Жасанды интеллекттің қаржылану және қызығушылықтың төмендеу кезеңдері

Кіріспе

Жасанды интеллект зерттеулерінің қаржыландыруы мен қызығушылығының төмендеу кезеңі

Жасанды интеллект тарихында «жасанды интеллект қысы» – жасанды интеллект зерттеулерінің қаржыландыруы мен қызығушылығының төмендеу кезеңі. Бұл сала бірнеше рет үміт күшеу кезеңдерін бастан кешірді, одан кейін көңілі толу мен сын, содан кейін қаржыландыруды қысқарту, ал жылдар немесе тіпті ондаған жылдар өткен соң қызығушылық қайта жанданды. Бұл термин алғаш рет 1984 жылы AAAI (кейін «Америка жасанды интеллект қауымдастығы» деп аталды) жылдық мәжілісінде өткен қоғамдық пікірталас тақырыбы ретінде пайда болды. Роджер Шэнк пен Марвин Мински – 1970 жылдардағы «қыс» кезеңін бастан өткерген екі жетекші ИИ зерттеушісі – 1980 жылдары ИИ-ге деген құлшыныс бақылаудан шығып, одан әрі көңілі толу күтіліп тұрғаны туралы бизнес қауымдастығын ескертті. Олар «ядролық қыс» сияқты тізбекті реакцияны сипаттады, ол ИИ қауымдастығындағы пессимизммен басталады, содан кейін баспасөзde пессимизм, содан кейін қаржыландыруды қысқарту, содан кейін күрделі зерттеулердің тоқтауы. Үш жылдан кейін миллиард долларлық ИИ индустриясы құлдырауға бет бұрды. Шамамен 1974–1980 және 1987–2000 жылдары екі үлкен «қыс» болды, сондай-ақ бірнеше шағын эпизодтар тіркелді, оның ішінде:

1966: машиналық аударманың сәтсіздігі
1969: перцептронға (алғашқы, бір қабатты жасанды нейрондық желілерге) сын
1971–75: DARPA-ның Карнеги Меллон университетіндегі Сөйлеуді түсіну зерттеу бағдарламасына наразылығы
1973: Литхилл есебіне жауап ретінде Ұлыбританияда ИИ зерттеулерінің күрт азаюы
1973–74: DARPA-ның академиялық ИИ зерттеулерін жалпы қысқартуы
1987: LISP машинасы нарығының құлдырауы
1988: Стратегиялық есептеулер бағдарламасы бойынша ИИ-ге жаңа қаржы жұмсаудың тоқтатылуы
1990 жылдар: көптеген сарапшы жүйелер қолданудан шығарылды
1990 жылдар: Бесінші буын компьютер жобасының бастапқы мақсаттарына қол жеткізілмеді

1990 жылдардың басында ИИ-ге деген құлшыныс пен оптимизм жалпы алғанда төмендегеннен кейін қайта жандана бастады. 2012 жылдан бастап зерттеу және корпоративтік қауымдастықтардың жасанды интеллектке (әсіресе машиналық оқыту саласына) қызығушылығы қаржыландыру мен инвестициялардың күрт өсуіне әкеліп соқты, нәтижесінде қазіргі (2024 жылға дейін) ИИ дамуына жол ашылды.

