인공지능의 역사

History of artificial intelligence
참고 항목: 인공지능의 타임라인과 인공지능의 발전방향
에 관한 시리즈의 일부
인공지능
주요목표
접근방법
적용들
철학
역사
용어집
컴퓨팅의 역사
하드웨어
소프트웨어
컴퓨터 과학
현대 개념
국가별
컴퓨팅 타임라인
컴퓨터 과학 용어집

인공지능(AI)의 역사는 고대에 마스터 장인들에 의해 지능이나 의식을 부여받은 인공 존재에 대한 신화, 이야기, 소문으로 시작되었습니다. 현대 AI의 씨앗은 인간의 사고 과정을 기호의 기계적 조작으로 묘사하려는 철학자들에 의해 심어졌습니다. 이 작업은 1940년대에 수학적 추론의 추상적 본질에 기반을 둔 기계인 프로그래밍 가능한 디지털 컴퓨터의 발명으로 정점을 찍었습니다. 이 장치와 그 뒤에 숨겨진 아이디어는 소수의 과학자들이 전자 뇌를 만들 수 있는 가능성에 대해 진지하게 논의하기 시작하도록 영감을 주었습니다.

앨런 튜링은 그가 기계 지능이라고 부르는 분야에서 실질적인 연구를 수행한 최초의 사람이었습니다.[1] AI 연구 분야는 1956년 여름 미국 다트머스대 캠퍼스에서 열린 워크숍에서 창설됐습니다.[2] 참석한 사람들은 수십 년 동안 AI 연구의 리더가 될 것입니다. 그들 중 많은 사람들이 인간만큼 지능적인 기계가 한 세대 만에 존재할 것이라고 예측했고, 이 비전을 실현하기 위해 수백만 달러가 주어졌습니다.[3]

결국, 연구원들이 프로젝트의 난이도를 심각하게 과소평가했다는 것이 명백해졌습니다.[4] 1974년, 제임스 라이트힐의 비판과 의회의 지속적인 압력에 대응하여, 미국과 영국 정부는 인공지능에 대한 간접적인 연구 자금 지원을 중단했고, 그 후의 어려운 세월은 나중에 "인공지능 겨울"로 알려지게 되었습니다. 7년 후, 일본 정부의 선견지명적인 계획이 정부와 업계에 수십억 달러를 AI에 제공하도록 영감을 주었지만, 1980년대 후반에 이르러 투자자들은 환멸을 느껴 다시 자금 지원을 철회했습니다.

AI에 대한 투자와 관심은 새로운 방법, 강력한 컴퓨터 하드웨어의 적용, 방대한 데이터 세트의 수집으로 인해 머신 러닝이 학계와 산업계의 많은 문제에 성공적으로 적용된 2020년대에 호황을 맞았습니다.

전구체

신화적, 허구적, 사변적 전조

신화와 전설

그리스 신화에서 탈로스는 크레타 섬의 수호자 역할을 했던 청동으로 만들어진 거인이었습니다. 그는 침략자들의 배에 바위를 던지고 섬 둘레를 매일 3번의 순회를 마쳤습니다.[5] 유사 아폴로도로스의 비블리오테케에 따르면 헤파이스토스는 사이클롭스의 도움으로 탈로스를 만들어 미노스에게 오토마톤을 선물했다고 합니다.[6] 아르고나우티카에서 제이슨과 아르고나우티 부부는 발 근처에 있는 플러그 하나로 그를 물리쳤고, 이 플러그를 제거하면 생명력이 있는 이처가 몸에서 흘러나오도록 하여 무생물로 남겼습니다.[7]

피그말리온은 그리스 신화의 전설적인 왕이자 조각가로, 오비드의 메타모르포스에 유명합니다. 오비드의 서사시 10권에서 피그말리온은 프로포에티데스가 자신을 창녀하는 방식을 목격하고 여자를 혐오하게 됩니다.[8] 그럼에도 불구하고 그는 비너스 신전에서 여신에게 자신이 조각한 조각상과 같은 여인을 자신에게 가져다 달라고 제물을 바칩니다.

중세의 인공적인 존재의 전설

괴테 파우스트의 호문쿨루스 묘사

스위스 연금술사 파라셀수스(Paracelsus)가 쓴 '사물의 본성'에서 그는 자신이 '인공 인간'을 조작할 수 있다고 주장하는 절차를 설명합니다. 말똥 속에 '사람의 정자'를 넣고, 40일 후에 '사람의 피'를 먹임으로써, 이 혼합물은 살아있는 유아가 될 것입니다.[9]

골렘 제작에 관한 최초의 기록은 13세기 초 웜의 엘레아자르 벤 유다의 글에서 찾을 수 있습니다.[10][11] 중세 시대에 골렘의 애니메이션은 하나님의 이름이 적힌 종이를 점토 형상의 입에 삽입함으로써 달성될 수 있다고 믿었습니다.[12] 브라젠 헤드스와 같은 전설적인 오토마타와 달리 [13]골렘은 말을 할 수 없었습니다.[14]

생명의 인위적 창조물인 탁윈은 이스마일 화학 필사본, 특히 자비르 이븐 하이얀에게 귀속된 필사본의 단골 소재였습니다. 이슬람 연금술사들은 식물에서 동물에 이르기까지 자신들의 일을 통해 광범위한 생명체를 창조하려고 시도했습니다.[15]

파우스트에서: 요한 볼프강 폰 괴테의 비극 제2부 그가 만들어진 플라스크 안에서 영원히 살 운명인 연금술로 제작된 호문쿨루스는 온전한 인간의 몸으로 태어나기 위해 노력합니다. 그러나 이 변형이 시작되면 플라스크는 산산조각이 나고 호문쿨루스는 죽습니다.[16]

모던 픽션

주요 기사: 픽션 속 인공지능

19세기에 이르러서는 메리 셸리의 프랑켄슈타인이나 카렐 차펙의 R.U.R.(로섬의 유니버설 로봇)[17]과 같은 소설이나 새뮤얼 버틀러의 "기계 중의 다윈"과 같은 추측,[18] 에드거 앨런 포의 "마엘젤의 체스 플레이어"를 포함한 실제 사례에서 인공적인 남성과 사고 기계에 대한 아이디어가 개발되었습니다.[19] AI는 현재를 통해 공상 과학 소설에서 흔히 볼 수 있는 주제입니다.[20]

오토마타

주요 기사: 오토마톤
알자자리의 프로그래밍 가능 오토마타 (1206 CE)

사실적인 휴머노이드 오토마타는 옌시,[21] 알렉산드리아의 영웅,[22] 알자자리,[23] 피에르 자케 드로즈, 볼프강 폰 켐펠렌 등 모든 문명의 장인들에 의해 만들어졌습니다.[24][25]

가장 오래된 것으로 알려진 오토마타는 고대 이집트와 그리스의 신성한 조각상들이었습니다.[26] 신실한 사람들은 장인이 이 인물들에게 지혜와 감정을 가질 수 있는 매우 실제적인 정신을 불어넣었다고 믿었습니다.헤르메스 트리스메기스투스는 "신들의 실체를 발견함으로써 인간은 그것을 재생산할 수 있게 되었다"고 썼습니다.[27][28] 영국 학자 알렉산더 네컴(Alexander Neckham)은 고대 로마 시인 버질(Virgil)이 오토마톤 조각상으로 궁전을 지었다고 주장했습니다.[29]

근대 초기에는 이 전설적인 오토마타가 질문에 답하는 마법의 능력을 가지고 있다고 합니다. 중세 후기 연금술사이자 시위자인 로저 베이컨은 마법사가 된 전설을 만들어내며 뻔뻔한 머리를 날조했다고 알려져 있습니다.[30][31] 이 전설들은 미미르의 머리에 대한 북유럽 신화와 비슷했습니다. 전설에 따르면, 미미르는 지성과 지혜로 유명했고, æ-바니르 전쟁에서 참수되었다고 합니다. 오딘은 머리를 약초로 방부 처리하여 미미르의 머리가 오딘에게 지혜로운 말을 할 수 있도록 했다고 합니다. 그리고 나서 오딘은 상담을 위해 머리를 가까이에 두었습니다.[32]

형식추론

인공지능은 인간의 사고 과정을 기계화할 수 있다는 가정에 기반을 두고 있습니다. 기계적 또는 "형식적" 추론에 대한 연구는 오랜 역사를 가지고 있습니다. 중국과 그리스 철학자들은 모두 기원전 1천년에 형식적인 공제의 구조화된 방법을 개발했습니다. 그들의 아이디어는 아리스토텔레스(삼단논법의 공식적인 분석을 한 사람), 유클리드(그의 요소들은 공식적인 추론의 모델이었다), 알콰리즈미 ī(대수학을 발전시키고 "알고리즘"에 그의 이름을 붙인), 그리고 오컴의 윌리엄과 던스 스코투스와 같은 유럽의 학자 철학자들에 의해 수세기에 걸쳐 개발되었습니다.

스페인 철학자 라몬 럴(Ramon Lull, 1232–1315)은 논리적 수단을 통해 지식을 생산하는 데 전념하는 몇 가지 논리적 기계를 개발했습니다.[34] 럴은 자신의 기계를 단순한 논리적 연산에 의해 기본적인 진리와 부인할 수 없는 진리를 결합할 수 있는 기계적 실체로 묘사했고, 기계적 의미에 의해 기계가 생산했습니다. 가능한 모든 [35]지식을 생산하는 방식으로 Lull의 작품은 자신의 아이디어를 재개발한 Gottfried Liibniz에게 큰 영향을 미쳤습니다.[36]

인간의 이성이 기계적 계산으로 환원될 수 있다고 추측한 고트프리트 라이프니츠

17세기에 라이프니츠, 토마스 홉스, 르네 데카르트는 모든 이성적 사고가 대수학이나 기하학처럼 체계적으로 만들어질 수 있다는 가능성을 탐구했습니다.[37] 홉스는 리바이어던에서 "이성은 계산에 불과하다"고 유명하게 썼습니다.[38] 라이프니츠는 보편적인 추론 언어인 보편적인 특성을 구상했는데, 이는 논증을 계산으로 환원시켜 "두 명의 회계사 사이보다 두 명의 철학자 사이에 더 이상 논쟁이 필요하지 않을 것입니다. 그것은 그들의 연필을 손에 들고, 그들의 슬레이트에 내려 놓고, 서로 이야기하는 것으로 충분할 것입니다. (만약 그들이 원한다면, 친구를 증인으로 하여) 계산해 보겠습니다."[39] 이 철학자들은 AI 연구의 지도 신앙이 될 물리적 상징 체계 가설을 분명히 하기 시작했습니다.

20세기 수학 논리학 연구는 인공지능을 그럴듯하게 보이게 하는 본질적인 돌파구를 제공했습니다. 그 기초는 부울의 생각의 법칙과 프레게의 베그리프스 스크리프와 같은 작품들에 의해 세워졌습니다. 프레게의 시스템을 바탕으로 러셀과 화이트헤드는 1913년에 그들의 걸작인 수학 원리에서 수학의 기초에 대한 공식적인 대우를 제시했습니다. 러셀의 성공에 영감을 받은 데이비드 힐버트(David Hilbert)는 1920년대와 30년대의 수학자들에게 "모든 수학적 추론이 공식화 될 수 있는가?"[33]라는 근본적인 질문에 답하도록 도전했습니다. 괴델의 불완전성 증명, 튜링의 기계, 처치의 람다 미적분학이 그의 질문에 답을 해주었습니다.[33][40]

무어 전기공학[41] 대학의 ENIAC 미군 사진

그들의 대답은 두 가지 면에서 놀라웠습니다. 첫째, 그들은 수학적 논리가 성취할 수 있는 것에 사실상 한계가 있다는 것을 증명했습니다. 그러나 두 번째(그리고 AI에 더 중요한) 그들의 연구는 이러한 한계 내에서 모든 형태의 수학적 추론을 기계화할 수 있음을 시사했습니다. Church-Turing 논문은 0과 1처럼 간단한 기호를 섞는 기계 장치가 수학적 추론의 어떤 생각할 수 있는 과정도 모방할 수 있다는 것을 암시했습니다. 핵심 통찰은 추상적 기호 조작의 본질을 포착한 단순한 이론적 구성인 튜링 기계였습니다.[42] 이 발명은 소수의 과학자들이 생각하는 기계의 가능성에 대해 논의하기 시작하도록 영감을 줄 것입니다.[33][43]

컴퓨터 과학

주요 기사: 컴퓨터 하드웨어의 역사와 컴퓨터 과학의 역사

계산기는 고트프리트 라이프니츠,[44] 조셉 마리 자카드,[45] 찰스 배비지,[46] 퍼시 러드게이트,[47] 레오나르도 토레스 케베도,[48] 바네바르 부시 [49]등을 포함한 많은 사람들이 고대와 역사를 통틀어 설계하거나 만들었습니다. 에이다 러브레이스(Ada Lovelace)는 배비지(Babbage)의 기계가 "생각하는 사람이나... 추론 기계", 하지만 "힘에 관해서는 과장된 생각이 나올 가능성을 경계하는 것이 바람직하다"고 경고했습니다.[50][51]

최초의 현대 컴퓨터는 제2차 세계 대전의 거대한 기계들이었습니다 (콘래드 주즈의 Z3, 앨런 튜링의 히스 로빈슨과 콜로수스, 아타나소프와 베리스, 그리고 펜실베이니아 대학의 ABC와 애니악 등).[52] ENIAC는 Alan Turing이 제시하고 John von Neumann이 개발한 이론적 토대를 기반으로 [53]하며 가장 영향력 있는 것으로 입증되었습니다.[52]

기계지능의 탄생 (1956년 이전)

IBM 702: 1세대 AI 연구자들이 사용하는 컴퓨터.

