تاریخ هوش مصنوعی بعد از زمستان اول

پس از آنکه به بررسی تاریخچه هوش مصنوعی از ابتدای تولد تا اولین زمستان هوش مصنوعی پرداختیم (خواندن مقاله اول)، در ادامه به بررسی هوش مصنوعی در دهه 1980 به بعد می پردازیم .

• دستاورد های دهه 1980
• زمستان هوش مصنوعی  1993-1987
• رشد مجدد هوش مصنوعی از سال 1993 تا 2011
• هوش عمومی مصنوعی از سال 2012 تا کنون

دستاورد های دهه 1980

دهه 1980 معادل با دوره «رونق هوش مصنوعی» می باشد. این پیشرفت‌ها مدیون تحقیقات و بودجه اضافی دولت برای حمایت از محققان می باشد. تکنیک‌های یادگیری عمیق و استفاده از سیستم خبره، محبوبیت بیشتری پیدا کرد زیرا به کامپیوترها اجازه می‌دادند از اشتباهات خود درس و پس از آن تصمیم‌ مستقل بگیرند.

اولین کنفرانس AAAI (1980):
در سال 1980، انجمن آمریکایی برای هوش مصنوعی (AAAI) کنفرانس افتتاحیه خود را در دانشگاه استنفورد برگزار کرد.کنفرانس AAAI به عنوان بستری برای محققان، پزشکان و علاقه مندان به اشتراک گذاری تجارب، تبادل نظر و بحث در مورد پیشرفت های هوش مصنوعی عمل کرد.این رویداد آغاز مجموعه ای از کنفرانس های سالانه است که تا به امروز ادامه دارد.

XCON اولین سیستم خبره (1980):
XCON (پیکربندی متخصص) یکی از اولین سیستم های خبره موفق بود که توسط Digital Equipment Corporation (DEC) توسعه یافت، در سال 1980 وارد بازار تجاری شد.هدف آن کمک به مشتریان در پیکربندی سیستم های کامپیوتری با انتخاب خودکار اجزای مناسب بر اساس نیاز آنها بود.XCON پتانسیل سیستم های خبره را برای خودکارسازی فرآیندهای تصمیم گیری با استفاده از استدلال مبتنی بر قانون نشان داد.

پروژه کامپیوتر نسل پنجم (1981):
در سال 1981، دولت ژاپن پروژه نسل پنجم کامپیوتر (FGCP) را راه اندازی کرد. هدف FGCP توسعه کامپیوترهای پیشرفته با قابلیت پردازش زبان طبیعی، ترجمه و استدلال در سطح انسانی بود. تمرکز محققان بر روی پردازش موازی، برنامه نویسی منطقی و بازنمایی دانش. اگرچه این پروژه با چالش هایی روبرو بود و به طور کامل به اهداف بلندپروازانه خود نرسید، اما به طور قابل توجهی بر تحقیق و توسعه هوش مصنوعی در ژاپن تأثیر گذاشت.

هشدار وقوع زمستان هوش مصنوعی (1984):
AAAI هشداری در مورد “زمستان هوش مصنوعی” قریب الوقوع در سال 1984 صادر کرد. زمستان هوش مصنوعی به دوره کاهش بودجه، علاقه و پیشرفت در تحقیقات هوش مصنوعی اشاره دارد. این اخطار نگرانی‌ها را نشان می‌دهد که انتظارات غیرواقعی و وعده‌های بیش از حد ممکن است منجر به سرخوردگی و کاهش حمایت از ابتکارات هوش مصنوعی شود.

اولین ماشین بدون راننده (1986):
ارنست دیکمن و تیمش در دانشگاه بوندسوئر مونیخ به ساخت اولین خودروی بدون راننده دست یافتند که می توانست تا 55 مایل در ساعت در جاده های بدون مانع بدون دخالت انسان حرکت کند.

سیستم مشاوره مدیریت استراتژیک (1987):
سیستم مشاوره مدیریت استراتژیک (SMAS) یک سیستم خبره تخصصی بود.شامل بیش از 3000 قانون بود و هدف آن کمک به مدیران در تصمیم گیری استراتژیک بود. SMAS توصیه هایی را بر اساس داده های سازمانی، روندهای تاریخی و قوانین از پیش تعریف شده ارائه کرد.

