The Worlds I See

Уроки были извлечены и из чрезмерных амбиций, которые были свойственны ранним этапам развития этой области, особенно в SAIL. К 1960-м годам интерес к цифровым представлениям небольших абстрактных виртуальных миров, часто населенных простыми объектами вроде блоков, позволял исследователям сосредоточиться на основах интеллекта, не перегружаясь деталями повседневной реальности. Одним из самых известных примеров такого подхода стала программа, созданная в Массачусетском технологическом институте докторантом Терри Виноградом, которая позволяла пользователю манипулировать коллекцией виртуальных цветных блоков с помощью команд на простом английском языке. Ниже приводится отрывок из особенно запоминающегося обмена:

ПОЛЬЗОВАТЕЛЬ: Найдите блок, который выше, чем тот, который вы держите в руках, и положите его в коробку.

КОМПЬЮТЕР: Под "ним", я полагаю, вы подразумеваете блок, который выше того, что я держу в руках.

ХОРОШО.

Пользователь: Что находится в коробке?

КОМПЬЮТЕР: Синяя пирамида и синий блок.

Пользователь: На чем держится пирамида?

Коробка.

Пользователь: Сколько блоков нет в коробке?

Четыре из них.

Даже сейчас, в эпоху беспрецедентно человекоподобных разговорных моделей ИИ, трудно не почувствовать, что это стенограмма диалога пользователя с полностью реализованным разумом. Неудивительно, что программа Винограда была воспринята как прорывное достижение и убедила многих наблюдателей в неизбежности революции ИИ. Более сложная реальность заключалась в том, что очевидная беглость и гибкость программы, по иронии судьбы, была продуктом ее ограничений. Хотя она могла красноречиво говорить на тему блоков, она могла делать это только на эту тему. Даже незначительные отклонения от ограниченного набора возможных вопросов и ответов рисковали сломать программу и выдать нелепый результат. Тем не менее, узкая направленность программы, похоже, действительно оправдала себя: программа делала не так много, но то, что она делала, было поразительно мощным.

Более глубокое исследование этой идеи было предпринято в 1970-х годах Эдом Фейгенбаумом, другим профессором Стэнфорда, исследователем SAIL и частым сотрудником Джона Маккарти. Вместо того чтобы попытаться расширить программы, подобные программе Винограда, что, скорее всего, снова попало в ловушку попыток раннего ИИ создать общий интеллект с нуля, он просто переместил его в другую область. В конце концов, почему бы ту же самую способность к языкам и рассуждениям не применить к чему-то в реальном мире, например к медицинскому обследованию или финансовому анализу? Что, если вместо того, чтобы отвечать на вопросы о наборе геометрических фигур, машина могла бы делать то же самое с базой данных симптомов заболеваний и атрибутов пациентов, или с записями транзакций и квартальными отчетами?

Инновация Фейгенбаума положила начало подпрограмме, получившей название "инженерия знаний", в которой факты о конкретной области - медицине, фармацевтике, финансах или почти обо всем другом - были организованы в библиотеки машиночитаемых данных, которые можно было анализировать подобно геометрическим фигурам Винограда, в виде естественно написанных вопросов и ответов, автоматизирующих опыт консультаций с человеческим экспертом.

Эти программы, получившие название "экспертные системы", стали самым убедительным за многие годы доказательством того, что ИИ может выполнять полезные задачи в реальном мире, и показали, что он может стать основой бизнеса - даже целой отрасли. Их очевидное коммерческое применение в сочетании с историческим снижением стоимости вычислений вдохновило создание многочисленных компаний в 1970-х и 1980-х годах, которые стремились вывести на рынок мощь инженерии знаний.

Одной из самых ранних и известных экспертных систем была программа INTERNIST-I, которая работала с библиотекой из пятисот описаний болезней и трех тысяч их проявлений. Первые испытания были обнадеживающими, и программа правильно диагностировала состояние пациента на основе наблюдений за симптомами, предоставленных пользователем, врачом-терапевтом, генерируя полезные результаты даже в сложных случаях. Среди других ранних примеров - MOLGEN, которая помогала молекулярным генетикам планировать эксперименты с ДНК; VM, сокращение от "Ventilator Management", консультировала врачей, наблюдающих за пациентами, которые находятся на искусственной вентиляции легких; и SECS, которая расшифровывалась как "Simulation and Evaluation of Chemical Synthesis" и давала ранний взгляд на потенциал ИИ в области открытия лекарств.