1940년대와 50년대에 다양한 분야(수학, 심리학, 공학, 경제학, 정치학)의 소수의 과학자들이 인공 뇌의 생성 가능성에 대해 논의하기 시작했습니다. 앨런 튜링은 그가 기계 지능이라고 부르는 분야에서 실질적인 연구를 수행한 최초의 사람이었습니다.[1] 인공 지능 연구 분야는 1956년 학문으로 설립되었습니다.[54]

사이버네틱스 및 초기 신경망

사고 기계에 대한 최초의 연구는 1930년대 말, 1940년대 및 1950년대 초에 널리 퍼진 아이디어의 융합에서 영감을 얻었습니다. 신경학의 최근 연구에 따르면 뇌는 모든 펄스 또는 아무것도 펄스 없이 발사되는 뉴런의 전기 네트워크였습니다. 노버트 위너(Norbert Wiener)의 사이버네틱스(cybernetics)는 전기 네트워크에서의 제어와 안정성에 대해 설명했습니다. 클로드 섀넌의 정보 이론은 디지털 신호(즉, 올 오어 낫싱 신호)를 설명했습니다. 앨런 튜링의 계산 이론은 어떤 형태의 계산도 디지털로 설명할 수 있다는 것을 보여주었습니다. 이 아이디어들 사이의 밀접한 관계는 "전자 뇌"를 구성하는 것이 가능할지도 모른다는 것을 암시했습니다.[55] W와 같은 실험용 로봇. 그레이 월터의 거북이와 존스 홉킨스 비스트는 1950년대에 만들어졌습니다. 이 기계들은 컴퓨터, 디지털 전자 장치 또는 상징적인 추론을 사용하지 않았습니다. 그것들은 전적으로 아날로그 회로에 의해 제어되었습니다.[56]

앨런 튜링(Alan Turing)[1]은 적어도 1941년에 기계 지능에 대해 생각하고 있었는데, 그 때 그는 AI 분야에서 가장 초기의 논문이 될 수 있는 기계 지능에 대한 논문을 발표했습니다 - 비록 그것은 지금은 없어졌지만. 월터 피츠버그(Walter Pitts)와 워렌 맥컬록(Warren McCulloch)은 이상화된 인공 뉴런의 네트워크를 분석하여 1943년에 어떻게 간단한 논리적 기능을 수행할 수 있는지 보여주었습니다.[57][58] 그들은 나중의 연구자들이 신경망이라고 부르는 것을 처음으로 설명했습니다.[59] 이 논문은 1936년 튜링이 유사한 2상태 부울 '뉴런'을 사용한 초기 논문 '계산 가능한 수에 대하여'에서 영향을 받았지만, 이를 신경 기능에 적용한 것은 처음이었습니다.[1] Pitts와 McCulloch에게 영감을 받은 학생 중 한 명은 당시 24세의 대학원생이었던 어린 Marvin Minsky였습니다. 1951년 (딘 에드몽즈와 함께) 그는 최초의 신경망 기계인 SNARC를 만들었습니다.[60] 민스키는 AI 분야에서 가장 중요한 리더이자 혁신가가 될 예정이었습니다.

튜링 테스트

'기계 지능'이라는 용어는 앨런 튜링이 생전에 사용한 것으로, 1954년 그가 세상을 떠난 후에 종종 '인공 지능'이라고 불렸습니다. 1950년 튜링은 획기적인 논문이자 그의 논문 중 가장 잘 알려진 '컴퓨팅 머신과 지능'을 발표했는데, 그는 생각하는 기계를 만들 수 있는 가능성에 대해 추측했고, 그 논문은 현재 튜링 테스트로 알려진 그의 개념을 일반 대중에게 소개했습니다.[61] 그는 "생각하는" 것이 정의하기 어렵다는 것에 주목하고 그의 유명한 튜링 테스트를 고안했습니다.[62] 만약 어떤 기계가 (텔레프린터를 통해) 인간과의 대화와 구별할 수 없는 대화를 계속할 수 있다면, 그 기계는 "생각하고 있다"고 말하는 것이 타당했습니다. 이 문제의 단순화된 버전은 튜링이 "생각하는 기계"가 최소한 그럴듯하다고 설득력 있게 주장할 수 있게 했고 이 논문은 이 명제에 대한 가장 일반적인 모든 반대에 답했습니다.[63] 튜링 테스트는 인공지능 철학의 첫 번째 진지한 제안이었습니다. 이어 튜링의 AI 라디오 방송 3회에 이어 '지능형 기계, 이단 이론', '디지털 컴퓨터는 생각할 수 있는가?', 패널 토론 '자동 계산기는 생각할 수 있는가?' 등의 강연이 이어졌습니다. 1956년까지 영국에서 컴퓨터 지능은 10년 이상 동안 활발히 추구되었습니다. 최초의 AI 프로그램은 1951-52년에 영국에서 작성되었습니다.[1]

게임 AI

1951년, 맨체스터 대학의 페란티 마크 1 기계를 사용하여 크리스토퍼 스트래치는 체커 프로그램을 썼고 디트리히 프린츠는 체스를 위한 프로그램을 썼습니다.[64] 1959년 그의 논문 "Checkers 게임을 이용한 기계 학습의 일부 연구"의 주제인 Arthur Samuel의 Checkers 프로그램은 마침내 훌륭한 아마추어에게 도전하기에 충분한 기술을 얻었습니다.[65] 게임 AI는 역사 전반에 걸쳐 AI의 발전 척도로 계속 사용될 것입니다.

상징적 추론과 논리이론가

50년대 중반에 디지털 컴퓨터에 대한 접근이 가능해졌을 때, 소수의 과학자들은 숫자를 조작할 수 있는 기계도 기호를 조작할 수 있고 기호의 조작이 인간 사고의 본질이 될 수 있다는 것을 본능적으로 인식했습니다. 이것은 사고 기계를 만드는 새로운 접근 방식이었습니다.[66]

1955년 알렌 뉴웰과 (미래의 노벨상 수상자) 허버트 A. 사이먼은 (J. C.의 도움으로) "논리 이론가"를 만들었습니다. 쇼). 이 프로그램은 결국 러셀과 화이트헤드의 수학 원리에서 처음 52개의 정리 중 38개를 증명하고, 일부에게는 새롭고 더 우아한 증명을 발견하게 될 것입니다.[67] 사이먼은 그들이 "어떻게 물질로 구성된 체계가 마음의 속성을 가질 수 있는지를 설명하면서, 존경 받는 마음/몸 문제를 해결했다"고 말했습니다.[68] (이것은 존 설이 나중에 "강력한 인공지능"이라고 부른 철학적 입장의 초기 진술이었습니다: 기계는 인간의 몸이 그렇듯이 마음을 포함할 수 있다는 것입니다.)[69]

인공지능의 탄생 (1956~1974)

인공지능이라는 용어 자체는 1956년 존 매카시가 다트머스 워크숍에서 공식적으로 도입한 것으로, 인공지능의 학문으로서의 공식적인 시작을 알린 중추적인 행사입니다. 이 워크숍의 주요 목적은 인간의 지능을 시뮬레이션할 수 있는 기계를 개발할 수 있는 가능성을 탐구하는 것이었고, 이는 AI 영역에 대한 집중적인 탐구의 시작을 나타냅니다.[70]

1956년[71] 다트머스 워크숍은 마빈 민스키(Marvin Minsky), 존 매카시(John McCarthy), 그리고 IBM의 클로드 섀넌(Claud Shannon)과 네이선 로체스터(Nathan Rochester) 두 명의 수석 과학자들에 의해 조직되었습니다. 회의 제안서에는 "학습의 모든 측면이나 지능의 다른 특징이 매우 정확하게 기술되어 기계가 시뮬레이션할 수 있습니다."라는 주장이 포함되어 있습니다.[72] 참가자들은 레이 솔로몬오프, 올리버 셀프리지, 트렌치카드 모어, 아서 사무엘, 앨런 뉴웰, 허버트 A를 포함했습니다. 사이먼은 AI 연구의 첫 수십 년 동안 중요한 프로그램을 만들었을 것입니다.[73] 워크숍에서 뉴웰과 사이먼은 "논리 이론가"를 데뷔시켰고 매카시는 참석자들에게 "인공지능"을 이 분야의 이름으로 받아들이도록 설득했습니다.[74] ("인공지능"이라는 용어는 사이버네틱스와 노버트 위너의 영향력과의 연관성을 피하기 위해 매카시가 선택했습니다.)[75] 1956년 다트머스 워크숍은 AI가 이름과 임무, 첫 성공과 주요 플레이어를 얻게 된 순간이며 AI의 탄생으로 널리 여겨집니다.[76]

다트머스 워크숍 이후 몇 년 동안 개발된 프로그램들은 대부분의 사람들에게 단순히 "놀랍다"는 것이었습니다:[77] 컴퓨터가 대수 단어 문제를 풀고, 기하학에서 정리를 증명하고, 영어 말하기를 배웠던 것입니다. 기계에 의한 이러한 "지능적"인 행동이 전혀 가능하다고 믿었던 사람은 당시 거의 없었을 것입니다.[78] 연구원들은 20년 이내에 완전히 지능화된 기계가 만들어질 것이라고 예측하면서 개인적으로 그리고 인쇄물로 강렬한 낙관론을 나타냈습니다.[79] DARPA와 같은 정부 기관들은 새로운 분야에 돈을 쏟아 부었습니다.[80] 인공지능 연구소는 1950년대 후반과 1960년대 초에 영국과 미국의 여러 대학에 설립되었습니다.[1]

접근방법

50년대 후반과 1960년대에 많은 성공적인 프로그램과 새로운 방향이 있었습니다. 가장 영향력 있는 것은 다음과 같습니다.

검색으로서의 추론

많은 초기 AI 프로그램이 동일한 기본 알고리즘을 사용했습니다. 어떤 목표(게임에서 이기거나 정리를 증명하는 것과 같은)를 달성하기 위해, 그들은 마치 미로를 탐색하는 것처럼 그것을 향해 한 걸음씩 나아갔고(동작이나 추론을 통해), 막다른 골목에 다다를 때마다 역추적했습니다. 이 패러다임을 "탐색으로서의 추론"이라고 불렀습니다.[81]

가장 큰 어려움은 많은 문제에서 "미궁"을 통과할 수 있는 경로의 수가 단순히 천문학적이라는 것이었습니다("결합 폭발"이라고 알려진 상황). 연구자들은 해결책으로 이어질 가능성이 낮은 경로를 제거하는 휴리스틱 또는 "엄지의 법칙"을 사용하여 검색 공간을 줄일 것입니다.[82]

뉴웰과 사이먼은 이 알고리즘의 일반적인 버전을 "일반적인 문제 해결사"라고 불리는 프로그램에 담으려고 했습니다.[83] Herbert Gelernter의 기하학 정리 증명자(1958)와 민스키의 학생 James Slagle(1961)이 쓴 SAIT(Symbolic Automatic Integrator)와 같은 다른 "탐색" 프로그램들은 기하학과 대수학의 문제를 해결하는 것과 같은 인상적인 일들을 성취할 수 있었습니다.[84] 스탠퍼드 대학에서 로봇 쉐키의 행동을 제어하기 위해 개발한 STRIPS 시스템과 같이 다른 프로그램들은 목표와 하위 목표를 통해 행동을 계획했습니다.[85]

신경망

McCulloch and Pitts 논문(1944)은 하드웨어에서 AI에 대한 신경망 접근 방식을 실현하는 컴퓨팅 하드웨어를 만드는 접근 방식에 영감을 주었습니다. 가장 영향력이 컸던 것은 프랭크 로젠블랫(Frank Rosenblatt)이 주도하여 최대 4층의 퍼셉트론 기계를 제작한 노력(1957-1962)이었습니다. 그는 주로 해군 연구국의 자금 지원을 받았습니다.[86] Bernard Widrow와 그의 학생 Ted Hoff는 최대 1000개의 조정 가능한 무게를 가진 ADALIN (1960)과 MADALIN (1962)을 만들었습니다.[87] 찰스 A가 이끄는 스탠포드 연구소의 한 그룹. Rosen과 Alfred E. (Ted) Brain은 주로 미 육군 신호단의 자금 지원을 받는 MINOS I (1960)과 II (1963)라는 이름의 두 개의 신경망 기계를 만들었습니다. MINOS II는[88] 6600개의 조정 가능한 무게를 가지고 있었고,[89] MINOS III (1968)라는 이름의 구성으로 SDS 910 컴퓨터로 제어되었으며, 이 구성은 육군 지도에서 기호를 분류하고 포트란 코딩 시트에서 손으로 인쇄한 문자를 인식할 수 있었습니다.[90][91][92]

이 초기 기간 동안 신경망 연구의 대부분은 디지털 컴퓨터에 대한 시뮬레이션보다는 맞춤형 하드웨어를 구축하고 사용하는 것이었습니다. 하드웨어 다양성은 조정 가능한 가중치를 구현하는 데 사용되는 다양한 기술에서 특히 명확했습니다. 퍼셉트론 기계와 SNARC는 전기 모터에 의해 움직이는 전위차계를 사용했습니다. ADALIN은 전기 도금으로 조정된 멤리스터를 사용했지만 IBM 1620에서도 시뮬레이션을 사용했습니다. MINOS 기계는 개별적으로 차단할 수 있는 여러 개의 구멍이 있는 페라이트 코어를 사용했으며 차단 정도는 무게를 나타냅니다.[93]

다층 신경망이 있었지만, 이 시기의 대부분의 신경망에는 조정 가능한 가중치가 한 층밖에 없었습니다. 단일 레이어 이상을 훈련하려는 경험적 시도가 있었지만 성공하지 못했습니다. 역전파는 1980년대까지 신경망 훈련에 널리 퍼지지 않았습니다.[93]

시맨틱 네트워크의 예

자연어

AI 연구의 중요한 목표는 컴퓨터가 영어와 같은 자연어로 의사소통할 수 있도록 하는 것입니다. 초기에 성공한 것은 고등학교 대수 단어 문제를 해결할 수 있는 Daniel Bobrow의 프로그램인 Student였습니다.[94]

의미망은 개념(예: "집", "문")을 노드로 나타내고 개념 간의 관계(예: "has-a")를 노드 간의 링크로 나타냅니다. 의미망을 사용한 최초의 AI 프로그램은 Ross Quillian에[95] 의해 작성되었으며 가장 성공적인(그리고 논란의 여지가 있는) 버전은 Roger Schank의 개념 의존 이론이었습니다.[96]

조셉 바이젠바움(Joseph Weizenbaum)의 엘리자(ELIZA)는 매우 현실적인 대화를 수행할 수 있어서 사용자들은 때때로 프로그램이 아닌 인간과 의사소통하는 것으로 속아 넘어갔습니다(ELIZA 효과 참조). 하지만 사실, 엘리자는 그녀가 무슨 말을 하는지 전혀 몰랐습니다. 그녀는 단순히 통조림으로 된 대답을 하거나 그녀에게 한 말을 반복하면서 몇 가지 문법 규칙으로 그녀의 대답을 다시 표현했습니다. 엘리자는 첫 번째 수다쟁이였습니다.[97]

마이크로 월드

60년대 후반, MIT AI 연구소의 마빈 민스키(Marvin Minsky)와 시모어 파퍼트(Seymour Papert)는 AI 연구가 마이크로 월드(micro world)로 알려진 인위적으로 단순한 상황에 초점을 맞춰야 한다고 제안했습니다. 그들은 물리학과 같은 성공적인 과학에서 기본 원리는 종종 마찰이 없는 평면이나 완벽하게 단단한 물체와 같은 단순화된 모델을 사용하여 가장 잘 이해된다고 지적했습니다. 연구의 많은 부분이 평평한 표면에 배열된 다양한 모양과 크기의 색을 띤 블록으로 구성된 "블록 세계"에 초점을 맞추고 있습니다.[98]

이 패러다임은 제럴드 서스먼(팀을 이끈 사람), 아돌포 구즈먼, 데이비드 왈츠("제약 전파"를 발명한 사람), 특히 패트릭 윈스턴의 기계 비전에 대한 혁신적인 작업으로 이어졌습니다. 동시에 민스키(Minsky)와 파퍼트(Papert)는 블록을 쌓을 수 있는 로봇 팔을 만들어 블록 세계에 활기를 불어넣었습니다. 이 마이크로 월드 프로그램의 최고 업적은 테리 위노그라드의 SHRDLU였습니다. 이 프로그램은 일반적인 영어 문장으로 의사소통하고, 작업을 계획하고, 실행할 수 있었습니다.[99]

오토마타

일본에서는 와세다 대학이 1967년 WABOT 프로젝트를 시작했고, 1972년 세계 최초의 본격적인 "지능형" 휴머노이드 로봇,[100][101] 즉 안드로이드인 WABOT-1을 완성했습니다. 그것의 사지 제어 시스템은 촉각 센서를 사용하여 하지로 걷고, 손으로 물체를 잡고 운반할 수 있게 해주었습니다. 비전 시스템을 통해 외부 수용체, 인공 눈 및 귀를 사용하여 물체까지의 거리와 방향을 측정할 수 있었습니다. 그리고 그것의 대화 시스템은 인공 입으로 일본어로 사람과 의사소통을 할 수 있게 해주었습니다.[102][103][104]

낙관주의

1세대 인공지능 연구자들은 그들의 연구에 대해 다음과 같이 예측했습니다.

  • 1958, H. A. 사이먼과 알렌 뉴웰: "10년 안에 디지털 컴퓨터가 세계 체스 챔피언이 될 것입니다." 그리고 "10년 안에 디지털 컴퓨터가 중요한 새로운 수학 정리를 발견하고 증명할 것입니다."[105]
  • 1965, H. A. 사이먼: "기계는 20년 안에 사람이 할 수 있는 어떤 일도 할 수 있을 것입니다."[106]
  • 1967, 마빈 민스키(Marvin Minsky): "한 세대 내에... '인공지능'을 만드는 문제는 실질적으로 해결될 것입니다."[107]
  • 1970, Marvin Minsky (Life Magazine): "3년에서 8년 사이에 우리는 보통 사람의 지능을 가진 기계를 갖게 될 것입니다."[108]

자금조달

1963년 6월, MIT는 새로 창설된 첨단연구사업청(후에 DARPA로 알려짐)으로부터 220만 달러의 보조금을 받았습니다. 이 돈은 5년 전 민스키와 매카시가 설립한 "AI 그룹"을 합병한 프로젝트 MAC에 자금을 지원하는 데 사용되었습니다. DARPA는 70년대까지 연간 300만 달러를 계속 지원했습니다.[109] DARPA는 CMU의 뉴웰과 사이먼의 프로그램과 스탠포드 AI 프로젝트(1963년 존 매카시가 설립)와 유사한 보조금을 제공했습니다.[110] 또 다른 중요한 AI 연구소는 1965년 도날드 미치에 의해 에든버러 대학에 설립되었습니다.[111] 이 네 기관은 수년 동안 학계에서 AI 연구(및 자금 지원)의 주요 중심이 될 것입니다.[112]

그 돈은 조건 없이 제안되었습니다: 당시 ARPA의 국장이었던 J. C. R. 리클라이더는 그의 조직이 "프로젝트가 아니라 사람들에게 자금을 지원해야 한다!"고 믿었고, 연구원들이 그들에게 흥미를 줄 수 있는 어떤 방향이든 추구하도록 허락했습니다.[113] 이것은 MIT에서 자유분방한 분위기를 조성하여 해커 문화를 낳았지만,[114] 이러한 "hands off" 접근 방식은 지속되지 않을 것입니다.

제1차 AI 동계(1974~1980)

1970년대에 AI는 비판과 재정적 좌절을 겪었습니다. 인공지능 연구자들은 그들이 직면한 문제의 어려움을 이해하지 못했습니다. 그들의 엄청난 낙관론은 대중의 기대를 불가능할 정도로 높였고, 약속된 결과가 실현되지 못하자 AI를 겨냥한 자금 지원은 거의 사라졌습니다.[115] 동시에 간단한 단층 인공신경망 탐사는 부분적으로 퍼셉트론이 할 수 있는 일의 한계를 강조한 마빈 민스키의 책 때문에 10년 동안 거의 완전히 중단되었습니다.[116] 70년대 후반 AI에 대한 대중의 인식의 어려움에도 불구하고 논리 프로그래밍, 상식 추론 및 기타 많은 분야에서 새로운 아이디어가 탐구되었습니다.[117][118]

문제

70년대 초반에는 AI 프로그램의 기능이 제한적이었습니다. 가장 인상적인 것조차도 해결해야 할 문제의 사소한 버전만 다룰 수 있었습니다. 모든 프로그램은 어떤 의미에서는 "장난감"이었습니다.[119] AI 연구자들은 1970년대에 극복할 수 없었던 몇 가지 근본적인 한계에 부딪히기 시작했습니다. 비록 이러한 한계들 중 일부는 수십 년 후에 정복될 것이지만, 다른 한계들은 여전히 오늘날까지 그 분야를 방해합니다.[120]

  • 제한된 컴퓨터 전력: 진정으로 유용한 것을 달성하기에는 메모리나 처리 속도가 충분하지 않았습니다. 예를 들어, Ross Quillian의 자연어에 대한 성공적인 연구는 단지 20개의 단어의 어휘로 증명되었습니다, 왜냐하면 그것이 기억에 적합한 전부였기 때문입니다.[121] 1976년에 한스 모라벡은 컴퓨터가 지능을 나타내기에는 여전히 수백만 배나 약하다고 주장했습니다. 그는 비유를 제시했습니다: 인공지능은 항공기가 마력을 필요로 하는 것과 같은 방식으로 컴퓨터의 힘을 필요로 합니다. 특정 임계값 이하에서는 불가능하지만, 전력이 증가함에 따라 결국 쉬워질 수 있습니다.[122] 컴퓨터 비전과 관련하여 Moravec은 인간 망막의 가장자리와 움직임 감지 기능을 실시간으로 일치시키는 것만으로도 10회9/초(1000MIPS)의 작동이 가능한 범용 컴퓨터가 필요하다고 추정했습니다.[123] 2011년 현재 실제 컴퓨터 비전 애플리케이션에는 10,000~1,000,000 MIPS가 필요합니다. 이에 비해 1976년에 가장 빠른 슈퍼컴퓨터인 Cray-1(500만~800만 달러 소매)은 약 80~130개의 MIPS만 가능했고, 당시 일반 데스크톱 컴퓨터는 1개 미만의 MIPS를 달성했습니다.
  • 난치성과 조합 폭발. 1972년 리처드 카프(스티븐 쿡의 1971년 정리를 바탕으로)는 지수 시간(투입량의 크기)에서만 해결할 수 있는 많은 문제가 있음을 보여주었습니다. 이러한 문제에 대한 최적의 해결책을 찾기 위해서는 문제가 사소한 경우를 제외하고는 상상할 수 없는 양의 컴퓨터 시간이 필요합니다. 이것은 AI가 사용하는 많은 "장난감" 솔루션이 결코 유용한 시스템으로 확장되지 않을 것이라는 것을 거의 확실히 의미했습니다.[124]
  • 상식적인 지식과 추론. 시각이나 자연어와 같은 많은 중요한 인공 지능 응용 프로그램은 단순히 세상에 대한 엄청난 양의 정보를 필요로 합니다. 프로그램은 무엇을 보고 있는지 또는 무엇에 대해 이야기하고 있는지에 대한 아이디어를 어느 정도 가지고 있어야 합니다. 이를 위해서는 프로그램이 아이가 하는 세상에 대한 대부분의 동일한 것을 알아야 합니다. 연구원들은 곧 이것이 정말로 방대한 양의 정보라는 것을 발견했습니다. 1970년에는 아무도 그렇게 큰 데이터베이스를 구축할 수 없었고 프로그램이 어떻게 그렇게 많은 정보를 배울 수 있는지 아무도 몰랐습니다.[125]
  • 모라벡의 역설: 정리를 증명하고 기하학 문제를 푸는 것은 컴퓨터에게 비교적 쉬운 일이지만, 얼굴을 인식하거나 어떤 것도 부딪히지 않고 방을 건너는 것과 같은 추정상 간단한 일은 매우 어렵습니다. 이것은 1970년대 중반까지 시력과 로봇 공학에 대한 연구가 왜 그렇게 적은 진전을 이루지 못했는지를 설명하는 데 도움이 됩니다.[126]
  • 프레임과 자격 문제. 논리를 사용한 인공지능 연구자들(존 매카시와 같은)은 논리 자체의 구조를 변경하지 않고는 계획 또는 기본 추론과 관련된 일반적인 추론을 나타낼 수 없다는 것을 발견했습니다. 그들은 문제를 해결하기 위해 (단음이 아닌 논리와 모달 논리와 같은) 새로운 논리를 개발했습니다.[127]

자금조달종료

참고 항목: AI겨울

(영국 정부, DARPA 및 NRC와 같은) AI 연구에 자금을 지원한 기관들은 진전이 없어 좌절했고 결국 AI에 대한 간접 연구를 위한 거의 모든 자금을 차단했습니다. 그 패턴은 일찍이 1966년에 ALPAC 보고서가 기계 번역 노력을 비판하는 것으로 나타났을 때 시작되었습니다. NRC는 2000만 달러를 지출한 후 모든 지원을 종료했습니다.[128] 1973년, 영국의 인공지능 연구 현황에 대한 라이트힐 보고서는 인공지능이 그들의 "위대한 목표"를 달성하지 못한 것을 비판했고, 그 나라의 인공지능 연구가 해체되도록 이끌었습니다.[129] (그 보고서는 구체적으로 인공지능의 실패의 이유로 조합 폭발 문제를 언급했습니다.)[130] DARPA는 CMU의 음성 이해 연구 프로그램을 연구하는 연구자들에게 깊은 실망을 주었고 연간 300만 달러의 보조금을 취소했습니다.[131] 1974년까지 AI 프로젝트를 위한 자금은 찾기 어려웠습니다.

자금 지원의 종료는 신경망 연구의 경우 더 일찍 발생했는데, 이는 부분적으로는 성과가 부족했기 때문이고, 부분적으로는 상징적인 AI 연구와의 경쟁 때문이기도 합니다. MINOS 프로젝트는 1966년에 자금이 바닥났습니다. Rosenblatt는 1960년대에 지속적인 자금을 확보하지 못했습니다.[93]

한스 모라벡은 이 위기를 동료들의 비현실적인 예측 탓으로 돌렸습니다. "많은 연구자들이 점점 더 과장되는 그물망에 걸려들었습니다."[132] 그러나 1969년 맨스필드 수정안이 통과된 이후 DARPA는 "기본적인 간접 연구가 아닌 임무 지향적인 직접 연구"에 자금을 지원하라는 압력을 점점 더 많이 받고 있었습니다. 60년대에 진행되었던 창의적이고 자유분방한 탐험을 위한 자금은 DARPA에서 나오지 않을 것입니다. 대신 자율전차, 전투관리시스템 등 목표가 명확한 특정 사업에 돈이 쏠렸습니다.[133]

캠퍼스 전체의 비평

참고 항목: 인공지능 철학

몇몇 철학자들은 AI 연구자들이 주장하는 것에 대해 강한 반대를 했습니다. 존 루카스는 괴델의 불완전성 정리가 인간은 어떤 진술의 진실을 결코 볼 수 없는 반면, 컴퓨터 프로그램과 같은 형식적인 체계는 절대로 볼 수 없다는 것을 보여준다고 주장했습니다.[134] 휴버트 드레퓌스(Hubert Dreyfus)는 1960년대의 깨진 약속을 비웃고 인공지능의 가정을 비판하면서 인간의 추론은 실제로 "기호 처리"와 체화되고 본능적이며 무의식적인 "방법"을 많이 포함한다고 주장했습니다.[135][136] 1980년에 제시된 John Searle의 Chinese Room 주장은 프로그램이 사용하는 기호를 "이해"한다고 말할 수 없다는 것을 보여주려고 시도했습니다("의도성"이라고 불리는 특성). 만약 기호들이 기계에 아무런 의미가 없다면, 기계는 "생각하는" 것으로 묘사될 수 없다고 설은 주장했습니다.[137]

이러한 비판은 AI 연구자들이 심각하게 받아들이지 않았으며, 종종 요점에서 너무 벗어난 것처럼 보였기 때문입니다. 다루기 어렵고 상식적인 지식과 같은 문제는 훨씬 더 즉각적이고 심각한 것처럼 보였습니다. "어떻게" 또는 "의도성"이 실제 컴퓨터 프로그램에 어떤 차이를 주었는지는 불분명했습니다. 민스키는 Dreyfus와 Searle에 대해 "그들은 오해하고 있으며, 무시해야 합니다."라고 말했습니다.[138] MIT에서 가르쳤던 드레퓌스는 냉대를 받았습니다: 그는 나중에 인공지능 연구원들이 "나와 점심을 먹는 것을 감히 보지 못했다"고 말했습니다.[139] 엘리자의 저자인 조셉 바이젠바움은 드레퓌스에 대한 동료들의 대우가 전문적이지 않고 유치하다고 느꼈습니다.[140] 비록 그는 드레퓌스의 입장에 대해 거침없이 비판했지만, 그는 "의도적으로 그들의 입장이 인간을 대하는 방식이 아니라는 것을 분명히 했습니다."[141]

바이젠바움은 케네스 콜비(Kenneth Colby)가 엘리자(ELIZA)를 기반으로 '심리치료적 대화를 할 수 있는 컴퓨터 프로그램'을 작성하면서 AI에 대해 심각한 윤리적 의구심을 갖기 시작했습니다.[142] 바이젠바움은 콜비가 무심한 프로그램을 심각한 치료 도구로 본 것에 대해 불안해 했습니다. 불화가 시작되었고, 콜비가 바이젠바움이 프로그램에 기여한 공로를 인정하지 않았을 때 상황은 도움이 되지 않았습니다. 1976년 바이젠바움은 인공지능의 오용이 인간의 생명을 평가절하할 가능성이 있다고 주장한 컴퓨터 파워와 인간 이성을 출판했습니다.[143]

퍼셉트론과 연결주의에 대한 공격

퍼셉트론은 1958년 브롱크스 과학 고등학교에서 마빈 민스키의 학교 친구였던 프랭크 로젠블랫이 도입한 신경망의 한 형태입니다. 대부분의 AI 연구원들과 마찬가지로 그는 "퍼셉트론이 결국 언어를 배우고, 결정하고, 번역할 수 있을지도 모른다"고 예측하면서 그들의 힘에 대해 낙관했습니다. 1960년대 내내 패러다임에 대한 활발한 연구 프로그램이 수행되었지만 민스키와 파퍼트의 1969년 저서 Perceptrons의 출판으로 갑자기 중단되었습니다. 퍼셉트론이 할 수 있는 일에는 심각한 한계가 있고 프랭크 로젠블라트의 예측이 엄청나게 과장됐다는 것을 시사했습니다. 이 책의 효과는 엄청났습니다. 사실상 10년 동안 연결주의에 자금이 지원된 연구는 전혀 없었습니다.

신경망에 대한 주요 노력 중, Rosenblatt는 더 큰 퍼셉트론 기계를 만들기 위한 자금을 모으려고 시도했지만, 1971년 보트 사고로 사망했습니다. (SNARC의) 민스키는 순수한 연결주의 AI에 대한 강력한 반대자로 돌아섰습니다. Widrow(ADALIN의)는 LMS 알고리즘을 기반으로 한 기술을 사용하여 적응형 신호 처리로 전환했습니다. (MINOS의) SRI 그룹은 상징적인 AI와 로봇 공학으로 눈을 돌렸습니다. 주요 문제는 자금 부족과 다층 네트워크를 훈련할 수 없다는 것이었습니다(역전파는 알려지지 않았습니다). 정부 자금 지원 경쟁은 상징적인 AI 접근 방식의 승리로 끝났습니다.[92][93]

Stanford, CMU 및 Edinburgh에서의 논리학

로직은 1959년 존 매카시(John McCarthy)에 의해 어드바이스 테이커(Advision Taker) 제안으로 AI 연구에 도입되었습니다.[144] 1963년에 J. Alan Robinson은 컴퓨터에서 추론을 구현하는 간단한 방법인 해상도와 통일 알고리즘을 발견했습니다. 그러나 1960년대 후반에 맥카시와 그의 학생들이 시도한 것과 같은 간단한 구현은 특히 다루기 어려웠습니다. 프로그램은 간단한 정리를 증명하기 위해 천문학적인 수의 단계를 필요로 했습니다.[145] 논리에 대한 보다 효과적인 접근법은 에든버러 대학의 로버트 코왈스키에 의해 1970년대에 개발되었고, 곧 성공적인 논리 프로그래밍 언어 프롤로그를 만든 프랑스 연구자 알랭 콜메라우어와 필리프 루셀[fr]의 협력으로 이어졌습니다.[146] Prolog는 추적 가능한 계산을 허용하는 논리의 하위 집합("규칙" 및 "생산 규칙"과 밀접하게 관련된 Horn 절로)을 사용합니다. 규칙은 Edward Feigenbaum의 전문가 시스템과 Allen Newell과 Herbert A의 지속적인 작업을 위한 기초를 제공하면서 계속해서 영향력을 행사할 것입니다. 사이몬은 소어와 그들의 통일된 인식 이론으로 이어질 것입니다.[147]

논리적 접근법을 비판하는 사람들은 드레퓌스가 그랬던 것처럼 인간이 문제를 풀 때 논리를 거의 사용하지 않는다고 지적했습니다. 피터 와슨, 엘리너 로쉬, 아모스 트버스키, 다니엘 카네만과 다른 심리학자들의 실험이 증거를 제공했습니다.[148] 매카시는 사람들이 하는 일은 무관하다고 대답했습니다. 그는 정말로 필요한 것은 문제를 해결할 수 있는 기계이지 사람들이 생각하는 것처럼 생각하는 기계가 아니라고 주장했습니다.[149]

MIT의 "반논리" 접근법

매카시의 접근 방식을 비판하는 사람들 중에는 MIT에 있는 그의 동료들도 있었습니다. 마빈 민스키, 시모어 파퍼트, 로저 샨크는 기계가 사람처럼 생각하도록 요구하는 "이야기 이해"와 "객체 인식"과 같은 문제들을 해결하려고 노력하고 있었습니다. "의자"나 "식당"과 같은 평범한 개념을 사용하려면 사람들이 보통 하던 것과 같은 모든 비논리적인 가정을 해야 했습니다. 안타깝게도 이와 같은 부정확한 개념은 논리적으로 표현하기 어렵습니다. 제럴드 서스먼(Gerald Sussman)은 "본질적으로 부정확한 개념을 설명하기 위해 정확한 언어를 사용하는 것은 그것들을 더 정확하게 만들지 않습니다."라고 관찰했습니다.[150] 샨크는 그들의 "반논리" 접근법을 맥카시, 코왈스키, 파이겐바움, 뉴웰, 사이먼이 사용한 "깔끔한" 패러다임과 반대로 "부끄럽다"[151]고 설명했습니다.

1975년, 중요한 논문에서, 민스키는 그의 많은 동료 연구원들이 같은 종류의 도구, 즉 어떤 것에 대한 우리의 모든 상식적인 가정을 포착하는 틀을 사용하고 있다고 언급했습니다. 예를 들어, 우리가 새라는 개념을 사용한다면, 바로 떠오르는 사실들의 별자리가 있습니다: 우리는 새가 날고 벌레를 먹는다고 가정할지도 모릅니다. 우리는 이러한 사실이 항상 사실이 아니며 이러한 사실을 사용한 추론이 "논리적"이지 않을 것이라는 것을 알고 있지만 이러한 구조화된 가정 세트는 우리가 말하고 생각하는 모든 것의 맥락의 일부입니다. 그는 이 구조물들을 "틀"이라고 불렀습니다. 샨크는 영어로 된 단편 소설에 대한 질문에 성공적으로 답하기 위해 "스크립트"[152]라고 부르는 프레임 버전을 사용했습니다.

비단조 논리학의 등장

논리학자들은 도전에 나섰습니다. 팻 헤이즈는 "대부분의 '프레임'은 1차 논리의 일부에 대한 새로운 구문일 뿐"이라고 주장했습니다. 그러나 그는 "하지만 특히 채무 불이행에 대해 많은 문제를 일으키는 사소한 세부 사항이 한두 개 있다"고 언급했습니다.[153] 한편, 레이 라이터는 "1차 논리와 같은 기존 논리는 기본적으로 추론에 필요한 지식을 적절하게 표현할 수 있는 표현력이 부족하다"고 인정했습니다.[154] 그는 결론이 반대되는 것을 보여줄 수 없다면 (기본적으로) 결론이 유지된다는 닫힌 세계 가정으로 1차 논리를 보강할 것을 제안했습니다. 그는 그러한 가정이 프레임으로 추론할 때 이루어지는 상식적인 가정과 어떻게 일치하는지 보여주었습니다. 그는 또한 프롤로그에서 실패만큼 "절차적 동등성"을 가지고 있음을 보여주었습니다.

라이터에 의해 공식화된 닫힌 세계 가정은 "1차 개념이 아닙니다. (그것은 메타적인 개념입니다.)[154] 그러나 키스 클라크는 유한한 실패로서의 부정이 다른 용어들이 다른 사람들을 나타낸다는 독특한 이름 가정을 포함한 1차 논리의 정의와 함께 암묵적으로 추론으로 이해될 수 있다는 것을 보여주었습니다.[155]

1970년대 후반과 1980년대에 걸쳐 논리 프로그래밍의 실패로서의 부정과 더 일반적으로 디폴트 추론을 위한 다양한 논리와 1차 논리의 확장이 개발되었습니다. 종합적으로 이러한 논리는 비단조 논리로 알려지게 되었습니다.

붐 (1980-1987)

1980년대에 "전문가 시스템"이라고 불리는 AI 프로그램의 한 형태가 전 세계 기업들에 의해 채택되었고 지식은 주류 AI 연구의 초점이 되었습니다. 같은 해 일본 정부는 5세대 컴퓨터 프로젝트로 AI에 적극적으로 자금을 지원했습니다. 1980년대 초의 또 다른 고무적인 사건은 존 홉필드와 데이비드 루멜하트의 작업에서 연결주의의 부활이었습니다. 다시 한 번 AI는 성공을 거두었습니다.[156]

전문가 시스템의 증가

전문가 시스템은 전문가의 지식에서 파생된 논리적 규칙을 사용하여 특정 지식 영역에 대한 질문에 답하거나 문제를 해결하는 프로그램입니다. 가장 초기의 예는 에드워드 파이겐바움과 그의 학생들에 의해 개발되었습니다. 1965년에 시작된 덴드랄은 분광계 판독에서 화합물을 확인했습니다. 1972년 개발된 MYCIN은 감염성 혈액질환을 진단했습니다. 그들은 접근 방식의 실현 가능성을 보여주었습니다.[157]

전문가 시스템은 특정 지식의 작은 영역(상식적인 지식 문제를 피함)으로 자체를 제한하고 단순한 설계로 인해 프로그램을 구축한 후 수정하는 것이 비교적 용이했습니다. 대체적으로, 그 프로그램들은 유용한 것으로 증명되었습니다: 인공지능은 지금까지 성취할 수 없었던 것입니다.[158]

1980년에 XCON이라는 전문가 시스템이 CMU for Digital Equipment Corporation에서 완성되었습니다. 1986년까지 매년 4천만 달러를 절감하는 등 엄청난 성공을 거두었습니다.[159] 전 세계 기업들은 전문가 시스템을 개발하고 배치하기 시작했으며 1985년까지 AI에 10억 달러 이상을 지출했으며 대부분은 사내 AI 부서에 지출했습니다.[160] Symbolics 및 Lisp Machine과 같은 하드웨어 회사와 Intelli Corp 및 Aion과 같은 소프트웨어 회사를 포함하여 업계가 그들을 지원하기 위해 성장했습니다.[161]

지식혁명

전문가 시스템의 힘은 그들이 담고 있는 전문가 지식에서 비롯되었습니다. 그것들은 70년대 내내 자리를 잡아온 AI 연구의 새로운 방향의 일부였습니다. "AI 연구원들은 마지못해 그것이 간결함의 과학적 규범을 위반했기 때문에 지능이 다양한 지식을 다양한 방식으로 대량으로 사용할 수 있는 능력에 기반을 두고 있을 수 있다고 의심하기 시작했습니다."[162]라고 Pamela McCorduck은 말합니다. "[T]1970년대의 위대한 교훈은 지적 행동이 주어진 과제가 놓여있는 영역에 대한 지식, 때로는 매우 상세한 지식을 다루는 것에 매우 의존했다는 것입니다."[163] 지식 기반 시스템과 지식 엔지니어링은 1980년대 AI 연구의 주요 초점이 되었습니다.[164]

또한 1980년대에는 일반인이 알고 있는 일상적인 모든 사실을 포함하는 방대한 데이터베이스를 만들어 상식적인 지식 문제를 직접 공격하려는 최초의 시도인 Cyc가 탄생했습니다. 프로젝트를 시작하고 이끈 더글라스 레나트(Douglas Lenat)는 지름길은 없다고 주장했습니다 - 기계가 인간의 개념의 의미를 아는 유일한 방법은 손으로 한 번에 하나의 개념을 가르치는 것입니다. 이 프로젝트는 수십 년 동안 완료되지 않을 것으로 예상되었습니다.[165]

1989년에는 체스 게임 프로그램인 하이테크와 딥씽크가 체스 고수들을 물리쳤습니다. 둘 다 카네기 멜론 대학에 의해 개발되었습니다. 딥 씽크 개발은 딥 블루를 위한 길을 열었습니다.[166]

금전 반환: 5세대 프로젝트

1981년, 일본 무역 산업성은 5세대 컴퓨터 프로젝트를 위해 8억 5천만 달러를 책정했습니다. 그들의 목표는 프로그램을 작성하고 인간처럼 대화를 진행하고 언어를 번역하고 사진을 해석하고 이성을 가질 수 있는 기계를 만드는 것이었습니다.[167] 그들은 이 프로젝트의 주요 컴퓨터 언어로 프롤로그를 선택했습니다.[168]

다른 나라들은 그들만의 새로운 프로그램으로 대응했습니다. 영국은 3억 5천만 파운드의 Alvey 프로젝트를 시작했습니다. 미국 기업들로 이루어진 컨소시엄은 AI와 정보 기술 분야의 대규모 프로젝트에 자금을 지원하기 위해 마이크로일렉트로닉스와 컴퓨터 기술 회사(또는 "MCC")를 설립했습니다.[169][170] DARPA도 1984년에서 1988년 사이에 전략 컴퓨팅 이니셔티브를 설립하고 AI에 대한 투자를 3배로 늘렸습니다.[171]

노드가 4개인 홉필드 네트

뉴럴 네트워크의 부활

1982년 물리학자 존 홉필드(John Hopfield)는 신경망의 한 형태(현재 "홉필드 네트"라고 함)가 정보를 학습하고 처리할 수 있으며, 어떤 고정된 조건에서도 충분한 시간 후에 수렴한다는 것을 증명할 수 있었습니다. 비선형 네트워크가 일반적으로 혼란스럽게 진화할 것이라고 이전에 생각했기 때문에 획기적인 발전이었습니다.[172]

비슷한 시기에 제프리 힌튼(Geoffrey Hinton)과 데이비드 루멜하트(David Rumelhart)는 세포 린나인마(Seppo Linnainmaa, 1970)가 발표하고 폴 베르보스(Paul Werbos)가 신경망에 적용한 자동 미분의 역방향 모드라고도 하는 신경망 훈련 방법을 대중화했습니다. 이 두 가지 발견은 인공 신경망의 탐험을 되살리는 데 도움이 되었습니다.[170][173]

1986년 루멜하트(Rumelhart)와 심리학자 제임스 맥클렐랜드(James McCleland)가 편집한 두 권의 논문 모음인 병렬 분산 처리(Parallel Distributed Processing) 출판을 시작으로 신경망 연구는 새로운 모멘텀을 얻었고 광학 문자 인식 및 음성 인식에 적용되어 1990년대에 상업적으로 성공할 것입니다.[170][174]

보완 MOS(CMOS) 기술 형태의 MOS(Metal-Oxide-Semiconductor) 초대형 집적(VLSI)의 개발은 1980년대 실용적인 인공신경망 기술의 발전을 가능하게 했습니다.

이 분야에서 획기적인 출판물은 1989년 카버 A의 신경 시스템 아날로그 VLSI 구현입니다. 미드와 모하메드 이스마일.[175]

흉상: 두 번째 AI 겨울 (1987~1993)

1980년대 경제 거품의 고전적인 패턴 속에서 AI에 대한 재계의 관심은 오르내렸습니다. 수십 개의 기업이 실패하면서 기술이 실행 가능하지 않다는 인식이 있었습니다.[176] 그러나 이 분야는 비판에도 불구하고 계속 발전했습니다. 로봇공학 개발자 로드니 브룩스와 한스 모라벡을 포함한 수많은 연구자들은 인공지능에 대한 완전히 새로운 접근법을 주장했습니다.

