உள்ளடக்கத்துக்குச் செல்

செயற்கை நுண்ணறிவின் வரலாறு

கட்டற்ற கலைக்களஞ்சியமான விக்கிப்பீடியாவில் இருந்து.

செயற்கை நுண்ணறிவின் வரலாறு (History of artificial intelligence) பழங்காலத்தில் தொடங்கியது. புனைவுக் கதைகளும் திறமிகு கைவினைஞர்களால் நுண்ணறிவு அல்லது நனவைக் கொண்ட செயற்கை உயிரினங்களின் வதந்திகளும் இதைத் தொடங்கி வைத்தன.நவீனச் செயற்கை நுண்ணறிவின் விதைகள் மனித சிந்தனையின் நிகழ்வை இயந்திரமுறையில் குறிகளால் கையாளுதல் என்று விவரிக்க முயன்ற மெய்யியலாளர்களால் விதைக்கப்பட்டன. 1940 களில் நிரல்படுத்தக்கூடிய இலக்கவியல் கணினி கண்டுபிடிப்பில் இந்த வேலை உச்சக்கட்டத்தை அடைந்தது. இது கணிதப் பகுத்தறிவின் சுருக்கமான சாரத்தை அடிப்படையாகக் கொண்ட ஒரு எந்திரம். இந்த கணினியும் அதன் பின்னணியில் உள்ள சிந்தனை நிரல்களும் ஒரு சில விஞ்ஞானிகளை மின்னனியல் மூளையை உருவாக்குவதற்கான சாத்தியக்கூறுகள் குறித்து முனைப்பாக விவாதிக்கத் தூண்டின.

1956 கோடையில் அமெரிக்காவின் தார்த்துமவுத் கல்லூரியின் வளாகத்தில் நடைபெற்ற ஒரு பட்டறையில் செயற்கை நுண்ணறிவு ஆராய்ச்சித் துறை நிறுவப்பட்டது.[1] இதில் கலந்து கொண்டவர்கள், பிறகு பல பத்தாண்டுகளாக செயற்கை நுண்ணறிவு ஆராய்ச்சியின் தலைவர்களாக இருந்தார்கள். அவர்களில் பலர் ஒரு மனிதனைப் போன்ற புத்திசாலித்தனமான ஒரு எந்திரம் உருவாக ஒரு தலைமுறைக்கு மேல் ஆகாது என்று கணித்தனர் , மேலும் இந்த பார்வையை நனவாக்க அவர்களுக்கு மில்லியன் கணக்கான டாலர்கள் வழங்கப்பட்டன.[2]

வணிக மேம்பாட்டாளர்களும் ஆராய்ச்சியாளர்களும் திட்டத்தின் சிரமத்தை மிகக் குறைவாக மதிப்பிட்டுள்ளனர் என்பது இறுதியில் தெளிவாகியது.[3] 1974 ஆம் ஆண்டில் ஜேம்ஸ் லைட்கில்லின் விமர்சனமும் பேராயத்தின் தொடர் அழுத்தமும் தரவே , ஐக்கிய அமெரிக்க அரசும் பிரித்தானிய அரசும் செயற்கை நுண்ணறிவு குறித்த மீள்வரவிலாத த ஆராய்ச்சிக்கு நிதியளிப்பதை நிறுத்தின. அதைத் தொடர்ந்து வந்த கடினமான ஆண்டுகள் பின்னர் " முதல் செநு குளிர்காலம் " எனப்பட்டது. ஏழு ஆண்டுகளுக்குப் பிறகு , ஜப்பானிய அரசாங்கத்தின் தொலைநோக்கு பார்வை கொண்ட முன்முயற்சி , செயற்கை நுண்ணறிவை பில்லியன் கணக்கான டாலர்களை வழங்க அரசாங்கங்களையும் தொழில்துறையையும் ஊக்கப்படுத்தியது , ஆனால் 1980 களின் பிற்பகுதியில் முதலீட்டாளர்கள் ஏமாற்றமடைந்தனர். எனவே மீண்டும் நிதியை திரும்பப் பெற்றனர். இது இரண்டாம் செநு குளிர்காலம் எனப்பட்டது.

21 ஆம் நூற்றாண்டின் முதல் பத்தாண்டுகளில் செயற்கை நுண்ணறிவில் முதலீடும் ஆர்வமும் வளர்ந்தன. திறன்மிக்க கணினி வன்பொருளின் பயன்பாடும் செறிவான தரவுத் தொகுப்புகளின் திரட்டலும் ஆகிய புதிய முறைகள் காரணமாக கல்வியிலும் தொழில்துறையிலும் உள்ள பல சிக்கல்களுக்கு எந்திர கற்றல் வெற்றிகரமாக பயன்படுத்தப்பட்டது..

முன்னோடிகள்

[தொகு]

தொன்ம, புனைவு, முன்னோடிகள்

[தொகு]

தொன்மமும் பெருங்கதையும்

[தொகு]

கிரேக்கத் தொன்மத்தில் தாலோசு என்பது வெண்கலத்தால் கட்டப்பட்ட ஒரு மாபெரும் அரக்கன் ஆகும். அவன் கிரீட் தீவின் பாதுகாவலனாக செயல்பட்டான். படையெடுப்பாளர்களின் கப்பல்கள் மீது பாறைகளை வீசுவான். மேலும் தீவின் பருதியை நாள்தோறும் 3 சுற்றுகள் சுற்றிமுடிப்பான்.[4] போலி - அப்போலோதோரசின் கூற்றுப்படி , கெப்பயெசுட்டசு ஒரு சைக்ளோப்சின் உதவியுடன் தாலோசை உருவாக்கி , மினோசிற்கு ஒரு பரிசாக வழங்கினார்.[5] ஆர்கோனாத்திகாவில் ஜேசனும் ஆர்கோனாட்களும் அவரை அவரது காலுக்கு அருகில் உள்ளஒற்றைச் செருகுவழி தோற்கடித்தனர் , இது ஒரு முறை அகற்றப்பட்டதால் உயிர்ப்பான ஐச்சர் அவரது உடலில் இருந்து வெளியேற வைத்தது. அதனால் அவன் உயிரற்று உயிரிலியாக(உறழ்மம்(inert matter)ஆக) நேர்ந்தது.

பிக்மாலியன் ஒரு புகழ்பெற்ற மன்னரும் கிரேக்க தொன்மச் சிற்பியும் ஆவார் , இது ஓவிடின் உருமாற்றங்கள் நூலில் பரவலாகக் குறிப்பிடப்பட்டுள்ளது. ஓவிடின் கதைக் கவிதையின் 10 வது புத்தகத்தில் , புரோப்போயிடிடுகள் பரத்தமைத் தொழில் செய்யும் வழியைக் காணும்போது பிக்மாலியன் பெண்கள் மீது பிக்மாலியன் வெறுப்படைகிறார். இருந்தபோதிலும் , அவர் வீனசு கோவிலில் வழிபாடு செய்து, அவர் செதுக்கிய சிலையைப் போலவே ஒரு பெண்ணைக் கொண்டு வருமாறு தெய்வத்தைக் கேட்டுக்கொள்கிறார்.

செயற்கை உயிரினங்களின் இடைக்காலக் கதைகள்

[தொகு]
கோதேவின் பாஸ்டிலிருந்து ஒரு ஓமங்குலசின் சித்தரிப்பு

சுவிசு இரசவாதி பாராசெல்சசு எழுதிய " பொருஅல்களின் தன்மை பற்றி(ஆஃப் தி நேச்சர் ஆஃப் திங்ஸ்)" என்ற புத்தகத்தில் அவர் ஒரு செயற்கை மனிதனை உருவாக்க முடியும் என்று கூறும் ஒரு நடைமுறையை விவரிக்கிறார். ஒரு மனிதனின் விந்தணுவை குதிரையின் சாணத்தில் வைத்து , 40 நாட்களுக்குப் பிறகு மனிதக் குருதியின் ஆர்கானத்தை உணவாகக் கொடுப்பதால் உருவாகும் ஓர் இயைபு ஓர் உயிருள்ள குழந்தையாக மாறும்.

கோலெம் உருவாக்கம் பற்றிய தொடக்கக் கால விவரிப்பு 13ஆம் நூற்றாண்டின் முற்பகுதியில் வோர்ம்சின் எலியாசர் பென் யூதாவின் எழுத்துக்களில் காணப்படுகிறது. . இடைக்காலத்தின் போது , கடவுளின் பெயர்களில் ஏதேனும் ஒன்றைக் கொண்ட ஒரு காகிதத்தை களிமண் உருவத்தின் வாயில் செருகுவதன் மூலம் கோலெமின் அசைவூட்டத்தை அடைய முடியும் என்று நம்பப்பட்டது.[6][7] பிரேசன் எட்சு போன்ற புகழ்பெற்ற தனியங்கனைப் போலல்லாமல் , ஒரு கோலெத்தால் பேச முடியவில்லை.[8][9]

தாக்வின் எனும் உயிரினத்தின் செயற்கை உருவாக்கம் இசுமாயிலின் இரசவாத கையெழுத்துப் படிகளின் அடிக்கடி வரும் தலைப்பாகும் , குறிப்பாக அவை ஜபீர் இபின் அய்யானுக்குக் காரணம். இசுலாமிய இரசவாதிகள் தாவரங்கள் முதல் விலங்குகள் வரை தங்கள் பணியின் மூலம் பரந்த அளவிலான வாழ்க்கையை உருவாக்க முயன்றனர்.[10]

யோகான் வுல்புகாங் வான் கோத்தேயின் பாசுட்டுப் புதினத்தில் இரண்டாம் பகுதியான அவலத்தில் , இரசவாதத்தால் புனையப்பட்ட ஒரு முழு மனித உடலில் பிறக்க முயலும் ஓமங்குலசு ஒரு குடுவையில் என்றென்றும் வாழ விதிக்கப்பட்டிருந்தது. இருப்பினும் , இந்த உருமாற்றத்தைத் தொடங்கியதும் , குடுவை உடைந்து சிதறி , ஓமங்குலசு இறந்துவிடும்.

புத்தியல் புனைகதை

[தொகு]

19ஆம் நூற்றாண்டில் , மேரி செல்லியின் பிராங்கன்சுட்டைன் அல்லது கரேல் கேபெக்கின் உரோசமின் பொது எந்திரன்கள் அல்லது சாமுவேல் உருட்லரின் எந்திரங்களிடையே தார்வினல்லது எடுகார் ஆலன் போவின் மாயெல்செல் சதுரங்க ஆட்டக்காரர் போல, செயற்கை மனிதர்கள், சிந்தனை எந்திரங்களைப் பற்றிய கருத்துக்கள் கற்பனையில் உருவாக்கப்பட்டன.[11] செயற்கை நுண்ணறிவு என்பது அறிவியல் புனைகதைகளில் தற்போது பொதுவான தலைப்பாகும்.[12]

தானியங்கி

[தொகு]
அல் - ஜசாரியின் நிரல்படுத்தக்கூடிய தானியங்கி (கிபி1206)

இயல்பான மனித உருவம் கொண்ட தானியங்கி யான் ஷி, அல்-ஜசாரி, பியேர் யாக்குவல் திரோசு, வுல்புகாங் வான் கெபெலென் உட்பட பல கைவினைஞர்களால் ஒவ்வொரு நாகரிகத்திலும்கட்டப்பட்டது.[13][14][15]

பண்டைய எகிப்து, கிரேக்கத்தின் புனித சிலைகள் மிகப் பழமையான தானியங்கிச் சிலைகளாக அறியப்பட்டன.[16] அறிவும் உணர்ச்சித் திறனும் கொண்ட உண்மையான மனதுடன் கைவினைஞர் இந்த உருவங்களை ஊக்குவித்ததாக நம்பினர், ஹெர்ம்ஸ் ட்ரிஸ்மெஜிஸ்டஸ் கடவுளின் உண்மையான தன்மையைக் கண்டுபிடித்ததால் மனிதன் அதை உருவாக்கம் செய்ய முடிந்தது என்று எழுதினார்.[17] பண்டைய உரோமானிய கவிஞர் வர்ஜில் தானியங்கி சிலைகளுடன் ஒரு அரண்மனையை கட்டியதாக ஆங்கில அறிஞர் அலெக்சாண்டர் நெக்காம் வலியுறுத்தினார்.[18]

தற்காலத்தின் தொடக்கப்பகுதியில் இந்த புகழ்பெற்ற தானியங்கிகள் தங்களிடம் கேட்கப்பட்ட கேள்விகளுக்குப் பதிலளிக்கும் மந்திரத் திறனைக் கொண்டிருந்ததாகக் கூறப்படுகிறது. மறைந்த இடைக்கால இரசவாதியும் , முன் மந்திரவாத எதிர்ப்பாளருமான உரோஜர் பேக்கன் ஒரு மந்திரவாதியாக, ஒரு தொன்மத்தை உருவாக்கிய, மிமிர் தலையைப் புனைந்து உருவாக்கியதாகவும் கூறப்படுகிறது. இந்த மிமரின் தலை, நோர்சு தொன்மக் கதையை ஒத்திருந்தது.. தொன்மக் கதையின்படி, மிமர் தனது அறிவுக்கும் மதிநுட்பத்துக்கும் அறியப்பட்டவர். மேலும் அவர் அசிர் - வாணிர் போரில் தலைதுண்டிக்கப்பட்டார். ஒடின் அவரது தலையை மூலிகைகளுடன் இணைத்து , அதன் மீது மந்திரங்களைப் ஓதியதும் , மிமிரின் தலை ஒடினுடன் மதிநுட்பமாகப் பேச முடிந்துள்ளது என்று கூறப்படுகிறது. ஒடின் பின்னர் அறிவுரைகளுக்காக மிமிர் தலையை அருகில் வைத்திருந்தார்.

முறையான பகுத்தறிவு

[தொகு]

செயற்கை நுண்ணறிவு என்பது மனித சிந்தனையின் செயல்முறையை எந்திரமயமாக்க முடியும் என்ற கருதுகோளை அடிப்படையாகக் கொண்டது. எந்திரவியல் அல்லது முறைசாரா பகுத்தறிவு பற்றிய ஆய்வு நீண்ட வரலாற்றைக் கொண்டுள்ளது. சீன, இந்திய, கிரேக்க மெய்யியலாளர்கள் அனைவரும் கிமு முதல் ஆயிரமாண்டில் முறையான கட்டமைக்கப்பட்ட கொணர்தல் முறைகளை உருவாக்கினர். அவர்களின் கருத்துக்கள் பல நூற்றாண்டுகளாக, அரிசுட்டாட்டில் (சொற்றொடரின் முறையான பகுப்பாய்வை வழங்கியவர்), யூக்ளிடு ( வடிவவியல் சார்ந்த தனிமங்கள் எனும் நூல் முறையான பகுத்தறிவின் படிமமாக இருந்தது), அல் - குவாரிசுமி (இயற்கணிதத்தை உருவாக்கி , அதற்கு " அல்காரிதம் " என்று பெயரிட்டார்), ஐரோப் பிய அறிஞர்களான ஓக்காம் நகர வில்லியம், தன்சு சுக்கோட்டசு போன்ற மெய்யியலாகளால் முன்னெடுத்து சென்று விரிவாக்கப்பட்டன .[19]

எசுப்பானிய மெய்யிய்ல் அறிஞர் இரமோன் உலுல் (1232 - 1315) தர்க்கவியலான வழிமுறைகளால் அறிவை உருவாக்க பல தர்க்கவியல் எந்திரங்களை உருவாக்கினார். உலுல் தனது எந்திரங்களை இயந்திரம் மூலமே உ ருவாக்கினார். அவற்றை உண்மைகளை இணைக்கக்கூடிய எந்திர நிறுவனங்கள் என்று விவரித்தார்.[20][21] இவற்றை மறுவடிவமைத்த கோட்பிரீடு இலீப்னிட்சு மீது உ லுல்லின் படைப்புகள் பெரும் தாக்கத்தை ஏற்படுத்தின.[22]

மனித காரணத்தை இயந்திரக் கணக்கீட்டிற்குக் குறைக்க முடியும் என்று ஊகித்த காட்ஃபிரைட் லீப்னிஸ்

17ஆம் நூற்றாண்டில் இலீப்னிசு, தாமசு ஓப்சு, இரெனே தெ கார்த்தெ ஆகியோர் அனைத்து பகுத்தறிவு சிந்தனைகளையும் இயற்கணிதம் அல்லது வடிவியல் போல முறையானதாக மாற்றுவதற்கான சாத்தியக்கூறுகளை ஆராய்ந்தனர்.[23] ஹோப்ஸ் லெவியாதனில் , " காரணம் என்பது கணக்கீடு தவிர வேறில்லை" என எழுதினார்.[24] லீப்னிஸ் பகுத்தறிவின் அனைத்துப்பொது பான்மையைக் கற்பனை செய்தார். இது வாதத்தை கணக்கீடாகக் குறைக்கும் , இதனால் " இரண்டு கணக்காளர்களை விட இரண்டு மெய்யியல் அறிஞரிடையே விவாதம் தேவையில்லை. அவர்கள் பென்சில்களைக் கையிலே எடுத்துக்கொண்டு , (ஒரு நண்பர் தங்களுக்குச் சாட்சியாக இருந்தால்) ஒருவருக்கொருவர் எழுதிச் சொல்லிப் பார்த்தால் போதுமானது.[25] இந்த மெய்யியல் அற்ஞர்கள் செயற்கை நுண்ணறிவு ஆராய்ச்சியின் வழிகாட்டும் நம்பிக்கையாக மாறவல்ல இயற்பியல் குறியீட்டு அமைப்புக் கருதுகோளை வெளிப்படுத்தத் தொடங்கினர்.

