Зима искусственного интеллекта

Впервые термин был озвучен в 1984 году на ежегодной встрече Американской ассоциации искусственного интеллекта: на обсуждении Роджер Шэнк и Марвин Минский, ведущие исследователи области — предупредили бизнес-сообщество о неадекватно завышенных ожиданиях и предсказали спад, как это уже случалось ранее (так называемая «первая зима» 1970-х годов). После этого настроения пессимизма распространились среди исследователей и в СМИ, что привело к снижению финансирования и свёртыванию крупных проектов^[2], а к 1987 году индустрия искусственного интеллекта практически рухнула^[2].

Подобно другим технологическим «пузырям» (например, железнодорожная мания, пузырь доткомов), «зимы искусственного интеллекта» означали крах ожиданий у руководителей, принимающих решения о финансировании: чиновников, инвесторов, венчурных капиталистов, управленцев. Несмотря на такие циклы «взлётов и падений», исследования в сфере искусственного интеллекта продолжались, а после периодов спада интерес инвесторов возобновлялся по мере появления новых результатов. В 2005 году Рэй Курцвейл отмечал: «зима искусственного интеллекта» не остановила развитие области, и к середине 2000-х тысячами приложений искусственного интеллекта пользовались во всех отраслях экономики^[4].

Две наиболее длительные и значимые «зимы искусственного интеллекта» относят к 1974—1980 и 1987—1993 годам^[5][6]. Менее значимыми раздорами считаются: неудачи проектов машинного перевода в 1966 году, спад популярности коннекционизма в 1970 году, а также другие эпизоды:

• 1971–1975: разочарование Агентства перспективных исследовательских проектов Министерства обороны США в программе распознования речи Университета Карнеги — Меллона;
• 1973: сокращение финансирования исследований искусственного интеллекта в Великобритании после отчёта Лайтхилла;
• 1973–1974: сокращение расходов DARPA на академические исследования по искусственному интеллекту;
• 1987: крах рынка лисп-машин;
• 1988: отказ от новых расходов на искусственный интеллект в рамках стратегических инициатив в области компьютерной техники;
• 1993: экспертные системы достигли экономического дна;
• 1990-е: неудача японского проекта компьютеров пятого поколения.

Во время холодной войны правительство США инвестировало в автоматический перевод русских документов. С 1954 года велись интенсивные работы, и изначально успехов ожидали быстро ввиду новых грамматических работ Ноама Хомского. Однако вскоре выяснилось, что машинам недоступно понимание контекста и разрешение лексической неоднозначности^[7]. Согласно известной легенде, английское выражение «the spirit is willing but the flesh is weak» («дух бодр, плоть же немощна») при машинном переводе и обратном возвращении означало «the vodka is good but the meat is rotten» («водка хорошая, но мясо протухло»), что в дальнейшем стало известно как проблема здравого смысла.

В 1964 году Национальный исследовательский совет США создал ALPAC — консультативный комитет по автоматической обработке языков. В 1966 году комитет заключил, что машинный перевод дороже, менее точен и медленнее, чем человеческий; финансирование было резко сокращено, и исследования постепенно были остановлены^[7].

В XXI веке машинный перевод остаётся сложной, хотя частично решённой задачей (Google Translate, Яндекс Переводчик).

Ранние работы по искусственному интеллекту строились на сетях из соединённых блоков — так называемом коннекционизме. Примером была модель перцептрона Фрэнка Розенблатта. До конца 1950-х преобладал именно этот подход, но позже акцент сместился на символьные рассуждения (symbolic reasoning). Интерес к перцептронам угас после критики в книге «Perceptrons» Минского и Пейперта.

Развитие в этом направлении возродилось только в середине 1980-х благодаря работам Джона Хопфилда, Дэвида Румельхарта и других. Сам Розенблатт погиб незадолго после выхода книги «Perceptrons» и не дожил до следующей волны интереса.

В 1973 году парламент Великобритании поручил сэру Джеймсу Лайтхиллу проверить состояние исследований искусственного интеллекта. Его отчёт был крайне критичен, особенно отмечая трудности с «комбинаторным взрывом»: многие алгоритмы искусственного интеллекта оказывались эффективными только для «игрушечных» задач^[8]. Отчёт привёл к сокращению финансирования искусственного интеллекта в Великобритании; крупномасштабные исследования возобновились только в 1983 году.

В 1960-х DARPA финансировало крупные проекты искусственного интеллекта, не предъявляя жёстких требований к результатам. Всё изменилось, когда после 1969 года, с вступлением поправки Мэнсфилда, DARPA стала требовать от исследований чёткой отдачи. После череды неудач и критики финансирование было значительно сокращено; к 1974 году найти поддержку для проектов по искусственному интеллекту стало сложно.

DARPA сильно разочаровалась в команде Университета Карнеги — Меллона, занимавшейся системой распознавания речи (SUR). Ожидалась система для голосового управления, но созданная система распознавала речь только ограниченным образом. В 1974 году финансирование было прекращено^[9]. Позднее наработки той группы использовались в коммерческих системах, а к 2001 году рынок распознавания речи достиг 4 млрд долларов.

