अध्याय 05／1966〜1980

पहले उछाल के बाद की सर्दी

उम्मीदें पूरी नहीं हुईं, फिर भी नए बीज बढ़ते रहे (1966〜1980)

इस दौर में शोध के लिए पैसा और उम्मीदें घट गईं, और कहा जाता है कि आ गई। लेकिन स्रोतों को खोलकर देखें तो हर देश में सर्दी अलग तरह से आई, और इसी बीच जापान में भी आज के AI के कई बीज बढ़ रहे थे।

011965〜1985 · सर्दी का मौसम मानचित्र

क्या सर्दी हर जगह एक साथ आई?

क्या अमेरिका, ब्रिटेन और जापान में एक ही साल में आई थी?

उस दौर का नाम है जब 1970 के दशक में शोध का पैसा और उम्मीदें घट गईं। लेकिन यह कब शुरू हुई और कब खत्म हुई, इस पर स्रोतों में अंतर है। जापान के आंतरिक मामलों और संचार मंत्रालय का श्वेतपत्र (2016) 1970 के दशक को (अनुवाद) कहता है, जबकि इंटरनेट पर एक सारांश इसे 1974〜1980 बताता है। इसके उलट, AI का इतिहास लिखने वाले निल्सन (Nilsson) (2010) लगभग 1975〜1985 को AI के कहते हैं।

दाईं ओर की आकृति 3 देशों की घटनाओं को एक ही समयरेखा पर रखती है। अमेरिका में 1966 की मशीन अनुवाद रिपोर्ट, 1969 में रक्षा बजट के इस्तेमाल पर पाबंदियाँ, और 1976 में बोली समझने की परियोजना का बंद होना। ब्रिटेन में 1973 की लाइटहिल रिपोर्ट। लेकिन जापान में 1971 में बड़ी राष्ट्रीय परियोजना “पैटर्न सूचना प्रसंस्करण प्रणाली” (अनुवाद) शुरू हुई। फिर 1972 का असोसिएट्रॉन और 1979 का नियोकॉग्निट्रॉन जैसे शोध जारी रहे, जो आज के काम से जुड़े हैं।

अलग-अलग स्रोतों के लिए सर्दी की पट्टी बदलें, तो पट्टी की जगह बहुत बदल जाती है। ऐसा नाम है जो मापने का पैमाना बदलने पर बदल जाता है।

शब्द पहली बार 1984 में मिलता है। इसका इस्तेमाल ऐसी सर्दी की चिंता जताने के लिए हुआ था जो आगे आ सकती थी। 1970 के दशक को कहना बाद में दिया गया नाम है।

021966 · मशीन अनुवाद

ALPAC रिपोर्ट और मशीन अनुवाद की संभावना

क्या शब्दकोश से एक-एक शब्द बदल देने पर अनुवाद हो जाता है?

1966 में अमेरिकी सरकार की 3 एजेंसियों के अनुरोध पर, राष्ट्रीय विज्ञान अकादमी की एक समिति (ALPAC) ने मशीन अनुवाद के शोध की जाँच की। रिपोर्ट ने लिखा कि (अनुवाद)।

दाईं ओर की आकृति में सबसे सरल तरीका आज़माएँ: वाक्य के एक-एक शब्द को शब्दकोश से बदलना। जब किसी शब्द के कई अनुवाद हों, तो पूरे वाक्य के अनुवादों की संख्या हर शब्द के अनुवादों की संख्या को गुणा करने से बढ़ती जाती है। कौन-सा सही है, यह वाक्य का अर्थ और उस समय की परिस्थिति जाने बिना तय नहीं किया जा सकता।

लेकिन रिपोर्ट ने सारा शोध बंद करने को नहीं कहा था। उसने भाषा की बनावट के अध्ययन (कंप्यूटेशनल भाषाविज्ञान) और इंसानों को अनुवाद में मदद देने वाले औज़ारों के लिए शोध का पैसा देने की सलाह दी थी।

अनुवादों की संख्या ＝n₁ × n₂ × … × n_k

n_i: i-वें शब्द के अनुवादों की संख्या
k: वाक्य में शब्दों की संख्या

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:ALPAC रिपोर्ट ने मशीन अनुवाद को असंभव कहकर खारिज किया और शोध रोक दिया
मूल स्रोत के अनुसार:रिपोर्ट ने कंप्यूटेशनल भाषाविज्ञान और इंसानों को अनुवाद में मदद देने वाले मशीन औज़ारों के लिए बजट देने की सलाह दी थी। अकादमी ने खुद रिपोर्ट के आगे एक पत्र लगाया था। उसे चिंता थी कि रिपोर्ट का केवल एक हिस्सा पढ़कर शोध का पैसा भी काट दिया जाएगा।

शब्दों की संख्या और अनुवादों की संख्या (ऊर्ध्वाधर अक्ष पर हर अगला निशान 10 गुना है)

यह “आज़माएँ” वाली प्रक्रिया का Python कोड है। ▶ चलाएँ दबाने पर नीचे नतीजा दिखेगा। संख्याएँ बदलकर फिर से चलाकर देखें।

u05_word_by_word.py

# u05 単語を1つずつ辞書で置き換える：訳し方の数は掛け算で増える
#
# どの出来事か：1966年のALPAC報告（記録 alpac_report_1966）。
# 仕組み：かなの文を単語に分け、小さな辞書で英語の候補を引く。候補の数を掛け合わせると、文全体の訳し方の数になる。
#   どれが正しいかは、文の意味と、その場の状況が分からないと決められない。辞書はこのサイトが作った例。
# 試してみよう：
#   - DICT に単語と候補を足して、訳し方の数がどう増えるかを見る
#   - 全部の訳し方を表示してみる（SHOW_ALL = True）。一番「それらしい」のはどれ？

from itertools import product

DICT = {
    "きしゃ": ["your company", "reporter", "train", "return to office"],
    "の": ["'s"], "が": [""], "で": ["by", "at"], "した": ["did"],
    "かれ": ["he"], "は": [""], "はし": ["bridge", "chopsticks", "edge"], "を": [""], "わたった": ["crossed", "handed over"],
}
SENTENCES = ["きしゃ の きしゃ が きしゃ で きしゃ した", "かれ は はし を わたった"]
SHOW_ALL = False

for s in SENTENCES:
    words = s.split()
    cands = [DICT[w] for w in words]
    n = 1
    for c in cands:
        n *= len(c)
    print(f"文：{s}")
    print("  単語ごとの候補の数：", " × ".join(str(len(c)) for c in cands), "=", n, "通り")
    for i, combo in enumerate(product(*cands)):
        if i >= (n if SHOW_ALL else 5):
            print("  …（ほか", n - 5, "通り）")
            break
        print("  ", " ".join(x for x in combo if x))
    print()

031969 · रैखिक पृथक्करण

1 रेखा की सीमा

क्या कुछ समस्याएँ ऐसी हैं जिन्हें सीखने वाला परसेप्ट्रॉन भी हल नहीं कर सकता?

1969 में MIT के मार्विन मिंस्की (Marvin Minsky) और सीमोर पैपर्ट (Seymour Papert) ने अपनी किताब में 1958 के परसेप्ट्रॉन की सीमाओं का गणित से अध्ययन किया। परसेप्ट्रॉन एक सीखने वाली मशीन है जो इनपुट को भारों से गुणा करके जोड़ती है और कुल मान तय सीमा से अधिक होने पर “हाँ” कहती है।

सबसे सरल उदाहरण XOR है: जब 2 इनपुट में से केवल एक 1 हो, तभी जवाब 1 होता है। दाईं ओर के 4 बिंदुओं में काले (जवाब 1) और सफेद (जवाब 0) बिंदुओं को 1 सीधी रेखा से अलग करने की कोशिश करें। AND और OR को अलग किया जा सकता है, लेकिन XOR को रेखा जैसे भी खींचें, अलग नहीं किया जा सकता। 1 परत वाला परसेप्ट्रॉन केवल इसी तरह की “1 रेखा” की सीमा खींच सकता है।

“2 रेखाएँ बनाएँ (परतें जोड़ें)” दबाने पर काले बिंदुओं को 2 रेखाओं के बीच रखकर अलग किया जा सकता है। इसी वजह से परतें जोड़ने पर XOR सीखा जा सकता है (अध्याय 8)। परतों वाली मशीनों तक बात बढ़ाने के बारे में (अनुवाद) वाली राय को खुद किताब ने (अनुवाद) कहा था, और जाँचने लायक सवाल माना था।

y＝1 (जब w₁x₁ ＋w₂x₂ ＋b＞0 हो), बाकी स्थितियों में 0

x₁, x₂: इनपुट (0 या 1)
w₁, w₂: भार
b: बायस। w₁x₁ ＋w₂x₂ ＋b＝0 सीमा बनाने वाली “1 रेखा” को दर्शाता है

