Az AI megérkezik sorozat első részében a mesterséges intelligencia kutatásának meglepően nehéz első lépéseit vesszük szemügyre. A cikkből nemcsak azt tudod meg, hogyan néztek ki az MI-kutatás kezdetei, hanem azt is, milyen problémákba ütköztek először a tudósok.
A mesterséges intelligencia 1956-ban vált a kibernetika önálló szakterületévé a Dartmouth College-on, ahol akkoriban olyan látnokok dolgoztak, mint Marvin Minsky, John McCarthy, Claude Shannon, Nathan Rochester, Ray Solomonoff, Oliver Selfridge, Trenchard More, Arthur Samuel vagy Allen Newell. Optimista korszak volt ez, amikor még azt feltételezték, hogy ez a generáció megéri a gondolkodó gépek megjelenését – és ez az optimizmus azon alapult, hogy a logikai következtetés terén viszonylag gyorsan haladtak előre.
Marvin Minsky a mesterséges intelligencia (AI) egyik megalapítója, valamint a kognitív tudományok és az informatika kiemelkedő tudósa volt. John McCarthyval közösen hozta létre az MIT mesterséges intelligencia laboratóriumát. Minsky hozzájárult a neurális hálózatok elméletének fejlesztéséhez, a szimbolikus információfeldolgozáshoz, és olyan kulcsfontosságú AI-koncepciókat alkotott meg, mint a keretek (frames) és a mikrostruktúrák.
John McCarthyt gyakran a „mesterséges intelligencia atyjaként" emlegetik. 1956-ban megszervezte a híres Dartmouth College-i konferenciát, amelyen megszületett a „mesterséges intelligencia " kifejezés. McCarthy emellett kifejlesztette a LISP programozási nyelvet, amely az AI-fejlesztés alapvető eszközévé vált, és hozzájárult az automatikus tételbizonyítás elméletéhez is.
Claude Shannont az „információelmélet atyjaként" tartják számon (igen, még egy atya). Munkássága lefektette a digitális áramkörök és az információátvitel elméleti kereteit. Shannon elvei kulcsfontosságúak voltak a modern mesterséges intelligenciában és jelfeldolgozásban alkalmazott algoritmusok és technikák fejlesztéséhez.
Nathan Rochester az IBM mérnöke volt, és az elsők között foglalkozott az automatikus információfeldolgozással. Kulcsszerepet játszott az 1956-os Dartmouth-i konferencia megszervezésében, amely hivatalosan elindította a mesterséges intelligencia kutatását. Részt vett az egyik első neurálishálózat-szimulációs program kifejlesztésében is.
Ray Solomonoff a gépi tanulás és az algoritmikus valószínűségelmélet úttörője volt. Az induktív következtetésről és a tanulás elméleti alapjairól szóló munkássága számos modern AI-módszer alapjává vált, beleértve a Bayes-modelleket és a predikciós algoritmusokat.
Oliver Selfridge-et a perceptronok atyjának és a gépi tanulás egyik első modellje megalkotójának tartják. Kidolgozta a „készenlétben álló detektorok" (pandémonium) koncepcióját, amelyet a neurális hálózatok korai formájának tekintenek. Selfridge emellett hozzájárult az alakfelismerés (pattern recognition) és az adaptív rendszerek fejlesztéséhez is.
Trenchard More matematikus és informatikus volt, aki hozzájárult az algoritmuselmélet és a számítástudomány elméleti alapjainak fejlesztéséhez. Munkássága az automatikus tételbizonyítás és a formális logika matematikai alapjaira összpontosított, amelyek az AI fejlődése szempontjából kiemelkedő fontosságúak.
Arthur Samuel a gépi tanulás terén végzett munkájáról és az egyik első játékprogramjának megalkotásáról ismert – konkrétan egy dámajáték-programról, amely játék közben önmagát fejlesztette. Samuel megerősítéses tanuláson alapuló kutatásai kulcsfontosságúnak bizonyultak a gépi tanulás további fejlődése szempontjából.
