'அய் குளிர்காலம்' என்றால் என்ன, அது அய் ஆராய்ச்சியை எவ்வாறு பாதித்தது?

கே:

"AI குளிர்காலம்" என்றால் என்ன, அது செயற்கை நுண்ணறிவு ஆராய்ச்சியை எவ்வாறு பாதித்தது?

"AI குளிர்காலம்" என்பது 1980 களில் இருந்து 2000 கள் வரை நீடித்த செயற்கை நுண்ணறிவு துறையில் ஆர்வம் குறைந்த காலமாகும். இந்த ஆர்வமின்மை நிதி பற்றாக்குறைக்கு வழிவகுத்தது.

ஒரு அணுசக்தி யுத்தத்தின் வீழ்ச்சி வானிலை முறைகளை மாற்றிவிடும் "அணுசக்தி குளிர்காலம்" என்ற கருதுகோள் கருத்துடன் ஒப்பிடுவதன் மூலம் இந்த சொல் உருவாக்கப்பட்டது.

"குளிர்காலம்" பல காரணங்களுக்காக குற்றம் சாட்டப்பட்டுள்ளது: AI ஆராய்ச்சியை மிகைப்படுத்துதல், AI இன் இடைநிலை தன்மை மற்றும் பல்கலைக்கழக துறைகளுக்கிடையேயான மோதல்கள், பல்கலைக்கழக பட்ஜெட் வெட்டுக்கள், AI ஆராய்ச்சிக்கான நடைமுறை பயன்பாடுகளின் பற்றாக்குறை மற்றும் செயல்திறனில் விலையுயர்ந்த லிஸ்ப் இயந்திரங்களை முந்திய மலிவான கணினி தயாரிப்புகள் .

1980 களின் AI குளிர்காலம் "நிபுணர் அமைப்புகள்" அமைப்புகளின் தோல்விகளால் துரிதப்படுத்தப்பட்டது, அவை மனித நிபுணரைப் போலவே முடிவெடுக்கும் திறன்களைக் கொண்டிருப்பதாகக் கூறப்பட்டது. இந்த அமைப்புகள் 1980 களில் பிரபலமாக இருந்தன, ஆனால் அவை விலை உயர்ந்தவை மற்றும் நம்பமுடியாதவை என்பதை நிரூபித்தன. இது AI ஆராய்ச்சி மிகைப்படுத்தப்பட்டுள்ளது என்ற நம்பிக்கைக்கு வழிவகுத்தது.

AI குளிர்காலத்தின் மற்றொரு முக்கிய விளைவு லிஸ்ப் இயந்திரங்களின் வீழ்ச்சி. இந்த இயந்திரங்கள் AI ஆராய்ச்சிக்கான முக்கிய மொழியாக இருந்த லிஸ்ப் நிரலாக்க மொழியை ஆதரிப்பதற்காக கட்டப்பட்ட விலை உயர்ந்த பணிநிலையங்களாக இருந்தன. நிபுணர் அமைப்புகளுக்கான முக்கிய தளமாகவும் அவை இருந்தன. X86, மோட்டோரோலா 68000 அல்லது SPARC செயலிகளை அடிப்படையாகக் கொண்ட மலிவான பொது-நோக்க கணினிகள் 1980 களின் பிற்பகுதியில் செயல்திறனில் லிஸ்ப் இயந்திரங்களை விஞ்சின.

இந்த முன்னேற்றங்கள் 1980 களின் பிற்பகுதியில் 1990 களில் AI ஆராய்ச்சியில் ஆர்வம் குறைந்துவிட்டன. நிதி வருவது கடினம், ஆராய்ச்சியாளர்கள் தங்கள் முயற்சிகளை மற்ற பெயர்களால் குறிப்பிடத் தொடங்கினர். AI க்குள் “இயந்திர கற்றல்” மீதான தற்போதைய கவனம் AI குளிர்காலத்தின் ஒரு நீண்டகால விளைவு ஆகும்.

AI ஆராய்ச்சியில் ஆர்வம் 2000 களில் எடுக்கப்பட்டது. AI இன் மீள் எழுச்சி லிஸ்ப் இயந்திரங்களைக் கொன்ற விஷயத்தால் தூண்டப்பட்டதாகத் தெரிகிறது: கணினிகளின் செயல்திறனில் மேம்பாடுகள். இது AI இல் புதிய பயன்பாடுகள் மற்றும் அணுகுமுறைகளைப் பயன்படுத்த வழிவகுத்தது.