AI겨울

용어 ""AI 윈터"는 1974년 자금 삭감에서 살아남은 연구원들이 전문가 시스템에 대한 열정이 통제 불능으로 치닫고 실망이 분명히 뒤따를 것이라고 우려하면서 만든 것입니다.[177] 그들의 두려움은 1980년대 말과 1990년대 초에 AI가 일련의 재정적인 좌절을 겪었다는 것에 근거를 두고 있습니다.

날씨 변화의 첫 징후는 1987년 전문 AI 하드웨어 시장이 갑자기 붕괴된 것입니다. Apple과 IBM의 데스크톱 컴퓨터는 꾸준히 속도와 성능을 높여 왔으며 1987년에는 Symbolics와 다른 회사에서 만든 더 비싼 Lisp 기계보다 더 강력해졌습니다. 더 이상 그것들을 살 이유가 없었습니다. 5억 달러에 달하는 산업 전체가 하룻밤 사이에 파괴되었습니다.[178]

결국 XCON과 같은 초기의 성공적인 전문가 시스템은 유지 관리 비용이 너무 많이 든다는 사실이 입증되었습니다. 그들은 업데이트하기 어려웠고, 배울 수 없었고, "약간"(즉, 비정상적인 입력이 주어졌을 때 기괴한 실수를 할 수 있었고, 몇 년 전에 확인된 문제(자격 문제와 같은)의 먹이가 되었습니다. 전문가 시스템은 유용하지만 몇 가지 특수한 상황에서만 유용하다는 것이 입증되었습니다.[179]

1980년대 후반, Strategic Computing Initiative는 AI에 대한 자금을 "깊고 잔인하게" 삭감했습니다. DARPA의 새로운 지도부는 AI가 "다음 물결"이 아니라고 결정하고 즉각적인 결과를 도출할 가능성이 더 높은 프로젝트로 자금을 지원했습니다.[180]

1991년까지 일본의 5세대 프로젝트를 위해 1981년에 작성된 인상적인 목표 목록이 충족되지 못했습니다. 실제로 "캐리어 온 일상 대화"와 같은 일부는 2010년까지 충족되지 않았습니다.[181] 다른 AI 프로젝트와 마찬가지로 기대감은 실제로 가능한 것보다 훨씬 높았습니다.[181][182]

1993년 말까지 300개 이상의 AI 회사가 문을 닫거나 파산하거나 인수되어 AI의 첫 번째 상업적 물결이 사실상 종식되었습니다.[183] 1994년 HP Newquist는 The Brain Makers에서 "인공지능의 즉각적인 미래는 상업적 형태로, 부분적으로 신경망의 지속적인 성공에 달려있는 것 같습니다"라고 말했습니다.[183]

새로운 인공지능과 구체화된 이성

주요 기사: Nouvel AI, 행동 기반 AI, 위치 AI 및 구현된 인지 과학

1980년대 후반, 몇몇 연구자들은 로봇 공학을 기반으로 한 인공 지능에 대한 완전히 새로운 접근 방식을 옹호했습니다.[184] 그들은 진정한 지능을 보여주기 위해서는 기계가 신체를 가져야 한다고 믿었습니다. 즉, 기계는 세상을 지각하고, 움직이고, 생존하고, 대처해야 한다고 말입니다. 그들은 이러한 감각 운동 기술이 상식적인 추론과 같은 더 높은 수준의 기술에 필수적이며 추상적인 추론이 실제로 가장 덜 흥미롭거나 중요한 인간의 기술이라고 주장했습니다 (모라벡의 역설 참조). 그들은 "밑에서부터" 지능을 구축하는 것을 옹호했습니다.[185]

이 접근법은 60년대부터 인기가 없었던 사이버네틱스와 제어 이론의 아이디어를 되살렸습니다. 또 다른 선구자는 1970년대 후반에 이론 신경과학 분야에서 성공적인 배경을 가지고 MIT에 와서 시각을 연구하는 그룹을 이끌었습니다. 그는 모든 상징적인 접근법(맥카시의 논리와 민스키의 틀)을 거부하고, 어떤 상징적인 처리가 일어나기 전에 인공지능이 시각의 물리적인 기계를 아래에서부터 이해할 필요가 있다고 주장했습니다. (마르의 작업은 1980년 백혈병으로 인해 중단될 것입니다.)[186]

1990년 그의 논문 "코끼리는 체스를 두지 않는다"[187]에서 로봇공학 연구원 로드니 브룩스는 물리적 상징 체계 가설을 직접 겨냥하여 "세계는 그 자체로 최고의 모델이기 때문에 상징이 항상 필요한 것은 아닙니다"라고 주장했습니다. 항상 정확하게 최신 상태입니다. 항상 알아야 할 모든 세부 사항이 있습니다. 그 요령은 그것을 적절하게 그리고 종종 충분히 감지하는 것입니다."[188] 1980년대와 1990년대에 많은 인지과학자들도 마음의 상징 처리 모델을 거부하고 체화된 마음 논문이라고 불리는 이론인 추론을 위해 몸이 필수적이라고 주장했습니다.[189]

AI (1993~2011)

이제 반세기가 넘은 AI 분야가 마침내 가장 오래된 목표 중 일부를 달성했습니다. 다소 뒤떨어지기는 했지만 기술 산업 전반에서 성공적으로 사용되기 시작했습니다. 성공의 일부는 컴퓨터 성능을 향상시킨 덕분이었고 일부는 특정한 고립된 문제에 집중하고 최고 수준의 과학적 책임으로 그것들을 추구함으로써 달성되었습니다. 그럼에도 불구하고, 적어도 비즈니스 세계에서 AI의 명성은 깨끗하지 않았습니다.[190] 현장 내부에서는 AI가 1960년대 세계인의 상상력을 사로잡았던 인간 수준의 지능이라는 꿈을 이루지 못한 이유에 대해 거의 공감대가 형성되지 않았습니다. 이 모든 요소들은 함께 AI를 특정 문제나 접근 방식에 초점을 맞춘 경쟁 하위 분야로 분해하는 데 도움이 되었으며, 때로는 "인공 지능"의 퇴색된 혈통을 위장하는 새로운 이름으로 만들기도 했습니다.[191] AI는 그 어느 때보다 신중하고 성공적이었습니다.

이정표와 무어의 법칙

1997년 5월 11일, 딥 블루(Deep Blue)는 세계 체스 챔피언 게리 카스파로프(Garry Kasparov)를 이긴 최초의 컴퓨터 체스 게임 시스템이 되었습니다.[192] 이 슈퍼컴퓨터는 IBM이 제작한 프레임워크의 전문 버전으로, 첫 번째 경기 때보다 초당 두 배의 움직임을 처리할 수 있었고, (딥블루가 패배한) 초당 200,000,000개의 움직임을 처리할 수 있었던 것으로 알려졌습니다.[193]

2005년, 스탠포드 로봇이 들리지 않는 사막의 오솔길을 따라 131마일을 자율적으로 운전함으로써 DARPA 그랜드 챌린지에서 우승했습니다.[194] 2년 후 CMU의 한 팀은 교통 위험과 모든 교통 법규를 준수하면서 Urban 환경에서 55마일을 자율 주행하여 DARPA Urban Challenge에서 우승했습니다.[195] 2011년 2월, 지오파디! 퀴즈 쇼 시범 경기에서, IBM의 질문 답변 시스템인 왓슨이 두 명의 가장 위대한 지오파디! 챔피언 브래드 루터와 켄 제닝스를 현저한 차이로 이겼습니다.[196]

이러한 성공은 혁명적인 새로운 패러다임에 의한 것이 아니라, 대부분 엔지니어링 기술의 지루한 적용과 90년대까지 컴퓨터의 속도와 용량이 엄청나게 증가했기 때문입니다.[197] 실제로 딥 블루의 컴퓨터는 1951년 크리스토퍼 스트래치가 체스를 두는 법을 가르친 페란티 마크 1보다 천만 배나 빨랐습니다.[198] 이 극적인 증가는 무어의 법칙에 의해 측정되며, 이 법칙은 MOS(Metal-Oxide-Semiconductor) 트랜지스터 수가 2년마다 2배씩 증가하기 때문에 컴퓨터의 속도와 메모리 용량이 2년마다 2배씩 증가할 것이라고 예측합니다. "원시 컴퓨터 파워"라는 근본적인 문제가 서서히 극복되고 있었습니다.

지능형 에이전트

"지능형 에이전트"라는 새로운 패러다임은 1990년대에 널리 받아들여졌습니다.[199] 이전의 연구자들이 AI에 대한 모듈식 "분할하고 정복하는" 접근법을 제안했지만,[200] 그 지능형 에이전트는 유대 펄, 앨런 뉴웰, 레슬리 카엘블링과 다른 사람들이 의사 결정 이론과 경제학의 개념을 AI 연구에 도입하기 전까지 현대적인 형태에 도달하지 못했습니다.[201] 합리적인 에이전트에 대한 경제학자의 정의가 컴퓨터 과학의 객체 또는 모듈에 대한 정의와 결합되었을 때 지능형 에이전트 패러다임은 완전했습니다.

지능형 에이전트는 환경을 인식하고 성공 가능성을 극대화하는 행동을 취하는 시스템입니다. 이 정의에 따르면 특정 문제를 해결하는 간단한 프로그램은 "지능형 에이전트"이며, 인간과 기업 등 인간의 조직도 마찬가지입니다. 지능형 에이전트 패러다임은 AI 연구를 "지능형 에이전트에 대한 연구"로 정의합니다. 이것은 AI에 대한 몇 가지 초기 정의를 일반화한 것입니다. 인간의 지능을 연구하는 것을 넘어 모든 종류의 지능을 연구합니다.[202]

이 패러다임은 연구자들에게 고립된 문제를 연구하고 검증 가능하고 유용한 해결책을 찾을 수 있는 라이선스를 주었습니다. 문제를 설명하고 해결책을 서로 공유할 수 있는 공통 언어를 제공했으며, 경제학 및 제어 이론과 같이 추상적 에이전트의 개념을 사용하는 다른 분야와도 공유했습니다. 뉴웰의 SOAR와 같은 완벽한 에이전트 아키텍처를 통해 연구자들이 상호 작용하는 지능형 에이전트로부터 보다 다재다능하고 지능적인 시스템을 구축할 수 있기를 기대했습니다.[201][203]

확률론적 추론과 보다 엄격함

AI 연구진은 과거 어느 때보다 정교한 수학 도구를 개발하고 사용하기 시작했습니다.[204] 인공지능이 해결해야 할 많은 문제들이 이미 수학, 전기공학, 경제학 또는 운영 연구와 같은 분야의 연구자들에 의해 연구되고 있다는 사실이 널리 퍼졌습니다. 공유된 수학 언어는 더 확립되고 성공적인 분야와의 더 높은 수준의 협력과 측정 가능하고 입증 가능한 결과의 성취를 모두 가능하게 했습니다. AI는 더 엄격한 "과학적" 학문이 되었습니다.

유대 펄의 영향력 있는 1988년[205] 책은 AI에 확률과 결정 이론을 도입했습니다. 사용 중인 많은 새로운 도구 중에는 베이지안 네트워크, 숨겨진 마르코프 모델, 정보 이론, 확률적 모델링 및 고전적 최적화가 포함되었습니다. 또한 신경망과 진화 알고리즘과 같은 "계산 지능" 패러다임에 대한 정확한 수학적 설명이 개발되었습니다.[206]

배후 AI

원래 AI 연구진이 개발한 알고리즘은 더 큰 시스템의 일부로 나타나기 시작했습니다. AI는 많은 매우 어려운 문제를[207] 해결했으며 데이터 마이닝, 산업 로봇 공학, 물류,[209] 음성 인식,[210] 은행 소프트웨어,[211] 의료 진단[211] 및 구글의 검색 엔진과 [208]같은 기술 산업 전반에서 유용한 솔루션으로 입증되었습니다.[212]

AI 분야는 1990년대와 2000년대 초반에 이러한 성공에 대해 거의 또는 전혀 인정받지 못했습니다. AI의 가장 위대한 혁신 중 많은 것들이 컴퓨터 과학의 도구 상자에서 단지 또 다른 항목의 지위로 전락했습니다.[213] 닉 보스트롬(Nick Bostrom)은 "일단 어떤 것이 충분히 유용하고 충분히 흔해지기 시작하면 그것은 더 이상 AI라는 꼬리표가 붙지 않기 때문에 많은 최첨단 AI가 일반적인 응용 프로그램으로 걸러졌습니다."라고 설명합니다.[214]

1990년대 AI 분야의 많은 연구자들은 의도적으로 그들의 연구를 정보학, 지식 기반 시스템, 인지 시스템 또는 계산 지능과 같은 다른 이름으로 불렀습니다. 부분적으로는 자신의 분야가 AI와 근본적으로 다르다고 생각했기 때문일 수도 있지만, 새로운 이름도 자금 조달에 도움이 됩니다. 적어도 상업계에서는, "컴퓨터 과학자들과 소프트웨어 기술자들은 들뜬 눈을 가진 몽상가들로 비춰질 것을 두려워하여 인공지능이라는 용어를 피했습니다"라고 뉴욕 타임즈가 2005년에 보도한 바와 같이, AI 윈터의 실패한 약속들은 2000년대에 계속해서 AI 연구를 괴롭혔습니다.[215][216][217][218]

딥러닝, 빅데이터 (2011~2020)

21세기 초 수십 년 동안 대량의 데이터("빅 데이터"로 알려진)에 대한 액세스, 더 저렴하고 빠른 컴퓨터 및 고급 기계 학습 기술은 경제 전반에 걸쳐 많은 문제에 성공적으로 적용되었습니다. 사실, 맥킨지 글로벌 연구소는 그들의 유명한 논문에서 "빅 데이터: "2009년까지 미국 경제의 거의 모든 부문에서 평균 200테라바이트 이상의 데이터가 저장되었습니다." 혁신, 경쟁 및 생산성의 다음 단계입니다.

2016년까지 AI 관련 제품, 하드웨어, 소프트웨어 시장은 80억 달러 이상에 달했고, 뉴욕타임스는 AI에 대한 관심이 '광란'에 달했다고 보도했습니다.[219] 빅데이터의 응용 분야는 생태학[220] 및 경제학의 다양한 응용 분야에 대한 모델 훈련과 같은 다른 분야에도 적용되기 시작했습니다.[221] 딥 러닝(특히 심층 컨볼루션 신경망 및 순환 신경망)의 발전은 이미지 및 비디오 처리, 텍스트 분석 및 음성 인식 분야의 발전과 연구를 주도했습니다.[222]

2023년 11월 제1차 글로벌 AI 안전 정상회의가 블레츨리 공원에서 개최되어 AI의 근·단기적 위험성과 의무적이고 자발적인 규제 프레임워크의 가능성을 논의했습니다.[223] 정상회의 시작과 함께 미국, 중국, 유럽연합 등 28개국이 선언문을 발표했습니다. 인공지능의 도전과 위험을 관리하기 위한 국제 협력을 촉구합니다.[224][225]

딥러닝

주요 기사: 딥러닝

딥 러닝은 많은 처리 계층을 가진 딥 그래프를 사용하여 데이터의 높은 수준의 추상화를 모델링하는 기계 학습의 한 분야입니다.[222] 보편적 근사 정리에 따르면 신경망이 임의의 연속 함수를 근사할 수 있는 데는 심층성이 필요하지 않습니다. 그럼에도 불구하고 심층 네트워크가 피하는 데 도움이 되는 얕은 네트워크에 공통적인 문제(예: 과적합)가 많이 있습니다.[226] 따라서 심층 신경망은 얕은 모델에 비해 훨씬 더 복잡한 모델을 현실적으로 생성할 수 있습니다.

그러나 딥 러닝에는 그 자체로 문제가 있습니다. 순환 신경망의 일반적인 문제는 레이어 사이를 통과한 그래디언트가 점점 줄어들고 0으로 반올림됨에 따라 말 그대로 사라지는 사라지는 그래디언트 문제입니다. 이 문제에 접근하기 위해 개발된 많은 방법들이 있는데, 예를 들어 장단기 메모리 장치가 있습니다.

최첨단 심층 신경망 아키텍처는 때때로 컴퓨터 비전, 특히 MNIST 데이터베이스 및 교통 표지판 인식과 같은 분야에서 인간의 정확도에 필적할 수 있습니다.[227]

스마트 검색 엔진으로 구동되는 언어 처리 엔진은 (IBM Watson과 같은) 일반적인 사소한 질문에 대답할 때 인간을 쉽게 이길 수 있으며, 최근 딥 러닝의 발전은 바둑과 둠과 같은 분야에서 인간과 경쟁하는 놀라운 결과를 낳았습니다 (1인칭 슈팅 게임으로서 논란을 일으켰습니다).[228][229][230][231]

빅 데이터

주요 기사: 빅 데이터

빅 데이터는 일정한 시간 내에 기존 소프트웨어 도구로 캡처, 관리 및 처리할 수 없는 데이터의 집합을 말합니다. 새로운 처리 모델이 필요한 방대한 양의 의사 결정, 통찰력 및 프로세스 최적화 기능입니다. 빅터 마이어 숑버그와 케네스 쿡이 쓴 빅데이터 시대에서 빅데이터는 무작위 분석(표본조사) 대신 모든 데이터를 분석에 활용하는 것을 의미합니다. 빅데이터의 5V 특성(IBM에서 제안): 볼륨, 속도, 버라이어티[232], 가치[233], Veracity[234]

빅데이터 기술의 전략적 의미는 거대한 데이터 정보를 마스터하는 것이 아니라 이러한 의미 있는 데이터를 전문적으로 다루는 것입니다. 즉, 빅데이터를 산업에 비유한다면 데이터의 '공정 능력'을 높이고 '가공'을 통해 데이터의 '부가가치'를 실현하는 것이 이 산업의 수익성 실현의 핵심입니다.

인공지능 시대, 인공지능 (2020년~현재)

주요 기사: AI 붐과 AI 시대

AI 시대는 2017년 트랜스포머 아키텍처와 같은 주요 아키텍처 및 알고리즘의 초기 개발로 시작되어 추론, 인지, 주의 및 창의성의 인간과 유사한 특성을 나타내는 대형 언어 모델의 확장 및 개발로 이어집니다. AI 시대의 시작은 2024와 같은 확장된 대규모 언어 모델의 개발로 2022-2024경에 시작된다고 합니다.

대규모 언어 모델

주요 기사: 대규모 언어 모델

2017년, 트랜스포머 아키텍처는 구글 연구진에 의해 제안되었습니다. 주의 메커니즘을 활용하고 나중에 대규모 언어 모델에 널리 사용되었습니다.[240]

광범위한 다운스트림 작업에 적응할 수 있는 방대한 양의 레이블이 지정되지 않은 데이터로 학습된 대규모 언어 모델인 파운데이션 모델은 2018년부터 개발되기 시작했습니다.

오픈에서 출시한 GPT-3 등의 모델2020년 AI, 2022년 딥마인드가 출시한 가토는 머신러닝의 중요한 성과로 설명돼 왔습니다.

2023년 마이크로소프트 리서치는 다양한 작업으로 GPT-4 대형 언어 모델을 테스트한 결과 "합리적으로 초기(아직 불완전한) 인공 일반 지능(AGI) 시스템으로 볼 수 있다"고 결론을 내렸습니다.[241]

