సంక్షిప్త సమాధానం: AI ఒకే తేదీన ఆవిష్కరించబడలేదు; అది తర్కం, తొలి కంప్యూటింగ్, మరియు తార్కికతను క్రమబద్ధీకరించే ప్రయత్నాల నుండి క్రమంగా ఉద్భవించింది. సాధారణ "అధికారిక" ప్రారంభ బిందువుగా, ఒకే ఒక్క అద్భుత ఆవిష్కరణగా కాకుండా, పరిశోధకులు AIని ఒక పేరుగల శాస్త్రీయ రంగంగా వ్యవస్థీకరించిన క్షణాన్ని ఉపయోగించండి.
కీలకమైన అంశాలు:
నిర్వచనం: మీరు ఆలోచన, రంగం, లేదా ఆధునిక ఉత్పత్తులను ఉద్దేశిస్తున్నారో నిర్ణయించుకోండి.
మైలురాయి: ఫీల్డ్ పేరును అత్యంత సరళమైన, అందరికీ కనిపించే ప్రారంభ బిందువుగా ఉపయోగించండి.
చరిత్ర పూర్వం: కంప్యూటర్లకు పూర్వం ఉన్న తర్కం మరియు యాంత్రిక వివేచనతో AI మూలాలను అనుసంధానించండి.
పద్ధతులు: AIని వివరించేటప్పుడు, తొలి నియమ-ఆధారిత వ్యవస్థలను తర్వాతి అభ్యాస-ఆధారిత విధానాల నుండి వేరు చేసి చూపండి.
సందర్భం: మార్కెటింగ్ మరియు మారుతున్న నిర్వచనాలు కాలక్రమాన్ని ఉన్నదానికంటే స్పష్టంగా కనిపించేలా చేయగలవని పేర్కొనండి.
🔗 AI ఎప్పుడు ప్రాచుర్యం పొందింది? ఒక కాలక్రమం వివరించబడింది
2010లలో AI పరిశోధన దశ నుండి ప్రధాన స్రవంతిలోకి ఎలా ఎదిగిందో ఇది వివరిస్తుంది.
🔗 AI అల్గోరిథం అంటే ఏమిటి? స్పష్టమైన నిర్వచనం మరియు ఉదాహరణలు
అల్గోరిథంలు మరియు మోడల్ల మధ్య తేడాలను, అలాగే సరళమైన ఉదాహరణలు మరియు లోపాలను వివరిస్తుంది.
🔗 AIపై అతిగా ప్రచారం జరిగిందా? ప్రచారం వర్సెస్ వాస్తవ ప్రపంచ విలువ
మార్కెటింగ్ ఆర్భాటాన్ని, ఆచరణాత్మక AI ఉపయోగాలు మరియు పరిమితుల నుండి వేరు చేస్తుంది.
🔗 AI ఏజెంట్ను ఎలా నిర్మించాలి: ఆచరణాత్మక దశలు
దశలవారీ లూప్, సాధన రూపకల్పన, మెమరీ, మరియు ఏజెంట్ల కోసం రక్షణ చర్యలు.
"AI ఎప్పుడు కనుగొనబడింది?" అనే ప్రశ్నకు క్లుప్తమైన, కొంచెం చిరాకు పుట్టించే సమాధానం ⏳🤷
AI ఒకే రోజు, ఒకే వ్యక్తిచే కనుగొనబడలేదు. అది స్టాన్ఫోర్డ్ AI100 ద్వారా ఆవిర్భవించింది .
మీకు స్పష్టమైన, కథకు అనువుగా ఉండే వివరణ కావాలంటే: AI అనే పేరుగల రంగం, ఒక చిన్న పరిశోధకుల బృందం "యంత్రాలను ఆలోచింపజేస్దాం" అని ప్రాథమికంగా చెప్పడంతో ప్రారంభమైంది. వారు దానిని ఒక సైన్స్ ఫిక్షన్ పగటి కలలా కాకుండా, ఒక గంభీరమైన శాస్త్రీయ ప్రాజెక్టుగా పరిగణించారు. ఆ క్షణాన్నే తరచుగా AI యొక్క "అధికారిక" పుట్టుకగా పరిగణిస్తారు.
అసలు నిజం చెప్పాలంటే: గణితం, తర్కం, తొలితరం కంప్యూటింగ్, మనస్తత్వశాస్త్రం, భాషాశాస్త్రం, న్యూరోసైన్స్, ఇంకా ఎంతో ఆశావాదంతో అతిగా వాగ్దానాలు చేసిన కాగ్నిటివ్ సైన్స్ (SEP) IBM. అంటే... చాలా ఎక్కువగా. అప్పట్లో ప్రజలు ఎంత ఆత్మవిశ్వాసంతో ఉండేవారంటే, ఇప్పుడు చూస్తే అది దాదాపు ఆకర్షణీయంగా అనిపిస్తుంది 😬.
మరి, ఏఐ ఎప్పుడు కనుగొనబడింది?
-
స్ఫూర్తి పరంగా - మానవులు తర్కాన్ని మరియు యాంత్రిక హేతువాదాన్ని క్రమబద్ధీకరించడం ప్రారంభించినప్పుడు సాంప్రదాయ తర్కం (SEP) స్వయంచాలక హేతువాదం (SEP)
-
ఆచరణలో - ప్రోగ్రామబుల్ కంప్యూటర్లు ఆ ఆలోచనలను పరీక్షించదగినవిగా చేసినప్పుడు ట్యూరింగ్, 1950
-
ఒక రంగంగా - "కృత్రిమ మేధస్సు" ఒక వ్యవస్థీకృత పరిశోధనా లక్ష్యంగా మారినప్పుడు డార్ట్మౌత్ స్టాన్ఫోర్డ్ జాన్ మెక్కార్తీపై
-
ప్రజల ఊహలో - ఉత్పత్తులు, వార్తా శీర్షికలు మరియు సంస్కృతిలో "స్మార్ట్ మెషీన్లు"గా కనిపించడం ప్రారంభించినప్పుడు స్టాన్ఫోర్డ్ AI100, SQ2
అవును, అవి బహుళ సమాధానాలు. క్షమించండి. అయినా, ప్రత్యేకంగా క్షమించమని అడగడం లేదు.
ఇక్కడ "ఆవిష్కరించబడింది" అనే పదానికి అసలు అర్థం ఏమిటి (ఎందుకంటే నిర్వచనాలు ముఖ్యం కదా) 🧠🧩
AI ఎప్పుడు కనుగొనబడింది? అనే ప్రశ్నకు సమాధానం చెప్పే ముందు , AI అంటే ఏమిటో మనం నిర్ణయించుకోవాలి. అసలైన పిజ్జా అంటే ఏమిటో వాదించుకున్నట్లే, దీని గురించి కూడా జనాలు వాదించుకుంటారు. కొంతమంది తీవ్రంగా వాదిస్తారు.