20 ஆம் நூற்றாண்டில் கணிதத் தருக்கவியல் ஆய்வு , செயற்கை நுண்ணறிவை நம்பத்தகுந்ததாக மாற்றும் இன்றியமையாத முன்னேற்றத்தை வழங்கியது. பூலின் சிந்தனையின் விதிகள், பிரீஜின் பெகுரிப்சுகிரிப்ட்டு போன்ற படைப்புகள் இதற்கான அடித்தளங்களை அமைத்தன. 1913 ஆம் ஆண்டில் கணிதவியல் நெறிமுறைகள் என்ற நியூட்டனின் தலைசிறந்த படைப்பில் கணிதத்தின் அடித்தளங்களைப் பற்றிய முறையான விளக்குமுறையை இரசலும் வைட்கெடும் முன்வைத்தனர். இரசலின் வெற்றியால் ஈர்க்கப்பட்ட டேவிடு கில்பர்ட்டு , 1920 களின், 1930 களின் கணிதவியலாளர்களுக்குப் பின்வரும் அடிப்படை கேள்விக்குப் பதிலளிக்க அறைகூவல் விடுத்தார். " கணிதப் பகுத்தறிவு அனைத்தையும் முறைப்படுத்தப்பட முடியுமா ?[19] அவரது கேள்விக்குக் கோதெலின் முழுமையற்ற நிறுவல் டூரிங்கின் எந்திரம், சர்ச்சின் இலாம்பிடா நுண்கணிதம் ஆகிய நூல்கள் பதிலளித்தன.[19]

மூர் மின்பொறியியல் பள்ளியில் உள்ள எனியாக் (ENIAC) கணினியின் அமெரிக்க படைத்துறை நிழற்படம்[26]

அவர்களுடைய பதில் இரண்டு விதங்களில் வியப்பூட்டுவதாக இருந்தது. முதலில் அவர்கள் கணிதத் தருக்கம் சாதிக்கக்கூடியவற்றுக்கு உண்மையில் வரம்புகள் உள்ளன என்பதை நிறுவினர். ஆனால் இரண்டாவது நூல் ( செநுவுக்கு முதன்மயானது) இந்த வரம்புகளுக்குள் எந்த வகையான கணிதப் பகுத்தறிவையும் எந்திரமயமாக்க முடியும் என்று அவர்களின் பணி பரிந்துரைத்தது. 0 மற்றும் 1, போன்ற எளிய குறியீடுகளை மாற்றும் ஒரு எந்திர சாதனம் கணிதக் குறைப்பின் எந்தவொரு கற்பனையான செயல்முறையையும் பின்பற்ற முடியும் என்று சர்ச் - தூரிங் ஆய்வறிக்கை குறிக்கிறது. முதன்மை நுண்ணறிவு எந்திரம் தூரிங் எந்திரம் ஆகும் - இது ஒரு எளிய கோட்பாட்டியல் கட்டமைப்பாகும் , இது எளிய நுண்ணிலைக் குறியீட்டுக் கையாளுதலின் சாரத்தைக் கைப்பற்றியது.[27] இந்த கண்டுபிடிப்பு ஒரு சிகறிவியலாளர்களைச் சிந்தனை எந்திரங்களின் சாத்தியக்கூறுகளைப் பற்றி விவாதிக்கத் தூண்டும்.[19]

கணினி அறிவியல்

[தொகு]

கணக்கீட்டு இயந்திரங்கள் பழங்காலத்திலும் வரலாறு முழுவதிலும் கோட்பிரீடு இலெபுனிசு, ஜோசப் மரீ யாக்குவர்டு, சார்லசு பாபேஜ், பெர்சி உலூத்கேட், இலியொனார்டோ தெரசு குவெடோ போன்றபலரால் வடிவமைக்கப்பட்டன..[28][29][30] அடா இலவ்லேசு பாபேஜின் எந்திரம் " ஒரு சிந்தனை அல்லது... பகுத்தறிவு எந்திரம் " என்று ஊகித்தார் , ஆனால் " இயந்திரத்தின் திறன்களைப் பற்றி எழும் மிகைப்படுத்தப்பட்ட ழெண்ணக்கருக்களின் சாத்தியத்திற்கு எதிராக பாதுகாப்பது விரும்பத்தக்கது என எச்சரித்தார்.[31]

முதல் நவீன கணினிகள் இரண்டாம் உலகப் போரின் மிகப்பெரிய எந்திரங்கள் கொன்ராட் சூசின் Z3, ஆலன் தூரிங்கின் கீத் இராபின்சன், கொலோசசு, அடனசாப், பென்சில்வேனியா பல்கலைக்கழகத்தில் பெர்ரி, ஏபிசி, எனியாக்(ENIAC) போன்றனவாகும். இவர்ரில் எனியாக் தூரிங்கின் கோட்பாட்டு அடிப்படையில் ஜான் வான் நியூமனால் உருவாக்கப்பட்டது. இது தான் மிகவும் தாக்கம் மிக்க எந்திரமாகியது.

செயற்கை நுண்ணறிவின் பிறப்பு (1952 - 1956)

[தொகு]
ஐபிஎம் 702: முதல் தலைமுறை செயற்கை நுண்ணறிவு ஆராய்ச்சியாளர்களால் பயன்படுத்தப்பட்ட கணினி.

1940 களிலும், 50 களிலும் பல்வேறு துறைகளைச் சேர்ந்த ஒரு சில அறிஞர்கள் (கணிதம் , உளவியல் , பொறியியல் , பொருளாதாரம், அரசியல், அறிவியல்) செயற்கை மூளையை உருவாக்குவதற்கான சாத்தியக்கூறுகள் குறித்து விவாதிக்கத் தொடங்கினர். செயற்கை நுண்ணறிவு ஆராய்ச்சித் துறை 1956 ஆம் ஆண்டில் ஒரு கல்வித் துறையாக நிறுவப்பட்டது.[32]

தன்னாள்வியலும் தொடக்க நிலை நரம்பியல் வலைப்பிணையங்களும்

[தொகு]

சிந்தனை எந்திரங்கள் பற்றிய தொடக்க நிலை ஆராய்ச்சி 1930 களின் பிற்பகுதி முதல் 1940 களிலும் 1950 களின் முற்பகுதியிலும் பரவலாக இருந்த கருத்துக்களின் இணைவால் ஈர்க்கப்பட்டது. நரம்பியல் பற்றிய அண்மைய ஆராய்ச்சி , மூளை என்பது நரம்பணுக்களின் மின் வலையமைப்பு என்று காட்டியது. நோர்பர்ட் வீனரின் தன்னாள்வியல் மின் வலைகளின் கட்டுப்பாடு, நில்லைப்பு ஆகியவற்றை விவரித்தது. கிளாடு சானின் தகவல் கோட்பாடு இலக்கவியல் குறிகைகளை விவரித்தது. ஆலன் தூரிங்கின் கணக்கீட்டுக் கோட்பாடு , எந்த வகையான கணக்கீட்டையும் இலக்கவியல் முறையில் விவரிக்க முடியும் என்பதைக் காட்டியது. இந்த கருத்துக்களுக்கு இடையிலான நெருங்கிய உறவு ஒரு " மின்னன் மூளையை " உருவாக்க முடியும் என்று பரிந்துரைத்தது.[33]

டபிள்யூ. கிரே வால்டரின் ஆமைகள் மற்றும் ஜான்சு ஆப்கின்சு விலங்கு போன்ற செய்முறை எந்திரன்கள் 1950 களில் கட்டப்பட்டன. இந்த எந்திரங்கள் முதலில் கணினிகளைப் பயன்படுத்தவில்லை. அதாவது இலக்கவியல்சார் மின்னனியலையும் குறியீட்டு பகுத்தறிவையும் பயன்படுத்தாமல் அவை முற்றிலும் ஒப்புமை மின்சுற்றுகளால்(ஒப்புமைக் கணினி முறைகளால்) கட்டுப்படுத்தப்பட்டன.[34]

வால்டர் பிட்சும் வாரன் மெக்கல்லோச்சும் இலட்சியப்படுத்தப்பட்ட செயற்கை நரம்பணுக்களின் வலையமைப்புகளை பகுப்பாய்வு செய்தனர் , மேலும் அவை எவ்வாறு எளிய தருக்கவியலான செயல்பாடுகளைச் செய்யக்கூடும் என்பதை 1943 இல் காட்டினர்.[35][36] நரம்பியல் வலைப்பிணையம் என்று பின்னர் ஆராய்ச்சியாளர்கள் அழைத்ததை அவர்கள் முதலில் விவரித்தனர்.[37] பிட்சும் மெக்கல்லோச்சுவாலும் ஈர்க்கப்பட்ட மாணவர்களில் ஒருவர் இளம் மார்வின் மின்சுகி , அப்போது 24 வயது பட்டதாரி மாணவர். 1951 ஆம் ஆண்டில் (டீன் எட்மண்ட்சுடன் இணைந்து முதல் நரம்பியல் வலை எந்திரத்தை உருவாக்கினார் - SNARC.[38] AI இன் மிக முதமையான தலைவர்கள், கண்டுபிடிப்பாளர்களில் ஒருவராக மின்சுகி மாறவிருந்தார்.

தூரிங்கின் ஓர்வு

[தொகு]

1950 ஆம் ஆண்டில் ஆலன் தூரிங் ஒரு மைல்கல் கட்டுரையை வெளியிட்டார் , அதில் அவர் சிந்திக்கும் எந்திரங்களை உருவாக்குவதற்கான சாத்தியக்கூறுகள் குறித்து ஊகித்தார்.[39] " சிந்தனையை வரையறுப்பதுவாரிது என்றும் அவரது புகழ்பெற்ற தூரிங் ஓர்வை அல்லது செய்முறையை உருவாக்குவது அதைவிட அரிது " என்றும் அவர் குறிப்பிட்டார்.[40] ஓர் எந்திரம் ஓர் உரையாடலை (ஒரு மனிதனுடனான உரையாடலில் இருந்து பிரித்தறிய முடியாத ஒரு தொலையச்சுவழி) தொடர முடிந்தால் , அந்த எந்திரம் " சிந்திக்கிறது " என்று சொல்வது நேரியதே. சிக்கலின் இந்த எளிமைப்படுத்தப்பட்ட பதிப்பு , ஒரு சிந்தனை எந்திரம் குறைந்தது நம்பத்தகுந்ததாக இருந்தது என்றும் , இந்த முன்மொழிவுக்கான அனைத்து பொதுவான மறுப்புகளுக்கும் அந்த இதழ் பதிலளித்தது என்றும் தூரிங் நம்பத்தகுந்த வகையில் வாதிடலானார்.[41] செயற்கை நுண்ணறிவு மெய்யியலில் தூரிங் ஓர்வு அல்லது செய்முறை முதல் முனப்பான முன்மொழிவாகும்.

விளையாட்டு செநு

[தொகு]

1951 ஆம் ஆண்டில் மான்செசுட்டர் பல்கலைக்கழகத்தின் பெராந்தி மார்க் 1 எந்திரத்தைப் பயன்படுத்தி கிறித்தோபர் சுட்டிராச்சி ஒரு எதிராட்டங்களின்(செக்கர்ஸ்) திட்டத்தை எழுதினார் , டீட்ரிச் பிரின்சு சதுரங்கத்திற்கான எதிராட்டநிரல் ஒன்றை எழுதினார்.[42] ஆர்தர் சாமுவேலின் எதிராட்ட நிரல் அவரது 1959 ஆம் ஆண்டு ஆய்வறிக்கையின் பொருள் "ஏதிராட்ட நகர்வுகளைப் பயன்படுத்தி (விளையாட்டைப் பயன்படுத்தி) எந்திர கற்றலில் சில ஆய்வுகள் " இறுதியில் ஒரு மதிப்புக்குரிய முதனிலை அறைகூவல் விடப் போதுமான திறனை அடைந்தது.[43] செநு விளையாட்டு அதன் வரலாறு முழுவதும் செநுவின் முன்னேற்றத்தை ஒரு நடவடிக்கையாக தொடர்ந்து பயன்படுத்தப்படுகிறது.

குறியீட்டு பகுத்தறிவும் தருக்கவியல் கோட்பாட்டாளரும்

[தொகு]

ஐம்பதுகளின் நடுப்பகுதியில் இலக்கவியல் கணினிகளுக்கான அணுகல் இயன்றபோது , எண்களைக் கையாளக்கூடிய ஓர் எந்திரம் குறியீடுகளையும் கையாள முடியும் என்பதையும் , குறியீடுகளை கையாளுவது மனித சிந்தனையின் சாரமாக இருக்கலாம் என்பதையும் ஒரு சில விஞ்ஞானிகள் இயல்பாகவே ஏற்றனர். சிந்தனை எந்திரங்களை உருவாக்குவதற்கான ஒரு புதிய அணுகுமுறையாக இது அமைந்தது.[44]

1955 ஆம் ஆண்டில் ஆலன் நெவெல்லும் (எதிர்கால நோபல் பரிசாளர்) எர்பர்ட்டு ஏ. சைமனும், ஜே. சி. சாவின் உதவியுடன், " தருக்கவியல் கோட்பாட்டாளர் " என்ற நூலை உருவாக்கினர். இந்தத் திட்டம் இறுதியில் இரசலும் வைட்கெடுவும் சேர்ந்து கணிதவியல் நெறிமுறைகள் எனும் நியூட்டனின் நூலுக்கு முதல் 52 கோட்பாடுகளில் 38 ஐ நிறுவவும் மற்றும் சிலவற்றிற்குப் புதிய, நேர்த்தியான சான்றுகளைக் கண்டறியவும் செய்தனர்.[45] சைமன் அவர்கள் " மதிப்பிற்குரிய மனம் / உடல் ச்க்கலைத் தீர்த்துவிட்டதாகக் கூறினார் , இது ஒரு பொருளின் அமைப்பு எவ்வாறு மனதின் பண்புகளைக் கொண்டிருக்கலாம் என்பதை விளக்குகிறது.[46] (இது ஜான் சியர்லே பின்னர் அழைத்த மெய்யியல் நிலைப்பாட்டின் தொடக்க அறிக்கையாகும் " வன்செநு: மனித உடல்களைப் போலவே எந்திரங்களும் மனதைக் கொண்டிருக்க முடியும் என வாதிடுகிறது.[47]

தார்த்துமவுத் பட்டறை 1956: செநுவின் பிறப்பு

[தொகு]

1956 ஆம் ஆண்டின் தார்த்துமவுத் பட்டறை[48] மாநாட்டிற்கான முன்மொழிவில் பின்வரும் உறுதிப்பாடு இருந்தது. "கற்றலின் ஒவ்வொரு கூறையும் அல்லது நுண்ணறிவின் எந்தவொரு கூறையும் மிகவும் துல்லியமாக விவரிக்க முடியும். அதை உருவகப்படுத்த ஓர் எந்திரத்தை உருவாக்க முடியும்". பங்கேற்பாளர்களில் இரே சாலமனாப், ஆலிவர் செல்பிரிட்ஜ் திரென்சார்டு மூர், ஆர்த்தர் சாமுவேல், ஆலன் நெவெல், எர்பர்ட்டு ஏ. சைமன் ஆகியோர் செநு ஆராய்ச்சியின் முதல் பத்தாண்டுகளில் முதன்மையான திட்டங்களை உருவாக்குவர்.[49] இந்தப் பட்டறையில் நெவெல்லும் சைமனும் சேர்ந்து தருக்கவியல் கோட்பாட்டாளர் எனும் நூலை அறிமுகப்படுத்தினர் , மேலும் மெக்கார்த்தி பங்கேற்பாளர்களை " செயற்கை நுண்ணறிவு " என்ற பெயரை புலத்தின் பெயராக ஏற்றுக்கொள்ளும்படி வற்புறுத்தினார். ( தன்னாள்வியல் புலத்தை உருவாக்கிய நோர்பர்ட்டு வீனரின் செல்வாக்குடனான தொடர்புகளைத் தவிர்ப்பதற்காக மெக்கார்த்தி " செயற்கை நுண்ணறிவு " என்ற சொலைத் தேர்ந்தெடுத்தார்.)[50]

1956 - 1974

[தொகு]

தார்த்துமவுத் பட்டறைக்குப் பிந்தைய ஆண்டுகளில் உருவாக்கப்பட்ட திட்டங்கள் பெரும்பாலான மக்களுக்கு " கணினிகள் இயற்கணித சொல் சிக்கல்களைத் தீர்க்கின்றன; வடிவவியலில் கோட்பாடுகளை நிறுவுகின்றன; மேலும், ஆங்கிலம் பேசக் கற்றுக்கொள்கின்றன என்பது மட்டுமே புரிந்தது.[51] எந்திரங்களின் இத்தகைய நுண்ணறிவு நடத்தை இயலும் என்று அந்த நேரத்தில் சிலர் நம்பியிருந்தார்கள்.[52] 20 ஆண்டுகளுக்குள் ஒரு முழுமையான நுண்ணறிவு எந்திரம் உருவாக்கப்படும் என்று தனிப்பட்டும் அச்சமூடகங்களிலும் ஆராய்ச்சியாளர்கள் தம் நம்பிக்கையை வெளிப்படுத்தினர்.[53] DARPA போன்ற அரசு நிறுவனங்கள் புதிய துறையில் பணத்தைக் கொட்டின.[54]

அணுகுமுறைகள்

[தொகு]

50களின் பிற்பகுதியிலும் 1960களிலும் பல வெற்றிகரமான திட்டங்களும் புதிய திசைகளும் உருவாகின. மிகவும் செல்வாக்கு பெற்றவைகளில் பின்வருவன அடங்கும்.

