История искусственного интеллекта и две зимы

Область дважды переоценила себя, и оба раза не потому, что техника не работала

История искусственного интеллекта дважды проходит через обвал ожиданий, и оба раза не потому, что техника перестала работать. Термин родился на Дартмутском семинаре 1956 года, где обещали существенное продвижение силами небольшой группы за одно лето, а отчёт Лайтхилла 1973 года признал результаты неоправданными. Первая зима заняла примерно 1974-1980 годы, вторая 1987-1993, после краха экспертных систем.

Розенблатт, 1958. Минский и Пейперт, 1969. Отчёт Лайтхилла, 1973. Крах экспертных систем, конец 1980-х · 24 мин · обновлено 12.09.2026

В 1958 году газеты сообщили о машине, которая вскоре сможет ходить, говорить, видеть, писать, воспроизводить себя и осознавать своё существование. Речь шла о перцептроне Фрэнка Розенблатта, устройстве, которое умело отличать простые фигуры друг от друга. Ходить и говорить оно не умело и близко.

Через одиннадцать лет направление было фактически похоронено, ещё через пять обрушилось финансирование всей области. Потом всё повторилось: новая волна в восьмидесятых, новые обещания, новый обвал в конце десятилетия. Один и тот же цикл, разыгранный дважды за тридцать лет.

Эти два провала называют зимами искусственного интеллекта, и знать о них надо не ради истории. Обе зимы наступили не потому, что технология не работала, а потому, что обещания были даны шире возможностей. Это и есть главный инструмент, который курс даёт для чтения любых сегодняшних заявлений.

Первая волна

Началось всё бодро. Дартмутский семинар 1956 года, где родился сам термин, обещал существенное продвижение силами небольшой группы за одно лето, и первые результаты казались подтверждением: программы доказывали теоремы, играли в шашки, решали алгебраические задачи. Первые результаты казались подтверждением самых смелых ожиданий.

Перцептрон Розенблатта (1958) стал звездой этой волны. Устройство настраивало на примерах свои веса, то есть числа, на которые умножается каждый вход, прежде чем всё сложится в ответ. Подбирая эти числа, оно училось отличать одни изображения от других. То есть делало ровно то, о чём говорил прошлый урок: выучивало правило вместо того, чтобы получать его написанным.

Ожидания взлетели соответственно. Обещали машинный перевод в ближайшие годы, распознавание речи, автоматическое обучение. Финансирование текло щедро: шла холодная война, и военные ведомства платили за перевод с русского не торгуясь. Ни одно из обещаний в срок не исполнилось. Перевод оказался задачей, требующей понимания смысла, а не подстановки слов по словарю. Распознавание речи упёрлось в вычисления, которых не существовало. Обучение упёрлось в данные, которых негде было взять. Ни одна из трёх нехваток не была виной самого метода.

Доказательство, которое поняли слишком широко

Отдельного разбора заслуживает событие 1969 года, потому что оно устроено тоньше, чем обычно рассказывают. Марвин Минский и Сеймур Пейперт выпустили книгу «Perceptrons», в которой строго доказали: однослойный перцептрон не может выучить функцию «исключающее или». Это когда ответ должен быть «да», если истинно ровно одно из двух условий, и «нет», если оба или ни одного. Слово «однослойный» стоит расшифровать сразу. Ряд весов между входом и ответом называют слоем. У перцептрона такой ряд один, промежуточных ступеней нет. Многослойная схема ставит ряды друг за другом, и урок 5 соберёт такую сеть на ваших глазах.

Доказательство верное и остаётся верным по сей день. Вы проверите его руками в тренажёре пятого урока: сеть с одним скрытым нейроном эту задачу не осилит, сколько её ни учи. В реестре курса это утверждение стоит со статусом «выдержало». Проверить его можно за минуту, и это стоит сделать.

А вот вывод, который из доказательства сделала область, был неверным. Доказательство касалось однослойной схемы, а многослойные сети под него не подпадали. Но способа обучать многослойные сети тогда не знали, книга звучала как приговор всему направлению, и направление свернули.