ప్రజలు సాధారణంగా నిశ్శబ్దంగా ఉపయోగించే నిర్వచనాలు ఇవి:
-
మానవ-వంటి ఆలోచనా విధానంగా AI: తార్కికం, అభ్యాసం, భాషను అర్థం చేసుకోవడం, ప్రణాళికలు రూపొందించడం స్టాన్ఫోర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ
-
ఆచరణాత్మక యంత్ర ప్రవర్తనగా AI: ప్రసంగాన్ని గుర్తించడం, వీడియోలను సిఫార్సు చేయడం, మోసాన్ని గుర్తించడం OECD AI సూత్రాలు స్టాన్ఫోర్డ్ AI100
-
పరిశోధనా రంగంగా AI: ఉమ్మడి లక్ష్యాలు, సమావేశాలు మరియు పద్ధతులతో కూడిన సంఘం స్టాన్ఫోర్డ్ AI100
-
బ్రాండ్ లేబుల్గా AI: సాఫ్ట్వేర్కు అంటించే పదం, ఎందుకంటే అది బాగా అమ్ముడవుతుంది 😏
మీ నిర్వచనాన్ని బట్టి, AI పూర్తిగా భిన్నమైన సమయాల్లో ఆవిష్కరించబడి ఉండవచ్చు.
నిజానికి, అది సాకు చెప్పడం కాదు. దాని స్వభావం అలాంటిది. ఏఐ అనేది టోస్టర్ లాంటి ఒకే ఒక్క ఆవిష్కరణ కాదు. అది 'వైద్యం' లేదా 'విమానయానం' లాంటిది. నమూనాలు, సిద్ధాంతాలు, విఫల ప్రయత్నాలు జరిగాయి, ఆపై చివరికి - చివరకు పనిచేసినవి వచ్చాయి.
AIకి పూర్వపు చరిత్ర: మానవులు యుగాలుగా ఆలోచనను బంధించడానికి ప్రయత్నించారు 🏛️⚙️
ఎవరైనా కంప్యూటర్ను నిర్మించడానికి చాలా కాలం ముందే, ప్రజలు ఆలోచనను నియమాలుగా మార్చడంపై (స్వయంచాలిత తార్కికం - SEP).
"చరిత్ర పూర్వ" దశ నుండి కొన్ని కీలక అంశాలు:
-
ఫార్మల్ లాజిక్: తార్కికతను నిర్మాణాత్మక దశలుగా మార్చడం క్లాసికల్ లాజిక్ (SEP)
-
యాంత్రిక గణన: యంత్రాలు విధానాలను అనుసరించగలవని చూపించిన పరికరాలు
-
సాంకేతిక ఆలోచన: ఆలోచనలను మార్చగలిగే వస్తువులుగా (సంఖ్యలు, పదాలు, నియమాలు) పరిగణించడం.
-
ఆటోమేషన్ కల: శరీరానికి వెలుపల మనస్సును నిర్మించాలనే మానవుని పునరావృతమయ్యే ఊహ 😳
AI వెనుక ఉన్న ఆలోచన ఇక్కడే మొదలవుతుంది. సాంకేతికత కాదు, మనస్తత్వం: “ఆలోచన నమూనాలను అనుసరిస్తే, బహుశా మనం ఆ నమూనాలను పునరుత్పత్తి చేయగలమేమో.”
ఇది నిప్పు గురించి తెలుసుకోకముందే డ్రాగన్ బొమ్మ గీయడం లాంటిది. ఆ బొమ్మ ముఖ్యమే, కానీ అది ఇంకా మార్ష్మల్లౌస్ను కాల్చదు.
కాబట్టి, మీరు "AI ఎప్పుడు కనుగొనబడింది?" అని అడిగినప్పుడు , మీ ఉద్దేశ్యం "ఈ భావన ఎప్పుడు మొదలైంది?" అని అయితే, దానికి నిష్కపటమైన సమాధానం ఏమిటంటే: ఇది చాలా కాలంగా మానవ సంస్కృతిలో అంతర్లీనంగా ఉంది.
ఒక రంగంగా AI యొక్క “అధికారిక ఆవిర్భావం”: ప్రజలు చివరకు దానికి పేరు పెట్టినప్పుడు 🏷️🤖
"AI ఎప్పుడు కనుగొనబడింది?" అని అడిగేటప్పుడు చాలా మంది తెలుసుకోవాలనుకునే భాగం ఇదే
పరిశోధకులు యంత్ర మేధస్సును చెల్లాచెదురుగా ఉన్న వింతలుగా చూడటం మానేసి, దానిని ఒక వ్యవస్థీకృత లక్ష్యంగా చూడటం ప్రారంభించినప్పుడు AI, "AI"గా మారింది. ఆ మార్పు చాలా ముఖ్యమైనది. ఒక రంగానికి పేరు పెట్టడం పైపై మెరుగులా అనిపించవచ్చు, కానీ అది కాదు. ఒక పేరు నిధులు, విద్యార్థులు, ప్రయోగశాలలు, పోటీ , అహం, అంటే పురోగతికి మరియు నాటకీయతకు అవసరమైన అన్ని అంశాలను ఆకర్షిస్తుంది.
ఆ “అధికారిక ఆవిర్భావ” దశలో, ఆ గొప్ప ఆలోచన సాహసోపేతమైనది మరియు సరళమైనది:
-
తర్కించగల యంత్రాలను నిర్మించండి
-
వారిచేత భాషను ఉపయోగించేలా చేయండి
-
అనుభవం ద్వారా నేర్చుకోనివ్వండి
-
డార్ట్మౌత్లో మేధస్సును ఇంజనీరింగ్గా మార్చండి
తొలి పరిశోధకులు, ఒకసారి ప్రాథమిక అంశాలు లభిస్తే మానవ-స్థాయి మేధస్సును త్వరగా పరిష్కరించవచ్చని నమ్మారు . ఈ ఆశావాదం... దీన్ని సున్నితంగా ఎలా చెప్పాలి... అత్యంత ఆశావాదంతో కూడుకున్నది.
అయినప్పటికీ, ఆ క్షణమే AI కేవలం ఒక తాత్విక ఉత్సుకతగా కాకుండా, గుర్తించదగిన ప్రాజెక్ట్గా మారింది.
తొలితరం AI విధానాలు: నియమాలు, చిహ్నాలు, మరియు అపారమైన ఆత్మవిశ్వాసం 😬📜
తొలితరం AI వ్యవస్థలు సాంకేతిక పద్ధతులపై - ప్రాథమికంగా, జ్ఞానాన్ని మరియు నియమాలను స్పష్టంగా వ్రాయడం. లాజిక్-బేస్డ్ AI (SEP) స్టాన్ఫోర్డ్ AI100, SQ12.
