Бэббидж задумывает аналитическую машину
В 1834 году Чарльз Бэббидж задумал программируемую вычислительную машину общего назначения, позднее названную аналитической машиной.
Научные основы, ключевые открытия и развитие возможностей ИИ.
Последняя публикация:
Найдено: 141
До 1900 года
Философы, математики и изобретатели на протяжении веков размышляли о возможности создания мыслящих машин. Развитие формальной логики, механических вычислительных устройств и первых концепций программирования заложило фундамент будущего ИИ.
В 1834 году Чарльз Бэббидж задумал программируемую вычислительную машину общего назначения, позднее названную аналитической машиной.
В 1843 году Ада Лавлейс опубликовала примечания с последовательностью операций для вычисления чисел Бернулли на проектируемой аналитической машине. Она также рассмотрела возможность операций над другими объектами, если их отношения допускают подходящее формальное представление.
Джордж Буль представил алгебраический подход к логике: высказывания и рассуждения можно было анализировать с помощью уравнений.
Готлоб Фреге представил формальный язык отношений и квантификации с аксиоматическим исчислением. Он позволял явно записывать рассуждения с вложенными кванторами.
1900–1942
Развитие математической логики и теории вычислений сформировало научную основу будущего ИИ. Исследователи начали изучать возможности алгоритмов, принципы вычислений и границы задач, которые могут решать машины.
Карл Пирсон сформулировал метод главных компонент (PCA) как задачу приближения данных проекциями с минимальной суммой квадратов ошибок.
В книге «Animal Intelligence: Experimental Studies» Торндайк изложил закон эффекта: удовлетворение или дискомфорт, сопровождающие реакцию либо вскоре следующие за ней, меняют вероятность её повторения в той же ситуации.
В работе 1920 года Скулем использует функции, выбирающие свидетелей для каждого набора универсальных переменных, в доказательстве выполнимости в конечной или счётно бесконечной области.
В сентябре 1924 года Mathematische Annalen опубликовал статью Шёнфинкеля об устранении связанных переменных с помощью комбинаторов.
Эрбран показал, что логическое следствие из базы знаний первого порядка можно доказать с помощью конечного подмножества её конкретных подстановок.
Гёдель опубликовал доказательство полноты логики первого порядка: каждая общезначимая формула имеет формальное доказательство.
В Annals of Mathematics вышла статья Чёрча «A Set of Postulates for the Foundation of Logic». Она описывала логическую систему, использовавшую λ-нотацию для представления множеств.
Герхард Генцен разработал естественный вывод и исчисление секвенций и доказал теорему об устранении сечения.
Тьюринг описал машину, способную читать закодированные описания других машин и воспроизводить их вычисления.
Фишер использовал данные об ирисах в работе по дискриминантному анализу и ввёл название дискриминантной функции.
В 1940 году Алонзо Чёрч представил простую теорию типов, в которой функции служат исходным понятием, а λ-нотация — единственным механизмом связывания переменных.
1943–1955
Появляются математические модели искусственных нейронов и первые исследования машинного обучения. Развитие кибернетики и вычислительной техники открывает новые возможности для создания систем, способных имитировать отдельные аспекты человеческого мышления.
В декабре 1943 года Уоррен Маккалок и Уолтер Питтс опубликовали логическое описание нейронных сетей. Они показали, как строить сети, реализующие логические выражения при определённых условиях.
В книге The Organization of Behavior (1949) Дональд Хебб сформулировал гипотезу: повторное или длительное участие нейрона в возбуждении другого повышает эффективность его воздействия.
Метрополис и Улам изложили статистический подход к сложным вычислениям: исследовать случайную выборку испытаний или траекторий вместо полного расчёта всех вариантов.
В Computing Machinery and Intelligence Тьюринг предложил заменить вопрос «Могут ли машины мыслить?» игрой, в которой собеседник оценивает письменные ответы машины.
Шеннон опубликовал схему шахматной программы, объединяющую оценку позиций и минимаксный выбор ходов. Он также описал выборочный поиск как способ сократить перебор.
Метрополис и соавторы описали выборку конфигураций по распределению Больцмана через случайные перемещения частиц с принятием или отклонением предложенных шагов.
Мартин Дэвис создал программную реализацию процедуры разрешения Пресбургера, выполнявшую автоматическое доказательство.
7 января 1954 года IBM и Джорджтаунский университет публично продемонстрировали автоматический перевод русских предложений на английский на IBM 701.
В сентябре 1954 года Б. Г. Фарли и У. А. Кларк опубликовали работу о цифровой симуляции самоорганизующейся сети. Из случайного начального состояния она обучалась различать два фиксированных входных образца посредством изменения весов связей.
Артур Приор опубликовал первое исследование своей временной логики, введя операторы будущего времени в исчисление высказываний.
Предложение от 31 августа 1955 года сформулировало общую программу исследований искусственного интеллекта. Оно инициировало Дартмутский летний проект 1956 года.
По свидетельству Ньюэлла и Саймона, 15 декабря 1955 года состоялась первая успешная ручная симуляция доказательства теоремы методами, затем включёнными в Logic Theorist.
1956–1973
Искусственный интеллект становится самостоятельной научной дисциплиной. Создаются первые программы для логического вывода, решения задач и общения на естественном языке, вызывая волну оптимизма относительно будущего интеллектуальных машин.
В 1956 году Logic Theorist стала работающей программой для доказательства теорем символьной логики.
В 1956 году небольшая группа учёных собралась на Дартмутский летний исследовательский проект по искусственному интеллекту. Встреча стала основополагающим событием для становления ИИ как области исследований.
Ньюэлл, Шоу и Саймон исследовали шахматную программу, использовавшую метод отсечения игрового дерева.
Работа представила обработчик запросов на основе доказателя для хорновских дизъюнктов и показала, что выводимые им отрицательные факты следуют из аксиом дополненной базы.
Результат дал логическое обоснование механизму отрицательных условий, который используется в логических программах и связан с немонотонными рассуждениями в ИИ.
Negation as Failure Keith L. Clark Hervé Gallaire, Jack Minker (eds.) Logic and Data Bases, pages 293–322 Springer, Boston, MA 1978 A query evaluation process for a logic data base comprising a set of clauses is described. It is essentially a Horn clause theorem prover augmented with a special inference rule for dealing with negation. This is the negation as failure inference rule whereby ~P can be inferred if every possible proof of P fails. The chief advantage of the query evaluator described
solving a negative goal not B is interpreted as reasoning with ¬B. But in most proof theories, not B is interpreted as some form of negation as failure: not B holds if all attempts to show B fail. In addition to these purely logical problems concerning semantics and proof theory, LP has been plagued by controversies concerning declarative versus procedural representations. Declarative representations are naturally supported by bottom- up model generation. But both declarative and procedural repr
importantly because they fail to capture non-monotonic reasoning. For non-monotonic reasoning, it is necessary to extend Horn clauses to clauses of the form: A0 ← A1 ∧ ... ∧ An ∧ not B1 ∧ ... ∧ not Bm where n ≥ 0 and m ≥ 0. Each Ai and Bi is an atomic formula, and “not” is read as not. Atomic formulas and their negations are also called literals. Here the Ai are positive literals, and the not Bi are negative literals. Sets of clauses in this form are called normal logic programs, or just logic p
Последняя проверка источников: