Способ мозга решать проблемы. @OpenLedger

Твой мозг — это машина предсказаний. Когда ты в детстве трогал огонь, твои нейроны соединялись, чтобы запомнить боль. Когда ты видишь собаку, твой мозг не проверяет правила. Вместо этого миллионы нейронов активируются в паттернах, которые кодируют твой прошлый опыт 'собачности'.

Это и есть интеллект: способность обобщать на основе опыта. Машины хотели делать то же самое. Первая попытка заключалась не в создании нейронов, а в написании правил. Если огонь = горячий, не трогай. Если собака = четыре лапы, хвост, лает, тогда классифицировать как собаку. Это называлось символическим ИИ, мир ручной логики.#OpenLedger

Иллюстрация, сравнивающая мозговое и правилосозидательное решение проблем

Он работал для узких задач, но рухнул, как только реальность стала сложной. Мозг преуспевает в сложных ситуациях, правила - нет.

Узнайте больше:

История Искусственного Интеллекта (Wikipedia) $OPEN

Конференция Дартмут: Где был рожден "AI"

Летнее исследовательское проектирование по ИИ в Дартмуте в 1956 году собрало Джона Маккарти, Марвина Мински, Клода Шеннона и Натанила Рочестера.

Именно здесь был впервые введен термин "Искусственный Интеллект". Предложение гласило:

“Каждый аспект обучения или любой другой особенности интеллекта может, в принципе, быть так точно описан, что машина может быть создана для его симуляции.”

Это не был хакатон по кодированию. Это был чертеж для области, указывающий на нейронные сети, поиск, символьное рассуждение и язык. Мечта была установлена.

Чтобы узнать больше:

Конференция Дартмут

От Правил к Обучению: Перцептрон

В 1957 году Фрэнк Розенблат спросил: что если машины смогут учиться как нейроны? Он представил перцептрон, первую математическую модель нейрона.

Перцептрон принимает входные данные, умножает их на веса, добавляет смещение и пропускает их через ступенчатую функцию:

f(x) = h(w ⋅ x + b)

Входные данные (xi) = особенности, такие как значения пикселей

Вес (wi) = важность каждой особенности

Смещение (b) = корректирует границу принятия решений

Ступенчатая функция (h) = бинарный выход (1 или 0)

Это сделало перцептрон линейным классификатором, способным провести прямую границу между классами.

Розенблат также построил оборудование: Марк I Перцептрон (1960). У него была решетка 20×20 фотосенсоров, действующих как сетчатка, случайно соединенных с ассоциативными единицами, с регулировочными весами, реализованными с помощью потенциометров. Моторы обновляли эти веса во время обучения.

Он смог классифицировать простые паттерны и вызвал огромный ажиотаж. The New York Times даже утверждала, что он однажды сможет ходить, говорить и быть сознательным (

NYT Archive, 1958).