на ?св?т? кубик?в?, що склада?ться з кольорових ф?гур р?зних форм ? розм?р?в, розташованих на пласк?й поверхн?.

Ця парадигма привела до ?нновац?йно? роботи в машинному баченн? Джеральда Сасмена (який очолював команду), Адольфо Гусмана, Дев?да Вальца (який винайшов ?поширення обмежень?, англ. "constraint propagation") та особливо Патр?ка В?нстона. У той же час М?нський та Пейперт побудували автоматичну руку, яка могла складати кубики, ожививши св?т кубик?в. Найвищим досягненням програми м?кросв?т?в була SHRDLU Терр? Винограда. Вона могла сп?лкуватися звичайними англ?йськими реченнями, планувати д?? й виконувати ?х.

Автомати

У Япон?? Ун?верситет Васеда розпочав про?кт WABOT 1967 року, й 1972 року завершив WABOT-1, перший у св?т? повномасштабний ?розумний? робот-гумано?д, або андро?д. Його система керування к?нц?вками дозволяла йому ходити нижн?ми к?нц?вками та брати й переносити предмети руками, використовуючи тактильн? давач?. Його система зору дозволяла йому вим?рювати в?дстан? та напрямки до об'?кт?в, використовуючи зовн?шн? рецептори, штучн? оч? та вуха. А його система розмови дозволяла йому сп?лкуватися з людиною японською мовою за допомогою штучного рота. В ?нститут? к?бернетики АН УРСР у 1972—1975 роках в?дд?л б?ок?бернетики Миколи Амосова за ?н?ц?ативою й п?д проводом Ернста Куссуля створив трикол?сного автономного транспортного робота ТА?Р, обладнаного далеком?рами й давачами дотику, керованого вт?леною апаратно нейронною мережею. В?н м?г зд?йснювати ц?леспрямований рух у природному середовищ? з оминанням перешкод.

Оптим?зм

Перше покол?ння досл?дник?в штучного ?нтелекту зробило так? прогнози щодо сво?? роботи:

• 1958, Г. А. Саймон та Аллен Ньюелл: ?протягом десяти рок?в цифровий комп'ютер стане чемп?оном св?ту з шах?в? та ?протягом десяти рок?в цифровий комп'ютер в?дкри? та доведе важливу нову математичну теорему.?
• 1965, Г. А. Саймон: ?машини будуть здатн?, протягом двадцяти рок?в, робити будь-яку роботу, яку може робити людина.?
• 1967, Марв?н М?нський: ?Протягом покол?ння … задачу створення ?штучного ?нтелекту“ буде по сут? розв'язано.?
• 1970, Марв?н М?нський (в журнал? ?Life?): ?Протягом трьох-восьми рок?в ми матимемо машину ?з загальним ?нтелектом середньо? людини.?

Ф?нансування

У червн? 1963 року МТ? отримав грант у розм?р? 2,2 м?льйона долар?в в?д новостворено? Агенц?? передових досл?дницьких про?кт?в США (п?зн?ше в?домо? як DARPA). Грош? використали для ф?нансування про?кту MAC, який поглинув ?Групу Ш?? (англ. "AI Group"), засновану М?нським та Маккарт? п'ятьма роками ран?ше. DARPA продовжувала надавати три м?льйони долар?в на р?к до 70-х рок?в. DARPA надавала под?бн? гранти програм? Ньюелла та Саймона в УКМ, та Стенфордському про?кту Ш? (заснованому Джоном Маккарт? 1963 року). ?ншу важливу лаборатор?ю Ш? створив 1965 року в Единбурзькому ун?верситет? Дональд М?ч?. Ц? чотири заклади продовжували бути основними центрами досл?джень (та ф?нансування) Ш? в академ?чному середовищ? протягом багатьох рок?в.

Ц? грош? було запропоновано з м?н?мальними обмеженнями: Джозеф Л?клайдер, тод?шн?й директор ARPA, вважав, що його орган?зац?я повинна ?ф?нансувати людей, а не про?кти!?, й дозволяв досл?дникам займатися будь-якими напрямками, як? ?х ц?кавили. Це створило в?льну атмосферу в МТ?, яка породила хакерську культуру, проте цей ?бездоглядний? п?дх?д триватиме довго.

Перша зима Ш? (1974—1980)

У 1970-х роках Ш? п?ддали критиц? та затримкам ф?нансування. Досл?дники Ш? не змогли оц?нити складн?сть задач, ?з якими стикнулися. ?хн?й надм?рний оптим?зм п?дняв громадськ? оч?кування занадто високо, ? коли об?цян? результати не вт?лилися, спрямоване на Ш? ф?нансування майже зникло. У той же час досл?дження простих, одношарових штучних нейронних мереж було майже повн?стю припинено на десятил?ття частково через книгу М?нського, яка п?дкреслювала обмеження того, що можуть робити перцептрони. Незважаючи на труднощ? з громадським сприйняттям Ш? в к?нц? 70-х, було досл?джено нов? ?де? в лог?чному програмуванн?, м?ркуванн? здорового глузду та багатьох ?нших областях.

Проблеми

На початку 70-х можливост? програм Ш? були обмеженими. Нав?ть найразюч?ш? могли впоратися лише з трив?альними верс?ями задач, як? вони повинн? були розв'язувати; вс? програми були, в деякому сенс?, ??грашками?. Досл?дники Ш? почали стикатися з дек?лькома фундаментальними обмеженнями, подолати як? в 1970-х роках було неможливо. Хоч деяк? з цих обмежень ? було подолано протягом наступних десятил?ть, ?нш? ускладнюють розвиток ц??? галуз? й дотепер.

• Обмежена обчислювальна потужн?сть: Не було достатньо пам'ят? чи швидкост? обробки, щоби досягти чогось д?йсно корисного. Наприклад, усп?шна робота Росса Кв?лл?ана над природною мовою була продемонстрована з? словником лише з двадцяти сл?в, тому що б?льше не вм?щалося у пам'ять. Ганс Моравек стверджував 1976 року, що комп'ютери все ще в м?льйони раз?в слабш?, щоби проявити ?нтелект. В?н запропонував аналог?ю: штучний ?нтелект вимага? обчислювально? потужност? так само, як л?таки вимагають к?нських сил. Нижче певного порогу це неможливо, але з? зростанням потужност? це, нарешт?, може стати легко. Щодо комп'ютерного бачення, Моравек оц?нив, що просто для в?дпов?дност? можливостям людсько? с?тк?вки у виявлянн? контур?в та руху в реальному час? потр?бен ун?версальний комп'ютер, здатний виконувати 10⁹ операц?й/секунду (1000 MIPS). Станом на 2011 р?к практичн? застосування комп'ютерного бачення вимагають в?д 10 000 до 1 000 000 MIPS. Для пор?вняння, найшвидший суперкомп'ютер 1976 року, Cray-1 (?з роздр?бною ц?ною в?д 5 до 8 м?льйон?в долар?в), був здатний лише приблизно на в?д 80 до 130 MIPS, а типовий наст?льний комп'ютер того часу досягав менше 1 MIPS.
• Неп?ддатлив?сть та комб?наторний вибух. 1972 року Р?чард Карп (на основ? теореми Ст?вена Кука 1971 року) показав, що ?сну? багато задач, як?, ймов?рно, можливо розв'язувати лише за експоненц?йний час (в?дносно розм?ру даних входу). Знаходження оптимальних р?шень для цих задач вимага? неймов?рно? к?лькост? часу комп'ютера, окр?м випадк?в, коли задач? трив?альн?. Це майже напевно означало, що багато з ??грашкових? р?шень, як? використовув Ш?, ймов?рно, н?коли не масштабуються до корисних систем.
• Знання та м?ркування здорового глузду. Багато важливих застосувань Ш?, як-от бачення та природна мова, вимагають просто величезно? к?лькост? ?нформац?? про св?т: програм? потр?бно мати якусь уяву про те, на що вона, можливо, дивиться, або про що вона говорить. Це вимага?, щоби програма знала б?льш?сть тих самих речей про св?т, що й дитина. Досл?дники скоро виявили, що це д?йсно величезна к?льк?сть ?нформац??. Н?хто в 1970 роц? не м?г побудувати тако? велико? бази даних, ? н?хто не знав, як програма може навчитися тако? велико? к?лькост? ?нформац??.
• Парадокс Моравека: Доведення теорем ? розв'язання геометричних задач пор?вняно легк? для комп'ютер?в, але н?бито проста задача, як-от розп?знавання обличчя або перетинання к?мнати без з?ткнення з чимось, ? надзвичайно складною. Це допомага? пояснити, чому досл?дження з бачення та робототехн?ки зробили так мало прогресу до середини 1970-х.
• Проблеми рамок та квал?ф?кац??. Досл?дники Ш? (як-от Джон Маккарт?), як? використовували лог?ку, виявили, що вони не можуть подавати звичайн? виведення, як? м?стять планування чи м?ркування за замовчуванням, не роблячи зм?н у структур? само? лог?ки. Вони розробили нов? лог?ки (як-от немонотонн? лог?ки та модальн? лог?ки), щоби спробувати розв'язати ц? проблеми.

К?нець ф?нансування

Агенц??, як? ф?нансували досл?дження Ш? (як-от британський уряд, DARPA та NRC), були розчарован? в?дсутн?стю прогресу, й урешт?-решт припинили майже все ф?нансування для неспрямованих досл?джень з Ш?. Ця картина почалася ще 1966 року, коли з'явився зв?т ALPAC, що розкритикував зусилля з машинного перекладу. П?сля витрати 20 м?льйон?в долар?в NRC припинила всю п?дтримку. 1973 року допов?дь Лайтг?лла про стан досл?джень Ш? у Велик?й Британ?? розкритикувала повну невдачу Ш? досягти сво?х ?гранд?озних ц?лей? ? призвела до розпуску досл?джень Ш? в ц?й кра?н?. (Ця допов?дь зокрема згадувала комб?наторний вибух як причину невдач Ш?.) DARPA глибоко розчарувалася в досл?дниках, як? працювали над програмою досл?дження розум?ння мовлення в УКМ, ? скасувала щор?чний грант у три м?льйони долар?в. Станом на 1974 р?к знайти ф?нансування про?кт?в Ш? було важко.

Для досл?джень нейронних мереж к?нець ф?нансування наступив ще ран?ше, частково через в?дсутн?сть результат?в, ? частково через конкуренц?ю з досл?дженнями символьного Ш?. Про?кт MINOS вичерпав ф?нансування 1966 року. Розенблат не зм?г отримати продовження ф?нансування в 1960-х.

Ганс Моравек звинуватив цю кризу в нереал?стичних прогнозах сво?х колег. ?Багато досл?дник?в опинилися в павутинн? зростаючо? переб?льшеност??. Проте була й ?ще одна проблема: з часу прийняття поправки Менсф?лда 1969 року DARPA була п?д зростаючим тиском ф?нансувати ?ор??нтован? на завдання прям? досл?дження, а не базов? ненаправлен? досл?дження?. Ф?нансування для творчого, в?льного досл?дження, яке в?дбувалося в 60-х, з боку DARPA не повернулося. Зам?сть цього грош? було спрямовано на конкретн? про?кти з ч?ткими ц?лями, як-от автономн? танки та системи управл?ння бо?м.

Критика з ?ншого боку кампуса

Дек?лька ф?лософ?в мали сильн? заперечення проти тверджень, як? робили досл?дники Ш?. Одним ?з перших був Джон Лукас, який стверджував, що теорема Геделя про неповноту показувала, що формальна система (така як комп'ютерна програма) н?коли не може бачити ?стину певних тверджень, тод? як людина може. Г'юберт Дрейфус висм?яв порушен? об?цянки 1960-х ? критикував припущення Ш?, стверджуючи, що людське м?ркування насправд? м?стить дуже мало ?символьно? обробки?, ? багато вт?леного, ?нстинктивного, несв?домого ?знання-як?. Джон Серль у сво?му аргумент? китайсько? к?мнати, представленому 1980 року, намагався показати, що програма не може сказати, що ?розум??? символи, як? використову? (як?сть, яку називають ??нтенц?ональн?сть?). Якщо символи не мають сенсу для машини, стверджував Серль, то машину неможливо назвати ?мислячою?.

Досл?дники Ш? не сприймали цих критик?в всерйоз, часто тому, що вони видавалися такими далекими в?д сут?. Так? проблеми як неп?ддатлив?сть ? знання здорового глузду видавалися набагато безпосередн?шими й серйозн?шими. Було незрозум?ло, що зм?ню? ?знання-як? чи ??нтенц?ональн?сть? для конкретно? комп'ютерно? програми. М?нський сказав про Дрейфуса та Серля: ?Вони неправильно розум?ють, ?х сл?д ?гнорувати?. Дрейфус, який викладав в МТ?, отримав холодне ставлення: в?н п?зн?ше сказав, що досл?дники Ш? ?не наважувалися бути пом?ченими за об?дом з? мною?. Джозеф Вейценбаум, автор ELIZA, в?дчував, що ставлення його колег до Дрейфуса було непрофес?йним ? дитячим. Хоч в?н ? був голосним критиком позиц?й Дрейфуса, в?н ?навмисно показав, що це не той спос?б поводитися з людиною?.

Вейценбаум почав мати серйозн? етичн? сумн?ви щодо Ш?, коли Кеннет Колб? написав ?комп'ютерну програму, яка може вести психотерапевтичний д?алог? на основ? ELIZA. Вейценбаума збентежило, що Колб? сприймав бездумну програму як серйозний терапевтичний ?нструмент. Почалася сварка, ? ситуац?ю не пол?пшувало те, що Колб? не в?ддав належне Вейценбауму за його внесок у програму. 1976 року Вейценбаум опубл?кував ?Комп'ютерну силу ? людський розум?, у як?й стверджував, що зловживання штучним ?нтелектом ма? потенц?ал знец?нити людське життя.

Перцептрони й напад на конекц?он?зм

Перцептрон був одним ?з вид?в нейронних мереж, запропонованим 1958 року Френком Розенблатом, який був однокласником Марв?на М?нського у Вищ?й науков?й школ? Бронксу. Як ? б?льш?сть досл?дник?в Ш?, в?н був оптим?стичним щодо ?хньо? потужност?, прогнозуючи, що ?перцептрон може з часом набути здатност? вчитися, ухвалювати р?шення й перекладати мови?. Активну програму досл?джень у ц?й парадигм? проводили протягом 1960-х, але раптово припинили п?сля публ?кац?? книги М?нського й Пейперта 1969 року ?Перцептрони?. Вона п?дказувала, що ?снували сувор? обмеження того, що могли би робити перцептрони, ? що прогнози Френка Розенблатта були надзвичайно переб?льшеними. Вплив книги був спустошливим: практично жодних досл?джень з конекц?он?зму не ф?нансували протягом 10 рок?в.

З основних зусиль щодо нейронних мереж, Розенблат намагався з?брати кошти на побудову б?льших перцептронних машин, але загинув у човнов?й авар?? 1971 року. М?нський (з боку SNARC) перетворився на запеклого противника чистого конекц?он?стського Ш?. У?дроу (з боку ADALINE) звернувся до адаптивно? обробки сигнал?в, використовуючи методи на основ? алгоритму НСК. Група СД? (з боку MINOS) звернулася до символьного Ш? та робототехн?ки. Основними проблемами були нестача ф?нансування та нездатн?сть тренувати багатошаров? мереж? (зворотне поширення було не в?доме). Змагання за державне ф?нансування зак?нчилося перемогою п?дход?в символьного Ш?.

Лог?ка в Стенфорд?, УКМ та Единбурз?