ఆలోచించండి:
-
ఇది అయితే, అప్పుడు అది
-
రోగికి లక్షణం A మరియు లక్షణం B ఉంటే, అప్పుడు రోగ నిర్ధారణ Cని పరిగణించండి
-
చదరంగపు స్థానం X లాగా కనిపిస్తే, Y చేయండి
ఈ విధానం కొన్ని అద్భుతమైన పనులను చేసింది, ముఖ్యంగా సంకుచిత రంగాలలో (స్టాన్ఫోర్డ్ AI100). కానీ దానికి బాధాకరంగా స్పష్టమయ్యే పరిమితులు ఉన్నాయి:
-
నిజ జీవితం అస్తవ్యస్తంగా ఉంటుంది
-
మానవులు జ్ఞానాన్ని క్రమబద్ధమైన నియమాల జాబితాలుగా నిల్వ చేయరు
-
ప్రపంచంలో అస్పష్టత, అసంపూర్ణ సమాచారం మరియు ఒకదానిపై ఒకటిగా పేర్చబడిన మినహాయింపులు ఉన్నాయి
-
భాష అనేది సూటు వేసుకున్న అల్లకల్లోలం
సింబాలిక్ AI అనేది ఒక స్ప్రెడ్షీట్ను చదివి జాజ్ సంగీతాన్ని వాయించడానికి ప్రయత్నించడం లాంటిది. మీరు సుమారుగా అంచనా వేయగలరు, అది నిజమే. కానీ ఒకానొక దశలో, మీకు అనుభూతి, అనుకూలత మరియు నేర్చుకోవడం అవసరం.
“AI ఎప్పుడు కనుగొనబడింది?” అనే ప్రశ్న క్లిష్టంగా ఉండటానికి ఇది ఒక కారణం - అత్యంత ప్రాచీనమైన “AI” ఇప్పుడు ప్రజలు AI అని పిలిచే దానిలా పెద్దగా కనిపించేది కాదు, కానీ అది ఖచ్చితంగా దాని వంశక్రమంలో ఒక భాగమే.
అభ్యసనం వైపు మార్పు: చేతితో రాసిన నియమాలను డేటా అధిగమించడం మొదలుపెట్టినప్పుడు 📈🧪
చివరికి, ప్రాధాన్యతా కేంద్రం “నేరుగా ప్రోగ్రామ్ ఇంటెలిజెన్స్” నుండి “యంత్రం నమూనాలను నేర్చుకోనివ్వడం” వైపుకు మారింది. స్టాన్ఫోర్డ్ AI100, SQ12.
ఈ అభ్యాస-కేంద్రీకృత దశలో ఇవి ఉంటాయి:
-
మెషిన్ లెర్నింగ్: స్పష్టమైన నియమాల కంటే ఉదాహరణల ద్వారా వ్యవస్థలు మెరుగుపడతాయి - మెషిన్ లెర్నింగ్పై IBM
-
గణాంక పద్ధతులు: ప్రతిచోటా సంభావ్యతలు, మీరు పూర్తిగా తొలగించలేని మెరుపులా స్టాన్ఫోర్డ్ AI100
-
న్యూరల్ నెట్వర్క్లు: పొరల ప్రాతినిధ్యాలను నేర్చుకునే, స్థూలంగా మెదడు నుండి ప్రేరణ పొందిన వ్యవస్థలు - కనెక్షనిజంపై బ్రిటానికా
-
మరింత గణన + మరింత డేటా: తరచుగా గెలిపించే ఆకర్షణ లేని కలయిక స్టాన్ఫోర్డ్ AI100, SQ2 స్టాన్ఫోర్డ్ AI100, SQ12
ఈ యుగంలోనే AI, పెళుసైన నియమ యంత్రాలలా కాకుండా, అనుకూల నమూనా యంత్రాలలా అనిపించడం ప్రారంభించింది. అది మనిషిలా "ఆలోచించకపోయినా", మనుషులు ఆలోచన అవసరమని భావించిన పనులను చేయడంలో అద్భుతంగా రాణించింది.
ప్రజలు 'AI ఎప్పుడు కనుగొనబడింది?' అని ఎందుకు అడుగుతారో ఇక్కడ కూడా మీరు అర్థం చేసుకోవచ్చు , ఎందుకంటే చాలా మందికి, AI ఈ సమయం నుండే వాస్తవరూపం దాల్చడం ప్రారంభించింది.
నిజ ప్రపంచంలో ఏఐ: మీరు పెద్దగా గమనించని నిశ్శబ్ద ఆక్రమణ 📱🛒
ఒక విచిత్రమైన విషయం జరిగింది: AI సాధారణ స్టాన్ఫోర్డ్ AI100.
‘రోబోట్ బట్లర్’ తరహాలో కాదు, ‘మీ అత్యంత సన్నిహిత స్నేహితుడి కంటే మీ ఫోనే మీ అలవాట్లను బాగా తెలుసుకుంటుంది’ అనే తరహాలో. AI ఈ మార్గాల ద్వారా ఉత్పత్తులలోకి ప్రవేశించింది:
-
శోధన మరియు ర్యాంకింగ్ వ్యవస్థలు
-
సిఫార్సు ఇంజన్లు
-
మోసాన్ని గుర్తించడం
-
ఆటోకంప్లీట్ మరియు స్పెల్లింగ్ దిద్దుబాటు
-
ప్రసంగ గుర్తింపు
-
ఇమేజ్ ట్యాగింగ్
-
నావిగేషన్ మరియు మార్గ ప్రణాళిక
-
కస్టమర్ సపోర్ట్ చాట్బాట్లు (కొన్ని సహాయకరంగా ఉంటాయి, కొన్ని... ఎంపిక) స్టాన్ఫోర్డ్ AI100 స్టాన్ఫోర్డ్ AI100, SQ2
ఇక్కడే “AI” అనే పదం అర్థవంతంగానూ, అదే సమయంలో అస్పష్టంగానూ మారింది. ఎందుకంటే కంపెనీలు, ప్రాథమికంగా అధునాతన ఆటోమేషన్ అయిన వాటితో సహా, చాలా విషయాలను “AI” అని పిలవడం మొదలుపెట్టాయి.
కాబట్టి మళ్ళీ, AI ఎప్పుడు కనుగొనబడింది? అనేది మీరు దేనిని ఉద్దేశిస్తున్నారనే దానిపై ఆధారపడి ఉంటుంది:
-
పరిశోధన ఎప్పుడు ప్రారంభమైంది?
-
అది ఎప్పుడు ఆచరణయోగ్యంగా మారింది?
-
అది ఎప్పుడు ప్రధాన స్రవంతిగా మారింది?