زمستان هوش مصنوعی  1993-1987

اصطلاح “زمستان هوش مصنوعی” به دوره کاهش علاقه و بودجه در زمینه هوش مصنوعی اشاره دارد. آنچه در این مدت اتفاق افتاد این است:

پس زمینه:

• اولین زمستان هوش مصنوعی در اواخر دهه 1970 و اوایل دهه 1980 رخ داد که با سرخوردگی و کاهش بودجه برای تحقیقات هوش مصنوعی مشخص شد.
• دومین زمستان هوش مصنوعی که به آن اشاره شد (1987-1993) از الگوی مشابهی پیروی کرد.

علل:

• توقعات بیش از حد: در طول دهه 1980، انتظارات زیادی برای هوش مصنوعی وجود داشت که توسط هیاهوی رسانه ای و وعده های غیرواقعی تقویت می شد. با این حال، پیشرفت با این انتظارات مطابقت نداشت.
• محدودیت های مالی: بودجه تحقیقات هوش مصنوعی به دلیل شک و تردید در مورد کاربردهای عملی آن و عدم تحقق وعده های بزرگ کاهش یافت.

عواقب:

• کاهش سرعت تحقیقات: بسیاری از پروژه های هوش مصنوعی به دلیل عدم حمایت مالی رها یا متوقف شدند.
• کاهش علاقه: علاقه عمومی و خصوصی کاهش یافت که منجر به کاهش فعالیت تحقیقاتی شد.

تحولات قابل توجه:

• علیرغم چالش ها، تحولات مهمی در این دوره رخ داد:
• سیستم های خبره: علاقه زیادی به “سیستم های خبره” وجود داشت که برنامه های هوش مصنوعی مبتنی بر قانون بودند که برای تقلید از تخصص انسان در حوزه های خاص طراحی شده بودند.
• مبانی یادگیری عمیق: محققان زمینه را برای یادگیری عمیق ایجاد کردند، اگرچه چند دهه دیگر طول می کشد تا به طور کامل شکوفا شود.
• Chatbots: در سال 1988، Rollo Carpenter Jabberwacky را ایجاد کرد، یک چت بات اولیه که درگیر مکالمات جالب و سرگرم کننده با کاربران بود.

بازیابی:

• زمینه هوش مصنوعی در نهایت از زمستان بهبود یافت.
• علاقه مجدد، پیشرفت در یادگیری ماشین، و پیشرفت در سخت افزار منجر به تجدید حیات هوش مصنوعی در اواخر دهه 1990 و پس از آن شد.

به طور خلاصه، دومین زمستان هوش مصنوعی از سال 1987 تا 1993 سرعت تحقیقات هوش مصنوعی را کاهش داد، اما این زمینه را خاموش نکرد. در عوض، راه را برای پیشرفت و نوآوری های آینده هموار کرد.

رشد مجدد هوش مصنوعی از سال 1993 تا 2011

در این دوره، علیرغم چالش های زمستان هوش مصنوعی، چندین پیشرفت قابل توجه رخ داد:

تشخیص گفتار (1997):
ویندوز نرم افزار تشخیص گفتار را که توسط Dragon Systems توسعه یافته بود در سال 1997 منتشر کرد که نقطه عطفی در درک و پردازش زبان گفتاری توسط کامپیوترها بود.

هوش مصنوعی در صنعت (2006):
شرکت هایی مانند توییتر، فیس بوک و نتفلیکس شروع به ادغام هوش مصنوعی در سیستم عامل های خود کردند. لگوریتم های هوش مصنوعی هدف گذاری تبلیغات را بهبود بخشیده و تجربیات کاربر را بهبود می بخشد.
Xbox Kinect (2010):
مایکروسافت Xbox 360 Kinect را در سال 2010 عرضه کرد. کینکت یک دستگاه سخت افزاری بازی بود که حرکات بدن را ردیابی می کرد و به بازیکنان اجازه می داد با استفاده از حرکات با بازی ها تعامل داشته باشند.
واتسون و NLP (2011):
واتسون IBM، یک کامپیوتر NLP (پردازش زبان طبیعی)، با شکست دادن دو قهرمان انسانی در یک نمایش بازی تلویزیونی به شهرت رسید. واتسون به پیشرفت قابل توجه ای در درک و پردازش زبان طبیعی رسید.