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात: ने साबित किया कि न्यूरल नेटवर्क XOR हल नहीं कर सकते (इसलिए वे बेकार हैं)
मूल स्रोत के अनुसार:किताब ने 1 परत वाली उन मशीनों की सीमाएँ साबित की थीं जिनका हर हिस्सा केवल सीमित क्षेत्र देखता है। परतों वाली मशीनें बेकार होंगी, यह अनुमान किताब में भी सहज आकलन ही था।

u05_xor_wall.py

# u05 直線 1 本の壁：パーセプトロンは「どちらか一方だけ」（XOR）を学習できない
#
# どの出来事か：1969 年、ミンスキーとパパートの本『パーセプトロンズ』（記録 perceptrons_book_1969）。
#   本が数学で示したのは、各部品が見る範囲を限った 1 段のパーセプトロンにはできないこと
#   （点の数が偶数か奇数か、図形がつながっているか など）。XOR（2 つの入力のうち片方だけが 1 なら 1）は
#   その一番小さな例で、本より前から知られていた。層を重ねたネットワークに広げても「実りがない」（訳）という見方は、
#   本の中でも「直観的な判断」だった。
# 仕組み：u03 と同じ学習の規則で、AND（かつ）と XOR を学習させる。AND はすぐ学習できるが、XOR は何回やっても重みの修正が続く。
#   2 つの入力を平面上の点と見ると、AND は直線 1 本で分けられるが、XOR は分けられないから。
# 試してみよう：
#   - ROUNDS を 100 にしても、XOR の誤りの数は 0 にならないか
#   - 層を重ねると解ける（→ u08 の backprop_xor）

ROUNDS = 12
CASES = [(0, 0), (0, 1), (1, 0), (1, 1)]

def train(target):
    w1 = w2 = bias = 0
    history = []
    for r in range(ROUNDS):
        errors = 0
        for a, b in CASES:
            out = 1 if w1 * a + w2 * b + bias > 0 else 0
            want = target(a, b)
            if out != want:
                d = want - out          # 正解との誤差（+1 か -1）
                w1 += d * a
                w2 += d * b
                bias += d
                errors += 1
        history.append(errors)
    return history, (w1, w2, bias)

for name, f in (("AND（かつ）", lambda a, b: a & b), ("XOR（どちらか一方だけ）", lambda a, b: a ^ b)):
    hist, w = train(f)
    print(f"{name}：1 周ごとの誤りの数 {hist}  最後の重み・バイアス {w}")

print("\n点の配置（1 が〇、0 が・）。AND は右上の 1 点だけを直線で切り取れる。XOR は斜めの 2 点で、直線 1 本では分けられない")
for name, f in (("AND", lambda a, b: a & b), ("XOR", lambda a, b: a ^ b)):
    print(f"  {name}:  b=1 → {'〇' if f(0, 1) else '・'} {'〇' if f(1, 1) else '・'}")
    print(f"        b=0 → {'〇' if f(0, 0) else '・'} {'〇' if f(1, 0) else '・'}   （左が a=0、右が a=1）")

041969 · सीखने का तरीका

सीखते रहने पर भी XOR हल नहीं होता

परसेप्ट्रॉन को लगातार XOR सिखाएँ, तो क्या होगा?

परसेप्ट्रॉन का सीखने का तरीका केवल गलती होने पर भारों को सही जवाब की दिशा में थोड़ा बदलता है। अगर समस्या को 1 सीधी रेखा से वर्गों में बाँटा जा सकता है, तो यह सुधार दोहराने पर एक समय ऐसा ज़रूर आएगा जब गलतियों की संख्या 0 हो जाएगी (परसेप्ट्रॉन अभिसरण प्रमेय)।

दाईं ओर की आकृति एक उदाहरण है जिसमें 4 बिंदुओं को एक-एक चक्र में दिखाकर सिखाया जाता है। AND और OR में कुछ चक्रों के बाद गलतियाँ 0 हो जाती हैं और सीमा रेखा रुक जाती है। लेकिन XOR में रेखा लगातार इधर-उधर चलती रहती है। क्योंकि रेखा कहीं भी खींचें, कोई-न-कोई बिंदु गलत तरफ रह ही जाता है। सीखने की प्रक्रिया से देखने पर “सीधी रेखा से अलग न कर पाना” ऐसा दिखता है।

w ← w＋η (t − y) x

w, η: भार और सीखने की दर (ईटा)
t, y: सही जवाब और परसेप्ट्रॉन का आउटपुट
x: इनपुट। केवल गलती होने पर (t ≠ y) w बदला जाता है

1969 से पहले, 1967 में क्यूशू विश्वविद्यालय के शुनइची अमारी (Shun'ichi Amari) सीखने का एक सिद्धांत दे चुके थे। इसमें त्रुटि के अनुसार भारों को थोड़ा-थोड़ा बदलकर सबसे अच्छे भारों के करीब पहुँचा जाता है।

हर चक्र में गलतियों की संख्या

051973 · संयोजनों का विस्फोट

हर चाल पर दर्जनों गुना शाखाएँ

“आगे की सभी चालें देखना” वाला तरीका कहाँ अटक जाता है?

खेल और पहेलियाँ हल करने वाले AI का आधार है सभी संभव चालों को लिखना, फिर उनके आगे की सभी चालों को लिखना और सबसे अच्छा रास्ता खोजना (सर्च)। टिक-टैक-टो में खेल खत्म होने तक चालों के कुल 255,168 क्रम हैं। कंप्यूटर इन्हें तुरंत गिन सकता है।

लेकिन हर बारी में चालों की संख्या (शाखाओं की संख्या) और आगे देखने की गहराई बढ़ने पर, क्रमों की संख्या शाखाओं की संख्या की “गहराई के बराबर घात” से बढ़ती है। दाईं ओर की आकृति में शाखाएँ और गहराई बढ़ाकर देखें। अगर हर चाल पर 30 विकल्प हों, तो सिर्फ 10 चाल आगे देखने पर भी 30 की घात 10, यानी लगभग 590 ट्रिलियन क्रम हो जाते हैं।

1973 की लाइटहिल रिपोर्ट ने AI के सफल न होने का एक बड़ा कारण यह बताया कि शोधकर्ताओं ने संयोजनों के इस विस्फोट पर ध्यान नहीं दिया था।

क्रमों की संख्या ≈ b^d

b: हर चाल पर शाखाओं की संख्या
d: आगे देखने की गहराई (चालों की संख्या)

ये संख्याएँ “उदाहरण के लिए चुनी गई संख्याएँ” हैं। असली खेलों में हर चाल पर शाखाओं की संख्या बदलती है और अलग-अलग क्रमों से एक ही स्थिति तक पहुँचा जा सकता है।

गहराई और क्रमों की संख्या (ऊर्ध्वाधर अक्ष पर हर अगला निशान 10 गुना है)

u05_explosion.py

# u05 組み合わせ爆発：全部を探索するやり方は、ゲームが大きくなると続かない
#
# どの出来事か：1973年のライトヒル報告（記録 lighthill_report_1973）は、AIがうまくいかない大きな理由として、
#   調べる組み合わせの数が爆発的に増えること（組み合わせ爆発）を挙げた。
# 仕組み：三目並べの「最後まで打ったゲーム」をすべて数える。次に、1手ごとの選択肢と手数から、
#   大規模なゲームの総数を掛け算で見積もる（仮定の数値による計算）。
# 試してみよう：
#   - 下の表の、1手あたりの選択肢の数（branch）とゲームの長さ（depth）を変えて、数がどう増えるか

import math

LINES = [(0, 1, 2), (3, 4, 5), (6, 7, 8), (0, 3, 6), (1, 4, 7), (2, 5, 8), (0, 4, 8), (2, 4, 6)]

def won(b):
    return any(b[i] != "." and b[i] == b[j] == b[k] for i, j, k in LINES)

def count_games(b, turn):
    if won(b) or "." not in b:
        return 1
    total = 0
    for i, c in enumerate(b):
        if c == ".":
            total += count_games(b[:i] + turn + b[i + 1:], "×" if turn == "〇" else "〇")
    return total

games = count_games(".........", "〇")
print(f"三目並べの、最後まで打ったゲームの数：{games:,}（1秒に1ゲーム探索すると約 {games / 86400:.1f} 日）")

print("\n1手あたり BRANCH 通りの選択肢があり、DEPTH 手続くゲームの数は BRANCH の DEPTH 乗（仮定の数値による計算）")
for branch, depth, note in ((9, 9, "三目並べを大きめに見積もった数"), (30, 20, "20手で打ち切る"), (30, 80, "チェスほどの規模（仮）"), (250, 150, "囲碁ほどの規模（仮）")):
    digits = depth * math.log10(branch)
    print(f"  BRANCH={branch:3d} DEPTH={depth:3d} → 約 10 の {digits:.0f} 乗  （{note}）")
print("\n1秒に10億ゲーム探索できるコンピュータでも、10の18乗ゲームで約32年かかる。全部を探索するやり方は、どこかで行き詰まる")

061972〜1973 · लाइटहिल रिपोर्ट

AI को A, B, C में बाँटने वाली रिपोर्ट

क्या ब्रिटेन की रिपोर्ट ने पूरे AI को बेकार कहा था?

