Творцы будущего. Цифровое искусство и искусственный интеллект - Анна Сергеевна Воронкова

Готфрид Вильгельм Лейбниц усовершенствовал вычислительное устройство, созданное Паскалем, добавив в него функции для выполнения операций умножения и деления.

XVIII–XIX века

Жозеф Мари Жаккар (Joseph Marie Jacquard) изобрёл, метафорически выражаясь, прообраз современного компьютера – программируемый ткацкий станок для изготовления тканей с узорами (так называемый жаккардовый ткацкий станок). Хотя это изобретение и не связано напрямую с искусственным интеллектом, оно стало заметным шагом в развитии автоматизации и технологий управления.

XIX век

В 1818 году английская писательница Мэри Шелли (Mary Shelley) опубликовала роман «Франкенштейн, или Современный Прометей» (Frankenstein: or, The Modern Prometheus) [Г], в котором рассматривались темы сотворения искусственной жизни и последствия создания разумных существ.

XX век

В 1921 году состоялась премьера научно-фантастической пьесы Карела Чапека (Karel Čapek) «Р.У.Р.» (Россумские универсальные роботы) (RUR – Rossum’s Universal Robots) [Д], благодаря которой в английском языке появился термин «робот». Хотя произведение не касалось напрямую вопросов искусственного интеллекта, оно способствовало популяризации концепции создания искусственных существ.

В 1943 году Уоррен Мак-Каллок (Warren McCulloch) и Уолтер Питтс (Walter Pitts) опубликовали работу «Логическое исчисление идей, относящихся к нервной активности» [Е]. Их труд заложил основу для понимания нейронных сетей – ключевого элемента современных систем искусственного интеллекта.

В 1950 году Алан Тьюринг (Alan Turing) опубликовал статью «Вычислительная техника и интеллект» (Computing Machinery and Intelligence) [Ж], в которой описал знаменитый тест Тьюринга, ставший стандартом оценки уровня интеллекта машин. В том же году Айзек Азимов сформулировал и опубликовал «Три закона робототехники» [З] – свод этических принципов поведения роботов и искусственных существ, который до сих пор оказывает значительное влияние на представления о допустимой этике искусственного интеллекта.

В 1950 году Клод Шеннон (Claude Shannon) в своей статье «Программирование компьютера для игры в шахматы» (Programming a Computer for Playing Chess) [И] проанализировал вопрос создания вычислительной процедуры, или «программы», для современного компьютера общего назначения, которая позволила бы ему играть в шахматы. Это исследование стало отправной точкой для использования компьютеров и искусственного интеллекта в играх.

В 1956 году Джон Маккарти (John McCarthy) в ходе летней исследовательской сессии в Дартмутском колледже (Dartmouth Summer Research Project) на конференции, организованной Лигой плюща (Нью-Гэмпшир, США), ввёл термин «искусственный интеллект».

В 1966 году проект машинного перевода был закрыт из-за неудовлетворительных результатов, что привело к началу так называемого периода зимы искусственного интеллекта и времени упадка в области его исследований.

В 1969 году интерес к исследованию нейронных сетей снижается вследствие публикации книги Марвина Мински (Marvin Minsky) и Сеймура Паперта (Seymour Papert) «Перцептроны» (Perceptrons: an introduction to computational geometry) [К], в которой авторы подвергли критике перцептронную модель искусственного интеллекта.

В 1980 годах приобрели популярность экспертные системы – разновидность систем искусственного интеллекта, основанных на знаниях. Язык программирования Лисп (LISP, от англ. List Processing language – «язык обработки списков») получил широкое распространение в исследованиях в области искусственного интеллекта.

В 1981 году в Японии стартовал компьютерный проект «Пятое поколение», целью которого была разработка компьютеров нового поколения, способных понимать и использовать человеческий язык.

В 1986 году Дэвид Румельхарт (David Rumelhart), Джеффри Хинтон (Geoffrey Hinton) и Рональд Уильямс (Ronald Williams) выпустили книгу «Параллельная распределённая обработка данных: исследования микроструктуры познания» (Parallel distributed processing: explorations in the microstructure of cognition) [Л], которая положила начало новой эре исследований в области нейронных вычислений.

В начале 1990-х годов экспертные системы не оправдали ожиданий, и понятие «искусственный интеллект» утратило свою актуальность. Нейронные сети тоже вышли из моды, уступив место методам опорных векторов.

В 2000-е годы наука о данных получила признание как новая научная парадигма, и алгоритмы машинного обучения начали активно применяться для решения самых разных задач.

В 2010-х годах глубокие нейронные сети продемонстрировали передовые результаты в решении таких задач, как распознавание изображений, обработка естественного языка и машинный перевод.

К концу 2010-х – началу 2020-х годов модели, подобные GPT (Generative Pre-trained Transformer), произвели настоящий фурор в индустрии.

Artificial General Intelligence (AGI)

Следующий этап развития ИИ обычно переводят на русский как «искусственный общий интеллект» (Artificial General Intelligenc, AGI).

Под AGI подразумеваются системы искусственного интеллекта, которые предназначены для выполнения любых интеллектуальных задач, доступных человеку. Это отличает их от узкоспециализированного ИИ («узкого ИИ»), разработанного в 2010-х годах и предназначенного исключительно для решения конкретных задач. Основная цель AGI заключается в разработке таких систем искусственного интеллекта, которые могли бы обучаться и адаптироваться, подобно людям, и которые могли бы применяться для решения разнообразных задач.

На пути к созданию AGI существуют два основных подхода: символьный искусственный интеллект и ИИ на основе нейронных сетей.

Символьные системы ИИ применяют логическое мышление и рассуждения для решения проблем, в то время как системы искусственного интеллекта на основе нейронных сетей имитируют работу человеческого мозга через использование сложных сетей взаимосвязанных элементов («нейронов») для обработки информации.

У каждого из этих подходов есть свои плюсы и минусы. Сегодня ведутся активные дискуссии о том, какая стратегия окажется наиболее эффективной для разработки AGI.

Символьные системы стали первым разработанным типом ИИ. Они и сейчас используются во многих приложениях. Эти системы функционируют на основании правил и логики для представления и решения задач. Они хорошо справляются с задачами, требующими логического мышления и планирования, и могут демонстрировать высокую точность и надёжность. Однако у символьных систем возникают трудности с выполнением неструктурированных или неоднозначных задач, поскольку они обладают ограниченной гибкостью и плохо адаптируются к новым ситуациям.

В отличие от них, системы ИИ, основанные на нейронных сетях, более пластичны, однако менее предсказуемы и сложнее поддаются интерпретации.

В прошлом столетии учёные вряд ли могли представить, что искусственный интеллект сможет так виртуозно имитировать уникальную человеческую способность творить. Всего лишь пять лет назад было трудно поверить, что ИИ способен сочинять оригинальные музыкальные произведения, генерировать реалистичные детализированные изображения несуществующих людей и предметов, создавать визуальные работы, идеально копируя художественные приёмы и стили знаменитых мастеров, или даже комбинировать существующие подходы для формирования новых направлений.

ИИ-арт

Большинство генераторов изображений с ИИ преобразуют текстовые запросы в визуальный контент.