Лог?ку до досл?джень Ш? вв?в ще 1959 року Джон Маккарт? у сво?й пропозиц?? приймача порад. 1963 року Джон Алан Роб?нсон в?дкрив простий метод вт?лення виведення на комп'ютерах, алгоритм резолюц?? та ун?ф?кац??. Проте прям? вт?лення, як? спробували Маккарт? та його студенти наприк?нц? 1960-х, були особливо неп?ддатливими: програми потребували астроном?чно? к?лькост? крок?в, щоби довести прост? теореми. Пл?дн?ший п?дх?д до лог?ки розробив у 1970-х роках Роберт Ковальський в Единбурзькому ун?верситет?, й незабаром це призвело до сп?впрац? з французькими досл?дниками Аланом Кольмерое та Ф?л?пом Русселем, як? створили усп?шну мову лог?чного програмування Пролог (англ. Prolog). Пролог використову? п?дмножину лог?ки (диз'юнкти Горна, т?сно пов'язан? з ?правилами? та ?продукц?йними правилами?), яка дозволяю? зд?йснювати розв'язн? обчислення. Правила продовжуватимуть бути впливовими, надаючи основу для експертних систем Едварда Фейгенбаума та наступно? роботи Аллена Ньюелла й Герберта Саймона, яка призвела до Soar та ?хн?х узагальнених теор?й п?знання.

Критики лог?чного п?дходу зауважили, як ? Дрейфус, що люди р?дко використовували лог?ку, коли розв'язували проблеми. Експерименти психолог?в, як-от П?тера Вейсона, Елеанори Рош, Амоса Тверськ?, Ден?ела Канемана та ?нших, надали докази. Маккарт? в?дпов?в, що те, що роблять люди, не стосу?ться справи. В?н стверджував, що насправд? потр?бн? машини, здатн? розв'язувати задач?, а не машини, як? мислять, як люди.

?Антилог?чний? п?дх?д МТ?

Серед критик?в п?дходу Маккарт? були його колеги на ?ншому к?нц? кра?ни в МТ?. Марв?н М?нський, Сеймур Пейперт та Роджер Скенк намагалися розв'язати так? задач? як ?розум?ння ?стор?й? та ?розп?знавання об'?кт?в?, як? вимагали, щоб машина думала як людина. Щоби використовувати звичайн? поняття, як-от ?ст?лець? або ?ресторан?, вони мусили робити вс? т? ж нелог?чн? припущення, як? зазвичай роблять люди. На жаль, так? неточн? поняття, як ц?, важко подати в лог?ц?. Джеральд Сасмен зауважив, що ?використання точно? мови для опису неточних по сут? понять не робить ?х точн?шими?. Скенк назвав ?хн? ?антилог?чн?? (англ. "anti-logic") п?дходи ?нечупарними? (англ. "scruffy"), на противагу до ?чепурних? (англ. "neat") парадигм, як? використовували Маккарт?, Ковальський, Фейгенбаум, Ньюелл та Саймон.

1975 року, у знаков?й статт?, М?нський зауважив, що багато його колег-досл?дник?в використовували один ? той же ?нструмент: систему рамок, яка вловлю? вс? наш? припущення здорового глузду про щось. Наприклад, якщо ми використову?мо поняття птаха, то в голов? виника? суз?р'я факт?в, як? одразу спадають на думку: ми можемо припустити, що в?н л?та?, ?сть хробак?в тощо. Ми зна?мо, що ц? факти не завжди правдив?, й що висновки, як? використовують ц? факти, не будуть ?лог?чними?, але ц? структурован? набори припущень ? частиною контексту всього, що ми кажемо й дума?мо. В?н назвав ц? структури ?рамками? (англ. "frames"). Скенк використовував верс?ю рамок, яку в?н називав ?сценар?ями? (англ. "scripts"), щоби усп?шно в?дпов?дати на питання про коротк? ?стор?? англ?йською.

Поява немонотонних лог?к

Лог?ки прийняли виклик. Пат Гейз стверджував, що ?б?льш?сть ?рамок“ це лише новий синтаксис для частин лог?ки першого порядку.? Але в?н зазначив, що ?? одна чи дв? здавалося би незначн? детал?, як? викликають багато проблем, особливо замовчування?. Тим часом Реймон Райтер визнав, що ?традиц?йн? лог?ки, так? як лог?ка першого порядку, не мають достатньо? виразност? для адекватного подання знань, необх?дних для м?ркування за замовчуванням?. В?н запропонував доповнити лог?ку першого порядку припущенням про замкнен?сть св?ту, що висновок правильний (за замовчуванням), якщо неможливо довести протилежне. В?н показав, як таке припущення в?дпов?да? загальноприйнятому припущенню, зробленому при м?ркуванн? з рамками. В?н також показав, що воно ма? св?й ?процедурний екв?валент? як заперечення як в?дмова в Пролоз?.

Припущення про замкнен?сть св?ту, сформульоване Райтером, ?не ? поняттям першого порядку. (Це метапоняття.)? Проте, К?т Кларк показав, що заперечення як ск?нченну в?дмову (англ. finite failure) можливо розум?ти як неявне м?ркування з визначеннями в лог?ц? першого порядку, включно з припущенням про ун?кальн? назви, що р?зн? терми позначують р?зних ?ндив?д?в.

Протягом к?нця 1970-х та протягом 1980-х рок?в було розроблено численн? лог?ки та розширення лог?ки першого порядку як для заперечення як в?дмови в лог?чному програмуванн?, так ? для м?ркування за замовчуванням загалом. Разом ц? лог?ки стали в?дом? як немонотонн?.

Бум (1980—1987)

У 1980-х роках корпорац?? по всьому св?ту прийняли один з вид?в програм Ш?, званий ?експертними системами?, ? подання знань стало центром основних досл?джень Ш?. У т? ж роки японський уряд активно ф?нансував Ш? сво?м про?ктом комп'ютер?в п'ятого покол?ння. Ще одна заохочувальна под?я на початку 1980-х була в?дродженням конекц?он?зму в робот? Джона Гопф?лда та Дев?да Румельхарта. Знову ж таки, Ш? досяг усп?ху.

Поширення експертних систем

Експертна система — це програма, яка в?дпов?да? на питання або розв'язу? задач? з певно? област? знань, використовуючи лог?чн? правила, виведен? з? знань експерт?в. Найперш? ?х приклади розробили Едвард Фейгенбаум ? його студенти. Дендрал (англ. Dendral), початок якого було закладено 1965 року, встановлював сполуки за даними спектрометра. MYCIN, розроблена 1972 року, д?агностувала ?нфекц?йн? захворювання кров?. Вони продемонстрували зд?йсненн?сть такого п?дходу.

Експертн? системи обмежували себе невеликою областю специф?чних знань (тим самим уникаючи проблеми здорового глузду), а ?хн?й простий дизайн робив в?дносно легкими побудову та зм?ну програм п?сля встановлення. Загалом, ц? програми виявилися корисними: щось, чого Ш? до цього моменту досягти не м?г.

1980 року в УКМ завершили експертну система п?д назвою XCON для Digital Equipment Corporation. Це був величезний усп?х: вона заощаджувала компан?? 40 м?льйон?в долар?в щор?чно до 1986 року. Корпорац?? по всьому св?ту почали розробляти та впроваджувати експертн? системи, й до 1985 року вони витрачали понад м?льярд долар?в на Ш?, б?льш?сть з яких — на внутр?шн? в?дд?ли Ш?. З'явилася галузь, що ?х п?дтримувала, включно з компан?ями з апаратного забезпечення, як-от Symbolics та Lisp Machines, та компан?ями з програмного забезпечення, як-от IntelliCorp та Aion.

Революц?я знань

Сила експертних систем полягала в експертних знаннях, як? вони м?стили. Вони були частиною нового напряму в досл?дженнях Ш?, який набирав оберт?в протягом 70-х рок?в. ?Досл?дники Ш? почали п?дозрювати — неохоче, бо це порушувало науковий принцип ощадливост? — що ?нтелект, можливо, дуже залежить в?д здатност? використовувати велик? к?лькост? р?зноман?тних знань р?зними способами?, пише Памела Маккордак. ?[В]еликим уроком з 1970-х було те, що ?нтелектуальна повед?нка дуже залежить в?д роботи з? знаннями, ?нод? досить докладними знаннями, з област?, в як?й лежить задана задача?. Системи на основ? знань та ?нженер?я знань стали основним фокусом досл?джень Ш? в 1980-х роках.