ब्रिटेन में शोध के लिए पैसा देने वाली संस्था के अनुरोध पर, द्रव यांत्रिकी के बड़े विशेषज्ञ जेम्स लाइटहिल (James Lighthill) ने अकेले AI के शोध का जायज़ा लिया। रिपोर्ट ने AI को 3 भागों में बाँटा। A कारखानों आदि का स्वचालन है, C कंप्यूटर से मस्तिष्क और तंत्रिकाओं का अध्ययन है, और B रोबोट बनाने को केंद्र में रखते हुए A और C को जोड़ने वाला पुल है।

रिपोर्ट ने माना कि A और C में कुछ अच्छे नतीजे मिले थे। उसने B और सब कुछ कर सकने वाले AI के लक्ष्य का कड़ा आकलन किया। रिपोर्ट ने लिखा: (अनुवाद)।

दाईं ओर की आकृति का ऊपरी हिस्सा रिपोर्ट के A, B, C के विभाजन को दिखाता है। निचला हिस्सा रिपोर्ट की भविष्यवाणियों की घड़ी है। रिपोर्ट में बताई गई वैज्ञानिकों की भविष्यवाणियाँ (1980 का दशक और 2000) और लाइटहिल का अपना अनुमान (अगले 25 साल) सालों के पैमाने पर रखे गए हैं। स्लाइडर से “वर्तमान साल” बदलने पर जिन भविष्यवाणियों की समय सीमा बीत चुकी है, उनका रंग पहले बदलता है।

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:लाइटहिल रिपोर्ट ने पूरे AI को खारिज किया
मूल स्रोत के अनुसार:रिपोर्ट ने A (स्वचालन) और C (मस्तिष्क का अध्ययन) में नतीजे मिलने की बात कही थी। उसने जापान सरकार की कारखानों में असेंबली के स्वचालन की योजना को A की दिशा में एक आशाजनक उदाहरण बताया था।

071973 · स्रोतों में अंतर

बहस कब हुई थी?

जब एक ही घटना की तारीख अलग-अलग स्रोतों में अलग हो, तो क्या करें?

रिपोर्ट पर लंदन के रॉयल इंस्टीट्यूशन में सार्वजनिक बहस हुई। BBC ने इसे टीवी कार्यक्रम के रूप में प्रसारित किया। जेम्स लाइटहिल (James Lighthill) के तर्कों का जॉन मैकार्थी (John McCarthy), डॉनल्ड मिकी (Donald Michie) और रिचर्ड ग्रेगरी (Richard Gregory) ने विरोध किया।

लेकिन बहस की तारीख स्रोतों में अलग-अलग है। 2025 की एक तकनीकी पत्रिका का लेख 9 मई कहता है, और एडिनबरा विश्वविद्यालय के रिकॉर्डिंग वाले पन्ने पर जून 1973 लिखा है। 1982 में एक इतिहासकार के शोधपत्र की टिप्पणी के अनुसार बहस 4 जुलाई को और प्रसारण 30 अगस्त को हुआ। उस समय की BBC की पत्रिका में रॉयल इंस्टीट्यूशन में 4 जुलाई का कार्यक्रम और टीवी कार्यक्रम की एक समीक्षा छपी थी, जो सितंबर की शुरुआत के अंक की लगती है।

दाईं ओर की आकृति स्रोतों को उनके लिखे जाने के समय के अनुसार रखती है (घटना के समय, या कई साल बाद)। इस साइट ने 4 जुलाई (प्रसारण 30 अगस्त) को अपनाया है, क्योंकि घटना के समय के करीब के स्रोत इस पर सहमत हैं। लेकिन BBC की कार्यक्रम सूची देखी नहीं जा सकी है, इसलिए पुष्टि का स्तर अभी भी “सारांश से पुष्टि” है।

तारीख तय करते समय मनमाने ढंग से कोई एक पक्ष न चुनें। सारे स्रोत साथ रखें और पहचानें कि कौन-से उस समय के हैं और कौन-से बाद के।

081971〜1976 · बोली

लक्ष्य पूरा हुआ, फिर भी योजना बंद हुई

कंप्यूटर ने लगातार बोले गए शब्दों को कैसे पहचाना?

अमेरिकी रक्षा विभाग (DARPA) ने 1971 से 5 साल तक, हर साल लगभग 30 लाख डॉलर देकर लगातार बोली को समझने वाली मशीनों के शोध को सहारा दिया। लक्ष्यों में 1000 शब्द, कई बोलने वाले और अर्थ की त्रुटि दर 10% से कम होना शामिल था। 1976 में कार्नेगी मेलन विश्वविद्यालय के Harpy ने 1011 शब्दों के साथ अर्थ की त्रुटि दर 5% रखकर लक्ष्य पूरा किया।

Harpy की एक तरकीब बीम सर्च थी। सुनी गई आवाज़ से मेल खा सकने वाले शब्दों के हर क्रम को जाँचने के बजाय, यह केवल कुछ सबसे ऊँचे स्कोर वाले क्रम बचाकर आगे बढ़ता है। दाईं ओर की आकृति में बचाए जाने वाले क्रमों की संख्या (बीम की चौड़ाई) बदलें। चौड़ाई कम हो तो काम तेज़ होता है, लेकिन सही क्रम बीच में ही हट सकता है।

फिर भी DARPA ने आगे की योजना के लिए बजट नहीं दिया। बोली का शोध बड़े स्तर पर फिर से 1984 में शुरू हुआ।

बचाए गए क्रम ＝ स्कोर में सबसे ऊपर के W क्रम

W: बीम की चौड़ाई (बचाए गए क्रमों की संख्या)
स्कोर: आवाज़ और शब्दों के मेल के मानों का योग (यहाँ संख्याएँ इस साइट ने बनाई हैं)

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:1970 के दशक का वाक् पहचान शोध असफल हुआ और बंद कर दिया गया
मूल स्रोत के अनुसार:Harpy ने शुरू में तय लक्ष्य (1000 शब्द और अर्थ की त्रुटि दर 10% से कम) पूरे किए थे। फिर भी आगे की योजना नहीं आई।

u05_beam_search.py

# u05 ビームサーチ：評価の高い候補をいくつか残して先へ進む
#
# どの出来事か：1971〜76 年のアメリカの、話し言葉を理解する研究計画と、CMU の Harpy（記録 darpa_speech_understanding_1971）。
#   Harpy の工夫の 1 つがビームサーチだった（CMU の 1977 年の報告）。
# 仕組み：各時刻で単語の候補と「音との合い方」の点数がある。2 語のつながりの良さも足す。
#   すべての組み合わせを調べる代わりに、点数の高い W 本だけを残して進む。点数はこのサイトが作った数。
# 試してみよう：
#   - W を 1・2・3 と変えて、正しい並び（あした の かいぎ は ごご から）にたどり着くか確かめる
#   - すべての並びの数と、実際に調べた並びの数を比べる

LATTICE = [
    [("あした", 5), ("あたし", 7), ("はした", 6)],
    [("の", 6), ("も", 5), ("に", 2)],
    [("かいぎ", 5), ("かいき", 6), ("かぎ", 4)],
    [("は", 7), ("わ", 6), ("が", 2)],
    [("ごご", 6), ("ここ", 5), ("ごみ", 2)],
    [("から", 7), ("まで", 3), ("だから", 4)],
]
BIGRAM = {("あした", "の"): 5, ("あたし", "の"): 1, ("はした", "の"): 1, ("あたし", "も"): 2, ("の", "かいぎ"): 5, ("も", "かいぎ"): 1, ("の", "かぎ"): 3,
          ("かいぎ", "は"): 4, ("かいき", "は"): 1, ("かぎ", "は"): 3, ("かぎ", "が"): 3, ("は", "ごご"): 4, ("は", "ここ"): 2,
          ("わ", "ここ"): 1, ("ごご", "から"): 4, ("ここ", "から"): 3, ("ここ", "まで"): 3}
RIGHT = ["あした", "の", "かいぎ", "は", "ごご", "から"]

for W in (1, 2, 3, 5):
    beams = [([], 0)]
    looked = 0
    for step in LATTICE:
        nxt = []
        for words, score in beams:
            for w, ac in step:
                bonus = BIGRAM.get((words[-1], w), 0) if words else 0
                nxt.append((words + [w], score + ac + bonus))
                looked += 1
        nxt.sort(key=lambda b: -b[1])
        beams = nxt[:W]
    best = beams[0][0]
    total = 1
    for step in LATTICE:
        total *= len(step)
    mark = "○ 正しい" if best == RIGHT else "× 違う"
    print(f"W={W}：{' '.join(best):<22} {mark}（調べた並び {looked} ／ 全体 {total}）")

091971 · जापान

बोलने की गति का अंतर हटाकर तुलना

एक ही शब्द “इची” (जापानी में एक) कभी तेज़, कभी धीरे कहा जाता है। इनकी तुलना कैसे करें?