Allen Newell a kognitív pszichológia és a mesterséges intelligencia úttörője volt. Herbert Simonnal közösen fejlesztette ki az emberi gondolkodás és döntéshozatal modelljeit, köztük a General Problem Solver-t (GPS), amely az egyik első kísérlet volt egy általános problémamegoldó rendszer létrehozására. Newell és Simon 1975-ben Turing-díjat kapott az AI területén elért eredményeikért.
Már 1955 végén megszületett a Logic Theorist program, amelyet az első mesterséges intelligencia programként tartanak számon, és amely sikeresen bizonyított 38-at a Principia Mathematica 52 tételéből. Allen Newell és Herbert Simon úgy írták le az érzéseiket, hogy az áttörés már karnyújtásnyira lehet, „hogy már majdnem ott vagyunk". Ahogy azonban hamarosan kiderült, ez csupán a kezdeti siker okozta illúzió volt.
A következő évtizedben kiderült, hogy bizonyos problémákat a korai megközelítések hatékonyan tudtak megoldani, míg másokat egyáltalán nem. Az első probléma az úgynevezett kombinatorikus robbanással kapcsolatos, vagyis azzal a ténnyel, hogy a látszólag könnyen leírható és egyértelműen megoldható feladatok csak triviális méret esetén oldhatók meg, de bármilyen valós probléma esetén a megoldás időbeli komplexitása polinomiálisan vagy exponenciálisan növekszik.
Viszonylag hamar rájöttek, hogyan lehet egyszerűen sakkozni az állapottér-keresés módszerével, amikor kiértékeljük a sakktábla helyzetét, és minden lehetséges lépésre és ellenlépésre megvizsgáljuk az összes alternatívát egyre mélyebben – csakhogy a lehetőségek száma messze meghaladja a klasszikus elemzés kereteit. A sakk állapotterének becsült mérete 1046, miközben a keresési fa komplexitása – lépésenként átlagosan 35 alternatívával és becsült átlagos 80 lépéshosszal – még ennél is jóval nagyobb: 10123! Most gondolj bele, hogy az egész megfigyelhető univerzumban az elemi részecskék becsült száma „mindössze" 1086 – ebből is látszik, hogy pusztán mechanikusan ezt a problémát nem lehet megoldani.
A sakk iskolapéldája a mesterséges intelligencia számára jelentett problémának, nemcsak azért, mert az egyszerű algoritmus keresése a játékhoz gyorsan kudarcot vall, hanem azért is, mert talán ez a kombinatorikus robbanás első széles körben ismert esete.
Bármilyen mechanikus megközelítés nagyon gyorsan kudarcot vall – ezért tartott még közel negyven évig, mire a számítógépek a sakkban elérték az emberekkel teljesen összevethető szintet. Ez azonban csak a kezdete volt a mesterséges intelligenciával kapcsolatos problémáknak.
i
Többet a számítógépek történetéről
A mesterséges intelligencia mint kutatási terület az 1950-es években született meg a Dartmouth College-on, ahol olyan úttörők, mint Minsky és McCarthy lefektették a szakterület nyers alapjait. A kezdetek tele voltak sikerekkel – mint például a Logic Theorist program –, de problémákkal és zsákutcákkal is. Nagyon hamar kiderült, hogy a mesterséges intelligenciát nem lehet pusztán mechanikus megközelítéssel kezelni, az abszurd mértékben erőforrás-igényes számítások miatt, amelyek így rendkívül gyorsan keletkeznek. Ezt a problémát „kombinatorikus robbanásként" ismerjük, és még az olyan látszólag egyszerű feladatokon is szemléltethető, mint a sakk. Ez azonban csak egy a sok probléma közül – a többit a sorozat következő részeiben vesszük szemügyre az MI érkezik sorozatban.