தேடல் எனும் பகுத்தறிவு

[தொகு]

பல தொடக்க காலச் செநு நிரல்கள் அதே அடிப்படை வழிமுறையைப் பயன்படுத்தின. ஒரு இலக்கை அடைய (ஒரு விளையாட்டை வெல்வது அல்லது ஒரு தேற்றத்தை நிறுவல் போன்றவை) அவர்கள் அதை நோக்கிப் படிப்படியாக முன்னேறினர் (ஒரு நகர்வு அல்லது ஒரு விலக்கு மூலம் அவர்கள் ஒரு முற்றுப்புள்ளியை அடையும் போதெல்லாம் பின்னோக்கித் தேடும் ஒரு கற்பிதம் போன்ற அமையும். இந்த முன்வடிவம் " தேடல் எனும் பகுத்தறிவு " என்று அழைக்கப்பட்டது.[55]

முத்ன்மையான இடர் என்னவென்றால் , பல சிக்கல்களுக்குக் கற்பிதம் வழியாமியலும் வழித்தடங்களின் எண்ணிக்கை வெறுமனே வானியல் அளவுக்கு (ஒரு " கூட்டு வெடிப்பு " என்று அழைக்கப்படும் ஒருபெருஞ்சூழ்நிலைக்கு). விரிவடையும். ஆராய்ச்சியாளர்கள் ஒரு தீர்வுக்கு வழிவகுக்க முடியாத வழித்தடங்களை அகற்ற உய்த்துணர்வு அல்லது கட்டைவிரல் விதிகளைப் பயன்படுத்துவதால் தேடல் வெளியைக் குறைப்பார்கள்.[56]

நெவெல்லும் சைமனும் இந்த வழிமுறையின் பொதுவான வடிவத்தை " பொது சிக்கல் தீர்வு " என்ற நிரலில் பிடிக்க முயன்றனர்.[57] எர்பர்ட்டு ஜெலெர்ன்டரின் வடிவியல் தேற்ற நிறுவி (1958) , மின்சுகியின் மாணவர் ஜேம்ஸ் சுலாகில் (1961) எழுதிய SAINT® போன்ற வடிவியல், இயற்கணிதத்தில் உள்ள சிக்கல்களைத் தீர்ப்பது போன்ற ஈர்க்கக்கூடிய பணிகளை மற்ற " தேடல் " நிரல்களால் செய்ய முடிந்தது.[58] மற்ற திட்டங்கள் இலக்குகளும் துணை இலக்குகளும் வழியாக செயல்களைத் தேட திட்டமிடுகின்றன - சுட்டான்போர்டில் உருவாக்கப்பட்ட STRIPS அமைப்பு போன்ற ஒன்று அவர்களின் சேக்கி எந்திரனின் நடத்தையைக் கட்டுப்படுத்துகிறது.[59]

பொருண்மை(சொற்பொருள்) வலையமைப்பின் ஒரு எடுத்துக்காட்டு

இயற்கை மொழி.

[தொகு]

செயற்கை நுண்ணறிவு ஆராய்ச்சியின் முதன்மைக் குறிக்கோள் , கணினிகள் ஆங்கிலம் போன்ற இயற்கையான மொழிகளில் தொடர்பு கொள்ள வழிவகுப்பதாகும். உயர்நிலைப் பள்ளி இயற்கணிதச் சொல் சிக்கல்களைத் தீர்க்கக்கூடிய தானியேல் பாப்ரோவின் மாணவர் திட்டம் தொடக்கநிலை வெற்றியாக இருந்தது.[60]

சொற்பொருள் வலையமைப்பு என்பது கருத்தாக்கங்களை (எ. கா. , " வீட்டு வாயில் ") முனைகளாகவும் கருத்தாக்கங்களுக்கிடையேயான உறவுகளாகவும் (எ. க. , " has - a ") கருத்தாக்கங்களுக்கு இடையேயான இணைப்புகளாகக் குறிக்கிறது. சொற்பொருள் வலையைப் பயன்படுத்திய முதல் செநு நிரல் உரோசு குயிலியன்[61] என்பவரால் எழுதப்பட்டது. மிகவும் வெற்றிகரமான (ஆனால், விவாதத்துக்குரிய) பதிப்பு உரோஜர் சாங்கின் கருத்தியல் சார்புக் கோட்பாடு ஆகும்.[62]

ஜோசப் வெய்சன்பாமின் எலிசா மிகவும் இயல்பான உரையாடல்களை நடத்த முடியும். எனவே பயனர்கள் ஒரு மனிதனுடன் தொடர்பு கொள்வதாகவே நினைத்துள்ளனர். (எலிசா விளைவைப் பார்க்கவும்). ஆனால் உண்மையில் எலிசாவுக்கு அவள் எதைப் பற்றி பேசுகிறாள் என்று தெரியவில்லை. அவள் வெறுமனே ஒரு பதிவு செய்யப்பட்ட பதிலைக் கொடுத்தாள் அல்லது ஒரு சில இலக்கண விதிகளுடன் தனது பதிலை மீளாய்வு செய்யும்படி சொன்னதை மீண்டும் மீண்டும் செய்தாள். எலிசா முதல் அரட்டை எந்திரன்ஙும்.[63]

நுண் உலகங்கள்

[தொகு]

60 களின் பிற்பகுதியில் எம்ஐடி செயற்கை நுண்ணறிவு ஆய்வகத்தின் மார்வின் மின்சுகியும் சீமோர் பஆப்பர்ட்டும் செயற்கை நுண்ணறிவுத் தொழில்நுட்பம் நுண் உலகங்கள் எனப்படும் எளிய நுண் செயற்கை சூழ்நிலைகளில் கவனம் செலுத்த வேண்டும் என்று முன்மொழிந்தனர். இயற்பியல் போன்ற வெற்றிகரமான அறிவியல்களில் , உராய்வு இல்லாத விமானங்கள் அல்லது முழுமையான கடினமான உடல்கள் போன்ற எளிமைப்படுத்தப்பட்ட படிமங்களைப் பயன்படுத்தி, அடிப்படைக் கொள்கைகள் பெரும்பாலும் நன்கு புரிந்து கொள்ளப்படுகின்றன என்று அவர்கள் சுட்டிக்காட்டினர். பெரும்பாலான ஆராய்ச்சிகள் ஒரு கட்டங்கள் நுண் உலகை மையமாகக் கொண்டிருந்தன , இது ஒரு தட்டையான மேற்பரப்பில் வரிசைப்படுத்தப்பட்ட பல்வேறு வடிவங்களும் அளவுகளும் உள்ள வண்ணக் கட்டங்களைக் கொண்டுள்ளது.[64]

இந்த எடுத்துகாட்டு ஜெரால்ட் சுசுமான் ( இவர் குழுவை வழிநடத்தியவர்) அடோல்போ குசுமான் டேவிடு வால்ட்சு ( இவர் கட்டுத்தளை பரவலைக் கண்டுபிடித்தவர்), பேட்ரிக் வின்சுட்டன் ஆகியோர் புதுமையாக எந்திரக் காட்சியை உருவாக்கினர். அதே நேரத்தில் மின்சுகியும் பாப்பர்ட்டும் ஒரு எந்திரன் கையை உருவாக்கினர். இக்கை கட்டங்களை அடுக்கி உயிர்ப்பிக்கும். நுண் உலகத் திட்டத்தின் முடிசூட்டு சாதனை டெர்ரி வினோகிராட்டின் சிறுதுளு ஆகும். இது எளிய ஆங்கில வாக்கியங்களில் தொடர்பு கொள்ள முடியும் - செயல்பாடுகளைத் திட்டமிட்டு அவற்றை செயல்படுத்தவும் முடியும்.[65]

தானியங்கி

[தொகு]

ஜப்பானில் வசேடா பல்கலைக்கழகம் 1967 ஆம் ஆண்டில் வாபோட்(WABOT) திட்டத்தை தொடங்கியது. 972 ஆம் ஆண்டில் உலகின் முதல் முழு அளவிலான " நுண்ணறிவு " மனித எந்திரன் அல்லது வாபோட் - 1 மனிந்திரனை நிறைவு செய்தது.[66][67] அதன் மூட்டுக் கட்டுப்பாட்டு அமைப்பு, கீழே கைகால்களுடன் நடக்கவும் , தொட்டுணரக்கூடிய உணரிகளைப் பயன்படுத்தி கைகளால் பொருட்களைப் பிடிக்கவும் அதி வேற் இடத்துக்குக் கொண்டு செல்லவும் வழிவகுத்தது. அதன் புலன் அமைப்புகளாக செயற்கை கண்கள், காதுகளுக்கு வெளிப்புற ஏற்பிகளைப் பயன்படுத்தி பொருட்களுக்கான தொலைவுகளையும் திசைகளையும் அளவிட வழிவகுத்தது. அதன் உரையாடல் அமைப்பு ஜப்பானிய மொழியில் ஒரு தனியருடன் செயற்கை வாய்வழி தொடர்பு கொள்ள வைத்தது.[68][69][70]

நம்பிக்கைவாதம்

[தொகு]

முதல் தலைமுறை AI ஆராய்ச்சியாளர்கள் தங்கள் வேலையைப் பற்றிப் பின்வரும் கணிப்புகளைச் செய்தனர்ஃ

  • 1958 - எச். ஏ. சைமன் மற்றும் ஆலன் நெவெல்: " பத்து ஆண்டுகளுக்குள் ஒரு இலக்கவியல் கணினி உலகின் சதுரங்க சாம்பியனாக இருக்கும். மேலும் " பத்து ஆண்டுகளுக்கு பிறகு ஒரு இலக்கவியல் கணினி ஒரு முதன்மையான புதிய கணிதக் கோட்பாட்டைக் கண்டுபிடித்து நிறுவும்.[71]
  • 1965 - எச். ஏ. சைமன்: " இருபது ஆண்டுகளுக்குள் எந்திரங்கள் ஒரு மனிதன் செய்யக்கூடிய எந்த வேலையையும் செய்ய முடியும்.[72]
  • 1967 - மார்வின் மின்சுகி (Marvin Minsky) " ஒரு தலைமுறைக்குள்... செயற்கை நுண்ணறிவை உருவாக்கும் சிக்கல் கணிசமாக தீர்க்கப்படும்.[73]
  • 1970 - மார்வின் மின்சுகி (லைஃப் இதழில்): " மூன்று முதல் எட்டு ஆண்டுகளில் சராசரி மனிதனின் பொது நுண்ணறிவைக் கொண்ட ஒரு எந்திரம் நம்மிடம் இருக்கும்.[74]

நிதி

[தொகு]

1963 ஜூனில் புதிதாக உருவாக்கப்பட்ட மேம்பட்ட ஆராய்ச்சி திட்டங்கள் நிறுவனத்திடமிருந்து (பின்னர் இது டார்ப்பா(DARPA) எனப்பட்டது) மசாச்சூசட்சு தொழிநுட்ப நிறுவனம் 22 லட்சம் டாலர் நல்கையைப் பெற்றது. ஐந்து ஆண்டுகளுக்கு முன்பு மின்சுகியும் மெக்கார்த்தியும் நிறுவிய செநு குழுமமும் இணைந்துள்ள எம்ஏசி திட்டத்திற்கு நிதியளிக்க இந்தப் பணம் பயன்படுத்தப்பட்டது. 70கள் வரை டார்ப்பா தொடர்ந்து ஆண்டுக்கு மூன்று மில்லியன் டாலர்களை செநு ஆய்வுக்கு வழங்கியது.[75] டார்ப்பா, CMU இல் நிறுவப்பட்ட நெவெல், சைமன் திட்டம், சுட்டான்போர்டு செநு திட்டம் (ஜான் மெக்கார்த்தி 1963 இல் நிறுவியது) ஆகியவற்றுக்கும் இதே போல நல்கைகள் வழங்கியது.[76] மற்றொரு முதன்மையான செயற்கை நுண்ணறிவு ஆய்வகம் எடின்பர்கு பல்கலைக்கழகத்தில் 1965 ஆம் ஆண்டில் டொனால்டு மிச்சியால் நிறுவப்பட்டது.[77] இந்த நான்கு நிறுவனங்களும் செயற்கை நுண்ணறிவு ஆராய்ச்சியின் முதன்மை மையங்களாக தொடர்ந்து கல்வித்துறையில் நிலவின.

இந்தப் பணம் இலிக்லிடருடன் இணைந்த சில சரங்களுடன் இணைக்கப்பட்டது. ஜே. சி. ஆர். இலிக்லிடர் , பின்னர் ஆர்ப்பாவின்(ARPA ) இயக்குநரானவர், தனது அமைப்பு " மக்களுக்கு நிதியளிக்க வேண்டும் , திட்டங்களுக்கு அல்ல " என்று நம்பியவர். மேலும் இவர் ஆய்வாளர்கள் தங்களுக்கு ஆர்வமாக இருக்கும் எந்த திசைவழியிலும் செயல்பட லாம் என இசைவளித்தார்.[78] இது மசாச்சூசட்சு தொழில்நுட்ப நிறுவனத்தில் ஒரு விடுதலையான சூழ்நிலையை உருவாக்கியது. ஆனால், இது நிரல்களைவு பண்பாட்டை உருவாக்கியது , என்றாலும் இந்த கை கழுவும் அணுகுமுறை நீடிக்காது.[79]

முதல் செநு தேக்ககாலம் (1974 - 1980)

[தொகு]

1970 களில் செநுவுக்கு விமர்சனங்களும் நிதி பின்னடைவுகளும் ஏற்பட்டது. செயற்கை நுண்ணறிவு ஆராய்ச்சியாளர்கள் தாங்கள் எதிர்கொண்ட சிக்கல்களின் சிரமத்தை புரிந்துகொள்ளத் தவறிவிட்டனர். அவர்களின் மிகப்பெரிய நம்பிக்கை எதிர்பார்ப்புகளை மிகவும் உயர்த்தி , வாக்குறுதியளிக்கப்பட்ட முடிவுகளை நடைமுறைப்படுத்தத் தவறியபோது , செயற்கை நுண்ணறிவுக்கான நிதி காணாமல் போனது.[80] அதே நேரத்தில் , ஒற்றை அடுக்கு செயற்கை நரம்பியல் வலைப்பினையங்களின் ஆய்வு ஒரு பத்தாண்டுகுக் கிட்டத்தட்ட முழுமையாக நிறுத்தப்பட்டது , ஏனெனில் மார்வின் மின்சுகியின் புத்தகம் புலன்காணிகள் என்ன செய்ய முடியும் என்பதற்கான வரம்புகளை வலியுறுத்தியது.[81] 70களின் பிற்பகுதியில் செயற்கை நுண்ணறிவைப் பற்றிய பொதுக் கண்ணோட்டத்தில் சிக்கல்கள் இருந்தபோதிலும் , தருக்கவியல் நிரலாக்கத்தில் புதிய கருத்துக்கள் ஆராயப்பட்டன.[82]

சிக்கல்கள்

[தொகு]

எழுபதுகளின் முற்பகுதியில் செயற்கை நுண்ணறிவு திட்டங்களின் திறன்கள் குறைவாகவே இருந்தன. மிகவும் ஈர்க்கக்கூடியவர்களால் கூட அவர்கள் தீர்க்க வேண்டிய சிக்கல்களின் மிக எளிய பதிப்புகளை மட்டுமே கையாள முடியும். அனைத்து திட்டங்களும் ஏதோ ஒரு வகையில் " பொம்மைகளாகவே " இருந்தன.[83] செயற்கை நுண்ணறிவு ஆராய்ச்சியாளர்கள் 1970 களில் கடக்க முடியாத பல அடிப்படை வரம்புகளுக்குள் செல்லத் தொடங்கினர். இந்த வரம்புகளில் சில பிற்கால பத்தாண்டுகளில் கைப்பற்றப்பட்டாலும் , மற்ற பின்வருவன இன்றும் களத்தைச் சீர்குலைக்கின்றன.[84]

