Преди повече от половин век, през 1957 г., светът става свидетел на пробив в информационните технологии – раждането на перцептрона. Този първи модел на невронна мрежа, създаден от Франк Розенблат, отваря нова епоха в технологичното развитие и полага началото на съвременното машинно обучение.
Франк Розенблат – биография на невероятния визионер
Франк Розенблат (1928 – 1971) е изтъкнат американски психолог и компютърен учен, роден в Ню Рошел, Ню Йорк. След като през 1950 г. завършва образованието си в Университетa Корнел, Розенблат бързо се утвърждава като един от водещите учени в областта на изкуствения интелект. Прекарвайки живота си в посветена работа към науката и технологиите, той изследва методи за моделиране на човешкия мозък чрез машини и заслужено получава признанието „баща на дълбокото обучение„.
От невроните до перцептроните
Разработването на перцептроните е силно повлияно от предишни изследвания в областта на невронауката, по-конкретно от работата на Уорън МакКълъх и Уолтър Питс относно логическите операции, които могат да се изпълнят от невроните. Розенблат обаче взема тези изследвания още по-далеч, като създава перцептроните – невронни мрежи, специално проектирани за разпознаване на визуални модели.
Как работят перцептроните?
Процесът на работа на перцептроните е сравнително прост, но изключително важен. Използвайки група от предварително зададени данни (например, снимки на кучета и котки), машината се „учи“ да различава между двата класа информация. Всеки перцептрон коригира своите вътрешни параметри в процеса на обучение, като се стреми към подобряване на своето разпознаване и класификация на различните видове информация. С течение на времето, благодарение на постоянното обучение и корекция, машината става все по-добра в разпознаването на кучета и котки.
Макар на пръв поглед да изглежда сложен, процесът на обучение на перцептрона може да бъде сравнен с начина, по който малко дете учи да различава куче от котка.
Перцептроните са достойни за изучаване, въпреки своите ограничения. Те ни помагат да разберем микроструктурата на потенциалните устройства за обучение.
– коментира Марвин Мински, пионер в областта на изкуствения интелект.
Наследството на Розенблат и неговият отпечатък в историята на изкуствения интелект
В световната история на науката и технологиите, името на Розенблат заема почитно място, което е устояло на времето. Наследството му продължава да мотивира нови поколения учени и изследователи. Те следват стъпките му, като насочват вниманието си към неоткрити още предизвикателства и постижения в областта на изкуствения интелект.
През 2004 г. в чест на Розенблат, Международната федерация по електротехника и електроника (Institute of Electrical and Electronics Engineers, IEEE) учредява „Награда Франк Розенблат„. Това е една от най-престижните награди в областта на машинното обучение и изкуствения интелект, която се дава на учени, които са направили изключителни приноси към тези области.
Сред победителите в различни години са включени изтъкнати имена като Джефри Хинтън, Ян Лекун и Йошуа Бенджио, чиито разработки в областта на дълбокото обучение промениха изкуствения интелект.
Със сигурност можем да заключим, че наследството от Франк Розенблат и неговите иновации в областта на невронните мрежи, оставят траен отпечатък, вдъхновявайки поколения учени да продължават от там, където той е спрял. Неговата визия за самообучаващи се машини е също толкова актуална днес, колкото е била и в момента на неговите първоначални изследвания.
Разказите за създаването на машини с човешки характеристики отдавна представляват завладяваща тема в света на научната фантастика. Ние сме на прага на раждането на тези машини. Те ще могат да възприемат, разпознават и идентифицират своята околна среда без нуждата от човешко обучение или намеса
– пише Розенблат през 1958 г.
Бил е прав – но отне повече от половин век да се докаже. Пред нас са нови хоризонти в областта на невронните мрежи. С развитието на тези технологии нашият свят ще се промени по начини, за които можем само да гадаем.
За да научите повече за историята на изкуствения интелект, препоръчваме да прегледате нашата секция “История“.
Последвайте ни в социалните мрежи – Facebook, Instagram, X и LinkedIn!