लोग एक ही शब्द अलग-अलग मौकों पर अलग गति से बोलते हैं। पहले से याद रखी आवाज़ और अभी सुनी आवाज़ को सीधे समय के अनुसार मिलाकर तुलना करें, तो गति का छोटा-सा अंतर भी उन्हें बेमेल बना देता है।

1971 में NEC के हिरोआकि साकोए (Hiroaki Sakoe) और सेइबी चिबा (Seibi Chiba) ने एक तरीका दिखाया। पहले आवाज़ के समय में खिंचाव और सिकुड़न को डायनेमिक प्रोग्रामिंग से मिलाया जाता है, फिर तुलना होती है। डायनेमिक प्रोग्रामिंग ऐसा हिसाब है जो बीच के नतीजों को दोबारा इस्तेमाल करके बहुत-से रास्तों में सबसे अच्छा रास्ता कुशलता से खोजता है। दाईं ओर की आकृति की तालिका में ऐसा रास्ता खोजें जो तय करता है कि दोनों आवाज़ों के कौन-से समय एक-दूसरे से मेल खाएँगे। रास्ता नीचे बाईं ओर से ऊपर दाईं ओर जाता है और केवल दाएँ, ऊपर या तिरछा बढ़ सकता है।

1971 के शोधपत्र में 5 लोगों द्वारा बोले गए 1 अंक की संख्याओं के 2400 उच्चारणों में औसतन 99.8% की सही पहचान हुई।

D(i, j)＝d(i, j)＋min{ D(i−1, j), D(i, j−1), D(i−1, j−1) }

d(i, j): आवाज़ A के i-वें बिंदु और आवाज़ B के j-वें बिंदु में अंतर
D(i, j): उस जगह तक के रास्ते पर अंतरों के योग का सबसे छोटा मान

आज इसे DTW (डायनेमिक टाइम वॉर्पिंग) भी कहते हैं। यही विचार आज के वाक् शोध और अलग-अलग डेटा की तुलना में भी इस्तेमाल होता है।

u05_dp_matching.py

# u05 DP マッチング：話す速さの違いを、動的計画法でそろえてから比べる
#
# どの出来事か：1971 年、NEC の迫江博昭・千葉成美の方法（記録 sakoe_chiba_dp_matching_1971）。
# 仕組み：D(i, j) = d(i, j) + min(D(i−1, j), D(i, j−1), D(i−1, j−1))。
#   d は 2 つの声の i 番目と j 番目の違い。表を左下から埋めていくと、右上の値が「そろえた時の違い」になる。
#   声はこのサイトが作った数の並び（「いち」の強さの形をまねたもの）。
# 試してみよう：
#   - SLOW（ゆっくり言った声）の並びを、もっと引き伸ばしてみる
#   - 先頭から順に比べた違いと、DP でそろえた違いを比べる

TEMPLATE = [0, 1, 3, 6, 8, 6, 3, 2, 4, 5, 4, 2, 0]          # 登録した音声
SLOW = [0, 1, 2, 3, 5, 6, 8, 8, 6, 5, 3, 2, 2, 3, 4, 5, 5, 4, 3, 2, 1, 0]   # ゆっくり発声した音声
OTHER = [0, 2, 5, 2, 0, 1, 6, 7, 6, 1, 0, 0, 0]              # 違う言葉の音声

def dp(a, b):
    INF = float("inf")
    D = [[INF] * len(b) for _ in a]
    for i in range(len(a)):
        for j in range(len(b)):
            d = abs(a[i] - b[j])
            if i == 0 and j == 0:
                D[i][j] = d
            else:
                D[i][j] = d + min(D[i - 1][j] if i else INF, D[i][j - 1] if j else INF, D[i - 1][j - 1] if i and j else INF)
    return D[-1][-1]

def naive(a, b):
    return sum(abs(x - y) for x, y in zip(a, b))

for name, voice in [("ゆっくり言った同じ言葉", SLOW), ("ちがう言葉", OTHER)]:
    print(f"{name}：先頭から順に比べた違い {naive(TEMPLATE, voice):3}　DP でそろえた違い {dp(TEMPLATE, voice):3}")
print("DP でそろえると、同じ言葉は違いが小さくなり、違う言葉は大きいまま残る")

101971〜1980 · जापान की राष्ट्रीय योजना

सर्दी में शुरू हुई पैटर्न पहचान की बड़ी योजना

जब अमेरिका और ब्रिटेन में बजट कट रहे थे, तब जापान में क्या शुरू हुआ?

1971 में जापान के अंतरराष्ट्रीय व्यापार और उद्योग मंत्रालय ने राष्ट्रीय बजट से चलने वाली बड़ी परियोजनाओं में “पैटर्न सूचना प्रसंस्करण प्रणाली” (अनुवाद) को जोड़ा। इसमें इलेक्ट्रोटेक्निकल लैबोरेटरी को केंद्र में रखकर निजी कंपनियों के साथ ऐसे कंप्यूटर विकसित करने की योजना थी जो अक्षर, आकृतियाँ आदि पहचानें (पैटर्न पहचान)। जापान की संसद में इसे (अनुवाद) भी कहा गया।

पहचान का आधार है पहले से याद रखे गए नमूने से तुलना करना। दाईं ओर की आकृति में अक्षर में नॉइज़ जोड़ें या उसकी जगह बदलें। नमूने से सीधे तुलना करें, तो थोड़ा-सा खिसकने पर भी स्कोर गिर जाता है। खिसकाकर तुलना करने से पहचान बेहतर होती है। इस “खिसकाव” को कैसे संभालें, यही सवाल आगे चलकर नियोकॉग्निट्रॉन (इस अध्याय का 12) से जुड़ता है।

योजना शुरू होते समय संसद में कहा गया: (अनुवाद)। 1985 के संसदीय जवाब के अनुसार, वित्तीय वर्ष 1971〜1980 में ठेके पर दिए गए शोध का खर्च लगभग 22 अरब येन था।

योजना की सामग्री की रिपोर्ट (कौन-से उपकरण बनाए गए और वे क्या कर सके) की इस साइट ने अभी तक पुष्टि नहीं की है।

नॉइज़ की मात्रा और पहचान की दर

u05_template_ocr.py

# u05 パターン照合による文字認識：そのまま照合・ずらして照合
#
# どの出来事か：1971〜80 年度の日本の国家プロジェクト「パターン情報処理システム」（記録 pips_pattern_information_processing_1971）。
# 仕組み：7×7 マスの文字パターンを用意し、認識したい文字と 1 マスずつ照合する。一致率が最も高いパターンを答えにする。
#   位置をずらして照合すると、ずれに強くなる。文字パターンとノイズはこのサイトが作った例で、実際の手書き文字ではない。
# 試してみよう：
#   - NOISE を 0.2 にすると、それぞれの認識率はどうなるか
#   - SHIFT を 2 にしてみる

import random

random.seed(1971)
FONT = {
    "ア": ["#######", "......#", "...#.#.", "...#...", "...#...", "..#....", ".#....."],
    "イ": ["......#", ".....#.", "...##..", ".##.#..", "....#..", "....#..", "....#.."],
    "ウ": ["...#...", "#######", "#.....#", "......#", ".....#.", "...##..", ".##...."],
    "エ": [".......", "#######", "...#...", "...#...", "...#...", "#######", "......."],
    "オ": ["....#..", "#######", "...##..", "..#.#..", ".#..#..", "#...#..", "...##.."],
}
NOISE = 0.08
SHIFT = 1
TRIALS = 60

def grid(k):
    return [[1 if ch == "#" else 0 for ch in row] for row in FONT[k]]

def make(k):
    g = grid(k)
    img = [[0] * 9 for _ in range(9)]
    for y in range(7):
        for x in range(7):
            xx = x + 1 + SHIFT
            if 0 <= xx < 9:
                img[y + 1][xx] = g[y][x]
    return [[1 - v if random.random() < NOISE else v for v in row] for row in img]

def score(img, k, dx=0, dy=0):
    t = grid(k)
    s = 0
    for y in range(9):
        for x in range(9):
            ty, tx = y - 1 - dy, x - 1 - dx
            tv = t[ty][tx] if 0 <= ty < 7 and 0 <= tx < 7 else 0
            s += img[y][x] == tv
    return s

def read(img, shifted):
    if not shifted:
        return max(FONT, key=lambda k: score(img, k))
    return max(FONT, key=lambda k: max(score(img, k, dx, dy) for dx in range(-2, 3) for dy in range(-1, 2)))

ok_plain = ok_shift = 0
for _ in range(TRIALS):
    k = random.choice(list(FONT))
    img = make(k)
    ok_plain += read(img, False) == k
    ok_shift += read(img, True) == k
print(f"ノイズ {NOISE:.0%}・右へ {SHIFT} マスずれた文字を {TRIALS} 回認識すると")
print(f"  そのまま照合：{ok_plain / TRIALS:.0%}")
print(f"  ずらして照合：{ok_shift / TRIALS:.0%}")

111972 · जापान

हिस्सा दिखाएँ, तो पूरा याद आए

क्या ऐसा न्यूरल नेटवर्क बनाया जा सकता है जो याद के एक हिस्से से पूरा याद कर ले?