Машиналық аударма және 1966 жылғы ALPAC есебі

НЛП зерттеулері 1930 жылдардың басында басталып, машиналық аударма (МТ) жұмысымен өрістеді. Дегенмен, маңызды жетістіктер мен қолданыстар 1949 жылы Уоррен Уивердің ықпалды меморандумы жарияланғаннан кейін көріне бастады. Меморандум зерттеу қауымдастығында үлкен қызығушылық тудырды. Келесі жылдары бірқатар маңызды оқиғалар орын алды: IBM алғашқы машинаны жасауға кірісті, MIT машиналық аударма саласындағы алғашқы толық уақытты профессорын тағайындады және МТ-ға арналған бірнеше конференция өтті. Бұл 1954 жылы беделді газеттерде кеңінен жарияланған IBM Georgetown машинасының көпшілік алдындағы демонстрациясымен аяқталды. Барлық ИЖ өрлеулеріне орай, ИЖ қысы да болды, бұқаралық ақпарат құралдары осы жетістіктердің маңыздылығын асыра көрсетті. IBM-нің Джорджтаун эксперименті туралы хабарларда «Екі тілді машина», «Робот миы орыс тілінен патша ағылшын тіліне аударады» және «Көп тілді туынды» сияқты сөз тіркестері пайда болды. Алайда, шындығында машинаның сөздік қоры 250 сөзбен ғана шектелген, тек 49 орыс тіліндегі сөйлемді ағылшын тіліне аударды. Салқын соғыс кезінде АҚШ үкіметі орыс тіліндегі құжаттар мен ғылыми есептерді автоматты түрде, жылдам аударуға ерекше қызығушылық танытты. Үкімет 1954 жылдан бастап машиналық аударма саласындағы күш-жігерді белсенді түрде қолдады. Механикалық аударма саласын дамытуға ықпал еткен тағы бір фактор – Орталық барлау агенттігінің (ЦРУ) қызығушылығы болды. Осы кезеңде ЦРУ машиналық аударма мүмкіндіктерін дамытудың маңыздылығына сенді және осы бағыттағы бастамаларды қолдады. Олар бұл бағдарламаның ЦРУ мен барлау қоғамдастығының мүддесінен асып түсетінін де түсінді. Алайда, зерттеушілер сөздердің мағынасын ажыратудың қиындығын толық бағаламады. Сөйлемді аудару үшін машинаның сөйлемнің мазмұнын білуі қажет еді, әйтпесе қателіктер туындады. «Рух ынталы, бірақ дене әлсіз» деген сөздің ақталмаған мысалы бар. Орыс тіліне аударғанда, ол «водка жақсы, бірақ ет шіріген» болып шықты. Кейінгі зерттеушілер бұл мәселені жалпы білім проблемасы деп атады. 1964 жылы Ұлттық зерттеулер кеңесі прогрестің жоқтығына алаңдап, мәселені зерттеу үшін Автоматты тіл өңдеу жөніндегі консультативтік комитет (ALPAC) құрды. Олар 1966 жылы жарияланған атақты есепте машиналық аударманың адамнан аударғанға қарағанда қымбат, дәл емес және баяу екенін мәлімдеді. 20 миллион доллар жұмсағаннан кейін NRC барлық қолдауды тоқтатты. Мансаптар қирады, зерттеулер аяқталды. Символдарды өңдеу алгоритмдері сол кезде табиғи немесе жасанды интеллекттің мәні ретінде қаралатын логикалық ойлауды жүзеге асырудың құралы ретінде перспективалы көрінді. Фрэнк Розенблатт ойлап тапқан перцептронға деген қызығушылықты оның жеке басының күш-қуаты ғана сақтап қалды. Ол перцептронның «кейбір жағдайда тіл үйреніп, шешімдер қабылдап, тілдерді аудара алатынын» оптимистік көзқараспен болжады. Перцептронға қатысты негізгі зерттеулер ішінара аяқталды, өйткені 1969 жылы Марвин Мински мен Сеймур Паперттің «Перцептрон» кітабы перцептронның мүмкіндіктерін шектеулі екенін көрсетті. Көп қабатты перцептронның сынға ұшырамайтыны белгілі болғанмен, 1960 жылдары ешкім көп қабатты перцептронды қалай оқыту керектігін білген жоқ. Кері таралу әлі де бірнеше жылдан кейін ашылатын еді. 1970 және 1980 жылдардың басында нейрондық желілерге негіделген жобаларға қаржы табу қиын болды. Қаржыландырудың жетіспеуіне қарамастан маңызды теориялық жұмыстар жалғасты. Нейрондық желілерге қатысты «қыс» 1980 жылдардың ортасында Джон Хопфилд, Дэвид Румельхарт және басқалардың жұмыстары үлкен қызығушылықты қайта жаңғыртқан кезде аяқталды. Розенблатт бұл кездесуге үлкермеді, өйткені ол «Перцептрон» жарияланғаннан кейін көп ұзамай қайық апатында қаза тапты. Бұл есеп 1973 жылы BBC «Controversy» сериясында көрсетілген пікірталыста дау тудырды. «Жалпы мақсаттағы робот – иллюзия» тақырыбындағы Корольдік институттағы пікірталыста Лайтхилл Дональд Мичи, Джон Маккарти және Ричард Грегори командасына қарсы шықты. Кейіннен Маккарти «комбинаторлық жарылыс мәселесі АИ-де басынан бері танылды» деп жазды. Бұл есептің нәтижесінде Ұлыбританияда АИ зерттеулері толығымен тоқтатылды. Ол және оның бірнеше ізбасарлары ИИ-нің жетекшілеріне (Марвин Мински, Джон Маккарти, Герберт А. Саймон немесе Аллен Ньюэлл сияқты) оны қалағандай жұмсауға мүмкіндік берді. Бұл көзқарас 1969 жылы Мэнсфилд түзетуі қабылданғаннан кейін өзгерді, ол DARPA-ны «басқарылмаған негізгі зерттеулерге қарағанда, миссияға бағытталған тікелей зерттеулерді…» қаржыландыруға міндеттеді. 1960 жылдардағы сияқты таза зерттеулер енді DARPA-дан қаржыландырылмады. Зерттеушілер енді өздерінің жұмысы жақын арада пайдалы әскери технологияны тудыратынын көрсетуі керек болды. АИ зерттеу ұсыныстары өте жоғары стандарттарға сай болуы керек еді. Жағдайға Лighthill есебі және DARPA-ның өзінің зерттеуі (American Study Group) көбінесе АИ зерттеулері жақын болашақта ешқандай пайдалы нәтиже бермейтінін көрсеткен кезде оңайламады. DARPA-ның ақшасы автономды танктер және шайқас басқару жүйелері сияқты нақты мақсаттары бар нақты жобаларға бағытталды. 1974 жылға қарай АИ жобаларын қаржыландыру қиын болды. Моравек айтуынша, DARPA қызметкерлерінің кейбіреулері АИ зерттеулеріне көңілі тоққан. «DARPA-да бұл туралы тікелей айтылды: «осы адамдардың кейбіреулеріне сабақ берілуі керек, олардың жылына 2 миллион долларлық келісімшарттары дерлік нөлге дейін қысқартылуы керек!»» - деді Моравек Дэниел Кревиерге. Автономды танк жобасы сәтсіз аяқталса да, шайқас басқару жүйесі (Dynamic Analysis and Replanning Tool) өте табысты болды, алғашқы Gulf соғысында миллиардтаған доллар үнемдеді, DARPA-ның АИ-ға салған барлық инвестициясын өтеді және DARPA-ның прагматикалық саясатын ақтады.