У 1980-х роках також народився Cyc (укр. Сайк), перша спроба лобово? атаки на проблему здорового глузду, шляхом створення величезно? бази даних, яка м?стила би вс? буденн? факти, що ?х зна? середня людина. Дуглас Ленат, який розпочав ? очолював цей про?кт, стверджував, що короткого шляху не ?сну? — ?диний спос?б, щоби машини знали значення людських понять, це навчати ?х, по поняттю за раз, вручну. Про?кт не оч?кувався бути завершеним протягом багатьох десятил?ть.

Програми для гри в шахи HiTech та Deep Thought перемогли шахових гросмейстер?в 1989 року. Обидв? розробили в УКМ; розробка Deep Thought проклала шлях для Deep Blue.

Грош? повертаються: про?кт П'ятого покол?ння

1981 року М?н?стерство м?жнародно? торг?вл? та промисловост? Япон?? вид?лило 850 м?льйон?в долар?в на про?кт комп'ютер?в п'ятого покол?ння. ?хн?ми ц?лями було написати програми та побудувати машини, як? могли би вести розмови, перекладати мови, ?нтерпретувати зображення та м?ркувати як людськ? ?стоти. До жалю нечупар, як основну мову програмування для про?кту було обрано Пролог.

?нш? кра?ни в?дпов?ли власними новими програмами. Велика Британ?я розпочала про?кт Alvey на 350 м?льйон?в фунт?в стерл?нг?в. Консорц?ум компан?й США створив Корпорац?ю м?кроелектрон?ки та комп'ютерних технолог?й (англ. Microelectronics and Computer Technology Corporation, MCC) для ф?нансування великомасштабних про?кт?в з Ш? та ?нформац?йних технолог?й. DARPA також в?дреагувала, заснувавши Стратег?чну комп'ютерну ?н?ц?ативу, ? потро?вши сво? ?нвестиц?? в Ш? м?ж 1984 ? 1988 роками.

Мережа Гопф?лда з чотирма вузлами

В?дродження нейронних мереж

1982 року ф?зик Джон Гопф?лд зм?г довести, що певний вигляд нейронно? мереж? (званий тепер ?мережею Гопф?лда?) може навчатися й обробляти ?нформац?ю, ? дов?дно зб?гатися п?сля достатнього часу за будь-яких незм?нних умов. Це був прорив, оск?льки ран?ше вважали, що нел?н?йн? мереж? в загальному випадку розвиватимуться хаотично.

Приблизно в той же час Джефр? Г?нтон та Дев?д Румельхарт популяризували метод тренування нейронних мереж, званий ?зворотним поширенням? (англ. "backpropagation"), в?домий також як зворотний режим автоматичного диференц?ювання, опубл?кований Сеппо Л?нна?нмаа (1970) та застосований до нейронних мереж Полом Вербосом. Ц? два в?дкриття допомогли в?дродити досл?дження штучних нейронних мереж.

Починаючи з публ?кац?? 1986 року ?Паралельно розпод?лено? обробки?, двотомно? зб?рки статей п?д редакц??ю Румельхарта та психолога Джеймса Макклелланда, досл?дження нейронних мереж набули нового ?мпульсу, й стануть комерц?йно усп?шними в 1990-х роках у застосуванн? до оптичного розп?знавання символ?в та розп?знавання мовлення.

Розвиток метал-д?електрик-нап?впров?дникових (МДН, англ. MOS) схем надвеликого р?вня ?нтеграц?? (НВР?, англ. VLSI) у вигляд? технолог?? комплементарних метал-оксид-нап?впров?дник?в (КМОН, англ. CMOS) уможливив розвиток практично? технолог?? штучних нейронних мереж у 1980-х роках.

Пров?дною публ?кац??ю в ц?й галуз? була книга 1989 року ?Аналогове НВР?-вт?лення нейронних систем? Карвера А. М?да та Мохаммеда ?сма?ла.

Крах: друга зима Ш? (1987—1993)

Захоплення д?лово? сп?льноти штучним ?нтелектом у 1980-х роках зд?йнялося й упало за класичним сценар??м економ?чно? бульбашки. Коли десятки компан?й зазнали невдач, склалося враження, що ця технолог?я нежитт?здатна. Проте ця галузь продовжувала робити прогрес, незважаючи на критику. Багато досл?дник?в, включно з розробниками робототехн?ки Родн? Бруксом та Гансом Моравеком, виступали за ц?лком новий п?дх?д до штучного ?нтелекту.

Зима Ш?

Терм?н ?Зима Ш?? запровадили досл?дники, як? вижили п?сля скорочення ф?нансування 1974 року, коли стали турбуватися, що ентуз?азм щодо експертних систем вийшов з-п?д контролю, ? що розчарування неодм?нно настане. ?хн? побоювання були об?рунтованими: наприк?нц? 1980-х ? на початку 1990-х рок?в Ш? зазна? низки ф?нансових удар?в.

Першою ознакою зм?ни погоди був раптовий крах ринку спец?ал?зованого апаратного забезпечення для Ш? 1987 року. Наст?льн? комп'ютери в?д Apple та IBM пост?йно зб?льшували швидкод?ю й потужн?сть, ? 1987 року вони стали потужн?шими за дорожч? Л?сп-машини, як? випускали Symbolics та ?нш?. Купувати ?х вже не було жодно? добро? причини. Вся ?ндустр?я варт?стю п?вм?льярда долар?в зруйнувалася за одну н?ч.

Зрештою, найран?ш? усп?шн? експертн? системи, так? як XCON, виявилися занадто дорогими в обслуговуванн?. ?х було важко оновлювати, вони не могли навчатися, вони були ?крихкими? (тобто могли робити абсурдн? помилки за незвичайних даних входу) й пали жертвою проблем (як-от проблеми квал?ф?кац??), як? було виявлено ще роки тому. Експертн? системи виявилися корисними, але т?льки в дек?лькох особливих контекстах.

Наприк?нц? 1980-х рок?в Стратег?чна комп'ютерна ?н?ц?атива обр?зала ф?нансування Ш? ?р?зко ? жорстоко?. Нове кер?вництво DARPA вир?шило, що Ш? не ? ?наступною хвилею?, ? спрямувало кошти на про?кти, отримання негайних результат?в в?д яких видавалося правдопод?бн?шим.

До 1991 року вражаючого перел?ку ц?лей, сформульованих 1981 року для японського п'ятого покол?ння комп'ютер?в, досягнуто не було. Насправд?, деяких ?з них, як-от ?п?дтримувати неформальну розмову?, не було досягнуто нав?ть до 2010 року. Як ? з ?ншими про?ктами Ш?, оч?кування були набагато вищими за те, що було можливим насправд?.

Понад 300 компан?й, як? займалися Ш?, закрилися, збанкрутували або були придбан? до к?нця 1993 року, фактично завершивши першу комерц?йну хвилю Ш?. 1994 року ГП Найкв?ст заявив у книз? ?The Brain Makers?, що ?Найближче майбутн? штучного ?нтелекту — в його комерц?йному вигляд? — зда?ться, залежить частково в?д продовження усп?ху нейронних мереж.?

Нувельний Ш? та вт?лений розум

Наприк?нц? 1980-х рок?в дек?лька досл?дник?в пропагували ц?лком новий п?дх?д до штучного ?нтелекту, на основ? робототехн?ки. Вони вважали, що для того, щоби проявити справжн?й ?нтелект, машин? потр?бно мати т?ло — вона повинна сприймати, рухатися, виживати та вза?мод?яти з? св?том. Вони стверджували, що ц? чутт?о-моторн? навички необх?дн? для вищих р?вн?в навичок, як-от м?ркування здорового глузду, ? що абстрактне м?ркування насправд? ? найменш ц?кавою чи важливою людською навичкою (див. парадокс Моравека). Вони пропагували побудову ?нтелекту ?знизу вгору.?