1972 में टोक्यो विश्वविद्यालय के काओरु नाकानो (Kaoru Nakano) ने प्रस्तुत किया। यह याद रखने का ऐसा तरीका था जो जानकारी को 0 और 1 के पैटर्न के रूप में पूरे नेटवर्क में फैलाकर रखता है, और एक हिस्सा दिखाने पर पूरा याद कर लेता है। उसी साल शुनइची अमारी (Shun'ichi Amari) ने भी पैटर्न को नेटवर्क की स्थिर अवस्थाओं के रूप में याद रखने का सिद्धांत प्रकाशित किया।

दाईं ओर की आकृति ऐसा नेटवर्क है जिसने 3 पैटर्न याद किए हैं। खानों को दबाकर पैटर्न के हिस्से मिटाएँ या दिखाए जाने वाले हिस्से का अनुपात घटाएँ, फिर “याद करें (5 बार)” दबाएँ। बड़ा हिस्सा दिखाने पर याद अधिक सही होती है और छोटा हिस्सा दिखाने पर अस्पष्ट होती है। याद किए गए पैटर्न बढ़ाएँ, तो वे दूसरे पैटर्न से मिलकर गलतियाँ पैदा करने लगते हैं।

याद रखने का नियम है: “दोनों एक साथ काले या एक साथ सफेद हों, तो 2 खानों का संबंध मज़बूत करें”। एक ही समय पर विपरीत हों, तो संबंध कमज़ोर करें। यह उसी विचार जैसा है जिसमें मस्तिष्क की तंत्रिकाओं के संबंध एक साथ सक्रिय होने पर मज़बूत होते हैं (हेब्ब (Hebb), 1949)।

w_ij ＝Σ_p x_i^p x_j^p　　x_i ← चिह्न (Σ_j w_ij x_j)

x_i: i-वाँ खाना (काला +1, सफेद −1)
p: याद किए गए पैटर्न का नंबर
w_ij: खाने i और j के संबंध की मज़बूती

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:साहचर्य स्मृति का मॉडल सबसे पहले हॉपफील्ड (Hopfield) ने 1982 में बनाया
मूल स्रोत के अनुसार:10 साल पहले, 1972 में काओरु नाकानो और शुनइची अमारी इसे प्रस्तुत कर चुके थे। क्योटो पुरस्कार (2025) अमारी के मॉडल को गणितीय रूप से हॉपफील्ड के मॉडल के समान बताता है। 2024 की नोबेल समिति की व्याख्या भी इसे संदर्भों में शामिल करती है (मुख्य पाठ में नाम नहीं देती)।

u05_associatron.py

# u05 一部を見せると全体を思い出すネットワーク（中野さんのアソシアトロン・甘利さんの 1972 年の考え方）
#
# どの出来事か：1972 年、東京大学の中野馨「アソシアトロン」（記録 nakano_associatron_1972）と、
#   同じ年の甘利俊一の理論（記録 amari_associative_memory_1972）。パターンをネットワーク全体に分散して記憶し、一部を見せると
#   全体を思い出す。1982 年のホップフィールド・ネットワークと同じ形の考え方で、日本の方が 10 年早かった。
# このサンプルの仕組み：パターンを +1（黒）と -1（白）の並びにし、「同時に黒・同時に白なら結びつきを強く」と
#   足し合わせた行列（相関行列）に記憶する。思い出す時は、見えない部分を 0 にして行列を掛け、符号を取る。
#   ※ 1972 年の論文そのままの実装ではなく、同じ考え方の小さなモデル。
# 試してみよう：
#   - SHOW（見せる割合）を下げると、どこから思い出せなくなるか
#   - 記憶するパターンの数を増やすと、誤りが増える（最後の表）

import random

random.seed(1972)
SIZE = 7
PATTERNS = {
    "十": ["...#...", "...#...", "...#...", "#######", "...#...", "...#...", "...#..."],
    "口": ["#######", "#.....#", "#.....#", "#.....#", "#.....#", "#.....#", "#######"],
    "Ｘ": ["#.....#", ".#...#.", "..#.#..", "...#...", "..#.#..", ".#...#.", "#.....#"],
}
N = SIZE * SIZE

def vec(rows):
    return [1 if ch == "#" else -1 for row in rows for ch in row]

def learn(pats):
    M = [[0] * N for _ in range(N)]
    for p in pats:
        for i in range(N):
            for j in range(N):
                if i != j:
                    M[i][j] += p[i] * p[j]
    return M

def recall(M, x, steps=3):
    for _ in range(steps):
        x = [1 if sum(M[i][j] * x[j] for j in range(N)) >= 0 else -1 for i in range(N)]
    return x

def draw(x):
    return ["".join("■" if x[r * SIZE + c] > 0 else ("・" if x[r * SIZE + c] < 0 else "？") for c in range(SIZE)) for r in range(SIZE)]

pats = {k: vec(v) for k, v in PATTERNS.items()}
M = learn(pats.values())

SHOW = 0.4   # 見せる割合（残りは「？」＝分からない部分）
target = pats["口"]
known = set(random.sample(range(N), int(N * SHOW)))
partial = [target[i] if i in known else 0 for i in range(N)]
out = recall(M, partial)
print(f"「口」の {SHOW:.0%} だけ見せる → 思い出したパターン（{sum(o == t for o, t in zip(out, target))}/{N} マス 正解）")
for a, b in zip(draw(partial), draw(out)):
    print(f"   {a}   →   {b}")

print("\n見せる割合と、正しく思い出せたマスの割合（3 つのパターン × 20 回の平均）")
for show in (0.1, 0.2, 0.3, 0.5, 0.7):
    ok = 0
    for _ in range(20):
        for p in pats.values():
            kn = set(random.sample(range(N), int(N * show)))
            o = recall(M, [p[i] if i in kn else 0 for i in range(N)])
            ok += sum(a == b for a, b in zip(o, p))
    print(f"  {show:.0%} 見せる → {ok / (20 * 3 * N):.0%}")

print("\nランダムなパターンをたくさん記憶させると（半分見せて思い出す、各 10 回の平均）")
for k in (2, 4, 6, 8, 12):
    ok = 0
    for _ in range(10):
        rnd = [[random.choice((1, -1)) for _ in range(N)] for _ in range(k)]
        Mk = learn(rnd)
        p = rnd[0]
        kn = set(random.sample(range(N), N // 2))
        o = recall(Mk, [p[i] if i in kn else 0 for i in range(N)])
        ok += sum(a == b for a, b in zip(o, p))
    print(f"  {k:2d} 個記憶したネットワーク → {ok / (10 * N):.0%} 正解")

121975 · जापान

बिना शिक्षक खुद बनता नेटवर्क

हर कोशिका को “इस तरह प्रतिक्रिया करो” बताए बिना क्या नेटवर्क विकसित हो सकता है?

1975 में NHK की शोध प्रयोगशाला के कुनिहिको फुकुशिमा (Kunihiko Fukushima) ने एक तरीका दिखाया जिसमें कई परतों वाला न्यूरल नेटवर्क बिना शिक्षक के खुद बनता है। यहाँ शिक्षक का मतलब है हर कोशिका को विस्तार से बताना कि उसे कैसी प्रतिक्रिया करनी है। उन्होंने इसे नाम दिया।

इसकी कुंजी कोशिकाओं के बीच प्रतिस्पर्धा है। शोधपत्र के सार के अनुसार, किसी कोशिका के संबंध केवल तभी मज़बूत होते हैं जब पास में उससे अधिक तीव्र प्रतिक्रिया करने वाली कोई कोशिका न हो। दाईं ओर की आकृति इस विचार का सबसे सरल रूप है। बिंदु एक-एक करके आते हैं और केवल सबसे पास की कोशिका (रंगीन गोला) उस बिंदु की ओर थोड़ा बढ़ती है। दोहराने पर कोशिकाएँ अलग-अलग बिंदु समूहों के केंद्रों में बस जाती हैं। जवाब बताए बिना ही वे मिलती-जुलती चीज़ों की ज़िम्मेदारी लेने लगती हैं।

केवल सबसे पास की कोशिका k के लिए: m_k ← m_k ＋η (x − m_k)

x: आने वाला बिंदु
m_k: कोशिका k की ज़िम्मेदारी वाला स्थान
η: पास आने की गति

कंप्यूटर पर परीक्षण में गहरी परतें अधिक बड़े क्षेत्र की ज़िम्मेदारी लेती थीं और आखिरी परत की कोशिकाएँ केवल खास पैटर्न पर प्रतिक्रिया करती थीं। “केवल विजेता सीखता है” वाला विचार बाद के k-means (अध्याय 9) से भी जुड़ता है।

131979 · जापान

जगह बदले, फिर भी आकार से पहचान

क्या अक्षर थोड़ा दाईं ओर खिसकने पर ही मशीन उसे पढ़ नहीं पाएगी?

1979 में कुनिहिको फुकुशिमा (Kunihiko Fukushima) ने कॉग्निट्रॉन को आगे विकसित करके “नियोकॉग्निट्रॉन” प्रस्तुत किया। यह ऐसा न्यूरल नेटवर्क था जो अक्षर की जगह बदलने या उसका आकार थोड़ा बिगड़ने पर भी उसे पहचान सकता था। मस्तिष्क की दृष्टि संबंधी शोध से प्रेरित होकर, इसमें आकार की विशेषताएँ पकड़ने वाली S कोशिकाओं और जगह के बदलाव का असर कम करने वाली C कोशिकाओं की कई परतें रखी गईं।

S कोशिका एक छोटी खिड़की से “कोना” या “रेखा” जैसी विशेषताएँ खोजती है। एक ही समतल की कोशिकाएँ एक ही खिड़की रखती हैं, केवल उसकी जगह अलग होती है (आज इसे कन्वॉल्यूशन कहते हैं)। C कोशिका तब प्रतिक्रिया करती है जब आसपास की किसी S कोशिका ने प्रतिक्रिया की हो (आज इसे पूलिंग कहते हैं)। दाईं ओर की आकृति में अक्षर को बीच से बाएँ या दाएँ 1 खाना खिसकाने पर भी चुने हुए क्षेत्र की C कोशिका की प्रतिक्रिया नहीं बदलती। लेकिन क्षेत्र की सीमा पार करने पर 1 खाने के खिसकाव से भी प्रतिक्रिया बदल जाती है।

2024 के नोबेल भौतिकी पुरस्कार की व्याख्या इस शोध को आज के छवि पहचान AI (CNN) का स्रोत बताती है।

