Home » Articole » Articole » Afaceri » Știința datelor (Data Science) » Învățarea automată (Machine learning) » Scurtă istorie a evoluției învățării automate în inteligența artificială

Scurtă istorie a evoluției învățării automate în inteligența artificială

Turing machine

Expresiile, ”inteligență artificială” și ”învățare automată” nu sunt noi. Ele au fost cercetate, utilizate, aplicate și reinventate de informaticieni, ingineri, cercetători, studenți și profesioniști din industrie de peste 70 de ani. Fundamentul matematic al învățării automate se află în algebră, statistică și probabilitate. Dezvoltarea serioasă a învățării automate și a inteligenței artificiale a început în anii 1950 și 1960 cu contribuțiile unor cercetători precum Alan Turing, John McCarthy, Arthur Samuels, Alan Newell și Frank Rosenblatt. Samuel a propus primul model de învățare automată funcțional din programul Optimizing Checkers. Rosenblatt a creat Perceptron, un algoritm popular de învățare automată, bazat pe neuroni biologici, care a pus bazele rețelei neuronale artificiale [4, 5, 6]. Următorul tabel ilustrează dezvoltarea ilustră, expansivă și practică a învățării automate.

Dezvoltarea învățării automate:

  • 1950 Alan Turing a creat „Testul Turing” pentru a verifica inteligența unei mașini. Pentru a trece testul Turing, mașina ar trebui să poată convinge oamenii că acolo vorbesc de fapt cu un om și nu cu o mașină.
  • 1952 Samuel a creat un algoritm de învățare extrem de capabil, care poate juca jocul de dame cu sine însuți și se poate antrena singur.
  • 1956 Martin Minsky și John McCarty împreună cu Claude Shannon și Nathan Rochester au organizat o conferință la Dartmouth în 1956, unde de fapt s-a născut inteligența artificială.
  • 1958 Frank Rosenblatt a creat Perceptron, care a pus piatra de temelie pentru dezvoltarea rețelei neuronale artificiale (ANN).
  • 1967 A fost propus algoritmul celui mai apropiat vecin care ar putea fi folosit pentru „recunoașterea modelelor”.
  • 1979 Studenții de la Universitatea Stanford au dezvoltat „Stanford Cart”, un robot sofisticat care ar putea naviga într-o cameră și să evite obstacolele din calea acestua.
  • 1981 Învățarea bazată pe explicații a fost propusă de Gerald Dejong, prin care un computer poate analiza datele de antrenament și poate crea reguli pentru eliminarea datelor inutile [7]
  • 1985 NetTalk a fost inventat de Terry Sejnowski, [8] care a învățat să pronunțe cuvintele englezești în același mod în care învață copiii.
  • 1990 Accentul învățării automate s-a mutat de la cel bazat pe cunoștințe la cel bazat pe date. Învățarea automată a fost implementată pentru a analiza cantități mari de date și a deduce concluzii din acestea [9]
  • 1997 IBM a inventat computerul Deep Blue care a reușit să-l învingă pe campionul mondial de șah Gary Kasparov.
  • 2006 Termenul „Învățare profundă” a fost inventat de Geoffery Hinton, care se referea la o nouă arhitectură a rețelelor neuronale care folosea mai multe straturi de neuroni pentru învățare.
  • 2011 Watson de la IBM, construit pentru a răspunde la întrebările puse într-un limbaj natural, învinge un concurent uman la Jeopardy Game.
  • 2012 Jeff Dean de la Google, a dezvoltat GoogleBrain, care este o rețea neuronală profundă pentru a detecta modele în videoclipuri și imagini.
  • 2014 Facebook a inventat algoritmul „DeepFace” bazat pe rețelele neuronale profunde capabile să recunoască fețele umane în fotografii.
  • 2015 Amazon și-a propus propria platformă de învățare automată. Microsoft a creat „Distributed Machine Learning Toolkit” pentru distribuirea eficientă a problemelor de învățare automată pe mai multe computere pentru a lucra în paralel pentru a găsi o soluție [10,11]. Elon Musk și Sam Altman au creat o organizație non-profit – OoeaAI, cu obiectivul de a folosi inteligența artificială pentru a servi ființele umane.
  • 2016 Google a propus DeepMind, care este considerat cel mai complex joc de masă. Programul Google AlphaGo devine primul program Computer Go care învinge un jucător uman profesionist. Se bazează pe combinația de învățare automată și tehnici de căutare în arbore [12].
  • 2017 Google a propus telefoane Google Lens, Google Clicks, Google Home Mini și Google Nexus care utilizează algoritmi de învățare automată și de învățare profundă. Nvidia a propus GPU-uri NVIDIA – Motorul de învățare profundă. Apple a propus Home Pod, care este un dispozitiv interactiv de învățare automată.