-
మార్కెటర్లు AI అనే పదాన్ని ఎప్పుడు కనుగొన్నారు? 😏
పోలిక పట్టిక: “AI ఎప్పుడు కనుగొనబడింది?” అనే ప్రశ్నకు వచ్చిన విభిన్న సమాధానాలు, పక్కపక్కనే 📊🤓
ఈ ప్రశ్నకు ప్రజలు సమాధానమిచ్చే ప్రధాన పద్ధతులను వివరించే పోలిక పట్టిక ఇక్కడ ఉంది. ఇది పూర్తిగా క్రమబద్ధంగా లేదు, ఎందుకంటే మనుషులు ఎప్పుడూ క్రమబద్ధంగా ఉండరు. ఈ పట్టిక కూడా అంతే.
| ఎంపిక / కోణం (సాధనం లాంటిది) | (ప్రేక్షకులకు) ఉత్తమమైనది | ఇది ఎందుకు పనిచేస్తుంది (మరియు చిన్న చిన్న విచిత్రాలు) |
|---|---|---|
| ఆ రంగానికి పేరు పెట్టినప్పుడే AI ప్రారంభమైంది | విద్యార్థులు, సాధారణ పాఠకులు | సరళమైన కథ, రాత్రి భోజనం చేసేటప్పుడు సులభంగా చెప్పవచ్చు. కానీ చరిత్రకారులకు చికాకు కలిగించవచ్చు 🙃 |
| ప్రోగ్రామబుల్ కంప్యూటర్లతో AI ప్రారంభమైంది | ఇంజనీర్లు, ఆచరణాత్మక వ్యక్తులు | AIని నిజమైన యంత్రాలతో అనుసంధానిస్తుంది. కవిత్వం తక్కువ, కానీ ఒక మొండి పద్ధతిలో మరింత కచ్చితమైనది |
| "AI తర్కం మరియు లాంఛనప్రాయమైన తార్కికతతో ప్రారంభమైంది" | తత్వశాస్త్ర మేధావులు, చదువుల పురుగులైన మామయ్యలు | లోతైన మూలాలను పట్టుకుంటుంది. అలాగే మీరు తప్పించుకోలేని సుదీర్ఘ సంభాషణలకు దారితీస్తుంది |
| యంత్రాలు డేటా నుండి నేర్చుకోగలిగినప్పుడు AI ప్రారంభమైంది | ఆధునిక సాంకేతిక పాఠకులు | ప్రజలు ఈ రోజు చూస్తున్న దానికి సరిపోతుంది. మునుపటి పనిని కొద్దిగా పైపైన ప్రస్తావించినా, అది అలానే ఉంది |
| AI ఒక కొత్త శిఖరాన్ని చేరుకున్న ప్రతిసారీ ఆవిష్కరించబడుతుంది | ఉత్పత్తి బృందాలు, ట్రెండ్-వాచర్లు | పెంచి చెప్పిన అంచనాల చక్రాన్ని వివరిస్తుంది. ఇది లక్ష్యాన్ని మార్చినట్లుగా అనిపిస్తుంది... ఎందుకంటే ఇది నిజంగానే అలాంటిది |
వీటిలో ఏదీ “తప్పు” కాదని గమనించండి. అవి ఒకే కేక్లోని వేర్వేరు ముక్కలు మాత్రమే. కొన్ని ముక్కలకు ఫ్రాస్టింగ్ ఎక్కువగా ఉంటుంది. కొన్నింటిలో... మరింత గట్టి పండు ఉంటుంది. మీకు అర్థమైంది కదా 🍰.
“AI ఎప్పుడు కనుగొనబడింది?” అనే ప్రశ్నకు మంచి రూపం ఎలా ఉండాలి? 🧰✅
AI ఎప్పుడు కనుగొనబడింది? అనే ప్రశ్నకు ఒక మంచి సమాధానం కొన్ని విషయాలను చక్కగా తెలియజేస్తుంది:
-
ఇది ప్రారంభ బిందువును కేటాయించే ముందు
-
ఇది గందరగోళంలోకి జారిపోకుండా అనేక మైలురాళ్లను గుర్తిస్తుంది
-
ఇది ఆలోచనను అమలు నుండి వేరు చేస్తుంది
-
మార్కెటింగ్ మరియు అతిశయోక్తి వాదనలు కాలక్రమాన్ని వక్రీకరిస్తాయని అది (మర్యాదగా, లేదా అసభ్యంగా)
-
"AI" అనేది నిరంతరం మారుతూ ఉండే లక్ష్యం అని , ఒకప్పుడు AIగా పరిగణించబడినది ఇప్పుడు "కేవలం సాఫ్ట్వేర్" కావచ్చునని ఇది గౌరవిస్తుంది.
మీకు వినపడే సమాధానం మరీ స్పష్టంగా ఉంటే, అది బహుశా ముఖ్యమైన సందర్భాన్ని తొలగిస్తోందని అర్థం. అంతమాత్రాన అది నిరర్థకమని కాదు. దాని అర్థం, అది కచ్చితత్వం కోసం కాకుండా, కథ చెప్పడం కోసం మాత్రమే రూపొందించబడిందని.
మరియు కథలు చెప్పడంలో కూడా విలువ ఉంది. మనుషులు కథలతోనే నడుస్తారు. ఫోన్ బ్యాటరీతో నడిచినట్లు - కాకపోతే మన బ్యాటరీ మన మానసిక స్థితి మరియు తినుబండారాలు.
టైమ్లైన్ను అస్తవ్యస్తంగా అనిపించేలా చేసే సాధారణ అపోహలు 🌀😵💫
ఈ అంశాన్ని క్లిష్టతరం చేస్తున్న కొన్ని అపార్థాలను తొలగిద్దాం.
అపోహ 1: AI అకస్మాత్తుగా ప్రత్యక్షమైంది
లేదు. AI సంచితమైనది. పురోగతి పేరుకుపోతుంది. వైఫల్యాలు కూడా పేరుకుపోతాయి.
అపోహ 2: AI అనేది ఒక విషయం
AI అనేది అనేక విధానాల సమాహారం. నియమాలు, గణాంకాలు, అభ్యాసం, ప్రాతినిధ్యం, ప్రణాళిక, గ్రహణశక్తి. ఇది ఒక సంపూర్ణ జీవావరణ వ్యవస్థ స్టాన్ఫోర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ.
అపోహ 3: దానికి చైతన్యం లేకపోతే, అది AI కాదు
AIగా ఉండటానికి దానికి చైతన్యం అవసరం లేదు. చాలా వరకు AI అనేది పనిపై దృష్టి సారించే నమూనా పని. శక్తివంతమైనది, అవును. స్వీయ-అవగాహన - లేదు. స్టాన్ఫోర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ.