NLP research has its roots in the early 1930s and begins its existence with the work on machine translation (MT). However, significant advancements and applications began to emerge after the publication of Warren Weaver's influential memorandum in 1949. The memorandum generated great excitement within the research community. In the following years, notable events unfolded: IBM embarked on the development of the first machine, MIT appointed its first full time professor in machine translation, and several conferences dedicated to MT took place. The culmination came with the public demonstration of the IBM Georgetown machine, which garnered widespread attention in respected newspapers in 1954. Just like all AI booms that have been followed by desperate AI winters, the media tended to exaggerate the significance of these developments. Headlines about the IBM Georgetown experiment proclaimed phrases like "The bilingual machine," "Robot brain translates Russian into King's English," and "Polyglot brainchild." However, the actual demonstration involved the translation of a curated set of only 49 Russian sentences into English, with the machine's vocabulary limited to just 250 words. During the Cold War, the US government was particularly interested in the automatic, instant translation of Russian documents and scientific reports. The government aggressively supported efforts at machine translation starting in 1954. Another factor that propelled the field of mechanical translation was the interest shown by the Central Intelligence Agency (CIA). During that period, the CIA firmly believed in the importance of developing machine translation capabilities and supported such initiatives. They also recognized that this program had implications that extended beyond the interests of the CIA and the intelligence community. However, researchers had underestimated the profound difficulty of word sense disambiguation. In order to translate a sentence, a machine needed to have some idea what the sentence was about, otherwise it made mistakes. An apocryphal example is "the spirit is willing but the flesh is weak." Translated back and forth with Russian, it became "the vodka is good but the meat is rotten." Later researchers would call this the commonsense knowledge problem. By 1964, the National Research Council had become concerned about the lack of progress and formed the Automatic Language Processing Advisory Committee (ALPAC) to look into the problem. They concluded, in a famous 1966 report, that machine translation was more expensive, less accurate and slower than human translation. After spending some 20 million dollars, the NRC ended all support. Careers were destroyed and research ended. algorithms for manipulating symbols seemed more promising at the time as means to achieve logical reasoning viewed at the time as the essence of intelligence, either natural or artificial. Interest in perceptrons, invented by Frank Rosenblatt, was kept alive only by the sheer force of his personality. He optimistically predicted that the perceptron "may eventually be able to learn, make decisions, and translate languages". Mainstream research into perceptrons ended partially because the 1969 book Perceptrons by Marvin Minsky and Seymour Papert emphasized the limits of what perceptrons could do. While it was already known that multilayered perceptrons are not subject to the criticism, nobody in the 1960s knew how to train a multilayered perceptrons. Backpropagation was still years away. Major funding for projects neural network approaches was difficult to find in the 1970s and early 1980s. Important theoretical work continued despite the lack of funding. The "winter" of neural network approach came to an end in the middle 1980s, when the work of John Hopfield, David Rumelhart and others revived large scale interest. Rosenblatt did not live to see this, however, as he died in a boating accident shortly after Perceptrons was published. The report was contested in a debate broadcast in the BBC "Controversy" series in 1973. The debate "The general purpose robot is a mirage" from the Royal Institution was Lighthill versus the team of Donald Michie, John McCarthy and Richard Gregory. McCarthy later wrote that "the combinatorial explosion problem has been recognized in AI from the beginning". The report led to the complete dismantling of AI research in the UK. and he and several successors allowed AI's leaders (such as Marvin Minsky, John McCarthy, Herbert A. Simon or Allen Newell) to spend it almost any way they liked. This attitude changed after the passage of Mansfield Amendment in 1969, which required DARPA to fund "mission oriented direct research, rather than basic undirected research". Pure undirected research of the kind that had gone on in the 1960s would no longer be funded by DARPA. Researchers now had to show that their work would soon produce some useful military technology. AI research proposals were held to a very high standard. The situation was not helped when the Lighthill report and DARPA's own study (the American Study Group) suggested that most AI research was unlikely to produce anything truly useful in the foreseeable future. DARPA's money was directed at specific projects with identifiable goals, such as autonomous tanks and battle management systems. By 1974, funding for AI projects was hard to find. The result, Moravec claims, is that some of the staff at DARPA had lost patience with AI research. "It was literally phrased at DARPA that 'some of these people were going to be taught a lesson having their two million dollar a year contracts cut to almost nothing!'" Moravec told Daniel Crevier. While the autonomous tank project was a failure, the battle management system (the Dynamic Analysis and Replanning Tool) proved to be enormously successful, saving billions in the first Gulf War, repaying all of DARPAs investment in AI and justifying DARPA's pragmatic policy.

