სარჩევი
ხელოვნური ინტელექტის განვითარების ისტორიის მანძილზე 4 ძირითადი ეტაპის გამოყოფა არის შესაძლებელი.
ხელოვნური ინტელექტის განვითარების ეტაპები:
-
ადრეული ეტაპი (1950-1960-იანი წლები).
AI-სთან (ხელოვნური ინტელექტი) დაკავშირებული პირველი იდეებისა და თეორიული ნაშრომების გაჩენა, მათ შორის:
ალან ტურინგის (Alan Turing) ცნობილი სტატია „გამოთვლითი მანქანები და ინტელექტი“ (1950).
დარტმუთის კონფერენცია (1956) – ხელოვნური ინტელექტის, როგორც აკადემიური დისციპლინის ოფიციალური დაბადება.
პრედაქტიული (პროგნოზირებადი) ანალიზი:
პროგნოზირებადი ანალიზის მარტივი ფორმები გამოიყენებოდა ადრეულ AI პროგრამებში, განსაკუთრებით ლოგიკურ თამაშებში და პრობლემის გადაჭრის მარტივ ამოცანებში. მაგალითად, პროგრამები ჭადრაკის სათამაშოდ.
ადამიანური ენის დამუშავება:
დაიწყო პირველადი კვლევები ადამიანური ენის დამუშავების სფეროში, მაგრამ ისინი საკმაოდ შეზღუდული იყო.
შეიქმნა მარტივი AI პროგრამები, მაგალითად როგორიცაა ELIZA (პროგრამა, რომელიც ახდენს დიალოგის სიმულაციას).
-
ნელი განვითარება (1970-1980-იანი წლები).
ეს პერიოდი განიხილება ხელოვნურ ინტელექტუალურ ტექნოლოგიებში სტაგნაციის პერიოდად, რაც დიდწილად განპირობებული იყო სკალირების პრობლემით და გამოთვლითი სიმძლავრეების კრიტიკული დეფიციტით, სისტემების თვითშესწავლისთვის მონაცემების შევსების ფუნდამენტური უუნარობით (არ იყო ინტერნეტი, არ იყო მოცულობითი მეხსიერებები, არ იყო საკმარისი გამტარობა). ამან გამოიწვია იმედგაცრუება ხელოვნური ინტელექტის მიმართ, როგორც ტექნოლოგიით, რომელიც არ შეესაბამებოდა იმ დროს და იმ ეპოქას.
თუმცა, ამავე დროს დაიწყო ექსპერტული სისტემების პირველი პროტოტიპების გამოჩენა, ისევე როგორც სპეციალიზებული პროგრამირების ენები, როგორიცაა LISP.
-
გაფართოება და ინტეგრაცია (1990-იანი წლები – 2000-იანი წლების დასაწყისი).
მზარდი კომერციული ინტერესი:
ჩნდება AI-ს პირველი წარმატებული კომერციული აპლიკაციები, განსაკუთრებით საექსპერტო სისტემების სფეროში.
მიღწევები მანქანური სწავლების სფეროში:
დაიწყო მყარად დაპროგრამირებული ინსტრუქციების შეცვლა მონაცემთა საფუძველზე დაფუძნებული სწავლების ალგორითმებით.
ნეირონული ქსელების განვითარება:
ნეირონული ქსელების პროტოტიპირება და თეორიული დასაბუთება. განახლდა ინტერესი ნეირონული ქსელების და მათი პოტენციალის მიმართ.
ამ პერიოდში თითქმის ყველა აქტივობა ამ მიმართულებთ იყო თეორიული ხასიათის, არ ყოფილა მნიშვნელოვანი გამოყენებითი სისტემების შექმნის მცდელობები. თუმცა, სწორედ 90-იან წლებში დაიწყო რობოტოტექნიკის დანერგვა Robotics AI-ის გამოყენებით, რომელიც ინტეგრირებული იყო ინდუსტრიაში ავტომატური მართვის სისტემების (ACS) სახით. მახსოვს მეც ვსწავლობდი ამ საგანს 🙂 ეჰ დრონი, დრონი
90-იან წლებში ხელოვნური ინტელექტის განვითარების ერთ-ერთი მნიშვნელოვანი მამოძრავებელი ძალა იყო კომპიუტერული თამაშები (AI სათამაშო ბოტებისთვის), რამაც თავის მხრივ განსაზღვრა ინდუსტრიის განვითარება, როგორც აპარატურის, ასევე პროგრამული უზრუნველყოფის დონეზე.
