Цитаты из книги «Об ИИ без мифов. Путеводитель по истории Искусственного Интеллекта»

«Что такое число, которое может знать человек, и что такое человек, который может знать число?»

качественно разными способностями при работе с данными. Преимущество человеческого интеллекта – в способности делать логические выводы и решать стоящие перед ним проблемы в условиях неопределенности, ограниченного и порой неполного объема данных. Ему помогает предшествующий опыт, интуиция, наблюдательность. Но человеческий интеллект слаб при работе с большими объемами данных, он попросту не подготовлен к этому виду деятельности в процессе эволюции. И напротив, примитивный механистичный AI, снабженный необходимыми алгоритмами, используя серьезные вычислительные ресурсы, успешно справляется с извлечением полезных данных из колоссальных объемов, но ни к какому творчеству не приспособлен. Интеллектуальный потенциал машины сводится к способности перемалывать огромные массивы данных, извлекая полезную информацию, это качество оказалось востребовано с возникновением проблемы Больших данных. Такая трактовка отношения «разум-данные» служит ключом к пониманию различия в двух намеченных Аланом Тьюрингом альтернативных подходов к AI – имитирующего человеческий мозг «сверху-вниз» и чисто машинного «снизу-вверх». Врожденная слабость первого заключается в том, что машина не обладает творческим началом, у нее нет интуиции – отсюда вывод, не следует возлагать надежды на решение средствами AI тех задач, на которые способен человек. И напротив, беспредельные перспективы развития второго подхода обеспечены неограниченной мощностью машин, их способностью механически перемалывать данные. Она не имеет пределов, поэтому компьютеры могут быть мощнейшим инструментом, поддерживающим творческий потенциал человека.

Упрощая и переводя на современную лексику, вопрос Мак-Каллока можно переформулировать следующим образом: «Как соотносятся человеческий разум и доступные ему данные?» Это, возможно, один из ключевых вопросов для понимания различия между интеллектом человека и AI, поскольку они обладают

В истории науки имена Уоррена Мак-Каллока и Уолтера Питтса неразрывно связаны, они основатели коннекционизма, в этом они оказались настолько неразделимы, что о них говорят не иначе как о «дуэте Мак-Каллока и Питтса», или просто MCP.

творческий союз Уоррена Мак-Каллока (Warren McCulloch, 1898–1969), и Уолтера Питтса (Walter Pitts, 1923–1969), двух удивительных, почти позабытых персонажей, невероятно значимых для современности. Каждый из них обладал собственным даром, а синергия двух талантов стала фундаментом тех современных систем AI, где используются нейронные сети и машинное обучение.

Сегодня внимание сосредоточено не на мифических умственных способностях машины, а на прикладных аспектах AI (Applied AI), в итоге, практически все, что делалось прежде на протяжении предшествующих шестидесяти с лишним лет, приходится признать, как говорят зодчие, «бумажной архитектурой».

Английский термин visionary architecture, который можно перевести как «архитектура мечты» подошел бы точнее, поскольку он не несет свойственного русскому слову «бумажный» иронического оттенка. Основателем этого самостоятельного жанра утопической архитектуры был живший в XVII веке Джованни Пиранези. Рисунок на бумаге или бумажный макет позволяют творцу освободиться от физических и других ограничений.

Мир пошел по пути предсказанному Ликлайдером – создание трехзвенных систем управления «сервер – ПК – человек», где сервер служит для хранения и обработки данных, ПК предназначен автоматизации рутинной работы и для интерактивного взаимодействия человека с машиной в процессе принятия решений

По замыслу Фейгенбаум база знаний (knowledge base, KB) – это аналог базы данных, содержащий информацию о человеческом опыте и знаниях. Для хранения знаний служат некие онтологии, так странно были названы описания, состоящие из множества объектов, представления знания и множества связей, объединяющих понятия и их отношения. Эта с трудом понимаяемая вещь не имеет ничего общего с понятием онтологии в философии.

Фейгенбаум получил титул «отца экспертных систем», но выработанные им принципы создания ES остаются модификацией символьного подхода к AI, все тот же «сверху-вниз» по классификации Тьюринга. Суть его предложения сводится к тому, что накопленные людьми-экспертами знания некоторым способом закладываются в машину в предположении о том, что после этого машина окажется эффективнее человека в процессе оперирования этими знаниями.