Кері пікір

Томас Хей ИА саласындағы белсенділік, тіпті Қорғаныс министрлігінің қаржысы қайта бағытталғанымен, негізінен Конгресс заңдары әскери және академиялық қызметті ажыратуды көздегендіктен, баяуламайтынын айтады. Шын мәнінде, 70-жылдар бойы кәсіби қызығушылық артып жатты. ACM-нің SIGART, Жасанды интеллект бойынша арнайы қызығушылық тобының мүшелік санын тақырыпқа деген қызығушылықты көрсететін индикатор ретінде пайдаланып, автор былай деп жазады: «Мен екі дерек көзін таптым, олардың ешқайсысы 1970-ші жылдардағы жалпыға ортақ AI қысы идеясын қолдамайды. Бірі – ACM-нің SIGART мүшелігі, ол 1970-ші жылдары жаңалықтар мен зерттеулердің тұжырымдамаларын бөлісуге арналған негізгі аламат болды. 1973 жылы Лайтхилл есебі жарияланғанда, қарқынды өсіп келе жатқан топта 1241 мүше болды, бұл 1969 жылғы көрсеткіштен шамамен екі есе көп. Келесі бес жыл әдетте AI-дың алғашқы қысының ең қиын кезеңі деп есептеледі. ИА қауымдастығы кішірейіп бара ма? Жоқ! 1978 жылдың ортасына қарай SIGART мүшелігі үш есеге өсіп, 3500 адамға жетті. Топ бұрынғыдан да жылдам өсіп қана қоймай, жалпы ACM-ге қарағанда пропорционалды түрде жылдам өсіп жатты, ол тұрақтанған (1969 жылдан 1978 жылға дейінгі кезеңде 50%-дан аз өсімді көрсетті). ACM мүшелерінің әрбір 11-інің бірі SIGART-та болды».

