Ошибки: рамки и скрипты

Среди критиков подхода Маккарти были его коллеги по всей стране в Массачусетском технологическом институте . Марвин Мински , Сеймур Паперт и Роджер Шенк пытались решить такие проблемы, как «понимание историй» и «распознавание объектов», которые требовали, чтобы машина думала как человек. Чтобы использовать обычные понятия, такие как «стул» или «ресторан», им приходилось делать все те же нелогичные предположения, которые обычно делали люди. К сожалению, неточные понятия, подобные этим, трудно представить в логике. Джеральд Суссман заметил, что «использование точного языка для описания принципиально неточных понятий не делает их более точными». описывали их «анти-логические» подходы как « неряшливые », а не « опрятные » парадигмы, используемые Маккарти , Ковальски , Фейгенбаумом , Ньюэлом и Саймоном .

В 1975 году, в оригинальной газете, Мински отметил, что многие из его «неряшливых» исследователей использовали один и тот же инструмент: структуру, которая отражает все наши предположения об осознанном мышлении о чем-либо. Например, если мы используем концепцию птицы, есть сразу совокупность фактов, которые сразу приходят на ум: мы можем предположить, что она летит, ест червей и так далее. Мы знаем, что эти факты не всегда верны и что выводы, использующие эти факты, не будут «логическими», но эти структурированные наборы предположений являются частью контекста всего, что мы говорим и думаем. Он назвал эти структуры « рамами ». Шенк использовал версию рамок, которую он назвал « скриптами» чтобы успешно отвечать на вопросы о коротких рассказах на английском языке. Много лет спустя объектно-ориентированное программирование приняло бы основную идею« наследования»из исследований ИИ.

Бум 1980-1987

В 1980-х годах корпорация по всему миру приняла форму программы ИИ под названием « экспертные системы », и знания стали объектом основного исследования ИИ. В те же годы японское правительство активно финансировало ИИ с помощью своего компьютерного проекта пятого поколения . Еще одним обнадеживающим событием в начале 80-х годов стало возрождение связности в работе Джона Хопфилда и Дэвида Румельхарта . И снова ИИ достиг успеха.

Рост экспертных систем

Экспертная система представляет собой программу , которая отвечает на вопросы или решает задачи о конкретной области знаний, используя логические правила , которые вытекают из знаний экспертов. Самые ранние примеры были разработаны Эдвардом Фейгенбаумом и его учениками. Дендрал , начатый в 1965 году, идентифицировал соединения из показаний спектрометра. MYCIN , разработанный в 1972 году, диагностировал инфекционные заболевания крови. Они продемонстрировали осуществимость подхода.

Экспертные системы ограничили себя небольшим областью конкретных знаний (таким образом, избегая проблемы знаний осознанного мышления ), и их простой дизайн сделал относительно легким создание программ, а затем их модифицировали, когда они были на месте. В целом, программы оказались полезными, чего ИИ до сих пор не смог достичь.

В 1980 году в Университете Карнеги Меллон для корпорации Digital Equipment была завершена экспертная система под названием XCON . Это был огромный успех: он экономил 40 миллионов долларов ежегодно в 1986 году. Корпорации во всем мире начали разрабатывать и развертывать экспертные системы, и к 1985 году они тратили более миллиарда долларов на ИИ. Индустрия выросла, чтобы поддержать их, включая такие аппаратные компании, как Symbolics и Lisp Machines, а также такие программные компании, как IntelliCorp и Aion .

Революция знаний

Сила экспертных систем основывалась на знаниях экспертов, которые они содержали. Они были частью нового направления в исследовании ИИ, которое набирало силу в течение 70-х годов. Основанные на знаниях системы и инженерия знаний стали основным направлением исследований ИИ в 1980-х годах.

Шахматные игры HiTech и Deep Thought победили шахматных мастеров в 1989 году. Оба они были разработаны Университетом Карнеги-Меллона; Развитие Deep Thought проложило путь для Deep Blue .

Деньги возвращаются: проект пятого поколения

В 1981 году министерство международной торговли и промышленности Японии выделило 850 млн. Долл. США для компьютерного проекта пятого поколения. Их задача заключалась в том, чтобы писать программы и создавать машины, которые могли бы вести разговоры, переводить языки, интерпретировать картины и рассуждать как люди. К большому огорчению “неряшливых” , они выбрали Prolog в качестве основного компьютерного языка для проекта.

Другие страны ответили новыми своими программами. В Великобритании начался проект Alvey ₤ 350 миллионов . Консорциум американских компаний сформировал Корпорацию Микроэлектроники и Компьютерных Технологий для финансирования крупномасштабных проектов в области ИИ и информационных технологий. DARPA также отреагировала на это, учредив Стратегическую компьютерную инициативу и утроив свои инвестиции в ИИ в период с 1984 по 1988 год.

Сеть Хопфилда с четырьмя узлами.