Семнадцать лет спустя, в 1986 году, обратное распространение ошибки решило именно ту проблему, из-за которой многослойные сети считались необучаемыми. Ещё через четверть века из этого выросло всё, чем область живёт сегодня. Верное доказательство плюс поспешное обобщение стоили семнадцати лет.

Отдельный счёт за перевод

Раньше общего обвала пришёл счёт по машинному переводу, самому громкому обещанию. В 1954 году состоялась демонстрация, где машина перевела с русского на английский несколько десятков предложений, и в отчётах говорилось, что задача будет решена за три-пять лет. Речь шла о переводе с русского на английский.

Логика казалась неотразимой: перевод это подстановка слов по словарю плюс перестановка по правилам грамматики. И то и другое машина делает прекрасно, значит дело за объёмом словаря. Словарь и правила выглядели делом техники.

Не вышло совсем. Выяснилось, что выбор значения слова требует понимания, о чём вообще речь: «коса» это причёска, инструмент или полоса суши? Правила грамматики тоже оказались морем исключений, а исключения из исключений были обычным делом.

В 1966 году комиссия ALPAC в США подвела итог: машинный перевод дороже человеческого, качество хуже, оснований ждать скорого прорыва нет. Финансирование этого направления в Америке практически прекратили на два десятилетия. Вернулись к задаче только в девяностые, и совсем с другой стороны.

Задачу в итоге решили, но не подстановкой по словарю и не через сорок лет, а на статистике и потом на нейросетях. Тот случай, когда и обещание было слишком смелым, и приговор слишком широким. Оба промаха обошлись примерно одинаково, потерянными годами.

Счета приходят

В 1973 году в Британии появился отчёт Лайтхилла: математику Джеймсу Лайтхиллу поручили оценить, что дала область за прошедшие годы. Вывод был жёстким. Заявленные результаты не оправдались, обещания на реальных задачах не выполнены. Финансирование исследований в Британии резко сократили, американские ведомства двигались в ту же сторону.

Наступила первая зима искусственного интеллекта, примерно с 1974 по 1980 год: денег нет, публикации не читают, слова «искусственный интеллект» в заявке на грант скорее вредят. Многие исследователи ушли в смежные области и переименовали свои темы. Слово «кибернетика» на время стало безопаснее слова «интеллект».

Заметьте механику. Технология работала ровно так же, как за год до отчёта: перцептроны настраивали веса, программы доказывали теоремы. Изменилось не то, что машины умели, а то, чего от них ждали. Зима это обвал ожиданий, а не отказ техники.

Второй заход, те же грабли

В начале восьмидесятых область вернулась с новой идеей, а именно с экспертными системами. Логика была разумной: не надо строить общий разум, надо взять узкую область, расспросить лучшего специалиста, записать его знания правилами и получить машинного эксперта. Логика выглядела гораздо скромнее прежней и оттого убедительнее.

Это работало. Системы диагностировали инфекции и подбирали конфигурации оборудования, экономя корпорациям миллионы. Возник целый рынок специальных машин под язык Lisp, компании вкладывались в собственные лаборатории, Япония объявила национальную программу. Деньги в область снова пошли большие.

И снова обещания обогнали возможности. Выяснилось, что записать знания эксперта правилами тяжело, а поддерживать записанное ещё тяжелее: правил становятся тысячи, они начинают противоречить друг другу, и при изменении предметной области всё приходится переписывать. Системы оказались хрупкими: чуть в сторону от области, под которую их писали, и ответы становились уверенно неверными.

К концу восьмидесятых рынок Lisp-машин рухнул, ведь обычные компьютеры стали дешевле и не хуже, а вместе с ним схлопнулись ожидания. Вторая зима заняла примерно с 1987 по 1993 год. Второй раз область замерзала уже с рыночным ущербом, а не только грантовым.

Стоит заметить и то, чем вторая волна отличалась от первой. В семидесятых обещания раздавали в основном исследователи, и обвал ударил по грантам. В восьмидесятых в дело вошли корпорации со своими бюджетами, и обвал стал рыночным: закрывались компании, обесценивались вложения, увольнялись команды. Чем больше денег втянуто, тем больнее обходится разрыв между обещанным и работающим.