LISP машиналар нарығының құлдырауы

1980 жылдары әлемдегі корпорациялар "сарапшы жүйе" деп аталатын ЖА бағдарламасының бір түрін қабылдады. Алғашқы коммерциялық сарапшы жүйе XCON болды, ол Карнеги Меллонда Digital Equipment Corporation үшін жасалды және үлкен табысқа ие болды: компания алты жыл ішінде 40 миллион доллар үнемдеді деп есептелді. Әлемдегі корпорациялар сарапшы жүйелерді әзірлеуге және енгізуге кірісті, ал 1985 жылы олар ИЖ-ге миллиард доллардан астам қаражат жұмсады, оның көп бөлігі өз ішкі ИЖ бөлімдеріне бағытталды. Оларды қолдау үшін индустрия өркендеді, соның ішінде Teknowledge және Intellicorp (KEE) сияқты бағдарламалық қамтамасыз ету компаниялары, Symbolics және LISP Machines Inc. сияқты аппараттық компаниялар арнайы компьютерлер жасады, олар LISP машиналары деп аталды, және АҚШ-тағы ИЖ зерттеулері үшін таңдалған LISP бағдарламалау тілін өңдеуге бапталып жасалды. 1987 жылы, Мински мен Шэнктың болжамынан үш жыл өткен соң, LISP-ге негізделген арнайы ИЖ аппараттық нарығы құлдырады. Sun Microsystems сияқты компаниялардың жұмыс станциялары LISP машиналарына қуатты балама ұсынды, ал Lucid сияқты компаниялар осы жаңа жұмыс станциялары класы үшін LISP ортасын ұсынды. Бұл жалпы жұмыс станцияларының өнімділігі LISP машиналары үшін күшті сынаққа ұшырады. Lucid және Franz LISP сияқты компаниялар LISP-тің барлық UNIX жүйелеріне орнатылатын, жақсартылған нұсқаларын ұсынды. Мысалы, жұмыс станцияларының LISP машиналарынан артық өнімділігін көрсететін өлшемдер жарияланды. Кейін Apple және IBM компаниялары жасаған үстел компьютерлері LISP қолданбаларын іске қосу үшін қарапайым және кең таралған архитектура ұсынды. 1987 жылы олардың кейбіреулері қымбат LISP машиналарымен салыстырылатын қуатқа ие болды. Үстел компьютерлерінде CLIPS сияқты ережелерге негізделген механизмдер болды. Бұл баламалар тұтынушыларға LISP-ті іске қосуға арналған қымбат машинаны сатып алудың қажеттілігін жойды. Бір жылдың ішінде жарты миллиард долларлық сала толығымен жойылды. 1990 жылдардың басында Symbolics, LISP Machines Inc., Lucid Inc. және т.б. сияқты көптеген коммерциялық LISP компаниялары банкротқа ұшырады. Texas Instruments және Xerox сияқты басқа компаниялар бұл саладан бас тартты. LISP-те жазылған және LISP машиналарында жасалған жүйелерді пайдаланған шағын клиенттік компаниялар жүйелерді қолдауды жалғастырды. Кейбір жағдайларда бұл техникалық қолдау жұмыстарын өз мойнына алуды білдірді.

