A MESTERSÉGES INTELLIGENCIA FEJLŐDÉSTÖRTÉNETE

Az algoritmikus gondolkodás és a gépi számítás technikai evolúciója az 1950-es évektől napjainkig. Rendszerszintű áttekintés a mérföldkövekről.

Technikai Mérföldkövek

A mesterséges intelligencia (MI) története az 1950-es Dartmouth-i Konferenciával kezdődött, ahol John McCarthy először határozta meg a tudományág kereteit. Ebben az időszakban a kutatások elsősorban a szimbolikus logikára és a matematikai bizonyítások automatizálására összpontosítottak. Az elméleti alapokat Alan Turing fektette le, aki felvetette a gépi intelligencia ellenőrizhetőségének kérdését.

Az 1970-es és 80-as években a fejlesztések az úgynevezett szakértői rendszerek irányába mozdultak el, amelyek specifikus tudásbázisok alapján hoztak döntéseket. Ez a korszak bebizonyította, hogy a gépek képesek komplex szabályrendszerek követésére, de rávilágított a rugalmasság hiányára is. A hardveres kapacitás korlátai miatt ezután következett be az első "MI tél", amikor a finanszírozás és a kutatási kedv jelentősen visszaesett.

A modern korszakot a 2010-es években a számítási teljesítmény robbanásszerű növekedése és a rendelkezésre álló adatmennyiség bővülése indította el. A neurális hálózatok és a többrétegű architektúrák lehetővé tették az önálló mintázatfelismerést. További részletekért látogassa meg a Gépi tanulási algoritmusok oldalunkat.

Turing-teszt Paraméterek

Az 1950-ben publikált teszt alapvető követelménye az utánzási játék (Imitation Game), ahol a gépnek szöveges interakció során kell meggyőznie a vizsgáztatót emberi mivoltáról. A paraméterek magukban foglalják a természetes nyelvfeldolgozást és a kontextuális válaszadást.

Működési elv elemzése ui-7402

Szakértői Rendszerek

Ezek a rendszerek "ha-akkor" (if-then) logikai szabályokra épültek, szűk szakterületeken, például az orvosi diagnosztikában vagy a geológiában alkalmazva. Analízisük rávilágít a tudásmérnökség korai módszertanára és korlátaira.

Szakkifejezések tára

A Deep Learning Evolúciója

A mélytanulás (Deep Learning) a 2012-es ImageNet verseny után vált meghatározóvá, ahol a konvolúciós neurális hálózatok drasztikusan csökkentették a hibaarányt a képfelismerésben. Ez a technológiai ugrás tette lehetővé a mai nagy nyelvi modellek (LLM) létrejöttét.

175B GPT-3 Paraméterek
2012 Áttörés éve
A technical grayscale visualization of a neural network arch
Illusztráció 1 — A neurális hálózatok rétegszerkezetének technikai vázlata

Készen áll a technikai elmélyülésre?

Vizsgálja meg a modern MI rendszerek biztonsági protokolljait és adatkezelési irányelveit aktuális kutatások alapján.