В 1980-х экспертные системы (разновидность искусственного интеллекта) приобрели огромную популярность, особенно система XCON для корпорации Digital Equipment. К середине десятилетия был сформирован рынок специализированных компьютеров — лисп-машин, предназначенных для работы с языком Lisp. Однако к 1987 году рынок рухнул: универсальные рабочие станции (например, Sun Microsystems) и доступные десктопы стали превосходить лисп-машины по мощности и цене; соответствующие среды Lisp появились и на них^[10].^[11] Многие компании обанкротились или ушли с рынка.

Начало 1990-х годов ознаменовалось спадом интереса к экспертным системам: они оказались дорогими в обслуживании, сложными для обновления и неустойчивыми к необычным входным данным. Проблемы надёжности и сложности развития заставили разработчиков переключиться на другие направления (рассуждение на основе прецедентов, объектно-ориентированное программирование).

В 1981 году японское министерство международной торговли и промышленности выделило 850 млн долларов на проект компьютеров пятого поколения. Заданные амбициозные цели к 1991 году не были достигнуты, часть задач оставалась нерешённой и в 2000-х годах. Проект завершился без ожидаемых результатов.

В ответ на появление пятого поколения DARPA инициировала собственную программу (Strategic Computing Initiative, SCI), направленную на создание систем искусственного интеллекта, суперкомпьютеров и микроэлектроники. Однако к 1987 году её руководитель Джек Шварц резко сократил финансирование искусственного интеллекта, оставив лишь несколько узких проектов.

К середине 2000-х годов термин «искусственный интеллект» по-прежнему вызывал скепсис и ассоциировался с невыполненными обещаниями или провалами^[12].^[13][14] Множество учёных намеренно предпочитали использовать термины «информатика», «машинное обучение», «когнитивные системы», «вычислительный интеллект» и т.п. — чтобы избежать негативной коннотации и облегчить получение финансирования^[14].

С начала 2000-х ИИ-технологии стали широко применяться — в машинном переводе, добыче данных, промышленной робототехнике, логистике, поисковых системах и многих других сферах^[15]. Однако успешные применения нередко переставали ассоциироваться с «искусственным интеллектом»: когда технология становилась достаточно распространённой, её относили к иной категории. В коммерции особенно успешной оказалась нечеткая логика, машинное обучение и эвристический анализ данных.

В конце 2000-х структура финансирования ИИ сместилась в сторону прикладных исследований и междисциплинарных проектов. Основными источниками были DARPA в США и европейская программа EU-FP7.

DARPA поддерживала программы The Grand Challenge, системы предупреждения угроз (CT2WS), когнитивные технологии и др. В ЕС инвестировали в когнитивные системы, цифровые библиотеки, микроэлектронику^[16].

Высказывались опасения, что новая «зима искусственного интеллекта» может быть вызвана чрезмерно завышенными ожиданиями учёных или маркетинговыми обещаниями компаний-разработчиков. Например, к такому сценарию опасались привести выход проекта Cog по созданию искусственного детского разума.

Джеймс Хендлер в 2008 году отмечал тенденцию к прикладным и междисциплинарным исследованиям, что грозит исчерпанием «инновационного конвейера» и повторением «зимы»^[11].

Регулярно появлялись сообщения о «возрождении» и даже «весне искусственного интеллекта»:^[17] с 1990-х рост значимости прикладных решений был очевиден, а в 2000-х финансирование и внедрение ИИ достигли новых высот^[18].

Зима искусственного интеллекта — закономерный итог слишком раздутых ожиданий (по аналогии с экономическим пузырём). Технологический цикл развития обычно включает «пик завышенных ожиданий» и последующее «разочарование», когда реальные возможности отстают от возложенных на них надежд.

Из-за междисциплинарного характера исследований ИИ такие проекты в университетах часто страдают при сокращении финансирования.

Экономические спады дают дополнительный эффект: сокращается финансирование фундаментальных и рискованных направлений, в первую очередь — искусственного интеллекта.

Отсутствие необходимых аппаратных ресурсов ограничивало возможности реализации даже самых перспективных идей (например, нейронных сетей).

Если прекращается поток результатов, то через несколько лет это сказывается на прикладных и коммерческих технологиях (эффект «пустого конвейера»).

Крах рынка специализированных машин и большой конкуренции более дешёвых и простых решений также считается одной из причин зимы искусственного интеллекта^[11].

Философы, когнитивисты и специалисты по информатике ведут активную дискуссию о причинах предыдущих неудач и прогнозах развития искусственного интеллекта. Например, Хьюберт Дрейфус ещё с 1960-х годов предсказывал несостоятельность основных направлений исследований ИИ. Ноам Хомский также ставил под сомнение стратегию, основанную на статистических методах и машинном обучении, в полемике с Питером Норвигом^[19].^[20][21]