Оживление, вызванное ИИ, быстро росло после проведения Дартмутской конференции. Новые идеи, касающиеся логических функций, процесса принятия решений, планируемого поведения и даже моделирования нейронов, наполняли исследователей оптимизмом. Некоторые из них полагали, что проблема машинного перевода будет решена очень скоро благодаря достижениям в таких областях, как теория информации, например, и формулированию правил, описывающих, как слова объединяются в предложения в естественных языках. Другие исследователи концентрировались на изучении того, как работают нейроны, каким образом мозг использует нейронные сети, чтобы обучаться и делать прогнозы. Уолтер Питтс и Уоррен Мак-Каллок разработали одну из первых искусственных нейронных сетей; Марвин Мински сконструировал искусственную нейронную сеть SNARC. (см. главу 5). Однако к началу 1960-х годов даже очень опытные и умные исследователи делали слегка нереалистичные прогнозы, учитывая состояние технологий на тот момент.

Благодаря такому воодушевлению росло также финансирование, и исследователи лихорадочно работали над проектами машинного перевода и искусственных нейронных сетей. И все же ажиотаж оказался слишком велик. К 1964 году спонсоры в США (Национальный исследовательский совет) начали беспокоиться из-за отсутствия прогресса в области машинного перевода. Консультативный комитет по автоматической обработке текстовой информации изучил проблему. Казалось, исследователи недооценили многозначность слов – тот факт, что их значение зависит от контекста. В результате в 1960-х годах ИИ допускал весьма досадные ошибки. Так, при переводе с английского на русский и обратно «с глаз долой – из сердца вон» превратилось в «слепой идиот».

В отчете Консультативный комитет заключил, что машинный перевод хуже человеческого и к тому же значительно дороже. После публикации этого отчета Национальный исследовательский совет, уже потратив к тому моменту 20 миллионов долларов, прекратил финансирование исследований в области машинного перевода в США. Что касается исследования нейросетей, они тоже постепенно сходили на нет, поскольку ученые отчаянно пытались заставить простые нейронные сети делать что-то полезное. Последней каплей стала книга Марвина Мински и Сеймура Пейперта «Перцептроны», опубликованная в 1969 году, в которой были описаны многие ограничения модели простого нейрона. Это положило конец исследованиям нейронных сетей.

Однако вскоре все стало еще хуже. В 1972 году по заказу парламента Великобритании, пытавшегося оценить прогресс исследований в области искусственного интеллекта, математик сэр Джеймс Лайтхилл подготовил отчет. Выводы были неутешительными: «Большинство исследователей, начавших работать в этой области около десяти лет назад, признаются, что тогда они испытывали своего рода наивный оптимизм, который теперь считают неуместным… успехи в создании роботов общих типов не привели к достижению грандиозных целей». Отчет вызвал резонанс по всему миру. Управление перспективных исследовательских проектов Министерства обороны США сократило финансирование работ, касающихся ИИ, поскольку осознало, что обещанные результаты в такой области, как распознавание речи, не достигаются. В Великобритании финансирование исследований ИИ прекратили во всех университетах кроме трех: Эссекского, Сассекского и Эдинбургского. Идея ИИ и создания интеллектуальных роботов была полностью дискредитирована. Так наступила первая зима ИИ.

Несмотря на нежелательность своей деятельности, несколько исследователей ИИ продолжали работу в течение следующего десятилетия. Имевшиеся к тому моменту наработки не канули в Лету; многие достижения стали частью массовых компьютерных технологий. В конце концов к 1980-м годам в области исследований ИИ наметился новый прорыв – экспертные системы. Эти новые алгоритмы ИИ включили в себя знания людей – экспертов в различных системах, основанных на правилах, – и могли выполнять такие задачи, как идентификация неизвестных молекул или диагностика заболеваний. Для подобных целей разрабатывались новые языки ИИ, например Prolog и LISP, а для эффективной работы этих языков проектировались специализированные компьютеры. Вскоре экспертные системы были внедрены во многие отрасли промышленности и бизнес начал процветать. Так исследования ИИ снова получили финансирование.

В Японии на создание компьютера пятого поколения выделили 850 миллионов долларов. Целью этого проекта стала разработка суперкомпьютеров, которые могли бы запускать программное обеспечение экспертных систем и выполнять такие сложные задачи, как поддержание разговоров и интерпретация изображений. К 1985 году на разработку отдельных систем в рамках ИИ было выделено более миллиарда долларов, а Управление перспективных исследовательских проектов потратило 100 миллионов долларов на финансирование 92 проектов в 60 учреждениях. Исследования ИИ возобновились, и вместе с ними вернулся ажиотаж.

Но продолжался очередной взлет недолго. Мощность обычных компьютеров быстро превысила мощность интеллектуальных систем, и компании, занимавшиеся аппаратным оборудованием для ИИ, обанкротились. Затем выяснилось, что экспертные системы крайне сложны в обслуживании и подвержены серьезным ошибкам при неправильном вводе данных. Обещанные возможности ИИ вновь не были реализованы. Промышленность отказалась от этой новой технологии, и финансирование опять прекратилось. Наступила вторая зима ИИ.

И снова, несмотря на то что тема ИИ оказалась не в чести, исследования продолжались. Однако поскольку в 1990-х годах даже сам термин «искусственный интеллект» ассоциировался с неудачей, его часто пытались замаскировать под интеллектуальные системы, машинное обучение, современные эвристические методы.

Достижения продолжались, но они «поглощались» другими технологиями. И вскоре началась тихая революция, принесшая с собой более продвинутую нечеткую логику (см. главу 9), новые, более мощные, типы нейронных сетей, более эффективные оптимизаторы и все более результативные методы машинного обучения. Робототехника тоже начала активно развиваться, особенно с появлением более легких и более емких батарей нового поколения. Облачные компьютеры позволили производить большой объем вычислений без существенных затрат, и каждый день генерировалось так много данных, что у ИИ было множество примеров для обучения. Поначалу медленно, но все смелее и решительнее ИИ и робототехника отвоевывали утраченные позиции. Снова росло всеобщее возбуждение, однако на этот раз его сопровождал страх.

Прошлый, 2019, год стал летом для исследований ИИ: тысячи ИИ-стартапов по всему миру продемонстрировали новые способы применения ИИ. Все крупные технологические компании (Apple, Microsoft, Google, Amazon, Weibo, Huawei, Samsung, Sony, IBM – список кажется бесконечным) инвестировали десятки миллиардов долларов в исследования ИИ и робототехники. Впервые продукты на базе ИИ стали доступны широкой публике: домашние станции, распознающие голоса, телефоны, распознающие отпечатки пальцев и лица, камеры, распознающие улыбки, автомобили, в которых автоматизирован ряд водительских задач, роботы-пылесосы. Незримо ИИ помогает нам и еще сотнями различных способов: в медицинских сканерах, выявляющих болезни, в оптимизаторах, составляющих расписание курьеров, в автоматизированных системах контроля качества на фабриках, в системах обнаружения мошенничества, уведомляющих о подозрительных операциях и блокирующих карту, в мультиварках, готовящих идеальный рис. Даже если мы вновь решим не называть ее ИИ в будущем, эта технология слишком широко распространилась, чтобы исчезнуть.