Творческое задание 1

  • Развертывание системы DART (Dynamic Analysis and Replanning Tool)

    Развертывание системы DART (Dynamic Analysis and Replanning Tool)

    Во время войны в Персидском заливе американские военные успешно применили DART для оптимизации логистики — планирования перевозок грузов, персонала и техники. Эта система продемонстрировала огромную экономическую и практическую пользу ИИ, решив сложнейшую задачу, которая была не под силу человеку. Это был один из первых "громких успехов" ИИ после застоя 80-х. Ссылка на подробное описание https://clck.ru/3QEGzz
  • Создание TD-Gammon, самообучающейся программы для игры в нарды

    Создание TD-Gammon, самообучающейся программы для игры в нарды

    Программа TD-Gammon, разработанная Джеральдом Тезауро, достигла уровня лучших игроков-людей, обучаясь исключительно путем игры сама с собой (метод Temporal-Difference Learning). Это был огромный прорыв в области обучения с подкреплением, так как программа открыла новые, неизвестные ранее человеку стратегии, просто анализируя собственный опыт. Ссылка на подробное описание https://en.wikipedia.org/wiki/TD-Gammon
  • Популяризация поведенческой робототехники Родни Брукса

    Популяризация поведенческой робототехники Родни Брукса

    Родни Брукс из MIT предложил новый подход к созданию роботов. Вместо сложного центрального "мозга", который строит модель мира, его роботы (как, например, шестиногий Genghis) состояли из множества простых модулей, реагирующих на внешние стимулы. Это позволило создавать более живучих, адаптивных и дешевых автономных роботов, способных передвигаться по сложной местности. Ссылка на подробное описание https://ru.ruwiki.ru/wiki/Робототехника,_основанная_на_поведении
  • Публикация работы о методе опорных векторов (Support Vector Machines, SVM)

    Публикация работы о методе опорных векторов (Support Vector Machines, SVM)

    Владимир Вапник и Карина Кортес опубликовали работу, которая сделала метод опорных векторов одним из самых популярных и мощных инструментов машинного обучения на последующие 15 лет. SVM оказался чрезвычайно эффективным для задач классификации (например, для определения, является ли письмо спамом) и заложил основу для развития статистических методов в ИИ. Ссылка на подробное описание https://habr.com/ru/companies/ods/articles/484148/
  • Запуск поисковой системы AltaVista

    Запуск поисковой системы AltaVista

    Появление мощных поисковых систем, таких как AltaVista, стало первым по-настоящему массовым применением технологий ИИ. Они использовали сложные алгоритмы для индексации огромного количества веб-страниц и ранжирования результатов по релевантности запросу. Миллионы людей по всему миру впервые начали ежедневно взаимодействовать с системой, основанной на ИИ. Ссылка на подробное описание https://habr.com/ru/companies/vdsina/articles/535356/
  • Суперкомпьютер IBM Deep Blue побеждает чемпиона мира по шахматам Гарри Каспарова

    Суперкомпьютер IBM Deep Blue побеждает чемпиона мира по шахматам Гарри Каспарова

    Это событие стало важнейшей вехой в истории ИИ и вызвало огромный общественный резонанс. Впервые действующий чемпион мира проиграл матч машине. Победа Deep Blue была триумфом "грубой силы" — компьютер мог просчитывать 200 миллионов позиций в секунду. Это показало, что ИИ способен превзойти человека в задачах, которые долгое время считались вершиной человеческого интеллекта. Ссылка на подробное описание https://postnews.ru/a/17831
  • Изобретение сетей долгой краткосрочной памяти (LSTM)

    Изобретение сетей долгой краткосрочной памяти (LSTM)

    Зепп Хохрайтер и Юрген Шмидхубер разработали архитектуру рекуррентных нейронных сетей LSTM. Её ключевой особенностью стала способность запоминать информацию на длительных временных отрезках, что решило одну из главных проблем старых моделей. Хотя в 90-е это открытие не получило широкой известности, сегодня LSTM и её вариации лежат в основе многих систем распознавания речи, машинного перевода и анализа текстов (включая ранние версии больших языковых моделей). Ссылка https://clck.ru/3QEH5m