هوش عمومی مصنوعی از سال 2012 تا کنون

پیشرفت های هوش مصنوعی از سال 2012 به بعد شامل ظهور هوش مصنوعی ها در ابعاد و قدرت تحلیل بالایی بوده است که در زیر به آن اشاره شده است:
شبکه های عصبی و تشخیص تصویر (2012):
محققین جف دین و اندرو انگ در گوگل شبکه عصبی طراحی کردند که می توانست گربه ها را در تصاویر بدون برچسب صریح یا اطلاعات پس زمینه تشخیص دهد. این پیشرفت قدرت یادگیری عمیق را نشان داد و راه را برای سیستم های تشخیص تصویر هموار کرد.
دغدغه های اخلاقی (2015):
چهره‌های با نفوذی مانند ایلان ماسک، استیون هاوکینگ و استیو وزنیاک نامه‌ای سرگشاده امضا کردند که در آن از دولت‌ها خواستند تا سلاح‌های خودمختار را برای مقاصد نظامی ممنوع کنند. نگرانی آنها نیاز به توسعه هوش مصنوعی مسئولانه را برجسته کرد.

گفتگوهای چت بات (2017):
چت ربات های هوش مصنوعی فیس بوک برای مذاکره با یکدیگر برنامه ریزی شده بودند. با این حال، آنها زبان خود را توسعه دادند و باعث شد فیس بوک این آزمایش را تعطیل کند!
درک مطلب (2018):
هوش مصنوعی علی بابا در آزمون خواندن و درک مطلب استنفورد از عملکرد انسان پیشی گرفت. این نشان دهنده پیشرفت بزرگی در درک زبان طبیعی است.

GPT-3 (2020):
OpenAI، چت جی تی GPT-3 را معرفی کرد، یک مدل زبان قدرتمند که قادر به تولید کد، ترجمه، ایجاد محتوا و پاسخ به سوالات است. تطبیق پذیری GPT-3 آن را به یک تغییر دهنده بازی در پردازش زبان طبیعی تبدیل کرد.
DALL-E و درک تصویر (2021):
OpenAI مدل DALL-E را توسعه داده است، یک مدل هوش مصنوعی که می تواند تصاویر را پردازش کند و توصیفات متنی دقیقی ایجاد کند.
این امر هوش مصنوعی را به درک محتوای بصری نزدیکتر کرد.
فناوری های نوظهور (2022-2023):
در طی این سال‌ها، فناوری‌هایی مانند ChatGPT و Gemeni شهرت یافتند و مرزهای قابلیت‌های هوش مصنوعی را جابجا کردند.

آینده هوش مصنوعی: چشم اندازها و تحولات

افق همکاری و پیشرفت های آینده هوش مصنوعی به شرح زیر متصور می شود:

هوش مصنوعی عمومی در مقابل هوش مصنوعی محدود:
هوش مصنوعی عمومی (AGI) به ماشین‌هایی با هوش انسان‌مانند اشاره دارد که قادر به استدلال، یادگیری و تطبیق در حوزه‌های مختلف هستند. در حالی که هوش مصنوعی محدود (NGI)، که امروز داریم، در کارهای خاص (مانند تشخیص تصویر، ترجمه زبان) عالی است. دستیابی به AGI همچنان یک چالش است، اما پیشرفت همچنان ادامه دارد.

به طور خلاصه، آینده هوش مصنوعی هم هیجان انگیز و هم چالش برانگیز است. این به ما بستگی دارد که آن را مسئولانه شکل دهیم و اطمینان حاصل کنیم که هوش مصنوعی به نفع همه بشریت است.