28.1.6 Превращение ии в индустрию (1980 — настоящее время)

В это время появилась первая коммерческая система искусственного интеллекта R1 компании DEC, которая помогала создавать конфигурации для выполнения заказов на новые компьютерные системы. К 1986 году эта экспертная система позволяла компании DEC экономить порядка 40 миллионов долларов в год. К 1988 было развернуто порядка 40 таких систем, а к 1990 году объем этого рынка уже исчислялся миллиардами. Такой успех экспертных систем стал стимулом к созданию компьютеров, для которых машинным языком являлся бы язык экспертной системы. Однако в результате было обнаружено, что гораздо дешевле создать экспертную систему на компьютере с классическим машинным языком, нежели создавать компьютер с lisp-подобным машинным языком и работы по данному направлению были свернуты. После этого наступил период, который получил название «зима искусственного интеллекта», поскольку рост возможностей экспертных систем имел фундаментальные ограничения методов построения, и многие компании не смогли выполнить свои обещания по возможностям экспертных систем.

28.1.7 Возвращение к нейронным сетям (1986 — настоящее время)

Хотя основная часть специалистов по компьютерным наукам прекратила работы в области нейронных сетей в конце 70-х годов, работу в этом направлении продолжили специалисты из других областей. Наибольших успехов добилась группа физиков под руководством Джона Хопфилда, которые использовали методы статистической механики для анализа свойств хранения данных и оптимизации сетей, рассматривая коллекции узлов как коллекции атомов. Настоящий прорыв произошел в середине 1980-х годов, когда по меньшей мере четыре независимых группы исследователей заново открыли алгоритм обучения путем обратного распространения ошибки, предложенный еще в 1969 году.

Эти так называемые коннекционистские (основанные на соединениях) модели интеллектуальных систем рассматривались как непосредственно конкурирующие с символьным и логицистским подходами. Однако на современном этапе развития интеллектуальных систем принято считать, что они являются взаимодополняющими.

28.1.8 Превращение ии в науку (1987 — настоящее время)

В это время искусственный интеллект с точки зрения методологии твердо перешел на научные методы. Теперь, для того чтобы быть принятыми, гипотезы должны подвергаться проверке в строгих практических экспериментах, а значимость результата должна подтверждаться данными статистического анализа.

Именно по этому принципу развивается область распознавания речи. В последнее время доминирующим подходом в этой области стало использование скрытых марковских сетей. Эти модели основаны на строгой математической теории, что позволяет исследователям использовать накопленные в других областях математические результаты, а также на проверке гипотез на крупном массиве реальных речевых данных, что обеспечивает надежные показатели производительности таких систем.

Нейронные сети также последовали этой тенденции, в результате чего была создана технология, получившая название анализа скрытых закономерностей в данных (data mining), которая легла в основу новой, быстро растущей отрасли информационной индустрии.

28.1.9 Появление подхода с использованием интеллектуальных агентов (1995 — настоящее время)

На основе полученных ранее результатов и повысившегося качества вычислительной техники многие исследователи вернулись к проблеме «целостного агента». Для того, чтобы проще разобраться с работой агентов, внедренных в реальную среду с непрерывным потоком сенсорных данных, были применены так называемые ситуационные движения. Одним из наиболее важных примеров среды для искусственного интеллекта может служить Internet. Системы искусственного интеллекта стали настолько распространенными в приложениях для Web, что суффикс «-бот» (от робот) вошел в повседневный язык. Более того, технологии искусственного интеллекта легли в основу многих инструментальных средств Internet, таких как машины поиска, системы, предназначенные для выработки рекомендаций, системы создания Web узлов.

Одним из следствий попыток создания полных агентов стало понимание того, что ранее изолированные подобласти искусственного интеллекта могут потребовать определенной реорганизации, когда возникнет необходимость снова связать воедино накопленные в них результаты. В частности, теперь широко признано, что сенсорные системы (системы машинного зрения, эхолокации, распознавания речи и т. д.) не способны предоставить абсолютно надежную информацию о среде. Поэтому системы проведения рассуждений и планирования должны быть приспособлены к условиям неопределенности. Вторым важным следствием изменения взглядов на роль агентов является то, что исследования в области искусственного интеллекта теперь необходимо проводить в более тесном контакте с другими областями, такими как теория управления и экономика, которые также имеют дело с агентами.