На днях я писал, что книга «Перцептроны» (1969) Марвина Минского и Сеймура Пейперта — двух апологетов символического ИИ (symbolic AI), также известного как «старый добрый ИИ» (good old-fashioned artificial intelligence, GOFAI) на долгие годы похоронила исследования нейросетей и стала одной из причин первой «Зимы искусственного интеллекта», продлившейся до начала 1980-х годов. Вопреки расхожему мнению, их критика исходила не только из математических аргументов, но и из практического опыта работы с перцептронами по заказу Министерства обороны США. 📊 Перцептроны в то время были исключительно однослойными обучаемыми нейросетями и использовались как бинарные классификаторы. Например, модель, обученная отличать букву R, если ей на вход подавались изображения других букв [J, F, Y, D], могла определить «R» это или «не R». ❓ И если с пиксельными буквами и цифрами было всё понятно, то вот что именно детектирует и чему конкретно научилась система в других случаях — оставалось вопросом. Минский получил задачу создать для разведки перцептрон, отличающий изображения американских танков от советских. 📷 Однако наборы фотографий для тренировки оказались из разных источников. Боевые машины из СССР были сняты с меньшей экспозицией, чем из США. Снимки выглядели чуть темнее. 🏄♂️ Как итог, на тренировочных датасетах модель легко научилась определять среднюю интенсивность света на фото и отвечать «советы», если она была низкой. К реальному опознанию танков «наиболее вероятного противника» это никакого отношения не имело. На фото юные Марвин Минский и Сеймур Пейперт громят коннекционизм в стиле Трофима Лысенко и доводят Фрэнка Розенблатта до депрессии.