참고 항목

메모들

  1. ^ a b c d e f Copeland, J (Ed.) (2004). The Essential Turing: the ideas that gave birth to the computer age. Oxford: Clarendon Press. ISBN 0-19-825079-7.
  2. ^ Kaplan, Andreas; Haenlein, Michael (2019). "Siri, Siri, in my hand: Who's the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence". Business Horizons. 62: 15–25. doi:10.1016/j.bushor.2018.08.004. S2CID 158433736.
  3. ^ 뉴퀴스트 1994, 페이지 143-156.
  4. ^ 뉴퀴스트 1994, 페이지 144-152.
  5. ^ 아르고나우티카 4의 탈로스 에피소드
  6. ^ 서지오케 1.9.26
  7. ^ Rhodios, Apollonios (2007). The Argonautika : Expanded Edition. University of California Press. p. 355. ISBN 978-0-520-93439-9. OCLC 811491744.
  8. ^ Morford, Mark (2007). Classical mythology. Oxford. p. 184. ISBN 978-0-19-085164-4. OCLC 1102437035.{{cite book}}: CS1 maint: 위치 누락 게시자(링크)
  9. ^ Linden, Stanton J. (2003). The alchemy reader : from Hermes Trismegistus to Isaac Newton. New York: Cambridge University Press. pp. Ch. 18. ISBN 0-521-79234-7. OCLC 51210362.
  10. ^ Kressel, Matthew (1 October 2015). "36 Days of Judaic Myth: Day 24, The Golem of Prague". Matthew Kressel. Retrieved 15 March 2020.
  11. ^ 뉴퀴스트 1994, p.
  12. ^ "GOLEM". www.jewishencyclopedia.com. Retrieved 15 March 2020.
  13. ^ 뉴퀴스트 1994, 페이지 38.
  14. ^ "Sanhedrin 65b". www.sefaria.org. Retrieved 15 March 2020.
  15. ^ O'Connor, Kathleen Malone (1994). "The alchemical creation of life (takwin) and other concepts of Genesis in medieval Islam". Dissertations Available from ProQuest: 1–435.
  16. ^ Goethe, Johann Wolfgang von (1890). Faust; a tragedy. Translated, in the original metres ... by Bayard Taylor. Authorised ed., published by special arrangement with Mrs. Bayard Taylor. With a biographical introd. London Ward, Lock.
  17. ^ 맥코덕 2004, 17-25쪽.
  18. ^ 집사 1863.
  19. ^ 뉴퀴스트 1994, 페이지 65.
  20. ^ Cave, Stephen; Dihal, Kanta (2019). "Hopes and fears for intelligent machines in fiction and reality". Nature Machine Intelligence. 1 (2): 74–78. doi:10.1038/s42256-019-0020-9. ISSN 2522-5839. S2CID 150700981.
  21. ^ 니덤 1986, 페이지 53.
  22. ^ 맥코덕 2004, 페이지 6.
  23. ^ 닉 2005.
  24. ^ McCorduck 2004, p. 17.
  25. ^ 레빗 2000.
  26. ^ 뉴퀴스트 1994, 페이지 30.
  27. ^ McCorduck 2004, p. 8. Crevier 1993, p. 1 및 McCorduck 2004에서 인용된 바와 같이, pp. 6-9는 신성한 조각상에 대해 논의합니다.
  28. ^ 다른 중요한 오토마타는 Haroun al-Rashid(McCorduck 2004, p. 10), Jacques de Vaucanson(Newquist 1994, p. 40), (McCorduck 2004, p. 16), Leonardo Toresy Quevedo(McCorduck 2004, p. 59–62)에 의해 제작되었습니다.
  29. ^ Cave, S.; Dihal, K.; Dillon, S. (2020). AI Narratives: A History of Imaginative Thinking about Intelligent Machines. Oxford University Press. p. 56. ISBN 978-0-19-884666-6. Retrieved 2 May 2023.
  30. ^ Butler, E. M. (Eliza Marian) (1948). The myth of the magus. London: Cambridge University Press. ISBN 0-521-22564-7. OCLC 5063114.
  31. ^ Porterfield, A. (2006). The Protestant Experience in America. American religious experience. Greenwood Press. p. 136. ISBN 978-0-313-32801-5. Retrieved 15 May 2023.
  32. ^ Hollander, Lee M. (1964). Heimskringla; history of the kings of Norway. Austin: Published for the American-Scandinavian Foundation by the University of Texas Press. ISBN 0-292-73061-6. OCLC 638953.
  33. ^ a b c d 베를린스키 2000.
  34. ^ 카레라스 아르토, 토마스 호아킨. 히스토리아 데 라 필로소피아 에스파뇰라. 필로소피아 크리스티아나 데 로스 시글로스 13세 알 XV. 마드리드, 1939, 1권
  35. ^ Bonner, Anthonny, The Art and Logic of Ramon Lull: A User's Guide, Brill, 2007.
  36. ^ 앤서니 보너(ed.), 일루미나투스 박사. Ramon Lull Reader (프린스턴 대학 1985). 비드 "럴의 영향력: 57–71년의 자장가의 역사
  37. ^ 17세기 메커니즘과 AI:
  38. ^ 홉스와 AI:
  39. ^ Leibniz and AI:
  40. ^ 람다 미적분학은 리스프(AI에서 사용되는 가장 중요한 프로그래밍 언어)에 영감을 주었기 때문에 AI에게 특히 중요했습니다(Crevier 1993, pp. 190 196, 61).
  41. ^ 원본 사진은 기사에서 확인할 수 있습니다.
  42. ^ 뉴퀴스트 1994, 페이지 56.
  43. ^ 튜링 기계: 맥코덕 2004, pp. 63-64, 크레비에 1993, pp. 22-24, Russell & Norvig 2003, p. 8 and see Turing 1936-37
  44. ^ 1901년 쿠투라트.
  45. ^ Russell & Norvig 2021, p. 15.
  46. ^ Russell & Norvig (2021, 페이지 15); Newquist (1994, 페이지 67)
  47. ^ Randall(1982, pp. 4-5); Byrne(2012); 멀비힐 (2012)
  48. ^ Randall (1982, pp. 6, 11-13); Quevedo (1914); Quevedo (1915)
  49. ^ 랜들 1982, 13쪽, 16-17쪽.
  50. ^ Russell & Norvig에서 인용(2021, 페이지 15)
  51. ^ 메나브레아 & 러브레이스 1843.
  52. ^ a b Russell & Norvig 2021, p. 14.
  53. ^ 맥코덕 2004, 페이지 76-80.
  54. ^ Kaplan, Andreas. "Artificial Intelligence, Business and Civilization - Our Fate Made in Machines". Retrieved 11 March 2022.
  55. ^ McCorduck 2004, pp. 51–57, 80–107, Crevier 1993, pp. 27–32, Russell & Norvig 2003, pp. 15, 940, Moravec 1988, p. 3, Cordeschi 2002, Chap. 5.
  56. ^ McCorduck 2004, p. 98, Crevier 1993, pp. 27-28, Russell & Norvig 2003, p. 15, 940, Moravec 1988, p. 3, Cordeschi 2002, Chap. 5.
  57. ^ McCulloch, Warren S.; Pitts, Walter (1 December 1943). "A logical calculus of the ideas immanent in nervous activity". Bulletin of Mathematical Biophysics. 5 (4): 115–133. doi:10.1007/BF02478259. ISSN 1522-9602.
  58. ^ Piccinini, Gualtiero (1 August 2004). "The First Computational Theory of Mind and Brain: A Close Look at Mcculloch and Pitts's "Logical Calculus of Ideas Immanent in Nervous Activity"". Synthese. 141 (2): 175–215. doi:10.1023/B:SYNT.0000043018.52445.3e. ISSN 1573-0964. S2CID 10442035.
  59. ^ McCorduck 2004, pp. 51–57, 88–94, Crevier 1993, p. 30, Russell & Norvig 2003, pp. 15-16, Cordeschi 2002, Chap. 5 및 McCullough & Pitts 1943 참조
  60. ^ McCorduck 2004, p. 102, Crevier 1993, pp. 34-35 and Russell & Norvig 2003, p. 17
  61. ^ McCorduck 2004, pp. 70-72, Crevier 1993, pp. 22-25, Russell & Norvig 2003, pp. 2-3 및 948, Haugland 1985, pp. 6-9, Cordeschi 2002, pp. 170-176. 튜링 1950 참조
  62. ^ 뉴퀴스트 1994, 페이지 92-98.
  63. ^ Russell & Norvig(2003, p. 948)는 논문이 등장한 이후 몇 년 동안 인공지능에 대한 주요 반대 의견에 튜링이 답했다고 주장합니다.
  64. ^ AlanTuring.net 에서 "컴퓨터의 간략한 역사"를 참조하십시오.
  65. ^ 셰퍼, 조나단. 한 걸음 앞서가기: 체커스에서 인간 우월성에 도전하기, 1997, 2009, 스프링어, ISBN 978-0-387-76575-4 6장.
  66. ^ McCorduck 2004, pp. 137–170, Crevier 1993, pp. 44–47
  67. ^ McCorduck 2004, pp. 123-125, Crevier 1993, pp. 44-46 및 Russell & Norvig 2003, p. 17
  68. ^ Crevier 1993, p. 46 및 Russell & Norvig 2003, p. 17에서 인용됨
  69. ^ Russell & Norvig 2003, 페이지 947, 952
  70. ^ Chatterjee, Sheshadri; N.S., Sreenivasulu; Hussain, Zahid (1 January 2021). "Evolution of artificial intelligence and its impact on human rights: from sociolegal perspective". International Journal of Law and Management. 64 (2): 184–205. doi:10.1108/IJLMA-06-2021-0156. ISSN 1754-243X. S2CID 238670666.
  71. ^ McCorduck 2004, pp. 111–136, Crevier 1993, pp. 49–51 및 Russell & Norvig 2003, p. 17 Newquist 1994, pp. 91–112
  72. ^ McCarthy et al. 1955 참조. 또한 크레비에 1993, p. 48 참조, 여기서 크레비에는 "[이 제안은] 나중에 '물리적 기호 체계 가설'로 알려지게 되었습니다"라고 말합니다. 물리적 기호 체계 가설은 뉴웰과 사이먼이 GPS에 관한 논문에서 기술하고 이름을 붙였습니다(뉴웰과 사이먼 1963). 기호를 조작하는 에이전트로서 "기계"에 대한 보다 구체적인 정의를 포함합니다. 인공 지능의 철학을 보세요.
  73. ^ McCorduck(2004, pp. 129-130)은 다트머스 학회 동문들이 어떻게 AI 연구의 첫 20년을 지배했는지에 대해 논의하며, 그들을 "보이지 않는 대학"이라고 부릅니다.
  74. ^ 맥카시는 1979년 파멜라 맥코덕(Pamela McCorduck)에게 "나는 맹세하지 않을 것이고 나는 그것을 이전에 본 적이 없습니다"라고 말했습니다(McCorduck 2004, p. 114) 그러나, 맥카시는 또한 CNET 인터뷰에서 "나는 그 용어를 생각해 냈습니다"라고 분명히 말했습니다. (2006년 스킬링)
  75. ^ McCarthy, John (1988). "Review of The Question of Artificial Intelligence". Annals of the History of Computing. 10 (3): 224–229., p. 73 "[O]ne"McCarthy, John (1988). "Review of The Question of Artificial Intelligence". Annals of the History of Computing. 10 (3): 224–229.에서 "인공지능"이라는 용어를 발명한 이유 중 하나는 "사이버네틱스"와의 연관성에서 벗어나기 위함이었습니다. 아날로그 피드백에 집중하는 것은 잘못된 것으로 보였고, 저는 (로버트가 아닌) 노버트 위너를 구루로 받아들이거나 그와 논쟁을 벌여야 하는 것을 피하고 싶었습니다."
  76. ^ Crevier(1993, pp. 49)는 "이 학회는 일반적으로 새로운 과학의 공식적인 탄생일로 인식됩니다."라고 썼습니다.
  77. ^ 러셀(Russell)과 노빅(Norvig)은 "컴퓨터가 원격으로 영리한 일을 할 때마다 놀라웠습니다."라고 썼습니다. Russell & Norvig 2003, p. 18
  78. ^ 크레비에 1993, pp. 52-107, Moravec 1988, p. 9 and Russell & Norvig 2003, pp. 18-21
  79. ^ McCorduck 2004, p. 218, Newquist 1994, pp. 91-112, Crevier 1993, pp. 108-109 및 Russell & Norvig 2003, p. 21
  80. ^ 크레비에 1993, pp. 52–107, Moravec 1988, p. 9
  81. ^ 수단-목적 분석, 검색으로서의 추론: McCorduck 2004, 페이지 247-248. Russell & Norvig 2003, 페이지 59-61
  82. ^ 휴리스틱: McCorduck 2004, pp. 246, Russell & Norvig 2003, pp. 21-22
  83. ^ GPS: McCorduck 2004, pp. 245-250, Crevier 1993, p. GPS?, Russell & Norvig 2003, p. GPS?
  84. ^ 크리비어 1993, 51-58쪽, 65-66쪽, 러셀 & 노빅 2003, 18-19쪽.
  85. ^ McCorduck 2004, pp. 268–271, Crevier 1993, pp. 95–96, Newquist 1994, pp. 148–156, Moravec 1988, pp. 14-15
  86. ^ 로젠블랫, 프랭크 신경역학의 원리: 퍼셉트론과 뇌 메커니즘 이론. 55권 워싱턴 DC: 스파르탄 책, 1962.
  87. ^ Widrow, B.; Lehr, M.A. (September 1990). "30 years of adaptive neural networks: perceptron, Madaline, and backpropagation". Proceedings of the IEEE. 78 (9): 1415–1442. doi:10.1109/5.58323. S2CID 195704643.
  88. ^ 로젠, 찰스 A., 닐스 J. 닐슨, 밀턴 B. 아담스. "지능형 오토마타를 정찰-1단계에 응용한 연구개발 프로그램." 1965년 1월 8일, 연구 SRI No. ESU 65-1 제안.
  89. ^ Nilsson, Nils J. SRI 인공지능 센터: 간략한 역사. 인공지능 센터, SRI International, 1984.
  90. ^ Hart, Peter E.; Nilsson, Nils J.; Perrault, Ray; Mitchell, Tom; Kulikowski, Casimir A.; Leake, David B. (15 March 2003). "In Memoriam: Charles Rosen, Norman Nielsen, and Saul Amarel". AI Magazine. 24 (1): 6. doi:10.1609/aimag.v24i1.1683. ISSN 2371-9621.
  91. ^ Nilsson, Nils J. (2009). "Section 4.2: Neural Networks". The Quest for Artificial Intelligence. Cambridge: Cambridge University Press. doi:10.1017/cbo9780511819346. ISBN 978-0-521-11639-8.
  92. ^ a b Nielson, Donald L. (1 January 2005). "Chapter 4: The Life and Times of a Successful SRI Laboratory: Artificial Intelligence and Robotics" (PDF). A HERITAGE OF INNOVATION SRI's First Half Century (1st ed.). SRI International. ISBN 978-0-9745208-0-3.
  93. ^ a b c d 올라자란 로드리게스, 호세 미겔. 신경망 연구의 역사적 사회학. 박사학위 논문. 1991년 에든버러 대학. 특히 2장과 3장을 참조하십시오.
  94. ^ McCorduck 2004, p. 286, Crevier 1993, pp. 76–79, Russell & Norvig 2003, p. 19
  95. ^ 크레비에 1993, 페이지 79-83
  96. ^ 크레비에 1993, 페이지 164-172
  97. ^ McCorduck 2004, pp. 291–296, Crevier 1993, pp. 134–139
  98. ^ McCorduck 2004, pp. 299–305, Crevier 1993, pp. 83–102, Russell & Norvig 2003, p. 19 및 Copeland 2000
  99. ^ McCorduck 2004, pp. 300–305, Crevier 1993, pp. 84–102, Russell & Norvig 2003, p. 19
  100. ^ "Humanoid History -WABOT-".
  101. ^ Zeghloul, Saïd; Laribi, Med Amine; Gazeau, Jean-Pierre (21 September 2015). Robotics and Mechatronics: Proceedings of the 4th IFToMM International Symposium on Robotics and Mechatronics. Springer. ISBN 9783319223681 – via Google Books.
  102. ^ "Historical Android Projects". androidworld.com.
  103. ^ 로봇: 공상과학에서 기술혁명으로 130페이지
  104. ^ Duffy, Vincent G. (19 April 2016). Handbook of Digital Human Modeling: Research for Applied Ergonomics and Human Factors Engineering. CRC Press. ISBN 9781420063523 – via Google Books.
  105. ^ 사이먼 & 뉴웰 1958, pp. 7-8 크레비어 1993, pp. 108. Russell & Norvig 2003 페이지 21 참조
  106. ^ 사이먼 1965, 96쪽 크레비어 1993, 109쪽 인용
  107. ^ 민스키 1967, p. 2 인용 크레비에 1993, p. 109
  108. ^ 민스키는 그가 잘못 인용되었다고 강하게 믿고 있습니다. McCorduck 2004, pp. 272-274, Crevier 1993, p. 96 및 Darrach 1970 참조.
  109. ^ 크레비에 1993, 페이지 64-65
  110. ^ 크레비에 1993, p. 94
  111. ^ 하우 1994
  112. ^ McCorduck 2004, p. 131, Crevier 1993, p. 51. McCorduck은 또한 자금 지원이 1956년 다트머스 워크숍의 동문들의 지시로 대부분 이루어졌다고 언급합니다.
  113. ^ 크레비에 1993, 페이지 65
  114. ^ 크레비에 1993, 68-71쪽 그리고 터클 1984
  115. ^ Crevier 1993, pp. 100-144 및 Russell & Norvig 2003, pp. 21-22
  116. ^ McCorduck 2004, pp. 104–107, Crevier 1993, pp. 102–105, Russell & Norvig 2003, p. 22
  117. ^ 크리비어 1993, 페이지 163-196
  118. ^ Haigh, Thomas (December 2023). "There Was No 'First AI Winter'". Communications of the ACM. 66 (12): 35–39. doi:10.1145/3625833. ISSN 0001-0782.
  119. ^ 크레비에 1993, 페이지 146
  120. ^ Russell & Norvig 2003, pp. 20-21 Newquist 1994, pp. 336
  121. ^ Crevier 1993, pp. 146–148, Buchanan 2005, p. 56 참조: "초기 프로그램은 메모리의 크기와 속도에 의해 범위가 반드시 제한되었습니다."
  122. ^ 모라벡 1976. 매카시는 Moravec의 의견에 항상 동의하지 않았고, SAIL에서 함께 보낸 초창기 시절로 거슬러 올라갑니다. 그는 CNET 인터뷰에서 "50년 전에는 기계 능력이 너무 작았지만 30년 전에는 기계 능력이 문제가 아니었다"고 말했습니다. (2006년 스킬링)
  123. ^ Hans Moravec, ROBOT: Mere Machine to Transcendent Mind
  124. ^ Russell & Norvig 2003, pp. 9, 21-22 and Lighthill 1973
  125. ^ McCorduck 2004, pp. 300 & 421; Crevier 1993, pp. 113-114; Moravec 1988, p. 13; Lenat & Guha 1989, (소개); Russell & Norvig 2003, p. 21
  126. ^ McCorduck 2004, p. 456, Moravec 1988, pp. 15-16