Цей п?дх?д в?дродив ?де? з к?бернетики й теор?? керування, як? були непопулярними з 1960-х рок?в. ?ншим предтечею був Дев?д Марр, який прийшов до МТ? наприк?нц? 1970-х рок?в з усп?шним досв?дом у теоретичн?й нейроб?олог??, щоби очолити групу, яка вивчала бачення. В?н в?дкинув ус? символьн? п?дходи (як лог?ку Маккарт?, так ? рамки М?нського), стверджуючи, що Ш? потр?бно було розум?ти ф?зичну механ?ку зору знизу вгору, перш н?ж в?дбувалася би будь-яка символьна обробка. (1980 року роботу Марра об?рвала лейкем?я.)

У сво?й статт? 1990 року ?Слони не грають у шахи? досл?дник з робототехн?ки Родн? Брукс спрямував свою критику безпосередньо на г?потезу системи ф?зичних символ?в, стверджуючи, що символи не завжди необх?дн?, оск?льки ?св?т ? найкращою моделлю самого себе. В?н завжди точно актуальний. В?н завжди ма? вс? детал?, як? треба знати. Секрет поляга? в тому, щоби сприймати його доречним чином ? достатньо часто.? У 1980-х ? 1990-х роках багато когн?тив?ст?в також в?дкинули модель символьно? обробки розуму ? стверджували, що для м?ркування необх?дне т?ло, теор?ю, названу тезою про вт?лений розум.

Ш? (1993—2011)

Галузь Ш?, як?й вже понад п?встол?ття, нарешт? досягла деяких сво?х найдавн?ших ц?лей. ?? почали усп?шно використовувати в ус?й технолог?чн?й промисловост?, хоча й дещо за лаштунками. Деяк? з цих усп?х?в були пов'язан? з? зростанням обчислювально? потужност?, а деяких було досягнуто шляхом зосередження на конкретних ?зольованих задачах ? розв'язанн? ?х за найвищими стандартами науково? в?дпов?дальност?. Проте репутац?я Ш?, принаймн? в д?ловому св?т?, була не дуже бездоганною. Усередин? галуз? бракувало згоди щодо причин невдач? Ш? у вт?ленн? мр?? про людський р?вень ?нтелекту, яка захопила уяву св?ту в 1960-х роках. Разом ус? ц? чинники допомогли розколоти Ш? на конкурентн? п?дгалуз?, зосереджен? на певних задачах або п?дходах, ?нод? нав?ть п?д новими назвами, як? приховували потьмян?ле походження в?д ?штучного ?нтелекту?. Ш? став як обережн?шим, так ? усп?шн?шим, н?ж будь-коли ран?ше.

В?хи та закон Мура

11 травня 1997 року Deep Blue став першою комп'ютерною шаховою системою, яка перемогла чинного чемп?она св?ту з шах?в Гарр? Каспарова. Цей суперкомп'ютер був спец?ал?зованою верс??ю платформи, створено? IBM, ? м?г обробляти вдв?ч? б?льше ход?в за секунду, н?ж п?д час першого матчу (який Deep Blue програв), а саме 200 000 000 ход?в за секунду.

2005 року робот з? Стенфорду виграв DARPA Grand Challenge, автономно про?хавши 121 км неп?дготовленою пустельною трасою. Через два роки команда з УКМ виграла DARPA Urban Challenge, автономно про?хавши 89 км у м?ському середовищ?, дотримуючись ус?х дорожн?х небезпек ? правил дорожнього руху. У лютому 2011 року в телев?кторин? Jeopardy! в показовому матч? система в?дпов?дей на запитання IBM, Watson, перемогла двох найкращих чемп?он?в Jeopardy!, Бреда Раттера та Кена Дженн?нгса, з? значною перевагою.

Ц? усп?хи не були насл?дком яко?сь революц?йно? ново? парадигми, а переважно ?рунтувалися на наполегливому застосуванн? ?нженерних навичок та величезному зростанн? швидкост? й обсягу пам'ят? комп'ютер?в у 90-х роках. Насправд?, Deep Blue був у 10 м?льйон?в раз?в швидший за Ferranti Mark 1, якого Кр?стофер Стрейч? навчив грати в шахи у 1951 роц?. Це драматичне зростання вим?рю?ться законом Мура, який передбачу?, що швидк?сть ? обсяг пам'ят? комп'ютер?в подвоюються кожн? два роки внасл?док щодвор?чного подво?ння к?лькост? МДН-транзистор?в. Основну проблему ?сиро? обчислювально? потужност?? поступово вдавалося подолати.

?нтелектуальн? агенти

Нова парадигма, яку назвали ??нтелектуальними агентами? (англ. "intelligent agents"), стала широко прийнятою протягом 1990-х рок?в. Хоч ран?ше досл?дники й пропонували модульн? п?дходи ?розд?ляй ? володарюй? до Ш?, ?нтелектуальний агент не набув свого сучасного вигляду, доки Джуда Перл, Аллен Ньюелл, Лесл? П. Келбл?нг та ?нш? не привнесли поняття з теор?? р?шень та економ?ки до вивчення Ш?. Коли економ?стське визначення рац?онального агента було по?днано з ?нформатичним визначенням об'?кта або модуля, парадигму ?нтелектуального агента було завершено.

?нтелектуальний агент — це система, яка сприйма? сво? середовище ? вжива? д??, як? максим?зують ?? шанси на усп?х. За цим визначенням, прост? програми, як? розв'язують конкретн? задач?, ? ??нтелектуальними агентами?, так само як ? людськ? ?стоти та орган?зац?? людських ?стот, так? як ф?рми. Парадигма ?нтелектуальних агент?в визнача? досл?дження Ш? як ?вивчення ?нтелектуальних агент?в?. Це узагальнення деяких попередн?х визначень Ш?: воно виходить за рамки вивчення людського ?нтелекту; воно вивча? вс? види ?нтелекту.

Ця парадигма дала досл?дникам можлив?сть вивчати окрем? задач? й знаходити р?шення, як? були одночасно перев?рними й корисними. Вона надала сп?льну мову для опису задач та обм?ну ?хн?ми р?шеннями м?ж собою та з ?ншими галузями, як? також використовували поняття абстрактних агент?в, як-от з економ?кою та теор??ю керування. Спод?валися, що завершена агентна арх?тектура (як-от SOAR Ньюелла) колись дозволить досл?дникам побудувати ун?версальн?ш? та ?нтелектуальн?ш? системи ?з вза?мод?йних ?нтелектуальних агент?в.

?мов?рн?сне м?ркування та б?льша строг?сть

Досл?дники Ш? почали розробляти й використовувати складн?ш? математичн? ?нструменти, н?ж будь-коли ран?ше. Було загальне усв?домлення, що над багатьма задачами, як? треба було розв'язати Ш?, вже працювали досл?дники з таких галузей як математика, електротехн?ка, економ?ка та досл?дження операц?й. Сп?льна математична мова уможливила вищий р?вень сп?впрац? з устален?шими й усп?шн?шими галузями та досягнення результат?в, як? були вим?рюваними й дов?дними; Ш? став б?льш строгою ?науковою? дисципл?ною.

Впливова книга Джуди Перла 1988 року привнесла до Ш? ймов?рн?сть та теор?ю р?шень. Серед багатьох нових ?нструмент?в у вжитку були ба?сов? мереж?, прихован? марковськ? модел?, теор?я ?нформац??, статистичне моделювання та класична оптим?зац?я. Також було розроблено точн? математичн? описи для таких парадигм ?обчислювального ?нтелекту? як нейронн? мереж? та еволюц?йн? алгоритми.