თითქმის ყველა თანამედროვე IT სპეციალისტს აქვს ძალიან მნიშვნელოვანი ბეგრაუნდი სათამაშო გამოცდილების სახით (1990-2010 წლები), რაც იმ დროინდელ ბავშვობს და მოზარდობს ინტერესს უღვივებდა კომპიუტერების, კომპიუტერული მეცნიერების, პროგრამირების, კომპიუტერული თამაშების, დიზაინის და ა.შ. მიმართულებით.
გეიმერობა არის ერთგვარი რელიგია IT სპეციალისტების უმეტესობისთვის. ილონ მასკიც და სემ ალტმანიც (Samuel Altman – OpenAI-ს გენერალური დირექტორი) ერთ დროს გეიმერები იყვნენ.
-
ინტერნეტისა და დიდი მონაცემების ეპოქა (2000-2010).
„მონაცემთა მასივების აფეთქება“:
ინტერნეტის ზრდა და გაფართოება იწვევს საყოველთაოდ ხელმისაწვდომი მონაცემებისა და ინფორმაციული მასივების უზარმაზარ ზრდას. ინტერნეტისა და ციფრული ტექნოლოგიების განვითარებით, ხელმისაწვდომი მონაცემების რაოდენობა ექსპონენტურად გაიზარდა. ამან შექმნა ახალი შესაძლებლობები ხელოვნური ინტელექტის გამოყენებისა და ხელოვნური ინტელექტის თვითსწავლებისათვის, განსაკუთრებით დიდ მონაცემთა ანალიტიკასთან დაკავშირებულ სფეროებში.
ალგორითმების ევოლუცია:
გაგრძელდა მანქანურ/პროგრამული თვითსწავლების ალგორითმების გაუმჯობესება. განსაკუთრებით გაუმჯობესდა ზედამხედველობით და ზედამხედველობის გარეშე თვითსწავლების მეთოდები, NLP მეთოდები (NLP – წინასწარი დამუშავების, როგორებიცაა ტოკენიზაცია, სტემინგი, ლემატიზაცია და ა.შ. გამოყენება სხვადასხვა პროგრამებში) და ნეირონული ქსელების ალგორითმები.
უფრო გავრცელებული გახდა ამ მეთოდების გამოყენება სხვადასხვა სფეროში, როგორიცაა მონაცემთა ანალიზი და გამოსახულებების ამოცნობა. თუმცა, იყო სიმძლავრეებისა და მონაცემების კატასტროფული ნაკლებობა აზრობრივი სისტემებისთვის.
ხელოვნური ინტელექტი ბიზნესში და ინდუსტრიაში:
პირველი კომერციული ხელოვნური ინტელექტის პროექტები მხოლოდ 21-ე საუკუნეში დაიწყო. გაიზარდა ხელოვნური ინტელექტის გამოყენება ბიზნესის, ფინანსების, ჯანდაცვისა და სხვა სფეროებში კონკრეტული პრობლემების გადასაჭრელად, მათ შორის პროცესების ოპტიმიზაცია, ბაზრის ანალიზი და სამედიცინო დიაგნოსტიკა.
ალგორითმული სისტემების ბუმი:
2005-2007 წლებში დაიწყო ალგორითმული სისტემების ბუმი, რომელიც დაეფუძნა საფონდო ბირჟაზე სავაჭრო რობოტებში პრედიქტიულ ანალიზს.
ტექნიკის გაუმჯობესებამ ახალი შესაძლებლობები გააჩნია ხელოვნური ინტელექტის საფუძველზე ამინდის პროგნოზირებისათვის და რობოტიკისთვის.
სტრატეგიების კლასიფიკაცია: ძირითადი ფინანსური აქტივების მიხედვით
სტრატეგიების კლასიფიკაცია: დროის პერიოდის მიხედვით
სტრატეგიების კლასიფიკაცია: ძირითადი ალგორითმის მიხედვით
სტრატეგიების კლასიფიკაცია: დამატებითი მახასიათებლების მიხედვით