Jag föreslår att det tysta antagandet i frågan --- att alla grundare av A.I. var optimistiska över att målet uppnås mycket snart --- är historiskt falskt.

En del var optimistiska, men lika många inte, även om de hoppades att deras arbete var ett steg mot det slutgiltiga förverkligandet av detta mål långt i framtiden.

Jag är inte säker på att det har något att göra med den generation de var en del av att vara särskilt optimistiska. Många forskare i samma generation, inklusive många kända fysiologer, var skeptiska till sådana påståenden, men arbetade ändå för att bidra till detta mål.

Många forskare i samma generation förnekade att artificiell intelligens i betydelsen ren Turing Maskiner KAN NÅGONSIN göra allt arbete biologiska hjärnor gjorde. M. Lighthill, R. Gerard, N. Rashevsky (upphovsman till hämning i neurala nätverksmodeller), R. Rosen, Popper, Penrose, Hayek, Lucas, Pribram, etc., etc.

Eg, i ett papper ( Church's thesis and its relation to the concept of realizability in biology and physics ) 1962, Rosen, hävdade att de flesta godtyckliga neurala nätverk inte kan beräknas. Vilket inte betyder att artificiell intelligens är omöjligt, men att det kräver andra metoder för att fysiskt förverkliga beräkning.

De flesta föreslagna scheman är neurala nätverk begreppsmässigt, men kräver specialiserade fysiska system för att kunna realiseras på grund av antalet samtidiga sammankopplingar. I själva verket kan man koppla ihop Turing-maskiner på ett visst sätt för att skapa ett "som helhet" icke-beräknbart (hyperberäknbart) system. Sådana diskussioner var närvarande samtidigt som mycket av A.I. utvecklades.

(Detta har diskuterats av J. Copeland på 1990-talet --- och den enda fångsten är att Turing-beräkning är den enda beräkningen som har en universell dator. De flesta begrepp för hyperberäkning saknar universella insikter , men beror på deras konstruktion på vad de kan och inte kan göra, är mer specialiserade.)

McCulluch och Pitts var till exempel studenter av Rashevsky, och de publicerade om relaterade ämnen hela 1950-talet.

Enligt Generationer, av William Strauss och Neil Howe (S&H) var det så kallade andra världskriget, eller "den största" generationen, född 1901-1924 i Amerika, en särskilt optimistisk generation , till stor del på grund av deras livscykel. De vann andra världskriget som unga män, landade en man på månen i medelåldern och njöt av Reagans (ekonomiska) boom som äldre. Simon (född 1914), Minsky (född 1919) och Reagan själv (född 1911) var alla medlemmar i denna generation. "Artificiell intelligens" uppstod under dessa mäns medelåldersperiod, och det är därför deras optimism ibland förknippas med deras vetenskap.

De hade formats så som barn av föräldrar i de två föregående generationerna: "Rendezvous With Destiny" -generationen (eller vad S&H kallade "Missionärer") och den förlorade generationen FitzGerald och Hemingway. Mr. Howe (och Mr. Strauss innan han gick bort) tror att dagens unga människor, de så kallade Millennialsna, född 1982-2001, är en annan optimistisk generation, uppvuxen av Boomers (den moderna "Rendezvous") och Generation X ( den "nya förlorade"). Förhoppningsvis utan ett "världskrig" kopplat till deras beteckning. Detta skulle särskilt gälla amerikaner, något sant för andra i en "global" ekonomi.

Dessa prognostikatorer gjorde ett grundläggande misstag; det att anta att efterföljande generationer kommer att vara som dem och fortsätta sin bana. S&H postulerade fyra olika generationer med olika prioriteringar, med den fjärde avlägsenaste (Millennials) och tog "stafettpinnen" för andra världskrigets generation. Så visionen om dessa män från andra världskriget kommer att förverkligas under millennieåldern, under 2020- 2030-talet, inte under medelåldern för den så kallade tysta generationen (av Alan Greenspan och Neil Armstrong), (1965 -1985).

Det finns ett möjligt svar på detta som är ganska generiskt. Jag stötte på denna idé i en uppsats av Robert Heinlein - kan tyvärr inte hitta titeln eller annan info just nu. Tanken är att tekniken tenderar att följa en exponentiell kurva, men när människor föreställer sig framtiden tenderar de att anta linjära framsteg.

Resultatet är ungefär som bilden ovan. På kort sikt förutspår linjen framsteg som är för snabba, men på lång sikt är det tvärtom.

Om du till exempel tittar på science fiction-böcker från 1900-talet, projicerar de mänskliga rymdresor kommer att vara mycket vanligare och ekonomiskt livskraftiga än vad de verkligen visade sig vara. På 1960-talet projicerade de till exempel månkolonier på 1970-talet.

AI kan bara vara ett annat exempel på samma fenomen.

Kort sagt, de underskattade sammanhangets största vikt.

AI kan vara överlägsen mänsklig insats i vissa små, väldefinierade, fristående världar, t.ex. små fordon och maskiner som går runt ett lager. Men i den verkliga världen går de förlorade och kan utföras helt av små barn.

Jag kan inte föreställa mig att någon AI inom en snar framtid kan förstå tonåringars språk, slang och argot. Det ändras inte bara snabbt utan det inkluderar ironi, sarkasm, underförstådda negativa saker, och mycket, mycket mer, saker som ett datorprogram, oavsett hur sofistikerat, inte kommer att kunna följa med, av den främsta anledningen att tonåringar publicera inte nödvändigtvis hur deras slang ska förstås. Du måste vara en del av "in-crowd". De gör faktiskt mycket för att se till att andra inte förstår finesserna.

Det finns naturligtvis mycket mer, men mänskligt språk är en aspekt där datorprogram är helt sämre, och kommer att förbli så, möjligen för alltid.

Hade de inte varit så optimistiska hade de istället strävat efter andra ansträngningar och inte blivit grundare av AI.

Det finns en urvalsförskjutning att saker kan gå tvärtom från vad som verkar ligga bakom frågan.

Dessutom löste de de enklare problemen först, så framstegen verkade snabba, och de projicerade bara den framstegshastigheten ut ännu längre än där det var korrekt att göra det, eftersom de svårare delarna tar längre tid att lösa. Tack vare mycket bättre verktyg och det arbete som redan har utförts görs framsteg snabbare än tidigare, men utmaningarna som hanteras är också ganska hårda.

En effekt som syns t.ex. i programmering är att en av de heliga gralarna var "automatisk programmering", dvs att låta datorn skriva ett program från någon beskrivning på hög (er) nivå. Ingen kallar det "artificiell intelligens" längre, det är programmeringsspråkdesign, kompilatorbyggnad (på sextiotalet fanns ett projekt för att bygga en kompilator som gav bättre kod än erfarna monteringsspråkprogrammerare ... . Att göra detta är bröd-och-smör för modern optimering av kompilatorer.).

Förbannelsen av AI är att när de får reda på hur man löser ett problem är det plötsligt inte AI längre. Heuristik, sök i enorma utrymmen och skära ner till hanterbara storlekar, allt som bara smälter bort.