Подрывные инновации: будущее технологий и общества

В 1960-х и 1970-х годах исследователи начали сосредотачиваться на разработке более универсальных систем ИИ, которые могли бы обучаться и адаптироваться к новым задачам.

Трудно приписать разработку ИИ одному человеку или группе людей, поскольку эта область знания поступательно развивалась благодаря вкладу многих исследователей и учёных. Одним из пионеров в этой области считают Алана Тьюринга, которому приписывают разработку концепции универсальной машины, способной выполнять любые вычисления, он также известен своей работой над тестом Тьюринга – тестом для определения того, может ли машина демонстрировать разумное поведение.

Ведущим разработчиком ИИ является Джон Маккарти, который ввёл термин «искусственный интеллект» в 1956 году и сыграл важную роль в разработке программ исследования ИИ в Стэнфордском университете и Массачусетском технологическом институте.

Большой вклад в разработку ИИ также внесли: Марвин Мински, который основал Лабораторию искусственного интеллекта в Массачусетском технологическом институте и помог создать область искусственных нейронных сетей, Ричард Саттон, который развивал область обучения с подкреплением, а также Артур Сэмюэл, разработавший первую программу самообучения в 1950-х годах.

В 1980-х и 1990-х годах развитие ИИ продолжилось, увеличилось финансирование, поскольку исследователи добились значительного прогресса в разработке алгоритмов машинного обучения и нейронных сетей.

В последние годы область ИИ продолжала развиваться и расширяться благодаря значительным достижениям в таких областях, как глубокое обучение и обучение с подкреплением. Эти достижения привели к разработке новых продуктов и услуг на основе ИИ, таких как автономные транспортные средства, персональные помощники и интеллектуальные домашние устройства.

Помимо ключевых событий и вех в истории ИИ, следует осветить текущее состояние и тенденции в этой области, определяющие будущие разработки. Одним из ключевых направлений, формирующих будущее ИИ, является внедрение алгоритмов и методов машинного обучения, позволяющих компьютерам учиться на основе новых данных и со временем улучшать свою производительность при выполнении конкретной задачи.