S कोशिका: s(x, y)＝Σ खिड़की × इनपुट (स्थान x, y के आसपास)　C कोशिका: c＝max (आसपास के s)

खिड़की: आकार की विशेषता का नमूना (3×3)
max: सबसे बड़ा मान

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:छवि पहचान AI (CNN) लगभग 1989 में अमेरिका में शुरू हुआ
मूल स्रोत के अनुसार:जगह बदलते हुए उन्हीं संबंधों को इस्तेमाल करने वाला नेटवर्क फुकुशिमा ने 1979 में प्रकाशित कर दिया था। लेकिन नियोकॉग्निट्रॉन बिना शिक्षक के सीखता था। इसमें बैकप्रोपेगेशन को जोड़ने का काम लेकुन (LeCun) और उनके साथियों ने किया।

u05_s_and_c_cells.py

# u05 S 細胞と C 細胞：位置がずれても形で認識する
#
# どの出来事か：1979 年、福島邦彦の「ネオコグニトロン」（記録 fukushima_neocognitron_1979）。
# 仕組み：S 細胞は小さな窓（3×3）で「横線」を探す（同じ窓を位置だけずらして適用する＝畳み込み）。
#   C 細胞は、3×3 の範囲の S 細胞のどれかが反応していれば反応する（プーリング）。
#   文字を 1 マスずらすと、S 細胞の反応位置は動くが、C 細胞の反応はあまり変わらない。
# 試してみよう：
#   - 窓を縦線用にかえる（KERNEL を縦向きに）
#   - SHIFT を 2 や 3 にすると、C 細胞の反応はどれくらい変わるか

N = 12
SHAPE = ["#######", "...#...", "...#...", "...#..."]   # T の形
KERNEL = [[-1, -1, -1], [2, 2, 2], [-1, -1, -1]]      # 横線の窓（フィルター）
SHIFT = 1

def image(dx):
    g = [[0] * N for _ in range(N)]
    for y, row in enumerate(SHAPE):
        for x, ch in enumerate(row):
            if ch == "#":
                g[y + 3][x + 2 + dx] = 1
    return g

def s_cells(g):
    out = [[0] * N for _ in range(N)]
    for y in range(1, N - 1):
        for x in range(1, N - 1):
            s = sum(KERNEL[a][b] * g[y + a - 1][x + b - 1] for a in range(3) for b in range(3))
            out[y][x] = max(0, s)
    return out

def c_cells(s):
    return [[max(s[y * 3 + a][x * 3 + b] for a in range(3) for b in range(3)) for x in range(N // 3)] for y in range(N // 3)]

def show(m):
    return "\n".join("   " + "".join("■" if v > 0 else "・" for v in row) for row in m)

for dx in (0, SHIFT):
    c = c_cells(s_cells(image(dx)))
    print(f"文字を右へ {dx} マス：C 細胞（横線）の反応\n{show(c)}\n")
a = [v > 0 for row in c_cells(s_cells(image(0))) for v in row]
b = [v > 0 for row in c_cells(s_cells(image(SHIFT))) for v in row]
print(f"C 細胞の反応が一致した割合：{sum(x == y for x, y in zip(a, b)) / len(a):.0%}")

141970〜1973 · जापान

कंप्यूटर चेहरे की आँख, नाक और मुँह खोजता है

तस्वीर में आँख कहाँ है और मुँह कहाँ? कंप्यूटर इन्हें कैसे खोजता है?

1970 की ओसाका विश्व प्रदर्शनी में NEC के शो (अनुवाद) ने टीवी कैमरे से आने वालों के चेहरे की तस्वीरें लीं। कंप्यूटर चेहरे के अलग-अलग हिस्से अपने आप खोजकर 21 तरह के (अनुवाद) में से एक बताता था (चेहरे से व्यक्तित्व पता चलता है, इस विचार का वैज्ञानिक आधार है, ऐसा नहीं कहा जा सकता)।

1973 में क्योटो विश्वविद्यालय के ताकेओ कनाडे (Takeo Kanade) ने चेहरे की तस्वीर से आँख, नाक और मुँह अपने आप खोजने वाला प्रोग्राम बनाया। उन्होंने इसे लगभग 800 तस्वीरों पर आज़माया (इनमें से 688 चेहरे विश्व प्रदर्शनी में एकत्र किए गए थे)। कनाडे के शोधपत्र में बार-बार इस्तेमाल किया गया एक सुराग था तस्वीर की पतली पट्टी में अँधेरे का जोड़ (integral projection)। आँखें और मुँह गहरे रंग के होते हैं, इसलिए क्षैतिज दिशा में जोड़ने पर उस ऊँचाई पर ग्राफ में एक चोटी बनती है।

दाईं ओर की आकृति में चेहरे के हिस्से हिलाएँ, तो क्षैतिज और ऊर्ध्वाधर योगों के ग्राफ की चोटियाँ हिलती हैं और पहचानी गई जगहों की रेखाएँ उनके साथ चलती हैं। काम सही न होने पर पिछले चरण में लौटकर दोबारा कोशिश करना भी कनाडे के शोधपत्र की एक विशेषता थी।

क्षैतिज योग H(y)＝Σ_x अँधेरा(x, y)

अँधेरा(x, y): तस्वीर में स्थान (x, y) पर अँधेरे की मात्रा
जहाँ H(y) बड़ा हो, वह ऊँचाई: आँख या मुँह की ऊँचाई

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:ताकेओ कनाडे का 1973 का शोधपत्र दुनिया में पहली चेहरा पहचान थी
मूल स्रोत के अनुसार:कंप्यूटर से चेहरों की पहचान का शोध 1960 के दशक की शुरुआत में अमेरिका में भी था। कनाडे के शोधपत्र की विशेषता थी कि दोबारा कोशिश सहित स्वचालित विश्लेषण को लगभग 800 चेहरे की तस्वीरों पर परखा गया।

क्षैतिज दिशा में अँधेरे का योग (हर ऊँचाई पर)

151973 · जापान

2 पैरों पर बिना गिरे चलना

2 पैरों वाला रोबोट गिरता क्यों नहीं?

1973 में वासेदा विश्वविद्यालय में इचिरो कातो (Ichiro Kato) और उनके साथियों ने इंसानी आकार का रोबोट WABOT-1 बनाया। यह हाइड्रॉलिक शक्ति से चलने वाले 2 पैरों पर चलता, दोनों हाथों से चीज़ें पकड़ता, कृत्रिम आँखों से चीज़ों की जगह खोजता, और अलग-अलग खंडों में बोले गए जापानी निर्देश पहचानकर आवाज़ में जवाब देता था। रिपोर्ट के अनुसार, 20 kg का भार उठाकर यह आवाज़ के निर्देशों के अनुसार सीधा चल सकता था और मुड़ सकता था।

धीरे चलने वाले रोबोट के न गिरने का आधार है कि गुरुत्व केंद्र के ठीक नीचे का बिंदु, ज़मीन को छूते पैरों से बने क्षेत्र (सहारा क्षेत्र) के अंदर हो। दाईं ओर की आकृति में गुरुत्व केंद्र को हिलाएँ। उसके ठीक नीचे का बिंदु क्षेत्र से बाहर जाए, तो रोबोट गिर जाता है। एक पैर उठाने पर सहारा क्षेत्र छोटा हो जाता है, इसलिए पहले गुरुत्व केंद्र को सहारा देने वाले पैर के ऊपर लाएँ, फिर दूसरा पैर उठाएँ।

न गिरना ⇔ गुरुत्व केंद्र के ठीक नीचे का बिंदु सहारा क्षेत्र के अंदर है

सहारा क्षेत्र: ज़मीन को छूते पैरों के तलवों से घिरा क्षेत्र

यहाँ चलती आकृति “धीमी चाल” की है जिसमें केवल गुरुत्व केंद्र देखा जाता है। तेज़ चलने पर संवेग पर भी विचार करना पड़ता है।

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:WABOT-1 दुनिया का पहला ह्यूमनॉइड था
मूल स्रोत के अनुसार:यह वासेदा विश्वविद्यालय का अपना आकलन है। 1973 की रिपोर्ट ने खुद का दावा नहीं किया। उसने रोबोट को हाथ, पैर और सिर वाली, अपने आप चलने वाली मशीन के रूप में परिभाषित किया और लिखा कि उसने इन शर्तों को पूरा करने वाली मशीन बनाई।

161970 · जापान

बहुत इंसानी दिखे, तो डरावना लगे?

क्या रोबोट जितना इंसान जैसा दिखे, उतना ही अपनापन महसूस होता है?