అపోహ 4: AI ఎల్లప్పుడూ కొత్తది మరియు అత్యాధునికమైనది
కొన్ని “AI” పద్ధతులు మనవళ్లు పుట్టేంత పాతవి. అవి కేవలం మెరుగైన హార్డ్వేర్ మరియు మెరుగైన డేటాతో ముందుకు సాగుతూనే ఉన్నాయి. స్టాన్ఫోర్డ్ AI100.
కాబట్టి మీరు "AI ఎప్పుడు కనుగొనబడింది?" అని అడిగినప్పుడు , ఈ గందరగోళానికి ఒక కారణం ఏమిటంటే ప్రజలు వీటిని కలగలిపి ఆలోచిస్తున్నారు:
-
AI అనే పదం
-
ఫీల్డ్ AI
-
AI వెనుక ఉన్న సాంకేతికతలు
-
AI యొక్క ప్రజాదరణ పొందిన చిత్రం
అవి సంబంధం కలిగి ఉన్నాయి, కానీ ఒకేలాంటివి కావు.
సంభాషణలో మీరు నిజంగా ఉపయోగించగల ఆచరణాత్మక సమాధానం 🗣️🙂
సమావేశంలో చర్చను దారి మళ్లించని స్పష్టమైన సమాధానం మీకు కావాలంటే, దీన్ని ప్రయత్నించండి:
పరిశోధకులు కంప్యూటర్లను తెలివైన పనులు చేసేలా చేయడానికి అధికారికంగా పూనుకున్నప్పుడు AI "ఆవిష్కరించబడింది", మరియు ఇది ప్రారంభంలోని నియమ-ఆధారిత వ్యవస్థల నుండి క్రమంగా అభివృద్ధి చెంది, రోజువారీ ఉత్పత్తులలో విస్తృతంగా ఆచరణాత్మకమయ్యే అభ్యాస-ఆధారిత వ్యవస్థలుగా మారింది.
ఆ వాక్యం పలకడానికి కొంచెం కష్టంగా ఉన్నా, అది మిమ్మల్ని వాస్తవంలో నిలబెడుతుంది.
మీకు అత్యంత సాధారణమైన వెర్షన్ కావాలంటే:
AI ఆకస్మికంగా ఉనికిలోకి రాలేదు; అది ఒక పరిశోధనా ఆలోచనగా మొదలై, డేటా మరియు కంప్యూటింగ్ శక్తి అందుబాటులోకి వచ్చిన తర్వాత ఆచరణాత్మక సాఫ్ట్వేర్గా రూపాంతరం చెంది, కాలక్రమేణా అభివృద్ధి చెందింది.
మరియు ఎవరైనా మిమ్మల్ని మళ్ళీ ఒత్తిడి చేస్తే - “అవును కానీ ఎప్పుడు?” - మీరు నవ్వి ఇలా చెప్పవచ్చు:
ఒకే పుట్టినరోజు అంటూ ఏమీ లేదు. ఇది కొన్ని పెద్ద మైలురాళ్లతో కూడిన, దీర్ఘకాలంగా కొనసాగుతున్న ప్రాజెక్టు లాంటిది.
ఆ తర్వాత విషయాన్ని స్నాక్స్ వైపు మళ్లించండి. ఇది ప్రతీసారి పనిచేస్తుంది 😄🍪.
ముగింపు మాట: ఇంతకీ, ఏఐని ఎప్పుడు కనుగొన్నారు? 🧾🤖
మీరు "AI ఎప్పుడు కనుగొనబడింది?" అని , దానికి అత్యంత విశ్వసనీయమైన సమాధానం ఏమిటంటే: అది మీరు "AI" అంటే ఏమి ఉద్దేశిస్తున్నారు మరియు "కనుగొనబడింది" అనే పదాలకు ఏమి ఉద్దేశిస్తున్నారు అనే దానిపై ఆధారపడి ఉంటుంది.
త్వరిత రీక్యాప్
-
AI వెనుక ఉన్న ఆలోచన పురాతనమైనది - మానవులు ఎప్పటినుంచో యాంత్రిక తార్కికతను అనుసరిస్తున్నారు .
-
ఆ రంగం వాస్తవరూపం దాల్చింది.
-
తొలి AI స్పష్టమైన నియమాలు మరియు చిహ్నాలపై ఆధారపడింది
-
తరువాత AI డేటా నుండి నేర్చుకోవడంపై ఆధారపడింది, ఇది దానిని మరింత ఆచరణాత్మకంగా మార్చింది
-
రోజువారీ సాఫ్ట్వేర్లో నిశ్శబ్దంగా ఇమిడిపోయినప్పుడు ఏఐ "ప్రతిచోటా" వ్యాపించింది
-
ఒకే పుట్టినరోజు అంటూ ఏదీ ఉండదు, కేవలం పురోగతులు, ఎదురుదెబ్బలు మరియు పునఃసృష్టిల పరంపర మాత్రమే ఉంటుంది
మరియు, ఒక విధంగా, అది సముచితమే. తెలివితేటలకు కూడా ఒక నిర్దిష్టమైన ప్రారంభ తేదీ ఉండదు. అది పొరలు పొరలుగా, అసమానంగా ఉంటుంది మరియు ఎలాగోలా పనిచేసే తాత్కాలిక పరిష్కారాలతో నిండి ఉంటుంది. మీకు కచ్చితంగా అవసరమైనవే ఉన్న ఒక పనికిరాని వస్తువుల సొరుగు లాగా.
నిజ జీవిత ఉదాహరణ: “AI ఎప్పుడు కనుగొనబడింది?” అనే ప్రశ్నను అతి సరళీకరించకుండా బోధించడం 🎓🤖
దృశ్యం
ఒక సెకండరీ స్కూల్ కంప్యూటింగ్ టీచర్, AI చరిత్రపై 45 నిమిషాల పాఠాన్ని సిద్ధం చేస్తున్నారని ఊహించుకోండి. ఇక్కడ సవాలు సమాచారం కొరత కాదు. ఆ సమాచారం చిక్కుముడిలా ఉండటమే అసలు సమస్య.
విద్యార్థులు ఒకే స్పష్టమైన సమాధానం కోరుకుంటారు. కానీ సరైన సమాధానంలో అనేక పొరలు ఉన్నాయి: మొదట తర్కం వచ్చింది, ప్రోగ్రామబుల్ కంప్యూటర్లు ప్రయోగాలను సాధ్యం చేశాయి, ఆ తర్వాతే ఏఐ (AI) ఒక ప్రత్యేక రంగంగా అవతరించింది. పాఠాన్ని ఒక గందరగోళ కాలక్రమంగా మార్చకుండా, ఈ విషయాన్ని స్పష్టంగా వివరించడానికి ఉపాధ్యాయునికి ఒక మార్గం అవసరం.
