現代の人工知能、またはAIのルーツは、ギリシャの古典的な哲学者、および記号のシステ さらに最近では、1940年代には、思考のプロセスを研究するために”つながり主義”と呼ばれる思考の学校が開発されました。 1950年、アラン-チューリングという男が”思考”マシンをテストする方法を提案する論文を書いた。 彼は、機械がテレプリンターを介して会話を続けることができ、顕著な違いのない人間を模倣することができれば、機械は思考として記述することがで 彼の論文は1952年に、電気ネットワークを形成するニューロンとしての脳のHodgkin-Huxleyモデルによって追跡され、個々のニューロンは全か無か（オン/オフ）パルスで発射された。 これらのイベントは、1956年にダートマス大学が主催する会議で、人工知能の概念を刺激するのに役立ちました。

Jonathan CraneはIpsoftのCCOであり、Ameliaと呼ばれる仮想アシスタントの作成者です。 彼は人工知能の現在の状態について言っていました：

“AIは、小規模企業であっても、マーケティングや広告をターゲットにする方法に大きな変 これは、企業が「支出とROIの向上」を目標とし、広告が何をすべきかを可能にし、見たい広告を人々に与えることができることを意味します。”

氏クレーンは、ビッグデータのAIの使用に言及しています。 人工知能は、複雑なタスクを処理するためにビッグデータと組み合わせることができ、以前のどのシステムよりもはるかに高速で情報を処理するこ

AIの開発は合理化され、効率的ではありませんでした。 1956年に刺激的で想像力豊かな概念として始まった人工知能の研究資金は、いくつかの報告が進歩の欠如を批判した後、1970年代に削減されました。 “ニューラルネットワーク”と呼ばれる人間の脳を模倣する努力は実験され、落とされました。 最も印象的で機能的なプログラムは、単純化された問題を処理することしかできず、感動していない人によっておもちゃとして説明されました。 AIの研究者は、自分の目標を確立する上で過度に楽観的であり、彼らが遭遇する問題について素朴な仮定をしていました。 彼らが約束した結果が実現しなかったとき、彼らの資金が削減されたことは驚くべきことではありません。

最初のAI冬
AIの研究者は、今日の標準ではひどいと思われる二つの非常に基本的な制限、十分なメモリ、および処理速度に対処しなければなりま 当時の重力研究と同じように、人工知能研究は政府の資金が削減され、関心が低下しました。 しかし、重力とは異なり、AIの研究は1980年代に再開され、米国と英国は日本の新しい”第五世代”コンピュータプロジェクトと競争するための資金を提供し、コ 1974年から1980年の間の時間のストレッチは、”最初のAIの冬”として知られるようになっています。”

最初のAIの冬は、世界中の競争力のある企業によって開発され、迅速に採用された”エキスパートシステム”の導入で終わりました。 AI研究の主な焦点は、さまざまな専門家からの知識の蓄積をテーマにしていました。 AIはまた、1980年代のコネクショニズムの復活の恩恵を受けました。

サイバネティックスとニューラルネットワーク
サイバネティックスは自動制御システムを研究しています。 二つの例は、脳と神経系、およびコンピュータによって使用される通信システムです。 サイバネティクスは、ニューラルネットワークの現代版を訓練するために使用されています。 しかし、ニューラルネットワークは、光学式文字認識プログラムや音声パターン認識プログラムの操作に使用され始めた1990年代まで、財政的に成功しなかった。

Expert Systems
Expert Systemsは、1970年代を通じて普及した人工知能研究のアプローチを表しています。Expert Systemは、専門家の知識を使用してプログラムを作成します。 エキスパートシステムは、明確に定義された知識の領域内で質問に答え、問題を解決することができ、論理の”ルール”を使用します。 彼らの単純化された設計は、プログラムの設計、構築、および変更を合理的に容易にしました。 銀行ローン審査プログラムは、1980年代初頭からのエキスパートシステムの良い例を提供しますが、エキスパートシステムを使用した医療や販売のアプ 一般的に言えば、これらの簡単なプログラムは非常に便利になり、企業に多額のお金を節約し始めました。

たとえば、1980年に、Digital Equipment Corporationは、顧客の注文時にxconという名前のエキスパートシステムを販売チームに使用するように要求し始めました。 DECは、コンピュータコンポーネントの広い範囲を販売しましたが、販売力は、彼らが販売していたものについて特に知識がありませんでした。 一部の注文は、一緒に動作しなかったコンポーネントを組み合わせ、一部の注文は、必要なコンポーネ XCONの前に、技術顧問は順序を選別し、機能しない組合せを識別し、そしてシステムを組み立てるために指示を提供します。 このプロセス（顧客との通信を含む）がDECのボトルネックを引き起こし、それを自動化するための多くの努力が失敗していたので、DECはこの種の状況には比較的新しい技術を試してみたいと思っていました。 1986年までに、システムはDEC$40百万を毎年節約していました。

