S01E04: AI jest martwe!

Co się stało dalej? Byliśmy w roku 1943. Piętnaście lat później, w 1958 roku inny badacz, Frank Rosenblatt, stworzył model perceptronu. To, jak on się różni względem modelu neuronu, to to, że składał się z dwóch warstw, neuronu wejściowego i neuronu wyjściowego. To był ten pierwszy moment, kiedy naukowcy zaczęli łączyć ze sobą neurony. Dodał także wagi, czyli był jakiś element decyzyjny prawdopodobieństwa, czyli jeżeli pójdę w lewo, to pójdę w lewo z prawdopodobieństwem 20%, jeżeli pójdę w prawo, to pójdę w prawo z prawdopodobieństwem 80%. I tu znowu spróbujmy sobie to zwizualizować. Jeśli jesteśmy już przy naszych drzewach reprezentujących neurony, to wyobraźmy sobie, że im gałość grubsza, tym będzie większe prawdopodobieństwo, że będziesz mógł na niej powiesić cięższą huśtawkę i ta gałość będzie faktycznie robiła robotę pod huśtawkę.

W ten sposób dodał do sieci ten element uczenia się, który był bardzo istotny w dalszym konstruowaniu bardziej skomplikowanych sieci. I po co powstał perceptron? Perceptron potrafił rozpoznawać podstawowe kształty, np. litery i stąd jego nazwa. Maszyna, która potrafi postrzegać z angielskiego perception. Miał jeden, jeden bardzo istotny mankament. Nie potrafił rozwiązywać problemów, które nie były liniowo separowalne. I teraz, jak wytłumaczyć problem liniowo separowalny?

Zima w AI. Jest rok 1958. Rosenblatt stworzył perceptron, natomiast perceptron nie potrafił rozwiązać problemu, który nie był liniowo separowalny. I myślę sobie, czy to nie jest dobry moment na to, abyśmy użyli naszych mózgów i wyobrazili sobie cztery kropki. Tak jak w kostce do gry. Wracając do poprzedniego odcinka, gdzie Adam stworzył kostkę do gry. Wyobraźmy sobie tą ściankę, gdzie są cztery oczka. Dwa górne oczka są niebieskie, a dwa dolne oczka są czerwone. Adam, czy możesz poprowadzić linię prostą, która rozdzieli te kolory?

To skomplikujmy to nieco bardziej. Oczka po przekątnej są czerwone, a po drugiej przekątnej są niebieskie, czyli mamy patrząc od lewej od góry oczko czerwone, oczko niebieskie, a na dole od lewej oczko niebieskie, oczko czerwone. Czy możemy te cztery oczka oddzielić jedną linią prostą, żeby pogrupować kolory? I tu już nie damy rady. To już nie damy rady. To jest tzw. problem XOR, z którym Perceptron sobie kompletnie nie radził. I w 1969 roku Marvin Minsky i Seymour Papert, dwaj badacze, wykazali, że Perceptron nie poradzi sobie z takimi problemami, co spowodowało spadek zainteresowania AI wśród badaczy.