  • வரையறுக்கப்பட்ட கணினித் திறன்: உண்மையிலேயே பயனுள்ள எதையும் சாதிக்க போதுமான நினைவகம் அல்லது செயலாக்க வேகம் இல்லை. எடுத்துகாட்டாக , இயற்கை மொழி குறித்த உரோசு குயிலியனின் வெற்றிகரமான பணி இருபது சொற்களின் சொற்களஞ்சியத்துக்கு மட்டுமே நிறுவப்பட்டது , ஏனெனில் நினைவகத்தின் கொள்ளளவு அவ்வளவே இருந்தது.[85] 1976 ஆம் ஆண்டில் ஆன்சு மொராவெக் , கணினிகள் இன்னும் நுண்ணறிவை வெளிப்படுத்த மில்லியன் கணக்கான மடங்கு வலுவிழந்தாஏ உள்ளன என்று வாதிட்டார். அவர் ஒரு ஒப்புமையைப் பரிந்துரைத்தார். விமானத்திற்கு குதிரைத்திறன் தேவைப்படுவது போலவே, செயற்கை நுண்ணறிவுக்குக் கணினி திறன் தேவைப்படுகிறது. ஒரு குறிப்பிட்ட திறன்வரம்பிற்கு கீழே அது இயலாது , ஆனால், திறன் அதிகரிக்கும் போது அது இறுதியில் எளிதாக இயலும். கணினி பார்வையைப் பொறுத்தவரை , மனிதப் விழித்திரையின் விளிம்பு, இயக்கங் கண்டறிதல் திறன்களை நிகழ்நேரத்தில் பொருத்துவதற்கு நொடிக்கு 109 செயல்பாடுகள் (1000 MIPS) திறன் கொண்ட ஒரு பொது நோக்கக் கணினி தேவைப்படும் என்று மொராவெக் மதிப்பிட்டார்.[86] 2011 ஆம் ஆண்டு நிலவரப்படி , நடைமுறை கணினிப் பார்வை பயன்பாடுகளுக்கு நொடிக்கு,10,000 முதல் 10,00,000 வரை செயல்பாடுகள் தேவைப்படுகின்றன. ஒப்பிடுகையில் 1976 ஆம் ஆண்டில் மிக விரைவான கிரே எனும் மீக்கணினி ஒன்று $ 5 மில்லியன் முதல் 8 மில்லியன் டாலர் வரை சில்லறை விற்பனையானது. இது சுமார் நொடிக்கு 80 முதல் 130 செயல்பாடுகளை(MIPS) மட்டுமே திறனாகக் கொண்டது. அந்த வேளையில் ஒரு வழக்கமான மிசைக்கணினி நொடிக்கு ஒரு செயல்பாட்டுக்கும் (MIPS) குறைவாகவே இருந்தது.
  • ஊடாட்டத்திறமும் சேர்மான வெடிப்பும் 1972 ஆம் ஆண்டில் இரிச்சர்டு கார்ப் ( சுட்டீவன் குக்கின் 1971 தேற்றத்தின்படி) பல சிக்கல்களை அதிவேக நேரத்தில் மட்டுமே தீர்க்க முடியும் என்பதைக் காட்டியது. இந்த சிக்கல்களுக்கு உகந்த தீர்வுகளைக் கண்டுபிடிப்பதற்கு கணினி நேரம் கற்பனை செய்ய முடியாத பேரளவில் தேவைப்படுகிறது. எளிய சிக்கல்களைத் தவிர. செநுவால் பயன்படுத்தப்படும் பல தீர்வுகள் ஒருபோதும் பயனுள்ள அமைப்புகளாக மாறாது என்பதை இது கிட்டத்தட்டஔருதியாக்கியது.[87]
  • பொதுப்புலன் அறிவு மற்றும் பகுத்தறிவு. பார்வை அல்லது இயற்கை மொழி போன்ற பல முதன்மியான செயற்கை நுண்ணறிவு பயன்பாடுகளுக்கு உலகத்தைப் பற்றிய ஏராளமான தகவல்கள் தேவைப்படுகின்றன. இந்தத் திட்டம் எதைப் பார்க்கிறது அல்லது எதைப் பற்றி பேசுகிறது என்பது பற்றி சில எண்ணக்கருக்களைக் கொண்டிருக்க வேண்டும். இதற்கு ஒரு குழந்தை செய்யும் உலகத்தைப் பற்றிய பெரும்பாலான பொருண்மைகளை இந்தத் திட்டம் அறிந்திருக்க வேண்டும். இதற்கு உண்மையிலேயே பேரளவிலான தகவல் தேவை என்பதை ஆராய்ச்சியாளர்கள் விரைவில் கண்டுபிடித்தனர். 1970இல் யாரும் இவ்வளவு பெரிய தரவுத்தளத்தை உருவாக்க முடியவில்லை , ஒரு நிரல் எப்படி இவ்வளவு தகவல்களைக் கற்றுக்கொள்ளும் என்று யாருக்கும் தெரியாது.[88]
  • மொராவெக்கின் முரண்பாடு: கோட்பாடுகளை நிறுவுவதும் வடிவியல் சிக்கல்களைத் தீர்ப்பதும் கணினிகளுக்கு ஒப்பீட்டளவில் எளிதானது , ஆனால் ஒரு முகத்தை அடையாளம் காண்பது அல்லது எதையும் தாக்காமல் ஒரு அறையைக் கடப்பது போன்ற எளிய பணி மிகவும்வாரியது. பார்வை, எந்திரனியல் பற்றிய ஆராய்ச்சி 1970 களின் நடுப்பகுதியில் ஏன் இவ்வளவு சிறிய முன்னேற்றத்தை அடைந்தது என்பதை விளக்க இது உதவுகிறது.[89]
  • சட்டகமும் தகுதி சிக்கல்களும். AI ஆராய்ச்சியாளர்கள் (தருக்கத்தைப் பயன்படுத்திய ஜான் மெக்கார்த்தியைப் போல) தருக்கத்தின் கட்டமைப்பில் மாற்றங்களைச் செய்யாமல் திட்டமிடல் அல்லது இயல்புநிலை பகுத்தறிவை உள்ளடக்கிய எளிய் விலக்குகளை உருவகப்படுத்த முடியாது என்பதைக் கண்டுபிடித்தனர். அவர்கள் ஒற்றைப்படை அல்லாத தருக்கங்களும் படிமவகைத் தருக்கங்களும் போன்ற புதிய தருக்கங்களை உருவாக்கினர் .[90]

நிதி ஒதுக்கீட்டு முடிவு

[தொகு]

செயற்கை நுண்ணறிவு ஆராய்ச்சிக்கு நிதியளித்த முகமைகள் (பிரித்தானிய அரசு, DARPA, NRC போன்றவை) முன்னேற்றம் இல்லாததால் ஏமாற்றமடைந்து, இறுதியில் செயற்கை நுண்ணறிவில் திசைதிருப்பப்படாத ஆராய்ச்சிக்கான அனைத்து நிதியையும் துண்டித்தன. 1966 ஆம் ஆண்டில் எந்திர மொழிபெயர்ப்பு முயற்சிகளை விமர்சித்து ஏ. எல். பி. ஏ. சி அறிக்கை தோன்றியபோதே, சிந்தனைமுறை தொடங்கியது. 20 மில்லியன் டாலர்கள் செலவழித்த பிறகு , என். ஆர். சி யும் அனைத்து ஆதரவையும் முடிவுக்குக் கொண்டுவந்தது.[91] 1973 ஆம் ஆண்டில் இங்கிலாந்தில் செயற்கை நுண்ணறிவு ஆராய்ச்சியின் நிலை குறித்த இலைட்கில் அறிக்கை , செயற்கை நுண்ணறிவுத்திறன் அதன் " மகத்தான நோக்கங்களை " அடையத் தவறியதை விமர்சித்தது. இது அந்த நாட்டில் செயற்கை நுண்ணறிவின் ஆராய்ச்சியை அகற்ற வழிவகுத்தது.[92] செநுவிஇன் தோல்விகளுக்கு ஒரு காரணமாக ஒருங்கிணைந்த வெடிப்பு சிக்கலை அறிக்கை சிறப்பாகக் குறிப்பிட்டது.)[93][94] 1974 வாக்கில் செநு திட்டங்களுக்கான நிதியுதவி கிடைப்பது அரிதானது.

ஆன்சு மொரவெக் தனது இணை ஊழியர்களின் நம்பத்தகாத கணிப்புகளையே நெருக்கடிக்கான காரணமாகக் குற்றம் சாட்டினார். " பல ஆராய்ச்சியாளர்கள் அதிகரித்து வரும் மிகைப்படுத்தலின் வலையில் சிக்கியுள்ளனர்.[95] இருப்பினும் , மற்றொரு சிக்கலும் இருந்தது. 1969 ஆம் ஆண்டில் மான்சுப்பீல்டுத் திருத்தம் நிறைவேற்றப்பட்டதிலிருந்து , அடிப்படை திசைதிருப்பப்படாத ஆராய்ச்சிக்கு பதிலாக பிலக்கு சார்ந்த நேரடி ஆராய்ச்சிக்கு " நிதியளிக்கும் DARPA அழுத்தத்தில் டார்ப்பா(DARPA) இருந்தது. 60 களில் நடந்த ஆக்கமுறை தற்சார்பு ஆய்வுக்கான நிதி டார்ப்பாவில்(DARPA) இருந்து வரவில்லை. அதற்கு பதிலாக , தன்னாட்சி எந்திரத் த்கரிகள், போர் மேலாண்மை அமைப்புகள் போன்ற தெளிவான நோக்கங்களுள்ள குறிப்பிட்ட திட்டங்களுக்கே பணம் தரப்பட்டது.

பலதரப்பு விமர்சனங்கள்

[தொகு]

செயற்கை நுண்ணறிவு ஆராய்ச்சியாளர்கள் கூறிவரும் கூற்றுகளுக்குப் பல மெய்யியலாளர்கள் கடும் எதிர்ப்பைத் தெரிவித்தனர். கோதெலின் முழுமையற்ற தேற்றம் கணினி நிரல் போன்ற ஒரு முறையான அமைப்பை ஒரு மனிதனால் செய்யமுடியும்போது, சில அறிக்கைகளின் உண்மையை ஒருபோதும் பார்க்க முடியாது என்பதைக் காட்டியது என்று தொடக்க காலங்களில் வாதிட்ட ஒருவர் ஜான் உலூகாசு ஆவார்.[96] 1960 களின் பொய்த்த வாக்குறுதிகளை கூபர்ட்டு திரேப்பசு கேலி செய்தார் , மேலும் மனித பகுத்தறிவு உண்மையில் மிகக் குறைந்த " குறியீட்டு செயலாக்கம் ", உருவகப்படுத்தப்பட்ட " உள்ளுணர்வு மயக்கம் " ஆகியவற்றை உள்ளடக்கியது என்று வாதிட்ட செநுவின் கருதுகோள்களை விமர்சித்தார். 1980 இல் ஜான் சியர்லே முன்வைத்த சீன அறை வாதம் ஒரு நிரலை " அது பயன்படுத்தும் உறியீடுகளைப் புரிந்துகொள்வது " என்று சொல்ல முடியாது என்பதைக் காட்ட முயன்றது (முள்நோக்குதிறம் " என்று அழைக்கப்படும் பண்புக்கும். சியர்லே வாதிட்ட எந்திரக் குறியீடுகளுக்கும் எந்த பொருத்தமும் இல்லை என்றால், எந்திரத்தை " சிந்தனை " என்று விவரித்தலும் முடியாது.[97]

இந்த விமர்சனங்கள் பெரும்பாலும் செநு ஆராய்ச்சியாளர்களால் ஒருபொருட்டாக எடுத்துக் கொள்ளப்படவில்லை. ஏனெனில் அவை மிகவும் விலகி இருப்பதாக அவர்களுக்குத் தோன்றியது. சிக்கலற்ற தன்மையும் பொதுப்புலன் அறிவும் போன்ற சிக்கல்கள் மிகவும் உடனடியானதாகவும் முனைப்பானதாகவும் தோன்றின. ஒரு உண்மையான கணினி நிரலுக்கு எப்படி அல்லது வேண்டுமென்றே என்ன வேறுபாடு ஏற்பட்டது என்பது தெளிவாகத் தெரியவில்லை. திரேப்பசு, சியர்லே பற்றி மின்சுகி கூறுகையில் , " அவர்கள் தவறாகப் புரிந்துகொண்டனர். அவர்கள் புறக்கணிக்கப்பட வேண்டும் " என்றார்.[98] MIT இல் கற்பித்த திரேப்பசுக்கு ஒரு குளிர்தாங்கும் தோள்பட்டை வழங்கப்பட்டது. பின்னர் அவர் செநு ஆராய்ச்சியாளர்கள் " என்னுடன் மதிய உணவு சாப்பிடுவதைக் காணத் துணியவில்லை " என்று கூறினார்.[99] எலிசா என்ற புத்தகத்தின் ஆசிரியரான ஜோசப் வெய்சன்பாம் , தனது இணை ஊழியர்கள் திரேப்பசை நடத்துவது தொழில்முறையற்றதும் குழந்தைத்தனமானதும் என்று உணர்ந்தார்.[100] அவர் திரேப்பசின் நிலைப்பாடுகளை வெளிப்படையாக விமர்சித்தாலும் , " ஒரு மனிதனை அப்படி நடத்துவது பண்புடையது அல்ல என்பதை அவர் வேண்டுமென்றே தெளிவுபடுத்தினார்.

கென்னத் கோல்பி எலிசாவை அடிப்படையாகக் கொண்ட உளவியல் மருத்துவ உரையாடலை நடத்தக்கூடிய ஒரு கணினி திட்டத்தை எழுதியபோது வெய்சென்பாம் செயற்கை நுண்ணறிவு பற்றி கடுமையான அறநெறி ஐயங்களுக்குள்ளானார். கோல்பி ஒரு நுண்ணரிவுத் திட்டத்தை ஒரு முனைப்பான மருத்துவக் கருவியாகக் கொண்டதால் வெய்சன்பாம் கலங்கினார். ஒரு புகைச்சல் தொடங்கியது., மேலும் இந்த திட்டத்திற்கு வெய்சென்பாம் அளித்த பங்களிப்புக்காக கோல்பி பாராட்டு தெரிவிக்காதபோது நிலைமை மேலும் சிக்கலானது. 1976 ஆம் ஆண்டில் வெய்சன்பாம் வெளியிட்ட கணினித் திறனும் மனிதப் பகுத்தறிவு எனும் நூல் செயற்கை நுண்ணறிவை தவறாகப் பயன்படுத்துவது மனித வாழ்க்கையைக் குறைவாக மதிப்பிடும் திறன் கொண்டது என்று வாதிட்டது.[101]

புலனிகளும் இணைப்புவாதம் மீதான தாக்குதலும்

[தொகு]

புலனி என்பது 1958 ஆம் ஆண்டில் பிராங்க்ஸ் உயர்நிலைப் பள்ளியில் மார்வின் மின்சுகியின் பள்ளி தோழராக இருந்த ஃபிராங்க் ரோசென்ப்ளாட் என்பவரால் அறிமுகப்படுத்தப்பட்ட நரம்பியல் வலைப்பிணைய்த்தின் ஒரு வடிவமாகும். பெரும்பாலான செயற்கை நுண்ணறிவு ஆராய்ச்சியாளர்களைப் போலவே , " புலனி இறுதியில் கற்றுக்கொள்ள முடியும் , முடிவுகளை எடுக்க முடியும் , மொழிகளை மொழிபெயர்க்க முடியும் " என்று அவற்றின் கணிப்புத் திறன் குறித்து அவர் நம்பிக்கையுடன் இருந்தார். முன்வகைமைக்கான ஒரு முனைப்பான ஆராய்ச்சி திட்டம் 1960 கள் முழுவதும் மேற்கொள்ளப்பட்டது , ஆனால் மின்சுகியும் பாப்பர்ட்டும் 1969 புத்தகமான புலனிகள் வெளியீட்டால் திடீரென்று நிறுத்தப்பட்டது. புலனிகள் என்ன செய்ய முடியும் என்பதற்கு கடுமையான வரம்புகள் இருப்பதையும் , பிராங்கு உரோசென்பிளாட்டின் கணிப்புகள் மிகவும் மிகைப்படுத்தப்பட்டவை என்றும் அது பரிந்துரைத்தது. புத்தகத்தின் விளைவு பேரழிவுகரமானதாக இருந்தது. கிட்டத்தட்ட 10 ஆண்டுகளாக எந்தவொரு ஆராய்ச்சிக்கும் இணைப்பு நிதியுதவி வழங்கப்படவில்லை. இறுதியில் ஒரு புதிய தலைமுறை ஆராய்ச்சியாளர்கள் இந்தத் துறையை புதுப்பித்தார்கள் , அதன் பிறகு அது செயற்கை நுண்ணறிவின் முதன்மையான, பயனுள்ள பகுதியாக மாறியது. புத்தகம் வெளியிடப்பட்ட சிறிது நேரத்திலேயே படகு விபத்தில் இறந்ததால் உசென்பிளாட்டு இதைப் பார்க்க உயிருடன் இருக்கவில்லை .[81]

ஸ்டான்போர்டு CMU வும் எடின்பர்கின் இல்தருக்கமும்

[தொகு]

ஜான் மெக்கார்த்தி தனது ஆலோசனை வாங்குபவர் முன்மொழிவில் 1959 ஆம் ஆண்டிலேயே AI ஆராய்ச்சியில் தர்க்கம் அறிமுகப்படுத்தப்பட்டது.[102] 1963 ஆம் ஆண்டில் ஜே. ஆலன் ராபின்சன் கணினிகளில் விலக்கு மற்றும் ஒருங்கிணைப்பு வழிமுறையை செயல்படுத்த ஒரு எளிய முறையைக் கண்டுபிடித்தார். இருப்பினும் 1960 களின் பிற்பகுதியில் மெக்கார்த்தி மற்றும் அவரது மாணவர்கள் முயற்சித்ததைப் போன்ற நேரடியான செயலாக்கங்கள் குறிப்பாக கடினமானவையாக இருந்தனஃ எளிய கோட்பாடுகளை நிரூபிக்க வானியல் படிகளின் திட்டங்கள் தேவைப்பட்டன.[103] 1970களில் எடின்பர்க் பல்கலைக்கழகத்தில் ராபர்ட் கோவல்ஸ்கி தர்க்கத்திற்கு மிகவும் பயனுள்ள அணுகுமுறையை உருவாக்கினார் , விரைவில் இது பிரெஞ்சு ஆராய்ச்சியாளர்களான அலைன் கொல்மெரோவர் மற்றும் பிலிப் ரூசெல் ஆகியோருடன் இணைந்து வெற்றிகரமான தர்க்க நிரலாக்க மொழியான புரோலாக்கை உருவாக்கியது.[104] புரோலக் தர்க்கத்தின் துணைக்குழுவைப் பயன்படுத்துகிறது (ஹார்ன் உட்பிரிவுகள் " ரூல்ஸ் " மற்றும் " தயாரிப்பு விதிகள் " உடன் நெருக்கமாக தொடர்புடையவை , அவை கையாளக்கூடிய கணக்கீட்டை அனுமதிக்கின்றன. எட்வர்ட் ஃபைஜென்பாமின் நிபுணத்துவ அமைப்புகளுக்கு ஒரு அடித்தளத்தை வழங்குவதற்கும் , ஆலன் நெவெல் மற்றும் ஹெர்பர்ட் ஏ. சைமன் ஆகியோரின் தொடர்ச்சியான பணிகளுக்கும் விதிகள் தொடர்ந்து செல்வாக்கு செலுத்தும் , இது சோர் மற்றும் அவர்களின் ஒருங்கிணைந்த அறிவாற்றல் கோட்பாடுகளுக்கு வழிவகுக்கும்.[105]

தர்க்கரீதியான அணுகுமுறையின் விமர்சகர்கள் , மனிதர்கள் பிரச்சினைகளைத் தீர்க்கும்போது தர்க்கத்தை அரிதாகவே பயன்படுத்துவதாக ட்ரேஃபஸ் கூறியதாகக் குறிப்பிட்டனர். எலனோர் ரோஷ் அமோஸ் டவர்ஸ்கி டேனியல் கான்மேன் மற்றும் பிற உளவியலாளர்களின் சோதனைகள் ஆதாரங்களை வழங்கின. மக்கள் என்ன செய்கிறார்கள் என்பது பொருத்தமற்றது என்று மெக்கார்த்தி பதிலளித்தார். பிரச்சினைகளைத் தீர்க்கக்கூடிய இயந்திரங்கள் தான் உண்மையில் தேவை என்று அவர் வாதிட்டார் - மக்களைப் போல சிந்திக்கும் இயந்திரங்கள் அல்ல.

