برنامه نویسی برای برنامه نویسی

 

در نیمه اول قرن بیستم، داستان های علمی تخیلی جهان  هوش مصنوعی حل تکالیف را با مفهوم ربات های باهوش مصنوعی آشنا کرد. با مرد قلع "بی دل" از جادوگر شهر اوز شروع شد و با روبات انسان نما که خود را شبیه ماریا در متروپلیس کرد ادامه یافت. در دهه 1950، ما نسلی از دانشمندان، ریاضیدانان و فیلسوفانی داشتیم که مفهوم هوش مصنوعی (یا AI) از نظر فرهنگی در ذهنشان ادغام شده بود. یکی از این افراد آلن تورینگ بود، یک جوان انگلیسی که امکان ریاضی هوش مصنوعی را بررسی می کرد. تورینگ پیشنهاد کرد که انسان ها از اطلاعات موجود و همچنین عقل برای حل مشکلات و تصمیم گیری استفاده کنند، پس چرا ماشین ها نمی توانند همین کار را انجام دهند؟ این چارچوب منطقی مقاله او در سال 1950 با عنوان ماشین‌های محاسباتی و هوش بود که در آن نحوه ساخت ماشین‌های هوشمند و چگونگی  هوش مصنوعی حل تکالیف آزمایش هوش آنها را مورد بحث قرار داد.

 

امکان تعقیب و گریز

متأسفانه صحبت ارزان است. چه چیزی باعث شد که تورینگ نتواند در آن زمان به سر کار برود؟ اول، کامپیوترها نیاز به تغییر اساسی داشتند. قبل از سال 1949 کامپیوترها فاقد یک پیش نیاز کلیدی برای هوش بودند: آنها نمی توانستند دستورات را ذخیره کنند، فقط آنها را اجرا کنند. به عبارت دیگر، می‌توان به رایانه‌ها گفت که چه کاری انجام دهند، اما نمی‌توانستند آنچه را که انجام داده‌اند به خاطر بیاورند. دوم، محاسبات بسیار گران بود. در اوایل دهه 1950، هزینه اجاره یک کامپیوتر تا 200000 دلار در ماه می رسید. فقط دانشگاه‌های معتبر و شرکت‌های بزرگ فناوری می‌توانستند هوش مصنوعی حل تکالیف  در این آب‌های ناشناخته به‌صورت دلخراش زندگی کنند. برای متقاعد کردن منابع مالی مبنی بر اینکه هوش ماشینی ارزش پیگیری دارد، به اثبات مفهوم و همچنین حمایت از افراد با سابقه نیاز بود.

 

کنفرانسی که همه چیز را آغاز کرد

پنج سال بعد، اثبات مفهوم از طریق آلن نیوول، کلیف شاو، و نظریه‌پرداز منطق هربرت سایمون آغاز شد. نظریه منطق برنامه ای بود که برای تقلید از مهارت های حل مسئله یک انسان طراحی شده بود و توسط شرکت تحقیق و توسعه (RAND) تامین مالی شد. بسیاری آن را اولین برنامه هوش مصنوعی می دانند و در پروژه تحقیقاتی تابستانی دارتموث در زمینه هوش مصنوعی (DSRPAI) به میزبانی جان مک کارتی و ماروین مینسکی در سال 1956 ارائه شد. در این کنفرانس تاریخی، مک کارتی، با تصور یک تلاش مشترک بزرگ، ارائه شد محققان برتر از حوزه‌های مختلف را برای هوش مصنوعی حل تکالیف  یک بحث آزاد در مورد هوش مصنوعی، اصطلاحی که او در همان رویداد ابداع کرد، همراهی کرد. متأسفانه، کنفرانس کمتر از انتظارات مک کارتی بود. مردم هر طور که می خواستند می آمدند و می رفتند و در مورد روش های استاندارد برای این رشته به توافق نرسیدند. با وجود این، همه با تمام وجود این احساس را داشتند که هوش مصنوعی قابل هوش مصنوعی حل تکالیف  دستیابی است. اهمیت این رویداد را نمی توان تضعیف کرد زیرا بیست سال آینده تحقیقات هوش مصنوعی را کاتالیز کرد.

 

ترن هوایی موفقیت و شکست

از سال 1957 تا 1974، هوش مصنوعی شکوفا شد. آموزش برنامه نویسی کودکان و نوجوانان رایانه ها می توانستند اطلاعات بیشتری را ذخیره کنند و سریع تر، ارزان تر و در دسترس تر شدند. الگوریتم‌های یادگیری ماشینی نیز بهبود یافتند و افراد بهتر می‌دانستند کدام الگوریتم را برای مشکل خود اعمال کنند. تظاهرات اولیه مانند Newell و Simon"s General Problem Solver و Joseph Weizenbaum"s ELIZA به ترتیب به اهداف حل مسئله و تفسیر زبان گفتاری امیدوار کننده بود. این موفقیت‌ها و همچنین حمایت از محققان برجسته (یعنی شرکت‌کنندگان در DSRPAI) سازمان‌های دولتی مانند آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی (دارپا) را متقاعد کرد که تحقیقات هوش مصنوعی را در چندین موسسه تأمین مالی کنند. دولت به‌ویژه به ماشینی علاقه‌مند بود که بتواند زبان گفتاری و همچنین پردازش داده‌ها را با توان عملیاتی بالا رونویسی و ترجمه کند. خوش بینی بالا بود و توقعات حتی بالاتر. در سال 1970، ماروین مینسکی به هوش مصنوعی حل تکالیف  مجله لایف گفت: "از سه تا هشت سال ما ماشینی با هوش عمومی یک انسان معمولی خواهیم داشت." با این حال، در حالی که اثبات اصلی اصل وجود داشت، هنوز راه زیادی تا دستیابی به اهداف نهایی پردازش زبان طبیعی، تفکر انتزاعی و شناخت خود باقی مانده بود.

 

Anyoha SITN شکل 2 جدول زمانی هوش مصنوعی

 

شکستن مه اولیه هوش مصنوعی کوهی از موانع را هوش مصنوعی حل تکالیف  آشکار کرد. بزرگ‌ترین آن فقدان قدرت محاسباتی برای انجام هر کاری اساسی بود: رایانه‌ها به سادگی نمی‌توانستند اطلاعات کافی را ذخیره یا با سرعت کافی پردازش کنند. به عنوان مثال، برای برقراری ارتباط، باید معانی بسیاری از کلمات را بداند و آنها را در ترکیبات مختلف درک کند. هانس موراوک، دانشجوی دکترای مک کارتی در آن زمان، اظهار داشت که «کامپیوترها هنوز میلیون‌ها برابر ضعیف‌تر از آن بودند که هوش خود را نشان دهند». با کاهش صبر، بودجه کاهش یافت و تحقیقات به مدت ده س هوش مصنوعی حل تکالیف ال به کندی رسید.

 

در دهه 1980، هوش مصنوعی توسط دو Artificial intelligence to solve homework منبع فعال شد: گسترش ابزار الگوریتمی و افزایش سرمایه. جان هاپفیلد و دیوید روملهارت تکنیک‌های «یادگیری عمیق» را رایج کردند که به رایانه‌ها اجازه می‌داد با استفاده از تجربه یاد بگیرند. از سوی دیگر ادوارد فایگنبام متخصصین را معرفی کرد