1.1.1. ПЕРВЫЕ ОПЫТЫ И ТЕОРЕТИЧЕСКИЕ ОСНОВЫ
Перцептрон Фрэнка Розенблатта (1957). Одним из наиболее известных и важных шагов на раннем этапе развития искусственного интеллекта стал перцептрон, разработанный Фрэнком Розенблаттом в 1957 году в лаборатории Корнеллского аэронавтического института. Перцептрон представлял собой простую модель, имитирующую работу одного биологического нейрона – основного «строительного блока» мозга. На теоретическом уровне данная модель позволяла машине «учиться» распознавать простейшие шаблоны. Ключевыми элементами перцептрона были входные сигналы (например, от пикселей изображения), весовые коэффициенты (настраивающиеся в процессе обучения), сумматор и пороговая (активационная) функция, решающая, будет ли выход «1» или «0». Модель могла обучаться путём корректировки весов при сравнении своих ответов с «эталонными».
Логические элементы Маккалока – Питтса. Ещё раньше, в 1940-х годах, Уоррен Маккалок и Уолтер Питтс разработали математическую модель нейрона, которая позволяла говорить о «логике» работы мозга. В их работах показывалось, что даже простая сеть, состоящая из нескольких «логических» нейронов, способна реализовывать функции булевой логики. Это закладывало идею, что человеческий мозг можно рассматривать как сложную вычислительную машину, и теоретически есть способы её воспроизведения.
Нейрокомпьютеры (1960–1970-е). В 1960–70-х годах предпринимались смелые попытки создать компьютеры с «нейроподобной» архитектурой, используя аппаратные компоненты, повторяющие принципы работы нейронных сетей. Некоторые исследователи разрабатывали специализированные чипы, имитирующие работу нейронов и синапсов, чтобы соединить множество подобных процессоров в крупные системы. Однако вычислительные мощности того времени были слишком ограниченны, а теоретическая база ещё не сформирована достаточно для стабильных результатов.
1.1.2. ЗИМА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В 1970–80-е годы интерес к нейросетям заметно угас. Простейшие модели, вроде однослойного перцептрона, не могли распознавать сложные закономерности, а вычислительные мощности оставляли желать лучшего. Это привело к тому, что финансирование исследований сократилось, и этот период назвали «зимой искусственного интеллекта». Проблемы заключались в недостатке аппаратуры, неумении работать с нелинейными задачами и малом количестве качественных данных для обучения.