மசாச்சூசட்சின் " எதிர்தருக்க " அணுகுமுறை

[தொகு]

மெக்கார்த்தியின் அணுகுமுறையை விமர்சித்தவர்களில் எம்ஐடியில் நாடு முழுவதும் உள்ள அவரது இணைப்பணியாளர்களும் அடங்குவர். மார்வின் மின்சுகி, சீமோர் பாப்பர்ட்டு, உரோஜர் சாங்கு ஆகியோர் ஒரு நபரைப் போல சிந்திக்க ஒரு எந்திரம் தேவைப்படும் " கதை புரிதல் " மற்றும் " பொருள் உணர்தல் " போன்ற சிக்கல்களைத் தீர்க்க முயன்றனர். " சேர் " அல்லது " உணவகம் " போன்ற இயல்பான கருத்துகளைப் பயன்படுத்துவதற்கு , மக்கள் பொதுவாகச் செய்யும் அதே தருக்கமுறையான கருதுகோல்களை அவர்கள் செய்ய வேண்டியிருந்தது. துரதிருஷ்டவசமாக இது போன்ற துல்லியமற்ற கருத்துக்கள் தருக்கத்திலரூருவகப்படுத்த கடினமாக இருந்தன. ஜெரால்ட் சுசுமான் , " அடிப்படையில் துல்லியமற்ற கருத்துக்களை விவரிக்க துல்லியமான மொழியைப் பயன்படுத்துவது அவற்றை இன்னும் துல்லியமாக்காது " என்று குறிப்பிட்டார்.[106] மெக்கார்த்தி, கோவல்சுகி, பைசென்பாம், நெவெல், சைமன் ஆகியோரால் பயன்படுத்தப்பட்ட " நீட் " முன்வகைமைகளுக்கு மாறாக அவர்களின் " எதிர்தருக்க " அணுகுமுறைகளைக் கரடானவை( " ஸ்கிராபி ") என்று சாங்கு விவரித்தார்.[107]

1975 ஆம் ஆண்டில் , மின்சுகி தனது சக ஆராய்ச்சியாளர்களில் பலர் ஒரே வகையான கருவியைப் பயன்படுத்துவதாகக் குறிப்பிட்டார். ஒரு கட்டமைப்பைப் பற்றிய நமது பொதுப்புலன் அறிவு அனுமானங்கள் அனைத்தையும் கைப்பற்றும் ஒரு கட்டமைப்பு. எடுத்துக்காட்டாக , ஒரு பறவை என்ற கருத்தை நாம் பயன்படுத்தினால் , உடனடியாக நினைவுக்கு வரும் உண்மைகளின் தொகுப்பு உள்ளது. அது பறக்கிறது , புழுக்களை சாப்பிடுகிறது என்று நாம் கருதலாம். இந்த உண்மைகள் எப்போதும் உண்மையல்ல என்பதையும் , இந்த உண்மைகளைப் பயன்படுத்தும் விதிவிலக்குகள் தருக்கமுறையானவை அல்ல என்பதையும் நாங்கள் அறிவோம் , ஆனால் இந்த கட்டமைக்கப்பட்ட அனுமானங்களின் தொகுப்புகள் நாம் சொல்லும், சிந்திக்கும் எல்லாவற்றிற்கும் ஒரு பகுதியாகும். அவர் இந்த கட்டமைப்புகளை " சட்டகங்கள் " என்று அழைத்தார். ஆங்கிலத்தில் சிறுகதைகள் பற்றிய கேள்விகளுக்கு வெற்றிகரமாகப் பதிலளிக்க சாங்கு கரடுகள்( " ஸ்கிரப்ட்ஸ் " )என்று அழைத்த சட்டகங்களின் வகையைப் பயன்படுத்தினார்.[108]

பெருவளர்ச்சி (1980 - 1987)

[தொகு]

1980களில் நிபுணத்துவ அமைப்புகள் என்றழைக்கப்படும் செயற்கை நுண்ணறிவு திட்டத்தின் ஒரு வடிவம் உலகெங்கிலும் உள்ள நிறுவனங்களால் ஏற்றுக்கொள்ளப்பட்டது , மேலும் அறிவு முதன்மையான செயற்கை நுண்ணறிவுத் ஆராய்ச்சியின் மையமாக மாறியது. அதே ஆண்டுகளில் ஜப்பானிய அரசு அதன் ஐந்தாவது தலைமுறை கணினி திட்டத்துடன் செநுவுக்கு தாராளமாக நிதியளித்தது. 1980களின் முற்பகுதியில் மற்றொரு ஊக்கமளிக்கும் நிகழ்வு ஜான் காப்பீல்டும் டேவிட் உருமல்கார்ட்டும் தம் படைப்புகளில் உருவாக்கிய இணைப்புவாதத்தின் மீட்டெடுப்பாகும். மீண்டும் ஒருமுறை செநு வெற்றியைத் தழுவியதுது.[109]

வல்லுனர் அமைப்புகளின் எழுச்சி

[தொகு]

வல்லுனர் அமைப்பு என்பது வல்லுனர்களின் அறிவிலிருந்து பெறப்பட்ட தருக்கமுறையான விதிகளைப் பயன்படுத்தி, ஒரு குறிப்பிட்ட அறிவின் களத்தைப் பற்றிய கேள்விகளுக்கு பதிலளிக்கும் அல்லது சிக்கல்களைத் தீர்க்கும் ஒரு திட்டமாகும். தொடக்க கால எடுத்துகாட்டுகள் எட்வர்டு பைசென்பாமாலும் அவரது மாணவர்களாலும் உருவாக்கப்பட்டன. 1965 ஆம் ஆண்டில் தொடங்கிய டெண்டிரல் , எனும் கதிர்நிரல்மானி அளவீடுகளிலிருந்து சேர்மங்களை அடையாளம் கண்டது. 1972 ஆம் ஆண்டில் உருவாக்கப்பட்ட மைசின் தொற்று குருதி நோய்களைக் கண்டறிந்தது. என்வே, செநு அணுகுமுறையின் சாத்தியக்கூறுகளை அவர்கள் நிறுவினர்.

வல்லுனர் அமைப்புகள் குறிப்பிட்ட அறிவின் ஒரு சிறிய களத்திற்கு தங்களை மட்டுப்படுத்திக் கொண்டன. எனவே இது பொது அறிவு சிக்கலைத் தவிர்ப்பதையும் அவற்றின் எளிய வடிவமைப்பு நிரல்களை உருவாக்குவதையும் ஒப்பீட்டளவில் எளிதாக்கி அவற்றை மாற்றியமைக்கவும் வழிவகுத்தது. மொத்தத்தில், இத்திட்டங்கள் பயனுள்ளதாக இருந்தன. இது செநுவால் இதுவரை அடைய முடியாத கட்டம் ஆகும்.[110]

1980 ஆம் ஆண்டில் இலக்கவியல் ஆய்கருவிக் கழகத்திற்காக சி. எம். யுவில் எக்சுகான் என்ற வல்லுனர் அமைப்பு முடிக்கப்பட்டது. இது ஒரு மாபெரும் வெற்றியாக அமைந்தது இது 1986 ஆம் ஆண்டளவில் ஆண்டுதோறும் 40 மில்லியன் டாலர்களை மிச்சப்படுத்தி வைத்திருந்தது.[111] உலகெங்கிலும் உள்ள நிறுவனங்கள் வல்லுனர் அமைப்புகளை உருவாக்கி பயன்படுத்தத் தொடங்கின , 1985 வாக்கில் அவர்கள் ஒரு பில்லியன் டாலர்களுக்கு மேல் செநுவிக்காகச் செலவிட்டனர் , அதில் பெரும்பாலானவை உள் செநு துறைகளுக்கு செலவிடப்பட்டன.[112] சிம்பாலிக்சு, இலிசுப்பு மெழ்சின்சு போன்ற வன்பொருள் நிறுவனங்களும் இன்டெல்லிகார்ப்பும் அயானும் போன்ற மென்பொருள் நிறுவனங்களும் உட்பட அவர்களுக்கு ஆதரவளிக்க, ஒரு தொழில் வேகமெடுத்து வளர்ந்தது.[113]

அறிவு புரட்சி

[தொகு]

நிபுணத்துவ அமைப்புகளின் சக்தி அவற்றில் உள்ள நிபுணத்துவ அறிவிலிருந்து வந்தது. 70கள் முழுவதும் வளர்ந்து வந்த செயற்கை நுண்ணறிவு ஆராய்ச்சியில் ஒரு புதிய திசையின் ஒரு பகுதியாக அவை இருந்தன. செநு ஆராய்ச்சியாளர்கள் இவற்றில் ஐயங்கொள்ளத் தொடங்கினர். தயக்கத்துடன் , இது பார்சிமோனியின் அறிவியல் முறைமைக்கு முரணானது. நுண்ணறிவு பேரளவிலான மாறுபட்ட அறிவை வெவ்வேறு வழிகளில் பயன்படுத்தும் திறனை அடிப்படையாகக் கொண்டது என வாதிட்டனர்.[114] 1970 களில் இருந்து பெற்ற ஒரு பெரிய பாடம் என்னவென்றால் , அறிவார்ந்த நடத்தை என்பது அறிவைக் கையாள்வதை மிகவும் சார்ந்துள்ளது என்பதே. சில நேரங்களில் அது ஒரு குறிப்பிட்ட பணி இருக்கும் ஒரு களத்தைப் பற்றிய மிகவும் விரிவான அறிவு ஆகும் .[115] அறிவு அடிப்படையிலான அமைப்புகளும், அறிவு பொறியியலும் 1980 களில் செயற்கை நுண்ணறிவு ஆராய்ச்சியின் முதன்மை மையமாக மாறின.[116]

1980களில் சைக்ளின் பிறப்பு , சாதாரண மனிதனுக்குத் தெரிந்த அனைத்து சாதாரண உண்மைகளையும் கொண்ட ஒரு பெரிய தரவுத்தளத்தை உருவாக்குவதன் மூலம் பொதுப்புலன் அறிவு சிக்கலை நேரடியாகத் தாக்கும் முதல் முயற்சியாக இருந்தது. இந்தத் திட்டத்தைத் தொடங்கி வழிநடத்திய டக்ளசு இலெனாட்டு , இதற்குக் குறுக்குவழி இல்லை என்று வாதிட்டார். மனித கருத்தாக்கங்களின் பொருளை எந்திரங்கள் அறிந்து கொள்வதற்கான ஒரே வழி, ஒரு நேரத்தில் ஒரு கருத்தை அவர்களுக்குக் கற்பிப்பதே. இந்தத் திட்டம் பல பத்தாண்டுகளாக நிறைவடையும் என்று எதிர்பார்க்கப்படவில்லை.[117]

1989 ஆம் ஆண்டில் ஹைடெக்கும் டீப் தாட்டும் சதுரங்க விளையாட்டுப் போட்டிகளில் சதுரங்க மாசுட்டர் வீரர்களைத் தோற்கடித்தன. இரண்டுமே கார்னகி மெலன் பல்கலைக்கழகத்தால் உருவாக்கப்பட்டன. ஆழமான சிந்தனை வளர்ச்சி ஆழமான நீலத்திற்கு வழிவகுத்தது.[118]

முதலீட்டு மீட்சி; ஐந்தாம் தலைமுறை திட்டம்

[தொகு]

1981 ஆம் ஆண்டில் ஜப்பானிய பன்னாட்டு வணிக, தொழில்துறை அமைச்சகம் ஐந்தாவது தலைமுறை கணினி திட்டத்திற்காக 850 மில்லியன் டாலர்களை ஒதுக்கியது. அவர்களின் நோக்கங்களில், நிரல்களை எழுதுவதும் , உரையாடல்களைத் தொடரக்கூடியதுமான எந்திரங்களை உருவாக்குவதும் , மொழிகளை மொழிபெயர்க்கவும் , படங்களை விளக்கவும் , மனிதர்களைப் போலவே பகுத்தறிவு அமைத்தலும் இருந்தன.[119] நல்லவேளையாக அவர்கள் திட்டத்திற்கான முதன்மை கணினி மொழியாக புரோலாக் நிரலைத் தேர்ந்தெடுத்தனர்.[120]

மற்ற நாடுகள் தங்கள் சொந்த புதிய திட்டங்களுடன் பதிலளித்தன. இங்கிலாந்து 350 பவு. மில்லியன் ஆல்வே திட்டத்தை தொடங்கியது. செயற்கை நுண்ணறிவு, தகவல் தொழில்நுட்பத்தில் பெரிய அளவிலான திட்டங்களுக்கு நிதியளிக்க அமெரிக்க நிறுவனங்களின் கூட்டமைப்பு மைக்ரோ எலக்ட்ரானிக்ஸ், கம்ப்யூட்டர் டெக்னாலஜி கார்ப்பரேஷனை (அல்லது எம். சி. சி) ஒப்பியது.[121][122] டார்ப்பா இதற்கு 1984 மற்றும் 1988 ஆண்டுக்கு இடையில் கணினி செயெல்நெறி முன்முயற்சியை நிறுவி , செயற்கை நுண்ணறிவில் அதன் முதலீட்டை மூன்று மடங்காக அளித்தது.[123]

நான்கு முனைகளுடன் கூடிய காப்பீல்டு வலை

நரம்பியல் வலைப்பிணையங்களின் மறுமலர்ச்சி

[தொகு]

1982 ஆம் ஆண்டில் இயற்பியலாளர் ஜான் காப்பீல்டு , நரம்பியல் வலையமைப்பின் ஒரு வடிவம் (இப்போது " காப்பில்டு வலை " என்று அழைக்கப்படுகிறது) தகவல்களை முற்றிலும் புதிய வழியில் கற்றுக்கொள்ளவும் செயலாக்கவும் முடியும் என்பதை நிறுவ முடிந்தது. ஏறக்குறைய அதே நேரத்தில் ஜெப்ரி இன்டனும் டேவிடு உருமெல்கார்ட்டும் நரம்பியல் நெட்வொர்க்குகளுக்கு பயிற்சி அளிப்பதற்கான ஒரு முறையைப் பரவலாக்கினர் , இது " பின்னகு பரவல் " என்றும் அழைக்கப்படுகிறது , இது செப்போ இலின்னைன்மாவால் (1970) வெளியிடப்பட்ட தானியங்கி வேறுபாட்டின் தலைகீழ் முறை என்றும் அழைக்கப்படுகிறது மேலும் இது பால் வெர்போசால் நரம்பியல் வலைப்பிணையங்களுக்குப் பயன்படுத்தப்பட்டது. இந்த இரண்டு கண்டுபிடிப்புகளும் செயற்கை நரம்பியல் வலையமைப்புகளின் ஆராய்ச்சியை புதுப்பிக்க உதவின.[122][124]

1986 ஆம் ஆண்டு வெளியான இணைபகிர்வு செயல்லாக்கம் என்ற ஆவணத் தொகுப்பில் தொடங்கி , உருமல்கார்ட்டும் உளவியலாளர் ஜேம்ஸ் மெக்லெலாந்தும் தொகுத்த இருதொகுதி ஆவணத்தால் நரம்பியல் வலைப்பிணைய ஆராய்ச்சி புதிய வேகத்தை அடைந்தது. 1990 களில் வணிக முறையிலும் வெற்றிகரமாக மாறியது.[122][125]

உலோக ஆக்சைடு அரைக்கடத்தியும் (MOS) மீப்பேரளவு ஒருங்கிணைப்பும்(VLSI) MOS,CMOS தொழில்நுட்பத்தின் வடிவத்தில் உருவாக்கப்பட்டது. இது 1980 களில் நடைமுறைச் செயற்கை நரம்பியல் வலைப்பிணையத் தொழில்நுட்பத்தின் வளர்ச்சிக்கு உதவியது.

