Курс "Специалист по искусственному интеллекту". Урок 2. История развития машинного обучения и ИИ

Вводная лекция курса «Специалист по искусственному интеллекту». Подробная история развития ИИ от первых механических арифмометров до современных больших языковых моделей (LLM) и генеративного ИИ.

00:00 — Введение: цели занятия и структура программы
01:22 — Теория и практика: как устроен рабочий процесс
02:06 — Предыстория ИИ: Блез Паскаль («Паскалина») и Аналитическая машина Бэббиджа
03:40 — 1940-е: Алан Тьюринг («Компьютерный интеллект») и кибернетика Норберта Винера
04:35 — 1950-е: Тест Тьюринга — суть и задачи эксперимента
06:10 — Появление термина «машинное обучение» (Артур Сэмюэл, шашки)
06:31 — 1956 год: Дартмутский семинар — официальное рождение искусственного интеллекта
07:36 — Logic Theorist: доказательство математических теорем в 1956 году
08:40 — 1957 год: Фрэнк Розенблатт и модель перцептрона
09:46 — 1960-е: Фильм «The Thinking Machine», программа ELIZA и критика нейросетей
12:43 — 1970-е и 1980-е: «Зима искусственного интеллекта» и эпоха экспертных систем
14:22 — 1986 год: Прорыв метода обратного распространения ошибки (Backpropagation)
15:36 — Появление термина «глубокое обучение» (Deep Learning)
16:15 — 1988 год: Ян ЛеКун, сверточные нейросети и первое коммерческое применение (LeNet)
18:39 — 1990-е: Статистические подходы и победа Deep Blue над Каспаровым
19:56 — 2000-е: Первый беспилотный робот DAVE
20:24 — 2006 год: Революция GPU — почему графические процессоры важны для нейросетей
22:41 — 2010-е: Модель AlexNet, победа AlphaGo над Ли Седолем
23:42 — 2017 год: Архитектура Трансформер и механизм внимания
24:58 — 2020-е: Релиз GPT-3, появление ChatGPT и бум генеративного ИИ (Midjourney, DALL-E)
26:55 — Развитие мультимодальных моделей (GPT-4, Sora, Gemini 1.5)
29:05 — Креативные задачи ИИ: кейс генерации меню для ресторана в Midjourney
32:43 — Перспективы ИИ: путь к сильному искусственному интеллекту (AGI)

Приветствуем на втором занятии курса «Специалист по искусственному интеллекту»!

В этой лекции мы закладываем фундаментальную теоретическую базу. Прежде чем переходить к написанию кода и построению прогнозных моделей, необходимо разобраться, как устроена эта наука, через какие этапы разочарований («зимы ИИ») и прорывов она прошла и какие подходы используются сегодня.

Мы подробно обсудим:
– Эволюцию концепции ИИ: от Паскалины (1642) и Аналитической машины Бэббиджа до теста Тьюринга и Dartmouth Workshop (1956).
– Как развивались нейросети: перцептрон Розенблатта, ограничения однослойных сетей и прорыв метода обратного распространения ошибки (Backpropagation).
– Аппаратную революцию 2006 года: почему графические процессоры (GPU) стали катализатором развития глубокого обучения (Deep Learning).

Материалы лекции помогут вам упорядочить знания и подготовиться к практической части курса, где мы перейдем к реализации алгоритмов регрессионного анализа на Python.

Сайт автора курса: https://leolukin.ru