Ш? за лаштунками

Алгоритми, первинно розроблен? досл?дниками Ш?, почали з'являтися як частини б?льших систем. Ш? розв'язав багато дуже складних задач ? ?хн? розв'язки виявилися корисними в ус?й технолог?чн?й промисловост?, як-от у розробленн? даних, промислов?й робототехн?ц?, лог?стиц?, розп?знаванн? мовлення, банк?вському програмному забезпеченн?, медичному д?агностуванн? та пошуков?й систем? Google.

Галузь Ш? отримала мало або жодного визнання за ц? усп?хи у 1990-х та на початку 2000-х рок?в. Багато з найб?льших нововведень Ш? було зведено до статусу просто ще одного предмета в скриньц? ?нструмент?в ?нформатики. Н?к Бостром поясню?: ?Багато передового Ш? просочилося в загальн? застосування, часто без називання цього Ш?, тому що коли щось ста? достатньо корисним ? поширеним, його вже не м?тять як Ш?.?

Багато досл?дник?в Ш? у 1990-х навмисно називали свою роботу ?ншими назвами, як-от ?нформатикою, системами на основ? знань, когн?тивними системами та обчислювальним ?нтелектом. Можливо, частково через те, що вони вважали свою галузь принципово в?дм?нною в?д Ш?, але також ц? нов? назви допомагали залучати ф?нансування. У комерц?йному св?т?, принаймн?, невиконан? об?цянки зими штучного ?нтелекту продовжували пересл?дувати досл?дження Ш? у 2000-х роках, як пов?домляла New York Times 2005 року: ??нформатики та програм?сти уникали терм?ну ?штучний ?нтелект“ через побоювання бути сприйнятими як мр?йники з шаленими очима.?

Глибоке навчання, велик? дан? (2011—2020)

У перших десятил?ттях XXI стол?ття доступ до велико? к?лькост? даних (в?домих як ?велик? дан??, англ. "big data"), дешевш? та швидш? комп'ютери та передов? методики машинного навчання усп?шно застосували до багатьох задач по вс?й економ?ц?. Справд?, McKinsey Global Institute оц?нили у сво?й в?дом?й статт? ?Велик? дан?: наступний руб?ж для ?нновац?й, конкуренц?? та продуктивност?? (англ. "Big data: The next frontier for innovation, competition, and productivity"), що ?до 2009 року майже вс? сектори економ?ки США мали принаймн? середн?й р?вень 200 терабайт збережених даних?.

До 2016 року ринок продукт?в, апаратного та програмного забезпечення, пов'язаних ?з Ш?, досяг понад 8 м?льярд?в долар?в, а New York Times пов?домили, що ?нтерес до Ш? досяг ?божев?льного? р?вня. Застосування великих даних почали досягати й ?нших галузей, як-от тренування моделей в еколог?? та для р?зних застосувань в економ?ц?. Просування й досл?дження в глибокому навчанн? (особливо в глибоких згорткових нейронних мережах та рекурентних нейронних мережах) п?дштовхнули просування й досл?дження в обробц? зображень ? в?део, анал?з? тексту, й нав?ть розп?знаванн? мовлення.

На першому глобальному сам?т? з безпеки Ш?, що в?дбувся в Блечл?-Парку в листопад? 2023 року, обговорили найближч? та в?ддален? ризики штучного ?нтелекту й можлив?сть обов'язкових та добров?льних регуляторних рамок. 28 кра?н, включно з? США, Кита?м та ?С, оприлюднили декларац?ю на початку сам?ту, закликаючи до м?жнародно? сп?впрац? для управл?ння викликами та ризиками штучного ?нтелекту.

Глибоке навчання

Глибоке навчання (англ. deep learning) — це галузь машинного навчання, яка моделю? високор?внев? абстракц?? в даних за допомогою глибокого графа з багатьма шарами обробки. За теоремою про ун?версальне наближення (теоремою Цибенка), глибина не ? необх?дною для нейронно? мереж?, щоби наближувати дов?льн? неперервн? функц??. Незважаючи на це, ? багато проблем, поширених для неглибоких мереж (як-от перенавчання), яких глибок? мереж? допомагають уникати. Як так?, глибок? нейронн? мереж? здатн? насправд? породжувати набагато складн?ш? модел? пор?вняно з ?хн?ми неглибокими аналогами.

Проте, глибоке навчання ма? сво? власн? проблеми. Поширеною проблемою для рекурентних нейронних мереж ? проблема зникання град??нту, яка поляга? в тому, що град??нти, як? передаються м?ж шарами, поступово знижуються й буквально зникають, коли округлюються до нуля. Було розроблено багато метод?в, щоби п?д?йти до ц??? проблеми, як-от вузли довго? короткочасно? пам'ят?.

Глибок? нейронн? арх?тектури р?вня останн?х досягнень ?нод? нав?ть можуть змагатися з людською точн?стю в таких галузях як комп'ютерне бачення, зокрема в таких речах, як база даних MNIST та розп?знавання дорожн?х знак?в.

Мовн? обробники, як? працюють на основ? розумних пошукових систем, можуть легко перемагати людей у в?дпов?дях на загальн? питання (як-от IBM Watson), а нещодавн? розробки в глибокому навчанн? дали дивовижн? результати у змаганн? з людьми в таких речах як ?о та Doom (який, будучи стр?лялкою в?д першо? особи, викликав деяк? суперечки).

Велик? дан?

Велик? дан? (англ. big data) — це зб?рка даних, якими неможливо оволод?ти, управляти та обробляти ?х звичайними програмними ?нструментами протягом певного часового пром?жку. Це величезна к?льк?сть можливостей для ухвалювання р?шень, розум?ння та оптим?зац?? процес?в, як? вимагають нових моделей обробки. У книз? ?Ера великих даних? (англ. The Big Data Era), написан?й В?ктором Май?ром Шонбергом та Кеннетом Куком, велик? дан? означають, що зам?сть випадкового анал?зу (виб?ркового досл?дження) для анал?зу використовують ус? дан?. Характеристики 5 ?V? великих даних (запропонован? IBM): обсяг (англ. Volume), швидк?сть (англ. Velocity), р?зноман?тн?сть (англ. Variety), ц?нн?сть (англ. Value), достов?рн?сть (англ. Veracity).

Стратег?чна значущ?сть технолог?? великих даних поляга? не в тому, щоби оволод?ти величезною к?льк?стю ?нформац??, а в тому, щоби спец?ал?зуватися на цих зм?стовних даних. ?ншими словами, якщо велик? дан? пор?вняти з промислов?стю, то ключем до досягнення прибутковост? в ц?й промисловост? ? п?двищення ?можливостей процесу? цими даними та реал?зац?я ?хньо? ?додано? вартост?? шляхом ?обробки?.

Ера Ш?, сильний штучний ?нтелект (2020—дотепер)

Ера Ш? почина?ться з початково? розробки ключових арх?тектур й алгоритм?в, таких як трансформерна арх?тектура 2017 року, що призвела до масштабування та розвитку великих мовних моделей, як? виявляють под?бн? до людських риси розум?ння, п?знання, уваги та творчост?. Початком ери Ш? вважають приблизно 2022—2024 роки ?з розробкою масштабованих великих мовних моделей, як-от ChatGPT.

Велик? мовн? модел?

2017 року досл?дники з Google запропонували трансформерну арх?тектуру. Вона використову? механ?зм уваги, й п?зн?ше стала широко використовуваною у великих мовних моделях.

Модел?-основи (англ. foundation models), що ? великими мовними моделями, натренованими на величезних к?лькостях нем?чених даних, як? можливо пристосовувати для широкого спектра п?дзадач, почали розробляти 2018 року.

Модел?, так? як GPT-3, випущену орган?зац??ю OpenAI 2020 року, та Gato, випущену компан??ю DeepMind 2022 року, описували як важлив? досягнення машинного навчання.

2023 року Microsoft Research перев?рили велику мовну модель GPT-4 на великому розма?тт? завдань та зробили висновок, що ??? можливо стерпно розглядати як ранню (але все ще неповну) верс?ю системи сильного штучного ?нтелекту (СШ?, англ. artificial general intelligence, AGI)?