పాఠానికి ఏమి అవసరం
విషయాన్ని ఆచరణాత్మకంగా చేయడానికి, ఉపాధ్యాయుడు ఈ క్రింది వాటిని సిద్ధం చేస్తాడు:
-
4 మైలురాళ్లతో కూడిన ఒక సంక్షిప్త కాలక్రమం: తర్కం, తొలి కంప్యూటింగ్, ఒక ప్రత్యేక రంగంగా AI, మరియు ఆధునిక మెషిన్ లెర్నింగ్
-
“ఆలోచన vs క్షేత్రం vs ఉత్పత్తి”ని చూపే ఒక స్లైడ్
-
ప్రారంభ నియమ-ఆధారిత AIకి రెండు ఉదాహరణలు
-
ఆధునిక అభ్యాస-ఆధారిత AIకి రెండు ఉదాహరణలు
-
ఒక చిన్న చర్చా ప్రశ్న: “AI ఒకసారి ఆవిష్కరించబడిందా, లేక పదేపదే పునర్నిర్వచించబడిందా?”
-
ట్యూరింగ్, డార్ట్మౌత్, స్టాన్ఫోర్డ్ AI100 మరియు స్టాన్ఫోర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ వంటి సూచనలను ఉపయోగించి మానవ-తనిఖీ చేసిన మూలాల జాబితా
ఉదాహరణ సూచన
AI సహాయకుడికి సమర్థవంతమైన సూచన ఇలా ఉండవచ్చు:
కృత్రిమ మేధ (AI) ఆవిష్కరణకు ఒకే ఒక్క తేదీ ఎందుకు లేదో వివరించే 45 నిమిషాల తరగతి గది కార్యాచరణను రూపొందించండి. ఫార్మల్ లాజిక్, ప్రోగ్రామబుల్ కంప్యూటర్లు, ఒక పేరున్న పరిశోధనా రంగంగా AI, మరియు ఆధునిక మెషిన్ లెర్నింగ్ అనే నాలుగు మైలురాయి వర్గాలను ఉపయోగించండి. భాషను 14 నుండి 16 సంవత్సరాల వయస్సు గల విద్యార్థులకు అనుకూలంగా ఉంచండి. ఒక చిన్న సమూహ కార్యాచరణ, మూడు పరీక్ష ప్రశ్నలు, మరియు AI చరిత్రను అతిగా సరళీకరించడం గురించి ఒక హెచ్చరికను చేర్చండి. AIని ఒకే వ్యక్తి ఒకే రోజున కనుగొన్నారని పేర్కొనవద్దు
దీన్ని ఎలా పరీక్షించాలి
పాఠం చివరలో విద్యార్థులను మూడు చిన్న ప్రశ్నలు అడగడం ద్వారా ఉపాధ్యాయులు పాఠాన్ని పరీక్షించవచ్చు:
-
“AI ఒక నిర్దిష్ట తేదీన కనుగొనబడింది” అనేది ఎందుకు మరీ సరళంగా ఉంది?
-
ఒక భావనగా AIకి మరియు ఒక పరిశోధనా రంగంగా AIకి మధ్య తేడా ఏమిటి?
-
ఆధునిక AI వ్యవస్థలు తొలి నియమ-ఆధారిత వ్యవస్థల కంటే ఎందుకు భిన్నంగా కనిపిస్తాయి?
ఒక బలమైన సమాధానం కేవలం ఒకదానిని కాకుండా, కనీసం రెండు మైలురాళ్లను ప్రస్తావించాలి. ఒక బలహీనమైన సమాధానం సాధారణంగా "కంప్యూటర్లు కనుగొనబడినప్పుడే ఏఐ కూడా కనుగొనబడింది" అని చెబుతుంది, ఇది నామకరణం, పరిశోధనా రంగం మరియు మెషిన్ లెర్నింగ్ భాగాలను విస్మరిస్తుంది.
ఫలితం
ఉదాహరణ ఫలితం: మూడు నమూనా పాఠ్య ప్రణాళిక పనుల సమయ నిర్ధారణ ఆధారంగా, ఈ కార్యవిధానం తయారీ సమయాన్ని సుమారు 2 గంటల నుండి 35 నిమిషాలకు తగ్గించగలదు.
కొలత ఆధారం:
-
మూల గమనికలను సేకరించడానికి 30 నిమిషాలు
-
మొదటి పాఠాన్ని చేతితో రూపొందించడానికి 20 నిమిషాలు
-
టైమ్లైన్ను సరళీకరించి, ప్రశ్నలు రాయడానికి 40 నిమిషాలు
-
పునశ్చరణలకు 30 నిమిషాలు
AI-సహాయక వర్క్ఫ్లోతో, ఉపాధ్యాయుడు వెచ్చించే సమయం:
-
మూల గమనికలను సిద్ధం చేయడానికి 10 నిమిషాలు
-
మొదటి ముసాయిదాను రూపొందించడానికి 10 నిమిషాలు
-
15 నిమిషాలు వాదనలను తనిఖీ చేయడం, బలహీనమైన వివరణలను తిరిగి వ్రాయడం మరియు అతి సరళీకృత పదజాలాన్ని తొలగించడం
కొలవదగిన మెరుగుదల అంటే AIకి "చరిత్ర బాగా తెలుసు" అని కాదు. దీని విలువ ఏమిటంటే, ఉపాధ్యాయుడు వాస్తవాలను ధృవీకరించుకుంటున్నప్పటికీ, ఇది చిక్కుముడిలా ఉన్న చారిత్రక అంశాన్ని వేగంగా ఒక క్రమబద్ధమైన బోధనా కార్యకలాపంగా మార్చడానికి సహాయపడుతుంది.
ఏమి తప్పు జరగవచ్చు
ఒక సంక్లిష్టమైన నిజాన్ని తప్పుడు, స్పష్టమైన సమాధానంగా మార్చడమే అతిపెద్ద ప్రమాదం. ఒక AI సహాయకుడు ఒక మైలురాయిని అతిశయోక్తిగా చెప్పవచ్చు, పాత తర్కం మరియు హేతుబద్ధత సంప్రదాయాలను విస్మరించవచ్చు, లేదా ఆధునిక మెషిన్ లెర్నింగ్ మాత్రమే ఏకైక "నిజమైన" AI అనిపించేలా చేయవచ్చు.