Что общего у двух обвалов

Две истории разделяют четырнадцать лет, разные технологии и разные деньги, а устроены они одинаково, и совпадений там четыре. Совпадений там четыре, и все четыре стоит разобрать.

Работающая демонстрация. И перцептрон, и экспертные системы действительно делали то, что показывали. Никакого обмана в основании не было, и в этом главная ловушка: обвалу предшествует не подлог, а честный успех на узкой задаче.

Обобщение показанного на всё. От «различает фигуры» переходили к «скоро будет осознавать себя», от «диагностирует инфекции» к «заменит специалистов». Шаг делался не техникой, а разговором о технике, и делали его чаще журналисты и руководители, чем сами исследователи.

Срок, взятый из воздуха. Одно лето в Дартмуте, три-пять лет на перевод, десятилетие на японскую программу. Сроки назначались не расчётом, а под цикл финансирования, и потому промахивались систематически, а не случайно.

Разрыв обнаруживается не сразу. Между обещанием и проверкой проходят годы, за которые успевают вложиться деньги и построиться карьеры. Когда счёт всё же приходит, платят по нему не те, кто обещал, а вся область целиком.

Проверять сегодняшние заявления стоит по этим четырём пунктам. Они не про технику и потому не устаревают вместе с ней. Демонстрация, обобщение, срок и отложенная проверка складываются в четыре вопроса к любому заявлению.

Что из этого следует

Историю рассказывают обычно с одной моралью: не верьте обещаниям. Мораль верная, но половинчатая, и вторая половина не менее важна. Вторая половина не менее важна и звучит реже.

Первая половина. Разрыв между эффектной демонстрацией и надёжной работой остаётся главной величиной, на которую стоит смотреть в любом заявлении. Демонстрация показывает, что система может справиться. Надёжность говорит о том, что она справляется всегда, включая случаи, о которых не подумали. Обе зимы выросли ровно в этом зазоре, и уроки 14 и 16 разбирают его подробно: сначала как измеряют способности, потом как надёжность падает на длинных задачах.

Вторая половина. Нейросети однажды уже похоронили, со строгим доказательством в руках. Поспешный вывод «направление тупиковое» обошёлся области дороже, чем любые завышенные обещания. Скепсис ошибается так же часто, как энтузиазм, просто ошибается тише и потому реже попадает в учебники.

Отсюда рабочее правило курса: применять историю зим в обе стороны. Услышав «через два года машины будут делать всё», вспомнить Дартмут и его одно лето. Услышав «это тупик, ничего не выйдет», вспомнить 1969 год и семнадцать потерянных лет.

К этому правилу курс вернётся в уроке 21, где разбираются нынешние прогнозы о сроках и рисках. Там оно понадобится целиком, обеими половинами. Обе половины правила придётся держать в голове одновременно.

Что дальше

Модуль I закончен. У нас есть рамка: чем занимается область, почему её критерии уезжают, как правило выучивают вместо того, чтобы писать, и чем кончаются обещания, данные шире возможностей. Рамка эта дальше не меняется, на неё нанизывается механика.

Модуль II спускается к механике. В уроке 4 вы проведёте настоящий градиентный спуск и увидите, как подбираются те самые числа. В уроке 5 соберёте сеть, которая выучит исключающее «или», ту самую задачу, о которую споткнулась однослойная схема в 1969 году, и убедитесь, что доказательство верное, а вывод из него был поспешным. А в уроке 6 узнаете, почему модель, отлично отвечающая на обучающих примерах, может оказаться бесполезной, и почему это заметно только тому, кто заранее спрятал часть данных. Спрятать данные заранее и есть единственный способ это увидеть.

Вопросы для самопроверки

Что читать

• Отчёт Лайтхилла «Artificial Intelligence: A General Survey», 1973: Текст, обрушивший финансирование целой области. Полезно прочитать не ради выводов, а ради тона: так выглядит разочарование, оформленное как экспертиза.
• Тренажёр «Сеть учит исключающее „или“» в уроке 5: Проверка доказательства 1969 года руками: оставьте один скрытый нейрон и убедитесь, что задача не решается ни за какое число эпох.