  127. ^ McCarthy & Hayes 1969, Crevier 1993, pp. 117-119
  128. ^ McCorduck 2004, pp. 280–281, Crevier 1993, p. 110, Russell & Norvig 2003, p. 21 및 NRC 1999 "음성 인식 성공"에 의거.
  129. ^ 크리비어 1993, 117쪽, 러셀 & 노빅 2003, 22쪽, 하우 1994 그리고 라이트힐 1973도 보세요.
  130. ^ Russell & Norvig 2003, p. 22, Lighthill 1973, John McCarthy는 Righthill 보고서 검토에서 "조합 폭발 문제는 처음부터 AI에서 인식되었다"고 답변했습니다.
  131. ^ Crevier 1993, pp. 115-116(이 계정의 기반). 다른 견해로는 McCorduck 2004, pp. 306–313 및 "Success in Speech Recognition"에 따른 NRC 1999가 있습니다.
  132. ^ 크리비어 1993, 페이지 115. Moravec은 "DARPA에 대한 그들의 초기 약속은 너무 낙관적이었습니다. 물론 그들이 배달한 것은 그에 상당히 못 미쳤습니다. 그러나 그들은 다음 제안 약속에서 첫 번째 약속보다 더 적게 할 수 없다고 느꼈기 때문에 더 많은 것을 약속했습니다."
  133. ^ "응용 연구로 전환하면 투자가 증가"하는 NRC 1999. 자율전차는 실패했지만, 전투 관리 시스템("DART"라고 함)은 1차 걸프 전쟁에서 수십억 달러를 절약하고 투자금을 상환하며 DARPA의 실용적인 정책을 정당화하는 등 엄청난 성공을 거둔 것으로 입증되었습니다.
  134. ^ Lucas and Penrose의 AI에 대한 비평: Crevier 1993, p. 22, Russell & Norvig 2003, pp. 949–950, Hofstadter 1999, pp. 471–477 그리고 Lucas 1961 참조
  135. ^ "노하우"는 드레퓌스의 용어입니다. (Dreyfus는 "노하우"와 "노하우"를 구분하는데, 이는 하이데거가 바로 사용할 수 있는 것과 현재 사용할 수 있는 것을 구분한 현대판입니다.) (Dreyfus & Dreyfus 1986)
  136. ^ 드레퓌스의 인공지능에 대한 비평: McCorduck 2004, pp. 211–239, Crevier 1993, pp. 120–132, Russell & Norvig 2003, pp. 950–952 and see Dreyfus 1965, Dreyfus 1972, Dreyfus & Dreyfus 1986
  137. ^ Searle의 AI에 대한 비평: McCorduck 2004, pp. 443–445, Crevier 1993, pp. 269–271, Russell & Norvig 2003, pp. 958–960 그리고 Searle 1980 참조
  138. ^ Crevier 1993, p. 143
  139. ^ Crevier 1993, p. 122
  140. ^ 뉴퀴스트 1994, 276페이지
  141. ^ "저는 드레퓌스와 함께 점심을 먹는 모습이 AI 커뮤니티의 유일한 회원이 되었습니다. 그리고 저는 그들의 것이 인간을 대하는 방법이 아니라는 것을 고의로 분명히 했습니다." 조셉 바이젠바움, 크레비에 1993, p. 123 인용.
  142. ^ 콜비, 와트 & 길버트 1966, 페이지 148. Weizenbaum은 Weizenbaum 1976, pp. 5, 6에서 이 텍스트를 참조했습니다. 콜비와 그의 동료들은 또한 "명시적인 기호 처리 용어로 이해 가능한 편집성 프로세스를 만들기 위해" 채터봇과 같은 "편집성 프로세스의 컴퓨터 시뮬레이션(PARRY)"을 나중에 개발했습니다(콜비 1974, p. 6).
  143. ^ Weizenbaum의 AI에 대한 비평: McCorduck 2004, pp. 356–373, Crevier 1993, pp. 132–144, Russell & Norvig 2003, p. 961 그리고 Weizenbaum 1976 참조
  144. ^ McCorduck 2004, p. 51, Russell & Norvig 2003, p. 19, pp. 23
  145. ^ McCorduck 2004, pp. 51, Crevier 1993, pp. 190-192
  146. ^ 크레비에 1993, 페이지 193-196
  147. ^ 크레비에 1993, 페이지 145–149, 258–63
  148. ^ Wasson & Shapiro(1966)는 사람들이 완전히 추상적인 문제에 대해 잘 하지 못한다는 것을 보여주었지만, 직관적인 사회 지능을 사용할 수 있도록 문제를 재작성하면 성능이 극적으로 향상됩니다. (Wasson 선택 과제 참조) Kahneman, Slovic & Tversky (1982)는 사람들이 불확실한 추론을 포함하는 기본 문제에 대해 형편없다는 것을 보여주었습니다. (몇 가지 예는 인지 편향 목록 참조). 엘레노어 로쉬의 작품은 1987년 라코프에 묘사되어 있습니다.
  149. ^ 맥캐시의 입장을 보여주는 초기 예는 사이언스지에서 "이것은 AI이므로 심리적으로 실제인지는 신경 쓰지 않는다"(Kolata 1982)고 말했고, 최근 AI@50 컨퍼런스에서 "인공지능은 정의상 인간의 지능을 시뮬레이션하는 것이 아니다"(Maker 2006)고 말한 자신의 입장을 반복했습니다.
  150. ^ 크리비어 1993, 페이지 175
  151. ^ 깔끔한 vs. 지저분한: McCorduck 2004, pp. 421-424 (1984년 토론의 상태를 파악하는 사람). 크레비에 1993, pp. 168 (Schank의 원래 용어 사용을 문서화한 사람). 갈등의 또 다른 측면은 "절차적/선언적 구분"이라고 불렸지만 이후 AI 연구에서 영향력이 있음이 입증되지 않았습니다.
  152. ^ McCorduck 2004, pp. 305–306, Crevier 1993, pp. 170–173, 246 및 Russell & Norvig 2003, p. 24. 민스키의 액자 종이: 민스키 1974.
  153. ^ Hayes, P.J. (1981). "The logic of frames". In Kaufmann, Morgan (ed.). Readings in artificial intelligence. pp. 451–458.
  154. ^ a b Reiter, R. (1978). "On reasoning by default". American Journal of Computational Linguistics: 29–37.
  155. ^ Clark, K.L. (1977). "Negation as Failure". Logic and Data Bases. Boston, MA: Springer US. pp. 293–322. doi:10.1007/978-1-4684-3384-5_11. ISBN 978-1-4684-3386-9.
  156. ^ 뉴퀴스트 1994, 189-192페이지
  157. ^ McCorduck 2004, pp. 327–335 (Dendral), Crevier 1993, pp. 148–159, Newquist 1994, p. 271, Russell & Norvig 2003, pp. 22-23
  158. ^ Crevier 1993, pp. 158-159 and Russell & Norvig 2003, pp. 23-24
  159. ^ 크레비에 1993, p. 198
  160. ^ 뉴퀴스트 1994, 페이지 259
  161. ^ McCorduck 2004, pp. 434–435, Crevier 1993, pp. 161–162, 197–203, Newquist 1994, pp. 275 및 Russell & Norvig 2003, p. 24
  162. ^ 맥코덕 2004, 페이지 299
  163. ^ McCorduck 2004, 페이지 421
  164. ^ 지식 혁명: McCorduck 2004, pp. 266–276, 298–300, 314, 421, Newquist 1994, pp. 255–267, Russell & Norvig 2003, pp. 22-23
  165. ^ Cyc: McCorduck 2004, pp. 489, Crevier 1993, pp. 239–243, Newquist 1994, pp. 431–455, Russell & Norvig 2003, pp. 363-365 및 Lenat & Guha 1989
  166. ^ "Chess: Checkmate" (PDF). Archived from the original (PDF) on 8 October 2007. Retrieved 1 September 2007.
  167. ^ McCorduck 2004, pp. 436–441, Newquist 1994, pp. 231–240, Crevier 1993, pp. 211, Russell & Norvig 2003, p. 24 및 Feigenbaum & McCorduck 1983 참조
  168. ^ 크레비에 1993, 195페이지
  169. ^ 크리비어 1993, 페이지 240.
  170. ^ a b c Russell & Norvig 2003, p. 25
  171. ^ McCorduck 2004, 페이지 426–432, NRC 1999 "응용 연구로 전환 투자 증가"
  172. ^ Sejnowski, Terrence J. (23 October 2018). The Deep Learning Revolution (1st ed.). Cambridge, Massachusetts London, England: The MIT Press. pp. 93–94. ISBN 978-0-262-03803-4.
  173. ^ 크리비어 1993, 페이지 214-215.
  174. ^ 크리비어 1993, 215-216쪽.
  175. ^ Mead, Carver A.; Ismail, Mohammed (8 May 1989). Analog VLSI Implementation of Neural Systems (PDF). The Kluwer International Series in Engineering and Computer Science. Vol. 80. Norwell, MA: Kluwer Academic Publishers. doi:10.1007/978-1-4613-1639-8. ISBN 978-1-4613-1639-8.
  176. ^ 뉴퀴스트 1994, pp. 501
  177. ^ 크리비어 1993, 페이지 203. AI 윈터는 인공지능 발전 협회를 위한 주제 세미나의 제목으로 처음 사용되었습니다.
  178. ^ Newquist 1994, pp. 359–379, McCorduck 2004, p. 435, Crevier 1993, pp. 209–210
  179. ^ McCorduck 2004, pp. 435(그들의 궁극적인 실패에 대한 제도적 이유를 인용함), Newquist 1994, pp. 258-283(기업 내 제한된 배치를 인용함), Crevier 1993, pp. 204-208(진실 유지, 즉 학습 및 업데이트의 어려움을 인용함), Lenat & Guha 1989, 소개(부드러움과 과도한 자격요건을 감당할 수 없음을 강조하는 사람)
  180. ^ McCorduck 2004, 페이지 430-431
  181. ^ a b McCorduck 2004, p. 441, Crevier 1993, p. 212. 맥코덕은 "2년 반이 지난 지금, 우리는 일본인들이 그러한 야심찬 목표들을 모두 달성하지 못했다는 것을 알 수 있습니다"라고 썼습니다.
  182. ^ 뉴퀴스트 1994, 476페이지
  183. ^ a b 뉴퀴스트 1994, 페이지 440
  184. ^ McCorduck 2004, pp. 454–462
  185. ^ 모라벡(1988, p. 20)은 다음과 같이 썼습니다. "저는 인공지능에 대한 이 상향식 경로가 언젠가는 전통적인 하향식 경로를 반 이상 충족시킬 것이라고 확신하며, 추론 프로그램에서 좌절감을 느낄 정도로 어려웠던 현실 세계의 역량과 상식적인 지식을 제공할 준비가 되어 있습니다. 완전히 지능적인 기계는 은유적인 금빛 스파이크가 두 노력을 일치시킬 때 나타날 것입니다."
  186. ^ 크리비어 1993, 183-190쪽.
  187. ^ Brooks, Robert A. (1990). "Elephants Don't Play Chess" (PDF). Robotics and Autonomous Systems. 6 (1–2): 3–15. doi:10.1016/S0921-8890(05)80025-9.
  188. ^ 브룩스 1990, 페이지 3
  189. ^ 예를 들어, 1999년 라코프 & 존슨을 보십시오.
  190. ^ 뉴퀴스트 1994, 페이지 511
  191. ^ McCorduck(2004, p. 424)은 AI의 원래 목표의 단편화와 포기에 대해 논의합니다.
  192. ^ 맥코덕 2004, 페이지 480-483
  193. ^ "Deep Blue". IBM Research. Retrieved 10 September 2010.
  194. ^ "DARPA Grand Challenge – home page". Archived from the original on 31 October 2007.
  195. ^ "Welcome". Archived from the original on 5 March 2014. Retrieved 25 October 2011.
  196. ^ Markoff, John (16 February 2011). "On 'Jeopardy!' Watson Win Is All but Trivial". The New York Times.
  197. ^ 커즈와일 2005, p. 274는 컴퓨터 체스의 개선이 "통념에 따르면, 컴퓨터 하드웨어의 단순한 무력 확장에 의해서만 지배된다"고 쓰고 있습니다.
  198. ^ 페란티 마크 1의 주기 시간은 1.2 밀리초로 거의 틀림없이 약 833 플롭에 해당합니다. 딥 블루는 11.38기가플롭스(Deep Blue의 체스용 특수 목적 하드웨어도 고려하지 않았습니다. 대략적으로 이것들은 10배7 차이가 납니다.
  199. ^ McCorduck 2004, pp. 471–478, Russell & Norvig 2003, p. 55, 여기서 그들은 "현재 현장에서 전체 에이전트 관점이 널리 받아들여지고 있습니다."라고 말합니다. 지능형 에이전트 패러다임은 Russell & Norvig 2003, pp. 32–58, 968–972, Pool, Mackworth & Goebel 1998, pp. 7–21, Luger & Stubblefield 2004, pp. 235–240과 같은 주요 AI 교과서에서 논의됩니다.
  200. ^ Carl Hewitt의 Actor 모델은 지능형 에이전트의 현대적 정의를 예상했습니다. (Hewitt, Bishop & Steiger 1973) 존 도일(Doyle 1983)과 마빈 민스키(Marvin Minsky 1986)의 유명한 고전 '마음의 사회'(The Society of Mind)는 모두 "대리인"이라는 단어를 사용했습니다. 다른 "모듈형" 제안에는 로드니 브룩의 가정 아키텍처, 객체 지향 프로그래밍 등이 포함되었습니다.
  201. ^ a b Russell & Norvig 2003, 페이지 27, 55
  202. ^ 21세기에 가장 널리 받아들여지고 있는 교과서들은 이렇게 인공 지능을 정의하고 있습니다. Russell & Norvig 2003, p. 32 and Pool, Mackworth & Goebel 1998, p. 1 참조
  203. ^ McCorduck 2004, 페이지 478
  204. ^ McCorduck 2004, pp. 486–487, Russell & Norvig 2003, pp. 25-26
  205. ^ 펄 1988
  206. ^ Russell & Norvig 2003, 페이지 25-26
  207. ^ 인공지능 § 컴퓨터 과학의 응용을 참조하십시오.
  208. ^ "90년대 인공지능"에 따른 NRC 1999, 그리고 커즈와일 2005, 페이지 264.
  209. ^ Russell & Norvig 2003, 페이지 28
  210. ^ AI 기반 음성 인식의 새로운 기술에 대해서는 The Economist (2007)를 참조하십시오.
  211. ^ a b "AI에서 영감을 얻은 시스템은 이미 인터넷 검색 엔진, 거래 처리를 위한 은행 소프트웨어 및 의료 진단과 같은 많은 일상적인 기술에 필수적이었습니다." 닉 보스트롬, 2006년 CNN 인용
  212. ^ 올슨(2004),올슨 (2006)
  213. ^ McCorduck 2004, p. 423, Kurzweil 2005, p. 265, Hofstadter 1999, p. 601 Newquist 1994, p. 445
  214. ^ CNN 2006
  215. ^ 마크오프 2005
  216. ^ 이코노미스트 2007
  217. ^ 타스카렐라 2006
  218. ^ 뉴퀴스트 1994, 페이지 532
  219. ^ Steve Lohr (17 October 2016), "IBM Is Counting on Its Bet on Watson, and Paying Big Money for It", New York Times
  220. ^ Hampton, Stephanie E; Strasser, Carly A; Tewksbury, Joshua J; Gram, Wendy K; Budden, Amber E; Batcheller, Archer L; Duke, Clifford S; Porter, John H (1 April 2013). "Big data and the future of ecology". Frontiers in Ecology and the Environment. 11 (3): 156–162. Bibcode:2013FrEE...11..156H. doi:10.1890/120103. ISSN 1540-9309.
  221. ^ "How Big Data is Changing Economies Becker Friedman Institute". bfi.uchicago.edu. Archived from the original on 18 June 2018. Retrieved 9 June 2017.
  222. ^ a b LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). "Deep learning". Nature. 521 (7553): 436–444. Bibcode:2015Natur.521..436L. doi:10.1038/nature14539. PMID 26017442. S2CID 3074096.
  223. ^ Milmo, Dan (3 November 2023). "Hope or Horror? The great AI debate dividing its pioneers". The Guardian Weekly. pp. 10–12.
  224. ^ "The Bletchley Declaration by Countries Attending the AI Safety Summit, 1-2 November 2023". GOV.UK. 1 November 2023. Archived from the original on 1 November 2023. Retrieved 2 November 2023.
  225. ^ "Countries agree to safe and responsible development of frontier AI in landmark Bletchley Declaration". GOV.UK (Press release). Archived from the original on 1 November 2023. Retrieved 1 November 2023.
  226. ^ Baral, Chitta; Fuentes, Olac; Kreinovich, Vladik (June 2015). "Why Deep Neural Networks: A Possible Theoretical Explanation". Departmental Technical Reports (Cs). Retrieved 9 June 2017.
  227. ^ Ciregan, D.; Meier, U.; Schmidhuber, J. (June 2012). "Multi-column deep neural networks for image classification". 2012 IEEE Conference on Computer Vision and Pattern Recognition. pp. 3642–3649. arXiv:1202.2745. Bibcode:2012arXiv1202.2745C. CiteSeerX 10.1.1.300.3283. doi:10.1109/cvpr.2012.6248110. ISBN 978-1-4673-1228-8. S2CID 2161592.
  228. ^ Markoff, John (16 February 2011). "On 'Jeopardy!' Watson Win Is All but Trivial". The New York Times. ISSN 0362-4331. Retrieved 10 June 2017.
  229. ^ "AlphaGo: Mastering the ancient game of Go with Machine Learning". Research Blog. Retrieved 10 June 2017.
  230. ^ "Innovations of AlphaGo DeepMind". DeepMind. Retrieved 10 June 2017.
  231. ^ University, Carnegie Mellon. "Computer Out-Plays Humans in "Doom"-CMU News - Carnegie Mellon University". www.cmu.edu. Retrieved 10 June 2017.
  232. ^ Laney, Doug (2001). "3D data management: Controlling data volume, velocity and variety". META Group Research Note. 6 (70).
  233. ^ Marr, Bernard (6 March 2014). "Big Data: The 5 Vs Everyone Must Know".
  234. ^ Goes, Paulo B. (2014). "Design science research in top information systems journals". MIS Quarterly: Management Information Systems. 38 (1).
  235. ^ Marr, Bernard. "Beyond The Hype: What You Really Need To Know About AI In 2023". Forbes. Retrieved 27 January 2024.
  236. ^ "The Era of AI: 2023's Landmark Year". CMSWire.com. Retrieved 28 January 2024.
  237. ^ "How the era of artificial intelligence will transform society?". PocketConfidant AI. 15 June 2018. Retrieved 28 January 2024.
  238. ^ "This year signaled the start of a new era". www.linkedin.com. Retrieved 28 January 2024.
  239. ^ Lee, Adrienne (23 January 2024). "UT Designates 2024 'The Year of AI'". UT News. Retrieved 28 January 2024.
  240. ^ Murgia, Madhumita (23 July 2023). "Transformers: the Google scientists who pioneered an AI revolution". www.ft.com. Retrieved 10 December 2023.
  241. ^ Bubeck, Sébastien; Chandrasekaran, Varun; Eldan, Ronen; Gehrke, Johannes; Horvitz, Eric; Kamar, Ece; Lee, Peter; Lee, Yin Tat; Li, Yuanzhi; Lundberg, Scott; Nori, Harsha; Palangi, Hamid; Ribeiro, Marco Tulio; Zhang, Yi (22 March 2023). "Sparks of Artificial General Intelligence: Early experiments with GPT-4". arXiv:2303.12712 [cs.CL].

참고문헌