1989 ஆம் ஆண்டு கார்வர் ஏ. மீட்டு முகமது இசுமாயிலும் எழுதிய நரம்பியல் அமைப்புகளின் ஒப்புமை மீப்பேரளவு ஒருங்கிணைப்புச் செயலாக்கம் என்ற நூல் இந்தத் துறையில் ஒரு திருப்புமுனை வெளியீடாகும்.[126]

ஒடுக்கம்: இரண்டாவது செநு தேக்ககாலம் (1987 - 1993)

[தொகு]

செநு மீது வணிக சமூகத்தின் மோகம் 1980 களில் ஒரு பொருளாதாரக் குமிழியின் உயர்நிலை வடிவத்தில் உயர்ந்தது. அதேபோல, உடனே வீழ்ச்சியடைந்தது. பலபத்துக் கணக்கான நிறுவனங்கள் தோல்வியடைந்ததால் , தொழில்நுட்பம் இயல்வதாக இல்லை என்ற கருத்து நிலவியது.[127] இருப்பினும் , விமர்சனங்களையும் மீறி களம் தொடர்ந்து முன்னேறியது. எந்தியனியல் வளர்க்கும் உரோட்னி புரூக்சு, ஆன்சு மொராவெக் உட்பட பல ஆராய்ச்சியாளர்கள் செயற்கை நுண்ணறிவிலான முற்றிலும் புதிய அணுகுமுறைக்கு வாதிட்டனர்.

செநு பின்னடைவு காலம்

[தொகு]

வல்லுனர் அமைப்புகளுக்கான ஆர்வம் கட்டுப்பாட்டை மீறிச் சென்றுவிட்டதாகவும் , ஏமாற்றம் உறுதியாகத் தொடரும் என்றும் கவலைப்பட்டபோது , 1974 ஆம் ஆண்டின் நிதி வெட்டுக்களில் இருந்து தப்பிய ஆராய்ச்சியாளர்களால் " செநு பின்னடைவு காலம் " என்ற சொல் உருவாக்கப்பட்டது. அவர்களின் அச்சங்கள் நன்கு நிறுவப்பட்டனவே. 1980 களின் பிற்பகுதியிலும் 1990 களின் முற்பகுதியிலும் செநு துறை, தொடர்ந்த நிதிப் பின்னடைவுகளை சந்தித்தது.

நிதிசார் வானிலை மாற்றத்தின் முதல் அறிகுறி 1987 ஆம் ஆண்டில் சிறப்பு செநு வன்பொருளுக்கான சந்தை திடீரென சரிந்ததில் விளங்கியது. ஆப்பிள் மற்றும் ஐபிஎம் நிறுவனங்களிலிருந்து மிசைக் கணினிகள் சீராக வேகத்தையும் திறனையும் பெற்று வந்தன , 1987 ஆம் ஆண்டில் அவை சிம்பாலிக்சும் பிற நிறுவனங்களாலும் உருவாக்கப்பட்ட விலையுயர்ந்த லிஸ்ப் எந்திரங்களை விட அதிக திறன்வாய்ந்தவையாக மாறின. அவற்றை வாங்குவதற்கு இனி எந்தவொரு காரணமும் இல்லை. எனவே, அரை பில்லியன் டாலர் மதிப்புள்ள ஒரு முழு தொழிற்துறையும் ஒரே இரவில் அழிந்தது.[128]

இறுதியில் XCONN போன்ற தொடக்க கால வெற்றிகரமான வல்லுனர் அமைப்புகளை பேணுதல் மிகவும் விலை உயர்ந்ததாக மாறிவிட்டது. அவற்றைப் புதுமைப்படுத்துவதும் கடினமாக இருந்தது , அவை " உடையக்கூடியவை " என்பதைக் கற்றுக் கொள்ள முடியவில்லை , அதாவது இயபான உள்ளீடுகள் கொடுக்கப்படும்போது அவை மோசமான தவறுகளைச் செய்ய முடியும்., மேலும் அவை சிக்கல்களுக்கு இரையாகும் (பல ஆண்டுகளுக்கு முன்பு அடையாளம் காணப்பட்ட தகுதிச் சிக்கல் போன்றன). வல்லுனர் அமைப்புகள் பயனுள்ளதாக இருந்தன , ஆனால் ஒரு சில சிறப்பு சூழல்களில் மட்டுமே பயன்பட்டன.[129]

1980களின் பிற்பகுதியில் செயநெறிவளக் கணினி முன்முயற்சி செநு துறைக்கு நிதியளிப்பதை " ஆழமாகவும் கடுமையாகவும் " குறைத்தது. DARPA - வில் உள்ள புதிய தலைமை, செயற்கை நுண்ணறிவு அடுத்த அலைஐல்லை என்று முடிவு செய்து , உடனடி முடிவுகளைத் தரும் என்று தோன்றிய புதிய திட்டங்களுக்கு நிதியை மடைதிருப்பியது.[130]

1991 வாக்கில் ஜப்பானின் ஐந்தாம் தலைமுறை திட்டத்திற்காக 1981 இல் எழுதப்பட்ட இலக்குகளின் ஈர்க்கக்கூடிய பட்டியல் நிறைவு செய்யப்படவில்லை. உண்மையில் அவர்களில் சிலர் சொன்ன " ஓர் இயல்பான உரையாடலை நடத்துதல் " 2010 ஆம் ஆண்டுக்குள் சந்திக்கப்படவில்லை.[131] மற்ற செநு திட்டங்களைப் போலவே , எதிர்பார்ப்புகளும் உண்மையில் சாத்தியமானதை விட மிக கூடுதலாகவே இருந்தன.[131][132]

300க்கும் மேற்பட்ட AI நிறுவனங்கள் மூடப்பட்டன அல்லது திவாலாகிவிட்டன அல்லது 1993ஆம் ஆண்டின் இறுதிக்குள் கையகப்படுத்தப்பட்டன. இதனால் செநு துறையின் முதல் வணிக அலை முடிவுக்கு வந்தது.[133] 1994 ஆம் ஆண்டில் HP நியூக்விஸ்ட் தி பிரைன் மேக்கர்ஸ் என்ற புத்தகம் , " செயற்கை நுண்ணறிவின் உடனடி எதிர்கால மும் அதன் வணிக வடிவத்திலான வெற்றியும் நரம்பியல் நெட்வொர்க்குகளின் தொடர்ச்சியான வெற்றியில் ஓரளவு தங்கியிருப்பதாகத் தெரிவித்தது.[133]

புதிய செநுவும் உட்பொதிந்த மன உருவகமும்

[தொகு]

1980களின் பிற்பகுதியில் பல ஆராய்ச்சியாளர்கல் எந்திரனியல் அடிப்படையிலான செயற்கை நுண்ணறிவுக்கு முற்றிலும் புதிய அணுகுமுறையை ஏற்றனர்.[134] உண்மையான நுண்ணறிவை வெளிப்படுத்த ஒரு எந்திரத்திற்கு ஒரு உடல் இருக்க வேண்டும் என்று அவர்கள் நம்பினர். அது உயிர்வாழ்வதையும் உலகத்தைக் கையாள்வதையும் உணர வேண்டும். இந்த உணர்திறன் இயக்கத் திறன்கள் பொது அறிவு பகுத்தறிவு போன்ற உயர் மட்ட திறன்களுக்கு இன்றியமையாதவை என்றும் , நுண்ணிலை பகுத்தறிவு உண்மையில் குறைந்த வியப்பான ஆனால் முதன்மையான மனிதத் திறமை என்றும் அவர்கள் வாதிட்டனர் (பார்க்க மொராவெக்கின் முரண்பாடு). அவர்கள் " கீழிருந்து மேலாக, " நுண்ணறிவைக் கட்டியெழுப்புவதை ஆதரித்தனர்.

இந்த அணுகுமுறை அறுபதுகளில் இருந்து பிரபலமற்றதாக இருந்த தன்னாள்வியல், தன்னியக்கக்கட்டுப்பாட்டுக் கோட்பாட்டின் கருத்துக்களைப் புதுப்பித்தது. மற்றொரு முன்னோடி டேவிட் மார்லே ஆவார். அவர் 1970 களின் பிற்பகுதியில் எம்ஐடியின் கோட்பாட்டு நரம்பியல் துறையில் வெற்றிகரமான பின்னணியில் இருந்து நெடுநோக்கு படிக்கும் குழுவை வழிநடத்தினார். அவர் அனைத்து குறியீட்டு அணுகுமுறைகளையும் புறந்தள்ளினார். மெக்கார்த்தியின் தருக்கமும் மின்சுகியின் சட்டகங்களும், எந்தவொரு குறியீட்டுச் செயலாக்கமும் நடைபெறுவதற்கு முன்பு செநு பார்வையில் இயற்பியல் எந்திரத்தை கீழே இருந்து புரிந்து கொள்ள வேண்டும் என்று வாதிட்டார். 1980இல் வெண் குருதிப் புற்றால் மாரின் பணி குறைக்கப்பட்டது.[135]

1990 ஆம் ஆண்டு, " எலிபான்டஸ் டோன்ட் பிளே செஸ் " எனும் தனது ஆய்வறிக்கையில் எந்திரனியல் ஆராய்ச்சியாளர் உரோட்னி புரூக்சு இயற்பியல் குறியீட்டு அமைப்பு கருதுகோளை நேரடியாக இலக்காகக் கொண்டு , " உலகம் அதன் சொந்த சிறந்த மாதிரியாக இருப்பதால் குறியீடுகள் எப்போதும் தேவையில்லை " என்று வாதிட்டார்.[136] இது எப்போதும் துல்லியமாக புதுப்பித்த நிலையில் உள்ளது. அதில் எப்போதும் தெரிந்து கொள்ள வேண்டிய ஒவ்வொரு விவரமும் உள்ளது. தந்திரம் என்னவென்றால் , அதை சரியான முறையில் உணர்ந்து , அடிக்கடி நாளது படுத்தினாலே போதும்.[137] 1980களிலும் 1990களிலும் பல செநு அறிஞர்கள் மனதின் குறியீட்டுச் செயலாக்கப் படிமத்தை புறந்தள்ளனர். மேலும் உடல் பகுத்தறிவுக்கு இன்றியமையாதது என்று வாதிட்டனர். இது உட்பொதிந்த மன உருவகக் கோட்பாடு ஆகும்.[138]

செயற்கை நுண்ணறிவு (1993 - 2011)

[தொகு]

இப்போது அரை நூற்றாண்டுக்கும் மேலான பழமையான செநு துறை இறுதியாக அதன் பழமையான இலக்குகளில் சிலவற்றை அடைந்தது. ஓரளவு திரைக்குப் பின்னால் இருந்தாலும் , தொழில்நுட்பத் துறை முழுவதும் இது வெற்றிகரமாகப் பயன்படுத்தப்படத் தொடங்கியது. சில வெற்றிகள் கணினியின் திறனை அதிகரிதந்தாலும் , சில குறிப்பிட்ட தனிமைப்படுத்தப்பட்ட சிக்கல்களில் கவனம் செலுத்தியதாலும் , அறிவியல் பொறுப்புக்கூறலின் மிக உயர்ந்த தரங்களுடன் அவற்றைப் பின்தொடர்ந்ததாலும் அடையப்பட்டன. குறைந்தது, வணிக உலகில் செநுவின் நற்பெயர் பழமையானதை விடவும் குறைவாகவே இருந்தது.[139] 1960 களில் உலகின் கற்பனையைக் கைப்பற்றிய மனித அளவிலான நுண்ணறிவின் கனவை நிறைவேற்ற செநு தோல்வியடைந்ததற்கான காரணங்கள் குறித்து துறைக்குள் சிறிய உடன்பாடு இருந்தது. இந்த காரணிகள் அனைத்தும் சேர்ந்து செயற்கை நுண்ணறிவின் களங்கமான கால்வழியை மறைக்கும் புதிய பெயர்களின் கீழும் கூட சில நேரங்களில் குறிப்பிட்ட சிக்கல்கள் அல்லது அணுகுமுறைகளில் கவனம் செலுத்தும் போட்டி துணைத்துறைகளாக செநுவைத் ஐ துண்டிக்க உதவியது.[140] செநு துறை முன்னெப்போதையும் விட மிகவும் எச்சரிக்கையாகவும் வெற்றிகரமாகவும் இயங்கியது.

சில அடைவுகளும் மூரின் விதியும்

[தொகு]

11 மே 1997 அன்று டீப் ப்ளூ எனும் செநு நிரல் தற்போதைய உலகச் சதுரங்கச் சாம்பியனான கேரி காசுப்பரோவை வீழ்த்திய முதல் கணினி சதுரங்க விளையாட்டு அமைப்பாக மாறியது.[141] மீகணினி என்பது ஐபிஎம் தயாரித்த கட்டமைப்பின் ஒரு சிறப்பு வடிவமாகும் , மேலும் இது முதல் போட்டியின் போது இருந்ததை விட நொடிக்கு இரண்டு மடங்கு நகர்வுகளை செயலாக்கும் திறன் கொண்டது (இது டீப் ப்ளூவிடம் நொடிக்குத் 200,000,000 நகர்வுகளை இழந்ததாகக் கூறப்படுகிறது. இந்த நிகழ்வு இணையத்தில் நேரடியாக ஒளிபரப்பப்பட்டது. இது 74 மில்லியனுக்கும் அதிகமான வெற்றிகளைப் பெற்றது.[142]

2005 ஆம் ஆண்டில் , ஒரு சுட்டான்போர்டு எந்திரன் ஒரு பயிற்சி பெறாத பாலைவன தடத்தில் 131 மைல்கள் தன்னியக்கமாக ஓட்டுவதன் மூலம் DARPA கிராண்ட் அறைகூவலை வென்றது.[143] இரண்டு ஆண்டுகளுக்குப் பிறகு , போக்குவரத்து இடர்கள், அனைத்து போக்குவரத்துச் சட்டங்களையும் கடைப்பிடித்து , நகர்ப்புற சூழலில் 55 மைல்கள் தன்னாட்சி முறையில் பயணம் செய்து , சி. எம். யுவைச் சேர்ந்த ஒரு குழு DARPA நகர்ப்புற அறைகூவலை வென்றது.[144] 2011 பிப்ரவரியில் , ஒரு ஜியோபார்டி வினாடி- வினா கண்காட்சி போட்டியில் ஐபிஎம் இன் வாட்சன் கேள்வி பதில் அமைப்பு, இரண்டு பெரிய ஜியோபார்ட்டி சாம்பியன்களான பிராட் இரட்டரையும் கென் ஜென்னிங்சையும் கணிசமான வேறுபாட்டில் தோற்கடித்தது.[145]

இந்த வெற்றிகள் சில புரட்சிகர புதிய முன்வடிவங்களால் ஏற்படவில்லை , ஆனால் பெரும்பாலும் பொறியியல் திறனின் கடினமான பயன்பாடும் 90 களின் கணினியின் வேகமும், திற னும் மிகப் பேரளவில் உய்ர்ந்ததால் விளைந்தன.[146] 1951 ஆம் ஆண்டில் கிறித்தோபர் சுட்ராச்சி சதுரங்கம் விளையாடக் கற்பித்த பெராண்டி மார்க் 1 ஐ விட டீப் ப்ளூவின் கணினி 10 மில்லியன் மடங்கு வேகமாக இருந்தது.[147] இந்த வியத்தகு வேகம் மூர் விதியால் அளவிடப்படுகிறது , இது உலோக - ஆக்சைடு - குறைக்கடத்தி (MOS) திரிதடைய எண்ணிக்கைகள் ஒவ்வொரு இரண்டு ஆண்டுகளிலும் இரட்டிப்பாதலின் விளைவாக கணினிகளின் வேகமும் நினைவகத் திறனும் ஒவ்வொரு இரண்டு ஆண்டுகளில் இரட்டிப்பாகிறது என்று கணித்துள்ளது. கணினி திறனின் அடிப்படை சிக்கலும் கூட மெதுவாக தீர்க்கப்பட்டு வந்தது.

நுண்ணறிவு முகவர்கள்

[தொகு]

1990களில் " நுண்ணறிவு முகவர்கள் " என்ற புதிய முன்கையெடுப்பு பரவலாக ஏற்றுக்கொள்ளப்பட்டது. முந்தைய ஆராய்ச்சியாளர்கள் செநுவுக்கு " பிரித்து வெல்லும் " பெட்டக அணுகுமுறைகளை முன்மொழிந்திருந்தாலும் , ஜூடியா பியர்ல், ஆலன் நெவெல், இலெசு பி. கயேல்பிளிங் போன்ற பிறர் முடிவெடுக்கும் கோட்பாடு, பொருளாதாரத்திலிருந்தான கருத்துப்படிமங்களை செநு ஆய்வுக்கு கொண்டு வரும் வரை நுண்ணறிவு முகவர் அதன் புத்தாக்க வடிவத்தை அடையவில்லை.[148] பொருளாதார வல்லுனரின் பகுத்தறிவு முகவர் பற்றிய வரையறை கணினி அறிவியலின் ஒரு பொருள் அல்லது தொகுதி பற்றிய வரையறையுடன் இணைந்தபோது , அறிவார்ந்த முகவர் முன்வடிவம் முழுமையானது.

