Курс "Специалист по искусственному интеллекту". Урок 2. История развития машинного обучения и ИИ
Вводная лекция курса «Специалист по искусственному интеллекту». Подробная история развития ИИ от первых механических арифмометров до современных больших языковых моделей (LLM) и генеративного ИИ. 00:00 — Введение: цели занятия и структура программы 01:22 — Теория и практика: как устроен рабочий процесс 02:06 — Предыстория ИИ: Блез Паскаль («Паскалина») и Аналитическая машина Бэббиджа 03:40 — 1940-е: Алан Тьюринг («Компьютерный интеллект») и кибернетика Норберта Винера 04:35 — 1950-е: Тест Тьюринга — суть и задачи эксперимента 06:10 — Появление термина «машинное обучение» (Артур Сэмюэл, шашки) 06:31 — 1956 год: Дартмутский семинар — официальное рождение искусственного интеллекта 07:36 — Logic Theorist: доказательство математических теорем в 1956 году 08:40 — 1957 год: Фрэнк Розенблатт и модель перцептрона 09:46 — 1960-е: Фильм «The Thinking Machine», программа ELIZA и критика нейросетей 12:43 — 1970-е и 1980-е: «Зима искусственного интеллекта» и эпоха экспертных систем 14:22 — 1986 год: Прорыв метода обратного распространения ошибки (Backpropagation) 15:36 — Появление термина «глубокое обучение» (Deep Learning) 16:15 — 1988 год: Ян ЛеКун, сверточные нейросети и первое коммерческое применение (LeNet) 18:39 — 1990-е: Статистические подходы и победа Deep Blue над Каспаровым 19:56 — 2000-е: Первый беспилотный робот DAVE 20:24 — 2006 год: Революция GPU — почему графические процессоры важны для нейросетей 22:41 — 2010-е: Модель AlexNet, победа AlphaGo над Ли Седолем 23:42 — 2017 год: Архитектура Трансформер и механизм внимания 24:58 — 2020-е: Релиз GPT-3, появление ChatGPT и бум генеративного ИИ (Midjourney, DALL-E) 26:55 — Развитие мультимодальных моделей (GPT-4, Sora, Gemini 1.5) 29:05 — Креативные задачи ИИ: кейс генерации меню для ресторана в Midjourney 32:43 — Перспективы ИИ: путь к сильному искусственному интеллекту (AGI) Приветствуем на втором занятии курса «Специалист по искусственному интеллекту»! В этой лекции мы закладываем фундаментальную теоретическую базу. Прежде чем переходить к написанию кода и построению прогнозных моделей, необходимо разобраться, как устроена эта наука, через какие этапы разочарований («зимы ИИ») и прорывов она прошла и какие подходы используются сегодня. Мы подробно обсудим: – Эволюцию концепции ИИ: от Паскалины (1642) и Аналитической машины Бэббиджа до теста Тьюринга и Dartmouth Workshop (1956). – Как развивались нейросети: перцептрон Розенблатта, ограничения однослойных сетей и прорыв метода обратного распространения ошибки (Backpropagation). – Аппаратную революцию 2006 года: почему графические процессоры (GPU) стали катализатором развития глубокого обучения (Deep Learning). Материалы лекции помогут вам упорядочить знания и подготовиться к практической части курса, где мы перейдем к реализации алгоритмов регрессионного анализа на Python. Сайт автора курса: https://leolukin.ru
Вводная лекция курса «Специалист по искусственному интеллекту». Подробная история развития ИИ от первых механических арифмометров до современных больших языковых моделей (LLM) и генеративного ИИ. 00:00 — Введение: цели занятия и структура программы 01:22 — Теория и практика: как устроен рабочий процесс 02:06 — Предыстория ИИ: Блез Паскаль («Паскалина») и Аналитическая машина Бэббиджа 03:40 — 1940-е: Алан Тьюринг («Компьютерный интеллект») и кибернетика Норберта Винера 04:35 — 1950-е: Тест Тьюринга — суть и задачи эксперимента 06:10 — Появление термина «машинное обучение» (Артур Сэмюэл, шашки) 06:31 — 1956 год: Дартмутский семинар — официальное рождение искусственного интеллекта 07:36 — Logic Theorist: доказательство математических теорем в 1956 году 08:40 — 1957 год: Фрэнк Розенблатт и модель перцептрона 09:46 — 1960-е: Фильм «The Thinking Machine», программа ELIZA и критика нейросетей 12:43 — 1970-е и 1980-е: «Зима искусственного интеллекта» и эпоха экспертных систем 14:22 — 1986 год: Прорыв метода обратного распространения ошибки (Backpropagation) 15:36 — Появление термина «глубокое обучение» (Deep Learning) 16:15 — 1988 год: Ян ЛеКун, сверточные нейросети и первое коммерческое применение (LeNet) 18:39 — 1990-е: Статистические подходы и победа Deep Blue над Каспаровым 19:56 — 2000-е: Первый беспилотный робот DAVE 20:24 — 2006 год: Революция GPU — почему графические процессоры важны для нейросетей 22:41 — 2010-е: Модель AlexNet, победа AlphaGo над Ли Седолем 23:42 — 2017 год: Архитектура Трансформер и механизм внимания 24:58 — 2020-е: Релиз GPT-3, появление ChatGPT и бум генеративного ИИ (Midjourney, DALL-E) 26:55 — Развитие мультимодальных моделей (GPT-4, Sora, Gemini 1.5) 29:05 — Креативные задачи ИИ: кейс генерации меню для ресторана в Midjourney 32:43 — Перспективы ИИ: путь к сильному искусственному интеллекту (AGI) Приветствуем на втором занятии курса «Специалист по искусственному интеллекту»! В этой лекции мы закладываем фундаментальную теоретическую базу. Прежде чем переходить к написанию кода и построению прогнозных моделей, необходимо разобраться, как устроена эта наука, через какие этапы разочарований («зимы ИИ») и прорывов она прошла и какие подходы используются сегодня. Мы подробно обсудим: – Эволюцию концепции ИИ: от Паскалины (1642) и Аналитической машины Бэббиджа до теста Тьюринга и Dartmouth Workshop (1956). – Как развивались нейросети: перцептрон Розенблатта, ограничения однослойных сетей и прорыв метода обратного распространения ошибки (Backpropagation). – Аппаратную революцию 2006 года: почему графические процессоры (GPU) стали катализатором развития глубокого обучения (Deep Learning). Материалы лекции помогут вам упорядочить знания и подготовиться к практической части курса, где мы перейдем к реализации алгоритмов регрессионного анализа на Python. Сайт автора курса: https://leolukin.ru