Див. також

• ?стор?я штучних нейронних мереж
• ?стор?я подань знань та м?ркування
• ?стор?я обробки природних мов
• Нарис з? штучного ?нтелекту
• Поступ у штучному ?нтелект?
• Хронолог?я розвитку штучного ?нтелекту
• Хронолог?я розвитку машинного навчання

Л?тература

• Russell, Stuart J.; Norvig, Peter. (2021). Artificial Intelligence: A Modern Approach (англ.) (вид. 4th). Hoboken: Pearson. ISBN 978-0134610993. LCCN 20190474.
• Couturat, Louis (1901), La Logique de Leibniz (фр.)
• Byrne, J. G. (8 Dec 2012). The John Gabriel Byrne Computer Science Collection (PDF) (англ.). Арх?в ориг?налу за 16 кв?тня 2019. Процитовано 8 серпня 2019.
• Mulvihill, Mary (17 жовтня 2012). Ingenious Ireland (англ.).
• Quevedo, L. Torres Quevedo (1914), Revista de la Academia de Ciencias Exacta, Ensayos sobre Automática – Su definicion. Extension teórica de sus aplicaciones (?сп.), т. 12, с. 391—418
• Quevedo, L. Torres Quevedo (1915), Revue Génerale des Sciences Pures et Appliquées, Essais sur l'Automatique - Sa définition. Etendue théorique de ses applications (фр.), т. 2, с. 601—611
• Randall, Brian (1982), From Analytical Engine to Electronic Digital Computer: The Contributions of Ludgate, Torres, and Bush, fano.co.uk (англ.), процитовано 29 жовтня 2018
• Berlinski, David (2000), The Advent of the Algorithm (англ.), Harcourt Books, ISBN 978-0-15-601391-8, OCLC 46890682.
• Buchanan, Bruce G. (2005), A (Very) Brief History of Artificial Intelligence (PDF), AI Magazine (англ.), с. 53—60, арх?в ориг?налу (PDF) за 26 вересня 2007, процитовано 30 серпня 2007.
• Butler, Samuel (13 червня 1863), Darwin Among the Machines, The Press, Christchurch, New Zealand (англ.), процитовано 10 жовтня 2008.
• Colby, Kenneth M.; Watt, James B.; Gilbert, John P. (1966), A Computer Method of Psychotherapy: Preliminary Communication, The Journal of Nervous and Mental Disease (англ.), т. 142, № 2, с. 148—152, doi:10.1097/00005053-196602000-00005, PMID 5936301, S2CID 36947398.
• Colby, Kenneth M. (September 1974), Ten Criticisms of Parry (PDF) (англ.), Stanford Artificial Intelligence Laboratory, REPORT NO. STAN-CS-74-457, процитовано 17 червня 2018.
• AI set to exceed human brain power, CNN.com (англ.), 26 липня 2006, процитовано 16 жовтня 2007.
• Copeland, Jack (2000), Micro-World AI (англ.), процитовано 8 жовтня 2008.
• Cordeschi, Roberto (2002), The Discovery of the Artificial (англ.), Dordrecht: Kluwer..
• Crevier, Daniel (1993). AI: The Tumultuous Search for Artificial Intelligence. New York, NY: BasicBooks. ISBN 0-465-02997-3.
• Darrach, Brad (20 листопада 1970), Meet Shaky, the First Electronic Person, Life Magazine (англ.), с. 58—68.
• Doyle, J. (1983), What is rational psychology? Toward a modern mental philosophy, AI Magazine (англ.), т. 4, № 3, с. 50—53.
• Dreyfus, Hubert (1965), Alchemy and AI (англ.), RAND Corporation Memo.
• Dreyfus, Hubert (1972), What Computers Can't Do (англ.), New York: MIT Press, ISBN 978-0-06-090613-9, OCLC 5056816.
• Dreyfus, Hubert; Dreyfus, Stuart (1986). Mind over Machine: The Power of Human Intuition and Expertise in the Era of the Computer (англ.). Oxford, UK: Blackwell. ISBN 978-0-02-908060-3. Процитовано 22 серпня 2020.
• The Economist (7 червня 2007), Are You Talking to Me?, The Economist (англ.), процитовано 16 жовтня 2008.
• Feigenbaum, Edward A.; McCorduck, Pamela (1983), The Fifth Generation: Artificial Intelligence and Japan's Computer Challenge to the World (англ.), Michael Joseph, ISBN 978-0-7181-2401-4.
• Haugeland, John (1985). Artificial Intelligence: The Very Idea (англ.). Cambridge, Mass.: MIT Press. ISBN 978-0-262-08153-5.
• Hawkins, Jeff; Blakeslee, Sandra (2004), On Intelligence (англ.), New York, NY: Owl Books, ISBN 978-0-8050-7853-4, OCLC 61273290.
• Hebb, D.O. (1949), The Organization of Behavior (англ.), New York: Wiley, ISBN 978-0-8058-4300-2, OCLC 48871099.
• Hewitt, Carl; Bishop, Peter; Steiger, Richard (1973), A Universal Modular Actor Formalism for Artificial Intelligence (PDF) (англ.), IJCAI, арх?в ориг?налу (PDF) за 29 грудня 2009
• Hobbes, Thomas (1651), Leviathan (англ.).
  • Гоббс, Томас (2000), Лев?афан (укр.), Дух ? л?тера, ISBN ISBN 966-7888-04-5 {{citation}}: Перев?рте значення |isbn=: нед?йсний символ (дов?дка).
• Hofstadter, Douglas (1999) [1979], G?del, Escher, Bach: an Eternal Golden Braid (англ.), Basic Books, ISBN 978-0-465-02656-2, OCLC 225590743.
• Howe, J. (November 1994), Artificial Intelligence at Edinburgh University: a Perspective (англ.), процитовано 30 серпня 2007.
• Kahneman, Daniel; Slovic, D.; Tversky, Amos (1982). Judgment under uncertainty: Heuristics and biases. Science (англ.). New York: Cambridge University Press. 185 (4157): 1124—1131. Bibcode:1974Sci...185.1124T. doi:10.1126/science.185.4157.1124. ISBN 978-0-521-28414-1. PMID 17835457. S2CID 143452957.
• Kaplan, Andreas; Haenlein, Michael (2018), Siri, Siri in my Hand, who's the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons (англ.), 62: 15—25, doi:10.1016/j.bushor.2018.08.004, S2CID 158433736.
• Kolata, G. (1982), How can computers get common sense?, Science (англ.), 217 (4566): 1237—1238, Bibcode:1982Sci...217.1237K, doi:10.1126/science.217.4566.1237, PMID 17837639.
• Kurzweil, Ray (2005), The Singularity is Near (англ.), Viking Press, ISBN 978-0-14-303788-0, OCLC 71826177.
• Lakoff, George (1987), Women, Fire, and Dangerous Things: What Categories Reveal About the Mind (англ.), University of Chicago Press., ISBN 978-0-226-46804-4.
• Lakoff, G; Johnson, M (1999). Philosophy in the flesh: The embodied mind and its challenge to western thought (англ.). Basic Books. ISBN 978-0-465-05674-3.
• Lenat, Douglas; Guha, R. V. (1989), Building Large Knowledge-Based Systems (англ.), Addison-Wesley, ISBN 978-0-201-51752-1, OCLC 19981533.
• Levitt, Gerald M. (2000), The Turk, Chess Automaton (англ.), Jefferson, N.C.: McFarland, ISBN 978-0-7864-0778-1.
• Lighthill, Professor Sir James (1973), Artificial Intelligence: A General Survey, Artificial Intelligence: a paper symposium (англ.), Science Research Council
• Lucas, John (1961), Minds, Machines and G?del, Philosophy (англ.), 36 (XXXVI): 112—127, doi:10.1017/S0031819100057983, S2CID 55408480
• Luger, George; Stubblefield, William (2004). Artificial Intelligence: Structures and Strategies for Complex Problem Solving (англ.) (вид. 5th). Benjamin/Cummings. ISBN 978-0-8053-4780-7. Процитовано 17 грудня 2019.