ஒரு அறிவார்ந்த முகவர் என்பது அதன் சூழலை உணர்ந்து , அதன் வெற்றிக்கான வாய்ப்புகளை கூட்டும் நடவடிக்கைகளை எடுக்கும் ஒரு அமைப்பு. இந்த வரையறையின்படி , குறிப்பிட்ட சிக்கல்களைத் தீர்க்கும் எளிய திட்டங்கள் , மனிதர்களைப் போலவே நுண்ணறிவு முகவர்கள், நிறுவனங்கள் போன்ற மனிதர்களின் அமைப்புகளே ஆகும். நுண்ணறிவு முகவர் முன்வடிவம் செநு ஆராய்ச்சியை " அறிவார்ந்த முகவர்களின் ஆய்வு " என்று வரையறுக்கிறது. இது செநுவின் சில முந்தைய வரையறைகளின் பொதுமைப்படுத்தலாகும். இது மனித நுண்ணறிவைப் படிப்பதற்கு அப்பாற்பட்டது. இது அனைத்து வகையான நுண்ணறிதல்களையும் ஆய்வு செய்கிறது.[149]

இந்த முன்வடிவம் ஆராய்ச்சியாளர்களுக்கு தனிமைப்படுத்தப்பட்ட சிக்கல்களைப் படிக்கவும் , சரிபார்க்கவும் பயனுள்ள தீர்வுகளைக் கண்டறியவும் உரிமம் வழங்கியது. இது சிக்கல்களை விவரிக்கவும் , அவற்றின் தீர்வுகளை ஒருவருக்கொருவர் பகிர்ந்து கொள்ளவும் , பொருளாதாரம் மற்றும் கட்டுப்பாட்டுக் கோட்பாடு போன்ற நுண்ணறிவு முகவர்களின் கருத்துகளையும் பயன்படுத்திய பிற துறைகளுடன் பகிர்ந்து கொள்ளவும் ஒரு பொதுவான மொழியை வழங்கியது. ஒரு முழுமையான முகவர் கட்டமைப்பு (நெவெல்லின் SOAR போன்றது) , ஒரு நாள் ஆராய்ச்சியாளர்களை நுண்ணறிவு முகவர்களுடனான தொடர்பு மூலம் பல்துறை, நுண்ணறிவு கொண்ட அமைப்புகளை உருவாக்க வழிவகுக்கும் என்று நம்பப்பட்டது.[148][150]

நிகழ்தகவு பகுத்தறிவும் அருமுயற்சியும்

[தொகு]

செயற்கை நுண்ணறிவு ஆராய்ச்சியாளர்கள் கடந்த காலத்தில் இருந்ததை விட அதிநவீன கணிதக் கருவிகளை உருவாக்கி பயன்படுத்தத் தொடங்கினர்.[151] செநு தீர்க்க வேண்டிய பல பிரச்சினைகளை, ஏற்கனவே கணிதம் , மின் பொறியியல் , பொருளாதாரம் அல்லது செயல்முறை ஆராய்ச்சி போன்ற துறைகளில் ஆராய்ச்சியாளர்கள் தீர்த்து செயல்படுத்தி வருகின்றன என்பதை பரவலாக உணர்ந்தனர். பகிரப்பட்ட கணித மொழி மேலும் நிறுவப்பட்ட, வெற்றிகரமான துறைகள் மேலும் உயர் மட்டத் துறைகளுக்குப் பயன்பட்த்த ஒத்துழைப்பை நல்கின. அளவிடக்கூடிய, நிறுவக்கூடிய முடிவுகளை அடைந்து செநு மிகவும் அரிய " அறிவியல் " துறையாக மாறியது.

ஜூடியா பியர்லின் செல்வாக்குமிக்க 1988 நூல்களான நிகழ்தகவு, முடிவெடுப்புக் கோட்பாடு போன்ற நூலறிவை செநு து துறைக்குக் கொண்டு வந்தது.[152] பயன்பாட்டில் உள்ள பல புதிய கருவிகளில் பாயேசியன் வலயமைப்புகள் மறைநிலை மார்கோவ் படிமங்கள், தகவல் கோட்பாடு, உயர்நிகழ்தகவு படிமமாக்கம், செவ்வியல் உகப்பாக்கம் ஆகியவை அடங்கும். நரம்பியல் நெட்வொர்க்குகள் மற்றும் பரிணாம வழிமுறைகள் போன்ற கணக்கீட்டு நுண்ணறிவு முன்னுதாரணங்களுக்காக துல்லியமான கணித விளக்கங்களும் உருவாக்கப்பட்டன.[153]

திரைக்குப் பின்னால் செநு

[தொகு]

செநு ஆராய்ச்சியாளர்கள் முதலில் உருவாக்கிய நெறிநிரல்கள் பெரிய அமைப்புகளின் பகுதிகளாகவே தோன்றின. செநு எளிமையாகத் தரவு மீட்பு, தொழிலக எந்திரனியல், போக்குவரத்தியல்,[154] பேச்சுணர்தல்,[155] வங்கி மென்பொருள்,[156] மருத்துவ நோய்நாடல்[156] , கூகுள் தேடல் பொறி [157] போன்ற பல கடினமான சிக்கல்களைத் தீர்த்தது. [158][159]

செயற்கை நுண்ணறிவுத் துறை 1990களிலும் 2000களின் முற்பகுதியிலும் ஏற்பட்ட இந்த வெற்றிகளுக்காக சிறிதளவேனும் மதிப்பைப் பெறவில்லை. செநுவின் மிகப் பெரிய கண்டுபிடிப்புகள் பல கணினி அறிவியலின் கருவி பெட்டியில் உள்ள மேலும் மற்றொரு எளிய உருப்படியின் நிலைக்குக் குறைக்கப்பட்டுவிட்டன.[160] நிக் போசுட்டிரோம் விளக்குகிறார் , " நிறைய மிகப்புது செநு கருவிகள் பொதுவான பயன்பாடுகளில், பெரும்பாலும் செநு என்று அழைக்கப்படாமல் , பயனில் உள்ளன. ஏனெனில் ஏதாவது ஒன்று போதுமான அளவு பயனுள்ளதாகவும் பொதுவானதாகவும் மாறினால் அது செநு என்று அழைக்கப்படுவதில்லை.[161]

1990களில் செயற்கை நுண்ணறிவில் பல ஆராய்ச்சியாளர்கள் தங்கள் பணியை வேண்டுமென்றே தகவல் தொழில்நுட்பம் , அறிவு அடிப்படையிலான அமைப்புகள் , அறிவாற்றல் அமைப்புகள் அல்லது கணக்கீட்டு நுண்ணறிவு போன்ற பிற பெயர்களால் அழைத்தனர். ஓரளவு இது அவர்கள் தங்கள் துறையை செநுவில் இருந்து அடிப்படையில் வேறுபட்டதாகக் கருதியதால் இருக்கலாம் , ஆனால் புதிய பெயர்கள் நிதியை பெற உதவுகின்றன. வணிக உலகில் குறைந்தது செநு குளிர்காலத்தின் தோல்வியுற்ற வாக்குறுதிகள் 2000 களில் செநு ஆராய்ச்சியை தொடர்ந்து வேட்டையாடின , நியூயார்க் டைம்சு இதழ் 2005 இல் கூறியது போல, " கணினி அறிவியலரும் மென்பொருள் பொறிஞரும் காட்டுத்த்னமான கனவு காண்பவர்களாக கருதப்படுவார்கள் என்ற அச்சத்தில், செயற்கை நுண்ணறிவு என்ற சொல்லைத் தவிர்த்தனர்.[162][163][164][165]

ஆழ்கற்றல், பெருந்தரவு, பொது செயற்கை நுண்ணறிவு: (2011 - தற்போது வரை)

[தொகு]

21ஆம் நூற்றாண்டின் முதல் பத்தாண்டுகளின் பேரளவிலான தரவுகளை (" பெருந்தரவு " என்று அழைக்கப்படுவது) அணுகுவது , மலிவான, வேகமான கணினிகள், மேம்பட்ட எந்திரக் கற்றல் நுட்பங்கள் ஆகியவை பொருளாதாரம் முழுவதும் பல சிக்கல்களுக்கு வெற்றிகரமாக பயன்படுத்தப்பட்டன. உண்மையில் மெக்கின்சி குளோபல் நிறுவனம் , " பெருந்தரவு, புத்தாக்கத்துக்கான அடுத்த முன்னணி " என்ற தங்கள் புகழ்பெற்ற ஆய்வறிக்கையில் , 2009ஆம் ஆண்டளவில் அமெரிக்கப் பொருளாதாரத்தில் கிட்டத்தட்ட அனைத்துத் துறைகளிலும் குறைந்தத் 200 டெராபைட் தரவுகள் தேக்கப்பட்டிருந்தன என்று மதிப்பிட்டுள்ளது.

2016 வாக்கில் செநு ஆக்கங்கள், வன்பொருள், மென்பொருளுக்கான சந்தை 8 பில்லியன் டாலரை எட்டியது. நியூயார்க் டைம்சு இதழ் செநு மீதான ஆர்வம் ஒரு " வெறியை " எட்டியுள்ளது என்று அறிவித்தது.[166] பெருந்தரவுகளின் பயன்பாடுகள் சூழலியல்[167] பயிற்சிப் படிமங்கள், பொருளாதாரம், இன்னும்பல்வேறு பயன்பாடுகளைப் பிற துறைகளிலும் அடையத் தொடங்கின.[168] ஆழமான கற்றல் முன்னேற்றங்கள் (குறிப்பாக ஆழமான சுழற்சி நரம்பியல் வலைப்பிணையங்கள், தொடர்மீள்வு நரம்பியல் வலைப்பிணையங்கள்) படம், காணொலி செயலாக்கம் , பாடப் பகுப்பாய்வு மற்றும் பேச்சுணர்தல் ஆகியவற்றின் முன்னேறந்த்தையும் ஆராய்ச்சியையும் ஊக்குவித்தன.[169]

ஆழமான கற்றல்

[தொகு]

ஆழமான கற்றல் என்பது எந்திரக் கற்றலின் ஒரு கிளையாகும் , இது பல செயலாக்க அடுக்குகளுடன் ஆழமான வரைபடத்தைப் பயன்படுத்தி தரவுகளில் உயர் மட்ட நுண்ணிலைகளைப் படிமமாக்குகிறது.[169] மீப்பொது தோராயத் தேற்றத்தின்படி , ஒரு நரம்பியல் வலைப்பிணையம் தன்னியல்பான தொடர்ச்சியான கணிதச் சார்புகளைத் தோராயமாக மதிப்பிடுவதற்கு ஆழநிலை தேவையில்லை. இருப்பினும் , ஆழமற்ற வலைப்பிணையங்களுக்குப் பொதுவான (ஆழமான வலைப்பிணையங்கள் தவிர்க்க உதவும் மிகைப்பொருத்தல் போன்ற பல) சிக்கல்கள் உள்ளன.[170] எனவே ஆழமான நரம்பியல் வலைப்பிணையங்கள் அவற்றின் ஆழமற்ற பிற இணைகளுடன் ஒப்பிடும்போது மிகவும் சிக்கலான மாதிரிகளை இயல்பாக உருவாக்க முடியும்.

இருப்பினும் , ஆழமான கற்றல் அதன் சொந்த சிக்கல்களைக் கொண்டுள்ளது. தொடர்மீள்வு நரம்பியல் வலைப்பிணையங்களுக்கான ஒரு பொதுவான சிக்கல் மறைந்துபோகும் சரிமானச் சிக்கலாகும். இங்கு அடுக்குகளுக்கு இடையில் கடந்து செல்லும் சரிமானங்கள் படிப்படியாக சுருங்கி சுழியில் வட்டமிடும்போது உண்மையில் மறைந்துவிடும். நீண்ட குறுகிய கால நினைவக அலகுகள் போன்ற இந்தச் சிக்கலை அணுக பல முறைகள் உருவாக்கப்பட்டுள்ளன.

மீப்புது ஆழ்நிலை நரம்பியல் வலைப்பிணையக் கட்டமைப்புகள் சிலவேளைகளில் கணினி பார்வை போன்ற துறைகளில் குறிப்பாக எம். என். ஐ. எஸ். டி தரவுத்தளம், போக்குவரத்துக் குறியுணர்தல் போன்ற பொருண்மைகளில் மனிதத் துல்லியத்துடன் போட்டியிடலாம்.[171]

துடிப்பான தேடுபொறிகளால் இயக்கப்படும் மொழிச் செயலாக்க எந்திரங்கள் பொதுவான அற்பமான கேள்விகளுக்கு பதிலளிப்பதில் மனிதர்களை எளிதில் வெல்ல முடியும் (ஐபிஎம் வாட்சன் போன்றது). ஆழமான கற்றலில் அண்மைய முன்னேற்றங்கள் கோ மற்றும் டூம் போன்ற பொருண்மைகளில் மனிதர்களுடன் போட்டியிடுவதில் வியக்க வைக்கும் முடிவுகளை உருவாக்கியுள்ளன (இது முதல் நபர் துப்பாக்கி சுடும் விளையாட்டு) சில சர்ச்சைகளையும் தூண்டியுள்ளன.[172][173][174][175]

பெருந்தரவு

[தொகு]

பெருந்தரவு என்பது ஒரு குறிப்பிட்ட காலக்கெடுவுக்குள் வழக்கமான மென்பொருள் கருவிகளால் கைப்பற்றப்பட்டு செயலாக்க முடியாத தரவுகளின் தொகுப்பைக் குறிக்கிறது. இப்புதிய செயலாக்கப் படிமங்களுக்குத் தேவைப்படும் முடிவெடுக்கும் நுண்ணறிவு, செயல்முறை உகப்பாக்கத் திறன்கள் மிகப் பேர ளவினதாகும். விக்டர் மேயர் சோன்பெர்கு, கென்னத் குக் ஆகியோரால் எழுதப்பட்ட பெருந்தரவுக் காலத்தில் பெருந்தரவு என்பது சீரற்ற பகுப்பாய்விற்குப் பதிலாக அனைத்து தரவுகளும் பகுப்பாய்விற்காகப் பயன்படுத்தப்படுகின்றன எனப் பொருட்படும். பெருந்தொற்றின் 5V பண்புகள் (IBM)[176][177][178] பெருந்தரவுத் தொழில்நுட்பத்தின் செயல்நெறியின் ந்தன்மை பெருந்தரவுத் தகவல்களில் தேர்ச்சி பெறுவது அல்ல , மாறாக, இந்த அர்த்தமுள்ள தரவுகளில் புலமை பெறுவது. வேறுவகையில் கூறுவதானால் , பெருந்தரவு ஒரு தொழில்துறையுடன் ஒப்பிடப்பட்டால் , இந்தத் துறையில் ஈட்டத்தை உணர்ந்து கொள்வதற்கான திறவுகோல் தரவுகளின் செயல்முறை திறனை அதிகரிப்பதும் , செயலாக்கத்தின்வழி தரவின் மதிப்புக் கூடலை உணர்ந்து கொள்வதும் ஆகும்.

பாரிய மொழிப் படிமங்கள்

[தொகு]

பரந்த அளவிலான கீழ்நிலை பணிகளுக்கு ஏற்ப மாற்றியமைக்கக்கூடிய பரந்த அளவிலான பெயரிடப்படாத தரவுகளில் பயிற்சி பெற்ற பாரிய மொழிப் படிமங்கள் 2018 இல் உருவாகத் தொடங்கின.

2020 ஆம் ஆண்டில் திறந்த செநு வெளியிட்ட ஜிபிடி - 3, 2022 ஆம் ஆண்டில் டீப் மைண்ட் வெளியிட்ட கேடோ போன்ற படிமங்கள் எந்திர கற்றலின் முக்கிய பெறுபேறுகளாக விவரிக்கப்பட்டுள்ளன.

மைக்ரோசாப்ட்டு ஆராய்ச்சி நிறுவனம் 2023 ஆம் ஆண்டில் ஜிபிடி - 4 எனும் பாரிய மொழிப் படிமத்தை அதர்குப் பல்வேறு வகைப் பணிகளினைத் தந்து சோதித்தது. மேலும் " இதை பொது செயற்கை நுண்ணறிவு அமைப்பின் (பொசெநு) தொடக்கவகைப் ( அதாவது இன்னமும் முழுமையடையாத) பதிப்பாக அறிவார்ந்த நிலையில் கணிக்க முடியும் " என்று கூறியது.