1970 में टोक्यो इंस्टीट्यूट ऑफ टेक्नोलॉजी के मसाहिरो मोरी (Masahiro Mori) ने एक तेल कंपनी की पत्रिका के विशेषांक के लिए (अनुवाद) नाम का निबंध लिखा। रोबोट का रूप और गति इंसान के करीब आते जाएँ, तो अपनापन बढ़ता है। लेकिन लगभग बिल्कुल इंसानी होने से ठीक पहले एक घाटी आती है, जहाँ अपनापन अचानक अजीब डर में बदल जाता है। मोरी ने इस विचार को ग्राफ से दिखाया।

दाईं ओर की आकृति उस विचार का आकार दिखाती है (इस साइट ने मोरी की मूल आकृति के आकार के आधार पर इसे बनाया है। संख्याएँ मोरी के सहज अनुमान को व्यक्त करती हैं, मापे गए मान नहीं हैं)। स्लाइडर से “इंसान से समानता” बदलें, तो पता चलता है कि कहाँ घाटी में प्रवेश होता है। मोरी ने लिखा कि “गति” जोड़ने पर घाटी और गहरी हो जाती है।

मोरी ने रोबोट बनाने वालों को सलाह दी कि घाटी पार करके बिल्कुल इंसान जैसी नकल बनाने के बजाय, कुछ हद तक इंसानी समानता वाले नाम के बिंदु को लक्ष्य बनाएँ।

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:अनकैनी वैली प्रयोगों से सिद्ध वैज्ञानिक नियम है
मूल स्रोत के अनुसार:शुरुआत में यह 1970 में एक तेल कंपनी की पत्रिका में छपा 3 पन्नों का निबंध था और ग्राफ मोरी के सहज अनुमान पर आधारित था। उन्होंने खुद 2012 में कहा कि यह वैज्ञानिक दावा कम और रोबोट बनाने वालों के लिए सलाह अधिक थी।

171969 · प्रतीकों वाला AI

जो नहीं बदलता, उसे भी पूरा लिखें?

अगर “डिब्बा हिलाया” लिखें, तो बाकी चीज़ों का क्या हुआ माना जाएगा?

तर्क के सूत्रों में दुनिया को दर्शाकर कार्रवाई की योजना बनाने वाले AI में, कार्रवाई से क्या बदलता है के साथ क्या नहीं बदलता भी एक-एक करके लिखना पड़ता है। 1969 में जॉन मैकार्थी (John McCarthy) और पैट्रिक हेज़ (Patrick Hayes) ने इस मुश्किल को नाम दिया। अगर n कार्रवाइयाँ और स्थिति बताने वाली m राशियाँ हों, तो नहीं बदलने की m × n शर्तें लिखनी पड़ सकती हैं।

दाईं ओर की आकृति में कमरे की चीज़ें और कार्रवाइयाँ बढ़ाएँ। जब “रोबोट डिब्बे को धक्का देता है”, तो डिब्बे की जगह बदलती है। लेकिन रोशनी का रंग, दरवाज़े का खुला या बंद होना और मेज़ की जगह नहीं बदलती। यह सब लिखें, तो लिखने की संख्या कार्रवाइयों और चीज़ों को गुणा करने से बढ़ती है।

लिखने पड़ने वाले “नहीं बदलता” कथनों की संख्या ≈ m × n

m: स्थिति बताने वाली राशियाँ (चीज़ों की संख्या आदि)
n: कार्रवाइयों के प्रकार

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:फ़्रेम समस्या का मतलब है कि AI संबंधित और असंबंधित बातों में फर्क नहीं कर सकता
मूल स्रोत के अनुसार:1969 के मूल शोधपत्र में यह एक तकनीकी समस्या के रूप में आई थी: जो नहीं बदलता, उसे एक-एक करके लिखना पड़ता है। इसका व्यापक अर्थ बाद में दार्शनिकों द्वारा बढ़ाई गई व्याख्या है।

181973〜1978 · पैमाना

सर्दी में सदस्य 3 गुना हो गए

जब शोध का पैसा घटा, तो क्या शोध करने वाले लोग भी कम हुए?

इतिहासकार थॉमस हेग (Thomas Haigh) (2023) ने तर्क दिया कि “ थी ही नहीं”। इसके आधारों में यह भी था कि कंप्यूटिंग संस्था ACM के AI विशेष रुचि समूह (SIGART) के सदस्य 1973 के 1,241 से 1978 में 3,500 हो गए, यानी लगभग 3 गुना बढ़े।

दाईं ओर की आकृति सदस्यों की संख्या की रेखा पर अलग-अलग स्रोतों की की पट्टियाँ रखती है। पट्टियाँ बदलें, तो दिखता है कि सदस्य बढ़ने वाले साल और सर्दी कहे जाने वाले साल एक-दूसरे पर आते हैं। यह सच है कि 1970 के दशक में ब्रिटेन की कुछ प्रयोगशालाओं और अमेरिका में वाक् तथा रोबोट शोध के लिए पैसे की स्थिति कठिन हुई थी। लेकिन यह नहीं कह सकते कि पूरा शोध जगत सिकुड़ गया।

पैमाना बदलें, तो जवाब भी बदलता है। क्या बड़ी प्रयोगशालाओं का पैसा देखें, शोध करने वाले लोगों की संख्या देखें, या शब्दों का इस्तेमाल देखें?

सदस्यों की संख्या केवल 2 बिंदुओं, 1973 और 1978, के लिए जाँची गई है। बीच के सालों की संख्या इस साइट ने नहीं जाँची है, इसलिए रेखा केवल इन 2 बिंदुओं को जोड़ती है।

191980 · अर्थ

नियम से जवाब देना क्या समझना है?

सही जवाब लौटाने वाली मशीन क्या अर्थ समझती है?

1980 में दार्शनिक जॉन सर्ल (John Searle) ने एक विचार प्रयोग दिया। कल्पना करें कि वे चीनी भाषा नहीं जानते और एक कमरे में बंद हैं। केवल अंग्रेज़ी में लिखी नियमों की किताब से वे अंदर भेजे गए चीनी सवालों के जवाब चीनी में देते हैं। बाहर से देखने पर वे चीनी समझने वाले व्यक्ति जैसे लग सकते हैं, लेकिन कमरे के अंदर वे खुद कुछ नहीं समझते। इसलिए उन्होंने तर्क दिया कि केवल प्रोग्राम के अनुसार प्रतीकों पर काम करने वाले कंप्यूटर को भी अर्थ समझने वाला नहीं कहा जा सकता।

दाईं ओर की आकृति वही कमरा है। सवाल चुनने पर कमरे का व्यक्ति केवल प्रतीकों का आकार देखता है, नियमों की किताब में उन्हें खोजता है और जवाब के प्रतीक लौटा देता है। नियमों की किताब के अंदर भी देख सकते हैं, लेकिन कहीं “अर्थ” नहीं लिखा है।

यह शोधपत्र एक वैज्ञानिक पत्रिका में 27 लोगों के विरोध और विचारों के साथ छपा। यही सवाल आज के पाठ बनाने वाले AI पर भी लागू होता है, और अभी इसका फैसला नहीं हुआ है।

लगभग उसी समय ELIZA बनाने वाले जोसेफ़ वाइज़ेनबाउम (Joseph Weizenbaum) ने अपनी किताब (1976) में लिखा कि मशीन कोई काम कर सकती है या नहीं, इससे अलग कुछ काम ऐसे हैं जिन्हें मशीन से नहीं कराना चाहिए।

अंत में

इस अध्याय में क्या अभी अनजाना है

1970 के दशक में AI के शोध पर खर्च को देश और साल के अनुसार दिखाने वाले आँकड़े अभी तक नहीं मिले हैं। यह थी या नहीं, इसका जवाब मापने के पैमाने पर निर्भर है (बड़ी प्रयोगशालाओं का पैसा, वैज्ञानिक संस्था के सदस्यों की संख्या, शब्दों की संख्या)।

क्या ने न्यूरल नेटवर्क का शोध रोक दिया था, इस पर भी स्रोतों की बात अलग है और पक्का निष्कर्ष नहीं निकाल सकते। केवल नियमों के अनुसार प्रतीक सजाने वाली मशीन को “अर्थ समझने वाली” कह सकते हैं या नहीं, इस पर 1980 से आज तक बहस जारी है।

इस सर्दी के दौरान जापान में बढ़े बीजों (असोसिएट्रॉन, नियोकॉग्निट्रॉन, DP मैचिंग) के नाम AI के प्रमुख अंग्रेज़ी इतिहासों में लगभग मिलते ही नहीं हैं। अगले अध्याय में विशेषज्ञों का ज्ञान लिखकर दिए जाने वाले AI के साथ दूसरा उछाल शुरू होता है।

इस अध्याय की अन्य घटनाएँ (1; सभी के साथ मूल स्रोत और भरोसे का स्तर)

1977सारांशों से पुष्टिस्रोतों में मतभेद हैजापान

यास्कावा इलेक्ट्रिक का पूरी तरह विद्युत चालित आर्क वेल्डिंग रोबोट “Motoman-L10” ── स्रोतों में 1975, 1976 और 1977 किस बात के वर्ष हैं?