ఉపాధ్యాయుడు వీటిని తనిఖీ చేయాలి:
-
ఒక వ్యక్తి ఆవిష్కరణ అపోహలు
-
ఆధారాలు లేని వాదనలు
-
AIని మెషిన్ లెర్నింగ్తో గందరగోళం చెందడం
-
ప్రారంభ సంకేత AIని అసంబద్ధంగా పరిగణించడం
-
ఆధునిక చాట్బాట్లను AI ఆరంభంగా పరిగణించడం
ఆచరణాత్మక సారాంశం
“AI ఎప్పుడు కనుగొనబడింది?” అనే ప్రశ్నకు సమాధానం చెప్పడానికి ఉత్తమ మార్గం, కాలక్రమాన్ని ఒకే పుట్టినరోజుగా కాకుండా, పొరలు పొరలుగా చూపించడం. ఆచరణలో, దీని అర్థం ముందుగా ప్రజలకు ఒక సరళమైన సమాధానం ఇచ్చి, ఆ తర్వాత సరైన సమాధానానికి ఒకటి కంటే ఎక్కువ మైలురాళ్లు ఎందుకు అవసరమో వివరించడం.
ఎఫ్ ఎ క్యూ
ఖచ్చితంగా ఏఐని ఎప్పుడు ఆవిష్కరించారు?
కృత్రిమ మేధ (AI) ఎప్పుడు ఆవిష్కరించబడిందో చెప్పడానికి ఒకే ఒక్క రోజు లేదు. అత్యంత కచ్చితమైన సమాధానం ఏమిటంటే, AI క్రమంగా ఆవిర్భవించింది; మొదట లాంఛనప్రాయ తార్కికత (formal reasoning) గురించిన ఒక ఆలోచనగా, ఆ తర్వాత ప్రోగ్రామబుల్ కంప్యూటర్లు ఆ ఆలోచనలను పరీక్షించగలిగేలా చేసినప్పుడు ఒక ఆచరణాత్మక పరిశోధనా ప్రయత్నంగా ఇది రూపుదిద్దుకుంది. రోజువారీ సంభాషణలో, ప్రజలు తరచుగా AI పుట్టుకను, అది కేవలం కొన్ని సిద్ధాంతాల సముదాయంగా కాకుండా, ఒక పేరున్న శాస్త్రీయ రంగంగా మారిన క్షణంగానే పరిగణిస్తారు.
AIకి ఒక స్పష్టమైన పుట్టినరోజు ఎందుకు లేదు?
AI అనేది ఒకే పరికరం లేదా పేటెంట్ పొందగల ఒకే వస్తువు కాదు, కాబట్టి దీనికి "ఫలానా తేదీన కనుగొనబడింది" అనే స్పష్టమైన కథ సరిపోదు. ఇది కాలక్రమేణా తర్కం, గణితం, కంప్యూటింగ్, మనస్తత్వశాస్త్రం, భాషాశాస్త్రం మరియు న్యూరోసైన్స్ నుండి ఉద్భవించింది. అందుకే, వేర్వేరు వ్యక్తులు వారు ఉద్దేశించేది భావన, సాంకేతికత, పరిశోధనా రంగం లేదా ప్రజలకు అందుబాటులో ఉండే ఉత్పత్తి వర్గం అనేదానిని బట్టి వేర్వేరు మైలురాళ్లను సూచిస్తారు.
ఒక రంగంగా AI యొక్క అధికారిక ప్రారంభంగా దేనిని పరిగణిస్తారు?
సాధారణంగా "అధికారిక" ప్రారంభం అంటే, పరిశోధకులు యంత్ర మేధస్సును ఒక చెల్లాచెదురైన ఉత్సుకతగా పరిగణించకుండా, కృత్రిమ మేధస్సును ఒక ఉమ్మడి లక్ష్యంగా సంఘటితం కావడం. అది చాలా ముఖ్యమైనది, ఎందుకంటే ఒకసారి ఆ రంగానికి పేరు వచ్చిన తర్వాత, అది నిధులు, ప్రయోగశాలలు, విద్యార్థులు మరియు తీవ్రమైన శాస్త్రీయ దృష్టిని ఆకర్షించగలిగింది. ఆ విధంగా, AI కేవలం ఒక తాత్విక ఆలోచనా ప్రయోగంగా కాకుండా, ఒక నిర్దిష్ట పరిశోధనా ప్రాజెక్ట్గా మారింది.
ఆధునిక కంప్యూటర్లకు ముందు AI ఉనికిలో ఉండేదా?
సాంకేతికత అలా చేయలేదు, కానీ దాని మూల భావన మాత్రం ఖచ్చితంగా అలానే ఉంది. ఆధునిక కంప్యూటర్లకు చాలా కాలం ముందే, ప్రజలు తార్కికతను నియమాలుగా మార్చడానికి ప్రయత్నిస్తూ, పద్ధతులను అనుసరించగల యంత్రాలను ఊహించుకుంటున్నారు. కాబట్టి, AI స్ఫూర్తి పరంగా ఎప్పుడు ఆవిష్కరించబడింది అని ఎవరైనా అడిగితే, దానికి సమాధానం తర్కం, యాంత్రిక గణన, మరియు ఆలోచనను స్వయంచాలకం చేయాలనే కల యొక్క చరిత్రలోకి చాలా వెనక్కి వెళుతుంది.
తొలితరం AI వ్యవస్థలు నిజానికి ఎలా పనిచేసేవి?
తొలితరం AI వ్యవస్థలు ఎక్కువగా సాంకేతిక పద్ధతులపై ఆధారపడ్డాయి. అంటే, యంత్రం అనుసరించడానికి మనుషులు స్పష్టమైన నియమాలను, ప్రాతినిధ్యాలను రాసేవారు. ప్రపంచాన్ని క్రమబద్ధమైన దశలుగా సరళీకరించగలిగే సంకుచిత రంగాలలో ఇది ఆశ్చర్యకరంగా బాగా పనిచేసింది. సమస్య ఏమిటంటే, నిజ జీవితం స్పష్టమైన నియమాలను ప్రతిఘటిస్తుంది, భాష అస్పష్టంగా ఉంటుంది, మరియు మినహాయింపులు త్వరగా పేరుకుపోతాయి. దీనివల్ల, నియంత్రిత వాతావరణం వెలుపల కేవలం నియమాలపై ఆధారపడిన వ్యవస్థలు పెళుసుగా అనిపించాయి.
ప్రజలు నేడు గుర్తించే రూపంలో AI ఎప్పుడు ఆవిష్కరించబడింది?
చేతితో రాసిన నియమాలను అనుసరించడానికి బదులుగా, వ్యవస్థలు డేటా నుండి నేర్చుకున్నప్పుడే చాలా మందికి AI వాస్తవమైనదిగా అనిపించడం మొదలవుతుంది. ఆ తరువాతి దశ AIని మరింత సరళంగా, మరింత ఆచరణాత్మకంగా మరియు ఆధునిక వినియోగదారులు ఆ పదాన్ని విన్నప్పుడు ఊహించుకునే దానికి చాలా దగ్గరగా కనిపించేలా చేసింది. కాబట్టి AI మొదట్లో ఒక పరిశోధనా రంగంగా ప్రారంభమైనప్పటికీ, అభ్యాస-ఆధారిత పద్ధతులు ప్రధానమైనప్పుడు నేటి సుపరిచితమైన రూపం రూపుదిద్దుకుంది.