மேலும் காண்க

[தொகு]

குறிப்புகள்

[தொகு]
  1. Kaplan, Andreas; Haenlein, Michael (2019). "Siri, Siri, in my hand: Who's the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence". Business Horizons 62: 15–25. doi:10.1016/j.bushor.2018.08.004. 
  2. Newquist 1994
  3. Newquist 1994
  4. The Talos episode in Argonautica 4
  5. Bibliotheke 1.9.26
  6. Kressel, Matthew (2015-10-01). "36 Days of Judaic Myth: Day 24, The Golem of Prague". Matthew Kressel (in ஆங்கிலம்). பார்க்கப்பட்ட நாள் 2020-03-15.
  7. "GOLEM". www.jewishencyclopedia.com. பார்க்கப்பட்ட நாள் 2020-03-15.
  8. Newquist 1994
  9. "Sanhedrin 65b". www.sefaria.org. பார்க்கப்பட்ட நாள் 2020-03-15.
  10. O'Connor, Kathleen Malone (1994). "The alchemical creation of life (takwin) and other concepts of Genesis in medieval Islam". Dissertations Available from ProQuest: 1–435. https://repository.upenn.edu/dissertations/AAI9503804. 
  11. Newquist 1994
  12. Cave, Stephen; Dihal, Kanta (2019). "Hopes and fears for intelligent machines in fiction and reality" (in en). Nature Machine Intelligence 1 (2): 74–78. doi:10.1038/s42256-019-0020-9. பன்னாட்டுத் தர தொடர் எண்:2522-5839. https://www.nature.com/articles/s42256-019-0020-9. 
  13. Needham 1986
  14. McCorduck 2004
  15. McCorduck 2004 and see also Levitt 2000
  16. Newquist 1994
  17. Quoted in McCorduck 2004. Crevier 1993 and McCorduck 2004 discusses sacred statues.
  18. Cave, S.; Dihal, K.; Dillon, S. (2020). AI Narratives: A History of Imaginative Thinking about Intelligent Machines. Oxford University Press. p. 56. பன்னாட்டுத் தரப்புத்தக எண் 978-0-19-884666-6. பார்க்கப்பட்ட நாள் 2023-05-02.
  19. 19.0 19.1 19.2 19.3 Berlinski 2000
  20. Cfr. Carreras Artau, Tomás y Joaquín. Historia de la filosofía española. Filosofía cristiana de los siglos XIII al XV. Madrid, 1939, Volume I
  21. Bonner, Anthonny, The Art and Logic of Ramón Llull: A User's Guide, Brill, 2007.
  22. Anthony Bonner (ed.), Doctor Illuminatus. A Ramon Llull Reader (Princeton University 1985). Vid. "Llull's Influence: The History of Lullism" at 57–71
  23. 17th century mechanism and AI:
  24. Hobbes and AI:
  25. Leibniz and AI:
  26. The original photo can be seen in the article: Rose, Allen (April 1946). "Lightning Strikes Mathematics". Popular Science: 83–86. https://books.google.com/books?id=niEDAAAAMBAJ&q=eniac+intitle:popular+intitle:science&pg=PA83. பார்த்த நாள்: 15 April 2012. 
  27. Newquist 1994
  28. (Russell & Norvig 2021); (Newquist 1994)
  29. (Randall 1982); (Byrne 2012); (Mulvihill 2012)
  30. (Randall 1982); (Quevedo 1914); (Quevedo 1915)
  31. Quoted in (Russell & Norvig 2021)
  32. "Kaplan Andreas, Artificial Intelligence, Business and Civilization - Our Fate Made in Machines". பார்க்கப்பட்ட நாள் March 11, 2022.
  33. McCorduck 2004, Crevier 1993, Russell & Norvig 2003, Moravec 1988, Cordeschi 2002.
  34. McCorduck 2004, Crevier 1993, Russell & Norvig 2003, Moravec 1988, Cordeschi 2002.
  35. McCulloch, Warren S.; Pitts, Walter (1943-12-01). "A logical calculus of the ideas immanent in nervous activity" (in en). Bulletin of Mathematical Biophysics 5 (4): 115–133. doi:10.1007/BF02478259. பன்னாட்டுத் தர தொடர் எண்:1522-9602. 
  36. Piccinini, Gualtiero (2004-08-01). "The First Computational Theory of Mind and Brain: A Close Look at Mcculloch and Pitts's "Logical Calculus of Ideas Immanent in Nervous Activity"" (in en). Synthese 141 (2): 175–215. doi:10.1023/B:SYNT.0000043018.52445.3e. பன்னாட்டுத் தர தொடர் எண்:1573-0964. 
  37. McCorduck 2004, Crevier 1993, Russell & Norvig 2003, Cordeschi 2002 and see also McCullough & Pitts 1943
  38. McCorduck 2004, Crevier 1993 and Russell & Norvig 2003
  39. McCorduck 2004, Crevier 1993, Russell & Norvig 2003, Haugeland 1985, Cordeschi 2002. See also Turing 1950
  40. Newquist 1994
  41. (Russell & Norvig 2003) claim that Turing answered all the major objections to AI that have been offered in the years since the paper appeared.
  42. See "A Brief History of Computing" at AlanTuring.net.
  43. Schaeffer, Jonathan. One Jump Ahead:: Challenging Human Supremacy in Checkers, 1997,2009, Springer, பன்னாட்டுத் தரப்புத்தக எண் 978-0-387-76575-4. Chapter 6.
  44. McCorduck 2004, Crevier 1993
  45. McCorduck 2004, Crevier 1993 and Russell & Norvig 2003
  46. Quoted in Crevier 1993 and Russell & Norvig 2003
  47. Russell & Norvig 2003
  48. McCorduck 2004, Crevier 1993 and Russell & Norvig 2003 Newquist 1994
  49. (McCorduck 2004, ப. 129–130) discusses how the Dartmouth conference alumni dominated the first two decades of AI research, calling them the "invisible college".
  50. (Crevier 1993, ப. 49) writes "the conference is generally recognized as the official birthdate of the new science."
  51. Russell and Norvig write "it was astonishing whenever a computer did anything remotely clever." Russell & Norvig 2003
  52. Crevier 1993, Moravec 1988 and Russell & Norvig 2003
  53. McCorduck 2004, Newquist 1994, Crevier 1993 and Russell & Norvig 2003
  54. Crevier 1993, Moravec 1988
  55. Means-ends analysis, reasoning as search: McCorduck 2004. Russell & Norvig 2003
  56. Heuristic: McCorduck 2004, Russell & Norvig 2003
  57. GPS: McCorduck 2004, Crevier 1993, Russell & Norvig 2003
  58. Crevier 1993 and Russell & Norvig 2003
  59. McCorduck 2004, Crevier 1993, Newquist 1994, Moravec 1988
  60. McCorduck 2004, Crevier 1993, Russell & Norvig 2003
  61. Crevier 1993
  62. Crevier 1993
  63. McCorduck 2004, Crevier 1993
  64. McCorduck 2004, Crevier 1993, Russell & Norvig 2003 and Copeland 2000
  65. McCorduck 2004, Crevier 1993, Russell & Norvig 2003
  66. "Humanoid History -WABOT-".
  67. Robotics and Mechatronics: Proceedings of the 4th IFToMM International Symposium on Robotics and Mechatronics.
  68. "Historical Android Projects". androidworld.com.
  69. Robots: From Science Fiction to Technological Revolution, page 130
  70. Handbook of Digital Human Modeling: Research for Applied Ergonomics and Human Factors Engineering.
  71. Simon & Newell 1958 quoted in Crevier 1993. See also Russell & Norvig 2003
  72. Simon 1965 quoted in Crevier 1993
  73. Minsky 1967 quoted in Crevier 1993
  74. Minsky strongly believes he was misquoted. See McCorduck 2004, Crevier 1993 and Darrach 1970.
  75. Crevier 1993
  76. Crevier 1993
  77. Howe 1994
  78. Crevier 1993
  79. Crevier 1993 and Turkle 1984
  80. Crevier 1993 and Russell & Norvig 2003
  81. 81.0 81.1 McCorduck 2004, Crevier 1993, Russell & Norvig 2003
  82. Crevier 1993
  83. Crevier 1993
  84. Russell & Norvig 2003Newquist 1994
  85. Crevier 1993, see also Buchanan 2005: "Early programs were necessarily limited in scope by the size and speed of memory"
  86. Hans Moravec, ROBOT: Mere Machine to Transcendent Mind
  87. Russell & Norvig 2003 and Lighthill 1973
  88. McCorduck 2004; Crevier 1993; Moravec 1988; Lenat & Guha 1989; Russell & Norvig 2003
  89. McCorduck 2004, Moravec 1988
  90. McCarthy & Hayes 1969, Crevier 1993
  91. McCorduck 2004, Crevier 1993, Russell & Norvig 2003 and NRC 1999 under "Success in Speech Recognition".
  92. Crevier 1993, Russell & Norvig 2003, Howe 1994 and see also Lighthill 1973.
  93. Russell & Norvig 2003, Lighthill 1973, John McCarthy wrote in response that "the combinatorial explosion problem has been recognized in AI from the beginning" in Review of Lighthill report
  94. Crevier 1993 (on whom this account is based). Other views include McCorduck 2004 and NRC 1999 under "Success in Speech Recognition".
  95. Crevier 1993. Moravec explains, "Their initial promises to DARPA had been much too optimistic. Of course, what they delivered stopped considerably short of that. But they felt they couldn't in their next proposal promise less than in the first one, so they promised more."
  96. Lucas and Penrose' critique of AI: Crevier 1993, Russell & Norvig 2003, Hofstadter 1999 and see Lucas 1961
  97. Searle's critique of AI: McCorduck 2004, Crevier 1993, Russell & Norvig 2003 and see Searle 1980
  98. Quoted in Crevier 1993
  99. Quoted in Crevier 1993
  100. Newquist 1994
  101. Weizenbaum's critique of AI: McCorduck 2004, Crevier 1993, Russell & Norvig 2003 and see Weizenbaum 1976
  102. McCorduck 2004, Russell & Norvig 2003
  103. McCorduck 2004, Crevier 1993
  104. Crevier 1993
  105. Crevier 1993
  106. Crevier 1993
  107. Neat vs. scruffy: McCorduck 2004 (who picks up the state of the debate in 1984). Crevier 1993 (who documents Schank's original use of the term). Another aspect of the conflict was called "the procedural/declarative distinction" but did not prove to be influential in later AI research.
  108. McCorduck 2004, Crevier 1993 and Russell & Norvig 2003. Minsky's frame paper: Minsky 1974.
  109. Newquist 1994
  110. Crevier 1993 and Russell & Norvig 2003
  111. Crevier 1993
  112. Newquist 1994
  113. McCorduck 2004, Crevier 1993, Newquist 1994 and Russell & Norvig 2003
  114. McCorduck 2004
  115. McCorduck 2004
  116. Knowledge revolution: McCorduck 2004, Newquist 1994, Russell & Norvig 2003
  117. Cyc: McCorduck 2004, Crevier 1993, Newquist 1994, Russell & Norvig 2003 and Lenat & Guha 1989
  118. "Chess: Checkmate" (PDF). பார்க்கப்பட்ட நாள் 1 September 2007.
  119. McCorduck 2004, Newquist 1994, Crevier 1993, Russell & Norvig 2003 and see also Feigenbaum & McCorduck 1983
  120. Crevier 1993
  121. Crevier 1993.
  122. 122.0 122.1 122.2 Russell & Norvig 2003
  123. McCorduck 2004, NRC 1999 under "Shift to Applied Research Increases Investment"
  124. Crevier 1993.
  125. Crevier 1993.
  126. Mead, Carver A.; Ismail, Mohammed (8 May 1989). Analog VLSI Implementation of Neural Systems. எண்ணிம ஆவணச் சுட்டி:10.1007/978-1-4613-1639-8. பன்னாட்டுத் தரப்புத்தக எண் 978-1-4613-1639-8.
  127. Newquist 1994
  128. Newquist 1994, McCorduck 2004, Crevier 1993
  129. McCorduck 2004 (who cites institutional reasons for their ultimate failure), Newquist 1994 (who cites limited deployment within corporations), Crevier 1993 (who cites the difficulty of truth maintenance, i.e., learning and updating), Lenat & Guha 1989 (who emphasizes the brittleness and the inability to handle excessive qualification.)
  130. McCorduck 2004
  131. 131.0 131.1 McCorduck 2004, Crevier 1993. McCorduck writes "Two and a half decades later, we can see that the Japanese didn't quite meet all of those ambitious goals."
  132. Newquist 1994
  133. 133.0 133.1 Newquist 1994
  134. McCorduck 2004
  135. Crevier 1993.
  136. Brooks, Robert A. (1990). "Elephants Don't Play Chess". Robotics and Autonomous Systems 6 (1–2): 3–15. doi:10.1016/S0921-8890(05)80025-9. http://people.csail.mit.edu/brooks/papers/elephants.pdf. 
  137. Brooks 1990
  138. See, for example, Lakoff & Johnson 1999
  139. Newquist 1994
  140. (McCorduck 2004) discusses the fragmentation and the abandonment of AI's original goals.
  141. McCorduck 2004
  142. "Deep Blue". IBM Research. பார்க்கப்பட்ட நாள் 10 September 2010.
  143. "DARPA Grand Challenge – home page". Archived from the original on 31 October 2007.
  144. "Welcome". Archived from the original on 5 March 2014. பார்க்கப்பட்ட நாள் 25 October 2011.
  145. Markoff, John (16 February 2011). "On 'Jeopardy!' Watson Win Is All but Trivial". https://www.nytimes.com/2011/02/17/science/17jeopardy-watson.html. 
  146. Kurzweil 2005 writes that the improvement in computer chess, "according to common wisdom, is governed only by the brute force expansion of computer hardware."
  147. Cycle time of Ferranti Mark 1 was 1.2 milliseconds, which is arguably equivalent to about 833 flops. Deep Blue ran at 11.38 gigaflops (and this does not even take into account Deep Blue's special-purpose hardware for chess). Very approximately, these differ by a factor of 10^7.
  148. 148.0 148.1 Russell & Norvig 2003
  149. This is how the most widely accepted textbooks of the 21st century define artificial intelligence. See Russell & Norvig 2003 and Poole, Mackworth & Goebel 1998
  150. McCorduck 2004
  151. McCorduck 2004, Russell & Norvig 2003
  152. Pearl 1988
  153. Russell & Norvig 2003
  154. Russell & Norvig 2003, ப. 28
  155. For the new state of the art in AI based speech recognition, see (The Economist 2007)
  156. 156.0 156.1 "AI-inspired systems were already integral to many everyday technologies such as internet search engines, bank software for processing transactions and in medical diagnosis." Nick Bostrom, quoted in CNN 2006
  157. (Olsen 2004),(Olsen 2006)
  158. See Applications of artificial intelligence § Computer science
  159. NRC 1999 under "Artificial Intelligence in the 90s", and Kurzweil 2005
  160. McCorduck 2004, Kurzweil 2005, Hofstadter 1999 Newquist 1994
  161. CNN 2006
  162. Markoff 2005
  163. The Economist 2007
  164. Tascarella 2006
  165. Newquist 1994
  166. Steve Lohr (17 October 2016), "IBM Is Counting on Its Bet on Watson, and Paying Big Money for It", New York Times
  167. Hampton, Stephanie E; Strasser, Carly A; Tewksbury, Joshua J; Gram, Wendy K; Budden, Amber E; Batcheller, Archer L; Duke, Clifford S; Porter, John H (2013-04-01). "Big data and the future of ecology" (in en). Frontiers in Ecology and the Environment 11 (3): 156–162. doi:10.1890/120103. பன்னாட்டுத் தர தொடர் எண்:1540-9309. http://www.escholarship.org/uc/item/94f35801. 
  168. "How Big Data is Changing Economies | Becker Friedman Institute". bfi.uchicago.edu (in ஆங்கிலம்). Archived from the original on 18 June 2018. பார்க்கப்பட்ட நாள் 2017-06-09.
  169. 169.0 169.1 LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). "Deep learning". Nature 521 (7553): 436–444. doi:10.1038/nature14539. பப்மெட்:26017442. Bibcode: 2015Natur.521..436L. LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). "Deep learning". Nature. 521 (7553): 436–444. Bibcode:2015Natur.521..436L. doi:10.1038/nature14539. PMID 26017442. S2CID 3074096.
  170. Baral, Chitta; Fuentes, Olac; Kreinovich, Vladik (June 2015). "Why Deep Neural Networks: A Possible Theoretical Explanation". Departmental Technical Reports (Cs). http://digitalcommons.utep.edu/cs_techrep/975/. பார்த்த நாள்: 9 June 2017. 
  171. Ciregan, D.; Meier, U.; Schmidhuber, J. (June 2012). "Multi-column deep neural networks for image classification". 2012 IEEE Conference on Computer Vision and Pattern Recognition. pp. 3642–3649. Bibcode:2012arXiv1202.2745C. எண்ணிம ஆவணச் சுட்டி:10.1109/cvpr.2012.6248110. பன்னாட்டுத் தரப்புத்தக எண் 978-1-4673-1228-8.
  172. "On 'Jeopardy!' Watson Win Is All but Trivial". https://www.nytimes.com/2011/02/17/science/17jeopardy-watson.html. 
  173. "AlphaGo: Mastering the ancient game of Go with Machine Learning". https://research.googleblog.com/2016/01/alphago-mastering-ancient-game-of-go.html. 
  174. "Innovations of AlphaGo | DeepMind". DeepMind. பார்க்கப்பட்ட நாள் 2017-06-10.
  175. University, Carnegie Mellon. "Computer Out-Plays Humans in "Doom"-CMU News - Carnegie Mellon University". www.cmu.edu. பார்க்கப்பட்ட நாள் 2017-06-10.
  176. Laney, Doug (2001). "3D data management: Controlling data volume, velocity and variety". META Group Research Note 6 (70). 
  177. Marr, Bernard (6 March 2014). "Big Data: The 5 Vs Everyone Must Know".
  178. Goes, Paulo B. (2014). "Design science research in top information systems journals". MIS Quarterly: Management Information Systems 38 (1). 

மேற்கோள்கள்

[தொகு]