यास्कावा इलेक्ट्रिक (तब यास्कावा इलेक्ट्रिक मैन्युफ़ैक्चरिंग) ने लगभग 1972 से विद्युत चालित रोबोट बनाना शुरू किया और 1974 की रोबोट प्रदर्शनी में पहला मोटमैन दिखाया। कंपनी इसे जापान का पहला पूरी तरह विद्युत चालित औद्योगिक रोबोट बताती है: हाइड्रॉलिक या वायु दबाव के बजाय केवल विद्युत मोटरों से चलने वाला। लेकिन ऊँची कीमत आदि के कारण यह व्यावसायिक रूप से नहीं बिक सका। इसके बाद कंपनी ने Motoman-L10 बनाया। इंसान के हाथ की तरह उसके जोड़ ऊर्ध्वाधर क्रम में थे, 5 अक्ष थे, और वह 10kg तक उठा सकता था (L10 का 10 यही भार है)। इसे आर्क वेल्डिंग के लिए बनाया गया: इलेक्ट्रोडों के बीच विद्युत निर्वहन की चिंगारी से धातु पिघलाकर जोड़ना। नियंत्रण के लिए माइक्रोप्रोसेसर (छोटा कंप्यूटर) था। 1977 में ओइता प्रांत के नाकात्सु शहर में योरोज़ु ऑटोमोबाइल (अब योरोज़ु) के नाकात्सु संयंत्र ने खरीदने का फैसला किया। पहला ऑर्डर पक्का हुआ और मशीन उत्पाद के रूप में भेजी गई। L10 के वर्ष पर आविष्कार संस्था के विवरण में 1975 और जापान सोसाइटी ऑफ़ मैकेनिकल इंजीनियर्स की मशीन विरासत संख्या 76 (2015 में मान्यता) में 1977 है। स्रोतों को देखकर अलग करने पर 1975 और 1976 विकास के वर्ष, और 1977 पहला ऑर्डर और आपूर्ति का वर्ष लिखा है।

आम तौर पर कही जाने वाली बात:अक्सर लिखा जाता है कि Motoman-L10 जापान का पहला पूरी तरह विद्युत चालित औद्योगिक रोबोट था (मशीन विरासत, राष्ट्रीय प्रकृति और विज्ञान संग्रहालय का डेटाबेस, यास्कावा इलेक्ट्रिक 2021)
मूल स्रोत के अनुसार:यास्कावा की तकनीकी कथा और उसके कर्मचारी का 2017 का जापान सोसाइटी ऑफ़ मैकेनिकल इंजीनियर्स की पत्रिका में लेख 1974 की प्रदर्शनी में दिखाए पहले मोटमैन को ऐसा बताते हैं (वह L10 से अलग था)। उनके अनुसार, L10 पहले रोबोट के व्यावसायिक रूप से सफल न होने के बाद बनाया गया और 1977 में पहली बार बेचा व भेजा गया। पहली बार दिखाई गई मशीन और पहली बार बेची गई मशीन अलग थीं। 1975 और 1976 विकास के वर्ष तथा 1977 ऑर्डर और आपूर्ति का वर्ष लिखा है।

जो अभी पता नहीं है:1975 किस बात का वर्ष है—डिज़ाइन की शुरुआत, प्रोटोटाइप का पूरा होना या बाहरी लोगों को दिखाना—यह ज्ञात नहीं है। कुसुदा (Yoshihiro Kusuda, 2004) का स्रोत, 1978 की पत्रिका “रोबोट” (ロボット) vol.19 का लेख, और यास्कावा की 1978 की तकनीकी रिपोर्ट (産業用ロボットMotoman-L), इस साइट ने नहीं खोले हैं। बिक्री की संख्या भी स्रोतों में अलग है: 2 वर्षों में 2000 या उसके बाद लगभग 1700।

8 मूल स्रोत और उनकी जाँच का विवरण

स्रोतों के बीच मतभेद:वर्ष: 1975 (कुसुदा 2004 में “(1975)”; आविष्कार संस्था के “युद्ध के बाद जापान के 100 चुने हुए नवाचार” में इसे उद्धृत कर “(1975 वर्ष)” लिखा है) / 1976 में विकास (कोदाइरा (Norio Kodaira) 2025, राष्ट्रीय प्रकृति और विज्ञान संग्रहालय का वित्त वर्ष 2024 संस्करण) / 1977 (यास्कावा की तकनीकी कथा: पहला ऑर्डर पक्का; यास्कावा 2021: आपूर्ति; जापान सोसाइटी ऑफ़ मैकेनिकल इंजीनियर्स की पत्रिका 2017: उत्पाद बनाना व भेजना; मशीन विरासत संख्या 76: विकास और बिक्री; संग्रहालय का डेटाबेस: निर्माण वर्ष)। बिक्री: 2 वर्षों में 2000 (कुसुदा 2004) / बाद में लगभग 1700 (पत्रिका 2017)। दूसरी कंपनी के विद्युत चालित बहुजोड़ रोबोट की घोषणा, जिसे नमूना बनाया गया: 1973 (यास्कावा की कथा कंपनी का नाम नहीं देती; कोदाइरा 2025 में यूरोपीय निर्माता, IRB 6) / 1974 (कुसुदा 2004, ASEA का IRB-6)। जापान में पहला पूरी तरह विद्युत चालित रोबोट: 1974 का पहला मोटमैन (यास्कावा की कथा, पत्रिका 2017) / 1977 का L10 (मशीन विरासत; यास्कावा 2021 का “जापान का पहला पूरी तरह विद्युत चालित औद्योगिक रोबोट” L10 की आपूर्ति के बारे में है)।

रोबोट | तकनीकी कथा | प्रौद्योगिकी | यास्कावा इलेक्ट्रिक (ロボット｜技術物語｜テクノロジー｜安川電機) (MOTOMAN का जन्म) (यास्कावा इलेक्ट्रिक कॉर्पोरेशन · MOTOMAN का जन्म・बाहरी लोगों को दिखाया गया पहला “MOTOMAN”・“M… · व्यक्ति की अपनी बाद की यादें)
मशीन विरासत संख्या 76: पूरी तरह विद्युत चालित औद्योगिक रोबोट “Motoman-L10” (機械遺産第76号全電気式産業用ロボット「モートマン-L10」) (जापान सोसाइटी ऑफ़ मैकेनिकल इंजीनियर्स की पत्रिका, खंड 120, अंक 1183, जून 2017, pp.42-43) (केनिचि यासुदा (Kenichi Yasuda, यास्कावा इलेक्ट्रिक की विकास शोध प्रयोगशाला का रोबोटिक्स प्रौद्योगिकी विभाग) · 2017 · p.42 1. Motoman-L10・2. विकास की पृष्ठभूमि · व्यक्ति की अपनी बाद की यादें)
औद्योगिक रोबोट MOTOMAN की कुल आपूर्ति 500000 तक पहुँची (産業用ロボットＭＯＴＯＭＡＮ（モートマン）累積出荷台数50万台達成) (यास्कावा इलेक्ट्रिक की सूचना, 2021-03-30) (यास्कावा इलेक्ट्रिक कॉर्पोरेशन · 2021 · मुख्य पाठ का पहला अनुच्छेद・1. हमारी कंपनी के औद्योगिक रोबोट… · व्यक्ति की अपनी बाद की यादें)
मशीन विरासत संख्या 76 (2015 में मान्यता): पूरी तरह विद्युत चालित औद्योगिक रोबोट “Motoman-L10” (機械遺産第76号（2015年認定）全電気式産業用ロボット「モートマン-L10」) (जापान सोसाइटी ऑफ़ मैकेनिकल इंजीनियर्स) (जापान सोसाइटी ऑफ़ मैकेनिकल इंजीनियर्स (निगमित संघ) · 2015 · मुख्य पाठ · बाद में लिखा गया सारांश)
MOTOMAN-L10 (औद्योगिक प्रौद्योगिकी इतिहास सामग्री डेटाबेस, सामग्री संख्या 101890081011) (राष्ट्रीय प्रकृति और विज्ञान संग्रहालय का औद्योगिक प्रौद्योगिकी इतिहास सामग्री सूचना केंद्र (सर्वेक्षण संस्था: जापान रोबोट एसोसिएशन) · निर्माण (उत्पादन) वर्ष・विशेषताएँ · बाद में लिखा गया सारांश)
औद्योगिक रोबोट प्रौद्योगिकी के विकास का व्यवस्थित सर्वेक्षण (産業用ロボット技術発展の系統化調査) (राष्ट्रीय प्रकृति और विज्ञान संग्रहालय की प्रौद्योगिकी व्यवस्थित सर्वेक्षण रिपोर्ट, संग्रह 4, मार्च 2004) (योशिहिरो कुसुदा · 2004 · p.21-22 4.3 ठहराव का दौर (1970 के दशक का उत्तरार्ध)・फ़ोटो 4.18・नोट … · बाद में लिखा गया सारांश)
औद्योगिक रोबोट प्रौद्योगिकी का व्यवस्थित सर्वेक्षण (वित्त वर्ष 2024 संस्करण) (産業用ロボット技術の系統化調査（2024年度版）) (राष्ट्रीय प्रकृति और विज्ञान संग्रहालय की प्रौद्योगिकी व्यवस्थित सर्वेक्षण रिपोर्ट Vol.34, मार्च 2025) (नोरियो कोदाइरा · 2025 · p.134 4.1.3 जापान के प्रमुख निर्माताओं में विद्युत चालित रोबोट के… · बाद में लिखा गया सारांश)
युद्ध के बाद जापान के 100 चुने हुए नवाचार: तेज़ आर्थिक विकास के दौर के “औद्योगिक रोबोट”, नवाचार तक की प्रक्रिया और संदर्भ आदि (戦後日本のイノベーション100選高度経済成長期「産業用ロボット」イノベーションに至る経緯・参考文献等) (जापान आविष्कार और नवाचार संस्थान) (जापान आविष्कार और नवाचार संस्थान (सार्वजनिक हित निगमित संघ) · नवाचार तक की प्रक्रिया (नोट 17〜19)・संदर्भ आदि · बाद में लिखा गया सारांश)