• Maker, Meg Houston (2006), AI@50: AI Past, Present, Future (англ.), Dartmouth College, арх?в ориг?налу за 8 жовтня 2008, процитовано 16 жовтня 2008
• Markoff, John (14 жовтня 2005), Behind Artificial Intelligence, a Squadron of Bright Real People, The New York Times (англ.), процитовано 16 жовтня 2008
• McCarthy, John; Minsky, Marvin; Rochester, Nathan; Shannon, Claude (31 серпня 1955), A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence (англ.), арх?в ориг?налу за 30 вересня 2008, процитовано 16 жовтня 2008
• McCarthy, John; Hayes, P. J. (1969), Some philosophical problems from the standpoint of artificial intelligence, у Meltzer, B. J.; Mitchie, Donald (ред.), Machine Intelligence 4 (англ.), Edinburgh University Press, с. 463—502, процитовано 16 жовтня 2008
• McCorduck, Pamela (2004), Machines Who Think (англ.) (вид. 2nd), Natick, MA: A. K. Peters, Ltd., ISBN 978-1-56881-205-2, OCLC 52197627.
• McCullough, W. S.; Pitts, W. (1943), A logical calculus of the ideas immanent in nervous activity, Bulletin of Mathematical Biophysics (англ.), 5 (4): 115—127, doi:10.1007/BF02478259
• Menabrea, Luigi Federico; Lovelace, Ada (1843), Sketch of the Analytical Engine Invented by Charles Babbage, Scientific Memoirs (англ.), 3, процитовано 29 серпня 2008 З прим?тками перекладача до цього мемуару
• Minsky, Marvin (1967), Computation: Finite and Infinite Machines (англ.), Englewood Cliffs, N.J.: Prentice-Hall
• Minsky, Marvin; Papert, Seymour (1969), Perceptrons: An Introduction to Computational Geometry (англ.), The MIT Press, ISBN 978-0-262-63111-2, OCLC 16924756
• Minsky, Marvin (1974), A Framework for Representing Knowledge (англ.), процитовано 16 жовтня 2008
• Minsky, Marvin (1986), The Society of Mind (англ.), Simon and Schuster, ISBN 978-0-671-65713-0, OCLC 223353010
• Minsky, Marvin (2001), It's 2001. Where Is HAL? (англ.), Dr. Dobb's Technetcast, процитовано 8 серпня 2009
• Moravec, Hans (1976), The Role of Raw Power in Intelligence (англ.), арх?в ориг?налу за 3 березня 2016, процитовано 16 жовтня 2008
• Moravec, Hans (1988), Mind Children (англ.), Harvard University Press, ISBN 978-0-674-57618-6, OCLC 245755104
• Needham, Joseph (1986). Science and Civilization in China: Volume 2 (англ.). Taipei: Caves Books Ltd.
• NRC (1999), Developments in Artificial Intelligence, Funding a Revolution: Government Support for Computing Research (англ.), National Academy Press, ISBN 978-0-309-06278-7, OCLC 246584055
• Newell, Allen; Simon, H. A. (1963), GPS: A Program that Simulates Human Thought, у Feigenbaum, E.A.; Feldman, J. (ред.), Computers and Thought (англ.), New York: McGraw-Hill, ISBN 978-0-262-56092-4, OCLC 246968117
• Newquist, HP (1994), The Brain Makers: Genius, Ego, And Greed in the Quest For Machines That Think (англ.), New York: Macmillan/SAMS, ISBN 978-0-9885937-1-8, OCLC 313139906
• Nick, Martin (2005), Al Jazari: The Ingenious 13th Century Muslim Mechanic (англ.), Al Shindagah, процитовано 16 жовтня 2008.*
• O'Connor, Kathleen Malone (1994), The alchemical creation of life (takwin) and other concepts of Genesis in medieval Islam (англ.), University of Pennsylvania, с. 1—435, процитовано 10 с?чня 2007
• Olsen, Stefanie (10 травня 2004), Newsmaker: Google's man behind the curtain (англ.), CNET, процитовано 17 жовтня 2008.
• Olsen, Stefanie (18 серпня 2006), Spying an intelligent search engine (англ.), CNET, процитовано 17 жовтня 2008.
• Pearl, J. (1988), Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference (англ.), San Mateo, California: Morgan Kaufmann, ISBN 978-1-55860-479-7, OCLC 249625842.
• Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (англ.) (вид. 2nd), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2.
• Poole, David; Mackworth, Alan; Goebel, Randy (1998), Computational Intelligence: A Logical Approach (англ.), Oxford University Press., ISBN 978-0-19-510270-3.
• Samuel, Arthur L. (July 1959), Some studies in machine learning using the game of checkers, IBM Journal of Research and Development (англ.), 3 (3): 210—219, CiteSeerX 10.1.1.368.2254, doi:10.1147/rd.33.0210, S2CID 2126705, процитовано 20 серпня 2007.
• Searle, John (1980), Minds, Brains and Programs, Behavioral and Brain Sciences, 3 (3): 417—457, doi:10.1017/S0140525X00005756, арх?в ориг?налу за 10 грудня 2007, процитовано 13 травня 2009.
• Simon, H. A.; Newell, Allen (1958), Heuristic Problem Solving: The Next Advance in Operations Research, Operations Research (англ.), 6: 1—10, doi:10.1287/opre.6.1.1.
• Simon, H. A. (1965), The Shape of Automation for Men and Management (англ.), New York: Harper & Row.
• Skillings, Jonathan (2006), Newsmaker: Getting machines to think like us (англ.), CNET, процитовано 8 жовтня 2008.
• Tascarella, Patty (14 серпня 2006), Robotics firms find fundraising struggle, with venture capital shy, Pittsburgh Business Times (англ.), процитовано 15 березня 2016.
• Turing, Alan (1936–37), On Computable Numbers, with an Application to the Entscheidungsproblem, Proceedings of the London Mathematical Society, 2 (англ.), s2-42 (42): 230—265, doi:10.1112/plms/s2-42.1.230, S2CID 73712, процитовано 8 жовтня 2008.
• Turing, Alan (October 1950), Computing Machinery and Intelligence, Mind (англ.), LIX (236): 433—460, doi:10.1093/mind/LIX.236.433, ISSN 0026-4423.
• Turkle, Sherry (1984). The second self: computers and the human spirit (англ.). Simon and Schuster. ISBN 978-0-671-46848-4. OCLC 895659909.
• Wason, P. C.; Shapiro, D. (1966). Reasoning. У Foss, B. M. (ред.). New horizons in psychology (англ.). Harmondsworth: Penguin. Процитовано 18 листопада 2019.
• Weizenbaum, Joseph (1976), Computer Power and Human Reason, W.H. Freeman & Company, ISBN 978-0-14-022535-8, OCLC 10952283.
• Енциклопед?я к?бернетики : у 2 т. / за ред. В. М. Глушкова. — Ки?в : Гол. ред. Укра?нсько? радянсько? енциклопед??, 1973.
• Малиновський, Б. М. (1995). ?стор?я обчислювально? техн?ки в особах (PDF) (укр.). Ки?в: Ф?рма "К?Т", ПТОО "А.С.К.". ISBN 5-7707-6131-8. Арх?в ориг?налу (PDF) за 9 липня 2022. Процитовано 20 листопада 2023.
• Малиновський, Б. М. (2004). В?доме ? нев?доме в ?стор?? ?нформац?йних технолог?й в Укра?н? (PDF) (укр.). Ки?в: ?нтерл?нк. ISBN 966-8122-14-3. Арх?в (PDF) ориг?налу за 25 с?чня 2022. Процитовано 20 листопада 2023.
• Кратко, М. ?. (2009). З розвитку ?стор?? ?нформатики в Укра?н? (PDF). Св?тогляд (укр.). Ки?в. 4 (6): 56—62. Арх?в (PDF) ориг?налу за 3 травня 2022. Процитовано 20 листопада 2023.