XCON（r1と呼ばれることもあります）は約750のルールを持つ大規模なシステムであり、複数の注文を処理することはできましたが、DECが効率的に使用す DECは、システムを当初の設計どおりに使用できないこと、およびシステムを維持するための専門知識を持っていないことを学びました。 システム内の”知識”は、エキスパートシステムで訓練された人々によって収集され、追加される必要があり、知識獲得に必要でした。 その技術顧問の多くはエンジニアであったが、彼らはAIの専門家ではなく、DECが最終的に組織したエンジニアチームはAIに”精通”していたが、グループのメンバーは人工知能の専門知識のために選ばれておらず（単に多くの専門家がいなかった）、グループ内の誰もそれが書かれた言語、OPS-4に精通していなかった。 およそ1年後、Carnegie-Mellon（プログラムのオリジナルライター）からの膨大な支援を受け、1000近くのルールに成長したDECは、XCONのプログラミングとメンテナンスを引き継ぐことができました。 XCONをDECの文化に統合することは困難でしたが、成功した経験でした。 経営陣は、エキスパートシステムには特別に訓練された人員が必要であることを学び、それらのニーズを満たすために人々を訓練し、雇用す

そのピーク時に、XCONは2,500のルールを持っており、大幅に進化していました（現在、その人気は衰退していますが、それは恐竜のビットになっています）。 XCONは、産業環境の中で現実世界の問題を解決するためにAI技術を使用した最初のコンピュータシステムでした。 1985年までに、世界中の企業がエキスパートシステムを使用し始め、それらをサポートするための新しいキャリア分野が開発されました。 XCONは、米国で製造されたすべてのVAX-11コンピュータシステムの販売注文を構成できましたが、システムを継続的に調整および更新する必要があり、フルタイムのITチームが必要でした。

第二のAIの冬

AIフィールドは、1987年から1993年までの別の主要な冬を経験しました。 AI研究におけるこの2番目の減速は、xconや他の初期のExpert Systemコンピュータと一致し、遅くて不器用であると見なされていました。 デスクトップコンピュータは非常に普及し、より古く、よりかさばる、大いにより少なくユーザーフレンドリーなコンピュータ銀行を転置していた。 最終的には、エキスパートシステムは、単にデスクトップと比較して、維持するにはあまりにも高価になりました。 彼らは更新することが困難であり、”学ぶことができませんでした。”これらは、デスクトップコンピュータが持っていなかった問題でした。 ほぼ同時に、DARPA（Defense Advanced Research Projects Agency）は、AIが「次の波」ではないと結論付け、迅速な結果を提供する可能性が高いプロジェクトに資金をリダイレクトしました。 その結果、1980年代後半には、AI研究のための資金が大幅に削減され、第2のAIの冬が生まれました。

コンピュータとの会話が現実になる

1990年代初頭、人工知能の研究はインテリジェントエージェントと呼ばれるものに焦点を移しました。 これらのインテリジェントエージェントは、ニュース検索サービス、オンラインショッピング、およびウェブの閲覧に使用することができます。 インテリジェントエージェントは、エージェントやボットとも呼ばれます。 ビッグデータプログラムの使用により、彼らは徐々に個人的なデジタルアシスタント、または仮想アシスタントに進化してきました。

現在、Google、Facebook、IBM、Microsoftなどの巨大なハイテク企業は、仮想アシスタントを含む人工知能プロジェクトの数を研究しています。 彼らはすべて、FacebookのM、MicrosoftのCortana、AppleのSiriなどのアシスタントを作成するために競合しています。人工知能の目標は、もはやテレタイプとの人間の会話を模倣することができるインテリジェントなマシンを作成することではありません。 ビッグデータの使用は、AIが次の進化の一歩を踏み出すことを可能にしました。 今、目標は、英語のような自然言語で話すことができるソフトウェアプログラムを開発し、あなたの仮想アシスタントとして機能することです。 これらの仮想アシスタントは、AI研究の未来を表し、物理的な助けのためのロボットの形を取ることができる、またはラップトップに収容され、ビジネ 人工知能はまだ進化しており、新しい用途を見つけています。