మెషిన్ లెర్నింగ్ మరియు ఏఐ ఒకటేనా?
సరిగ్గా కాదు. మెషిన్ లెర్నింగ్ను AI లోని ఒక ప్రధాన విధానంగా ఉత్తమంగా అర్థం చేసుకోవచ్చు, ప్రత్యేకించి స్పష్టమైన సూచనలపై పూర్తిగా ఆధారపడకుండా, ఉదాహరణలలోని నమూనాలను కనుగొనడం ద్వారా వ్యవస్థలు మెరుగుపడే విధానం ఇది. AI అనేది ఒక విస్తృతమైన గొడుగు లాంటిది, దీనిలో తార్కికం, ప్రణాళిక, భాష, గ్రహణశక్తి, మరియు నియమ-ఆధారిత పద్ధతులు కూడా చేరి ఉంటాయి. అందుకే ఈ పదాలు పూర్తిగా ఒకదానికొకటి మార్చుకోదగినవి కానప్పటికీ, ప్రజలు కొన్నిసార్లు వాటిని గందరగోళపరుస్తారు.
కృత్రిమ మేధ (AI) నిత్య జీవితంలో ఎప్పుడు భాగమైంది?
ప్రజలు ఉపయోగించే ఉత్పత్తులలోకి, దానిని ప్రత్యేకంగా AI అని పిలవకుండానే, అది నిశ్శబ్దంగా ప్రవేశించినప్పుడు, AI ఒక సాధారణ విషయంగా మారింది. సెర్చ్ ర్యాంకింగ్లు, సిఫార్సులు, మోసాల గుర్తింపు, ఆటోకంప్లీట్, స్పీచ్ రికగ్నిషన్, ఇమేజ్ ట్యాగింగ్, రూట్ ప్లానింగ్ మరియు కస్టమర్ సపోర్ట్ వంటివన్నీ దానిని సాధారణీకరించడంలో సహాయపడ్డాయి. ఈ మార్పు నాటకీయంగా కాకుండా క్రమంగా జరిగినట్లు అనిపించింది, అందుకే చాలా మంది తాము సంవత్సరాలుగా AI-సంబంధిత సిస్టమ్లను ఉపయోగిస్తున్నప్పటికీ, AI అనేది పూర్తిగా కొత్తదని భావిస్తారు.
పాత AI పద్ధతులు ఈనాటికీ ఎందుకు ముఖ్యమైనవి?
పాత పద్ధతులు ఇప్పటికీ ముఖ్యమైనవే, ఎందుకంటే AI 'చెడ్డ పాత నియమాల' నుండి 'మంచి కొత్త అభ్యాసం' వైపు ఒకే సరళ రేఖలో ప్రయాణించలేదు. అనేక పైప్లైన్లు ఇప్పటికీ, పనిని బట్టి, నిర్మాణాత్మక తర్కం, శోధన, ప్రణాళిక మరియు సాంఖ్యక అభ్యాసాన్ని మిళితం చేస్తాయి. ఆ పాత ఆలోచనలు, పరిశోధకులు జ్ఞానం, తార్కికం మరియు సమస్య పరిష్కారం గురించి ఆలోచించే విధానాన్ని కూడా తీర్చిదిద్దాయి. అందువల్ల, కొత్త సాధనాలు ప్రాముఖ్యతను సంతరించుకున్నప్పటికీ, అవి ఈ రంగం యొక్క పునాదిలో భాగంగానే నిలిచి ఉన్నాయి.
సంభాషణలో “AI ఎప్పుడు కనుగొనబడింది?” అనే ప్రశ్నకు ఉత్తమమైన, సరళమైన సమాధానం ఏమిటి?
ఒక పటిష్టమైన, ఆచరణాత్మకమైన సమాధానం ఏమిటంటే, AI ఒక్కసారిగా ఆవిష్కరించబడలేదు. యంత్రాలను తెలివైన పనులు చేసేలా చేయడానికి చేసిన ఒక సుదీర్ఘ ప్రయత్నంగా ఇది ప్రారంభమైంది. మొదట ఫార్మల్ రీజనింగ్ మరియు నియమ-ఆధారిత వ్యవస్థల ద్వారా, ఆ తర్వాత నిజమైన ఉత్పత్తులలో ప్రభావవంతంగా మారిన లెర్నింగ్-ఆధారిత పద్ధతుల ద్వారా ఇది సాధ్యమైంది. AIకి ఒకే పుట్టినరోజు కాకుండా, మైలురాళ్లతో కూడిన ఒక కాలక్రమం ఉందని అంగీకరిస్తూనే, ఈ వివరణను పునరావృతం చేయడం చాలా సులభం.
ప్రస్తావనలు
-
డార్ట్మౌత్ - home.dartmouth.edu
-
స్టాన్ఫర్డ్ AI100 - స్టాన్ఫర్డ్ AI100 - ai100.stanford.edu
-
cs.ox.ac.uk - ట్యూరింగ్, 1950 - cs.ox.ac.uk
-
స్టాన్ఫర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ - స్టాన్ఫర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ - plato.stanford.edu
-
స్టాన్ఫర్డ్ ఇంజనీరింగ్ - జాన్ మెక్కార్తీపై స్టాన్ఫర్డ్ - engineering.stanford.edu
-
స్టాన్ఫర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ - ఆటోమేటెడ్ రీజనింగ్ (SEP) - plato.stanford.edu
-
స్టాన్ఫర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ - క్లాసికల్ లాజిక్ (SEP) - plato.stanford.edu
-
స్టాన్ఫర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ - లాజిక్-బేస్డ్ AI (SEP) - plato.stanford.edu
-
స్టాన్ఫర్డ్ AI100 - స్టాన్ఫర్డ్ AI100, SQ12 - ai100.stanford.edu
-
స్టాన్ఫర్డ్ AI100 - స్టాన్ఫర్డ్ AI100, SQ2 - ai100.stanford.edu
-
స్టాన్ఫర్డ్ ఎన్సైక్లోపీడియా ఆఫ్ ఫిలాసఫీ - కాగ్నిటివ్ సైన్స్ (SEP) - plato.stanford.edu
-
OECD - OECD AI సూత్రాలు - oecd.ai
-
IBM - ibm.com
-
IBM - మెషిన్ లెర్నింగ్పై IBM - ibm.com
-
బ్రిటానికా - కనెక్షనిజంపై బ్రిటానికా - britannica.com