Referințe

  • [4] Sandhya N. dhage, Charanjeet Kaur Raina, “A review on Machine Learning Techniques”, March 16 Volume 4 Issue 3 , International Journal on Recent and Innovation Trends in Computing and Communication (IJRITCC), ISSN: 2321-8169, PP: 395 – 399
  • [5] AyonDey , “Machine Learning Algorithms: A Review”, (IJCSIT) International Journal of Computer Science
  • [6] A report by Royal Society, April 2017, “Machine learning: the power and promise of computers that learn by example “, ISBN: 978-1-78252-259-1.and Information Technologies, Vol. 7 (3) , 2016, 11741179
  • [7] Minton S, Zweben M. Learning, Planning, and Scheduling: An Overview. InMachine Learning Methods for Planning 1993 (pp. 1-29).
  • [8] Sejnowski T. Net talk: A parallel network that learns to read aloud. Complex Systems. 1987; 1:14568.
  • [9] Han J, Cai Y, Cercone N. Data-driven discovery of quantitative rules in relational databases. IEEE Transactions on Knowledge & Data Engineering. 1993 Feb 1(1):29-40.
  • [10] Shokri R, Stronati M, Song C, Shmatikov V. Membership inference attacks against machine learning models. InSecurity and Privacy (SP), 2017 IEEE Symposium on 2017 May 22 (pp. 3-18). IEEE.
  • [11] Li M, Andersen DG, Park JW, Smola AJ, Ahmed A, Josifovski V, Long J, Shekita EJ, Su BY. Scaling Distributed Machine Learning with the Parameter Server. InOSDI 2014 Oct 6 (Vol. 14, pp. 583598).
  • [12] Chen JX. The evolution of computing: AlphaGo. Computing in Science & Engineering. 2016 Jul;18(4):4-7.

Sursa: Jafar Alzubi et al 2018 J. Phys.: Conf. Ser. 1142 012012, licența CC BY 3.0. Traducere: Nicolae Sfetcu

Analitica rețelelor sociale
Analitica rețelelor sociale

Analitica rețelelor sociale este un domeniu nou și emergent, pregătit pentru a permite companiilor să își îmbunătățească inițiativele de gestionare a performanței în diferite funcții de afaceri. Indiferent dacă este vorba de măsurarea eficienței campaniilor promoționale, colectarea de informații despre … Citeşte mai mult

Nu a fost votat $3,99$9,61 Selectează opțiunile
Introducere în inteligența artificială
Introducere în inteligența artificială

Inteligența artificială s-a dezvoltat exploziv în ultimii ani, facilitând luarea deciziilor inteligente și automate în cadrul scenariilor de implementare. Inteligența artificială se referă la un ecosistem de modele și tehnologii pentru percepție, raționament, interacțiune și învățare.  Asistăm la o convergență … Citeşte mai mult

Nu a fost votat $2,99$5,07 Selectează opțiunile
Căutarea, extragerea, organizarea și evaluarea informațiilor
Căutarea, extragerea, organizarea și evaluarea informațiilor

Informația, ca și concept, include o mare diversitate de sensuri în contexte diferite, de la cele zilnice până la cele tehnice. Conceptul de informație este strâns legat de noțiunile de restricție, comunicare, control, date, forme, educație, cunoaștere, înțelegere, stimul mental, … Citeşte mai mult

Nu a fost votat $3,99$9,61 Selectează opțiunile

Lasă un răspuns

Adresa ta de email nu va fi publicată. Câmpurile obligatorii sunt marcate cu *