In the 1980s, a form of AI program called an "expert system" was adopted by corporations around the world. The first commercial expert system was XCON, developed at Carnegie Mellon for Digital Equipment Corporation, and it was an enormous success: it was estimated to have saved the company 40 million dollars over just six years of operation. Corporations around the world began to develop and deploy expert systems and by 1985 they were spending over a billion dollars on AI, most of it to in house AI departments. An industry grew up to support them, including software companies like Teknowledge and Intellicorp (KEE), and hardware companies like Symbolics and LISP Machines Inc. who built specialized computers, called LISP machines, that were optimized to process the programming language LISP, the preferred language for AI research in the USA. In 1987, three years after Minsky and Schank's prediction, the market for specialized LISP based AI hardware collapsed. Workstations by companies like Sun Microsystems offered a powerful alternative to LISP machines and companies like Lucid offered a LISP environment for this new class of workstations. The performance of these general workstations became an increasingly difficult challenge for LISP Machines. Companies like Lucid and Franz LISP offered increasingly powerful versions of LISP that were portable to all UNIX systems. For example, benchmarks were published showing workstations maintaining a performance advantage over LISP machines. Later desktop computers built by Apple and IBM would also offer a simpler and more popular architecture to run LISP applications on. By 1987, some of them had become as powerful as the more expensive LISP machines. The desktop computers had rule based engines such as CLIPS available. These alternatives left consumers with no reason to buy an expensive machine specialized for running LISP. An entire industry worth half a billion dollars was replaced in a single year. By the early 1990s, most commercial LISP companies had failed, including Symbolics, LISP Machines Inc., Lucid Inc., etc. Other companies, like Texas Instruments and Xerox, abandoned the field. A small number of customer companies (that is, companies using systems written in LISP and developed on LISP machine platforms) continued to maintain systems. In some cases, this maintenance involved the assumption of the resulting support work.

Сараптамалық жүйелерді енгізудің баяулауы

1990 жылдардың басында XCON сияқты алғашқы табысты сарапшы жүйелерді күтіп ұстау өте қымбатқа түсті. Оларды жаңарту қиын болды, олар өздігінен үйрене алмады, "нағыз осал" еді (яғни, ерекше жағдайларда берілген деректерде қателіктер жасауға бейім болды) және монотондық емес логика саласындағы зерттеулерде бұрын анықталған мәселелерге (мысалы, біліктілік мәселесі) ұшырады. Сарапшы жүйелер пайдалы болды, бірақ тек бірнеше арнайы жағдайларда ғана. Тағы бір мәселе – жалпы білімді сақтаудағы шындықты сақтаудың есептеу қиындығы болды. KEE бірнеше әлемдік сценарийлерді қолдайтын, болжамға негізделген тәсілді пайдаланды, оны түсіну және қолдану қиын болды (қараңыз NASA, TEXSYS). Қалған сарапшы жүйелер компаниялары ақырында штатты қысқартуға және жаңа нарықтар мен бағдарламалық жасақтама парадигмаларын іздеуге мәжбүр болды, мысалы, жағдайлық талдау немесе жалпы деректер базасына қол жеткізу. Common Lisp-тің дамуы білімге негізделген инженерияда қолданылған ICAD сияқты көптеген жүйелерді сақтап қалды. Intellicorp-тің KEE сияқты басқа жүйелер LISP-тен C++ (нұсқасына) PC-ге көшірілді және объектіге бағытталған технологияны құруға көмектесті (соның ішінде UML-нің дамуына маңызды қолдау көрсетті) (қараңыз UML серіктестері).

Бесінші буын жобасының аяқталуы

1981 жылы Жапонияның Халықаралық сауда және өнеркәсіп министрлігі Бесінші буын компьютер жобасына 850 миллион доллар бөлді. Олардың мақсаты – адамдармен сөйлесе алатын, тілдерді аударатын, суреттерді түсіндіретін және адам сияқты ойлай алатын бағдарламалар жазу және машиналар құрастыру еді. 1991 жылға қарай 1981 жылы белгіленген мақсаттардың тізімі орындалмады. Х. Ньюквисттің "Ми жасаушылар" еңбегінде айтылғандай: "1992 жылдың 1 маусымында Бесінші буын жобасы үлкен жетістікпен емес, көңілсіздікпен аяқталды".

Стратегиялық есептеулер бастамасының қысқартулары

1983 жылы бесінші буын жобасына жауап ретінде DARPA стратегиялық есептеулер бастамасы арқылы жасанды интеллект зерттеулерін қайта қаржыландыра бастады. Бастапқы ұсыныс бойынша жоба нақты, қол жетімді мақсаттармен басталуы керек еді, тіпті ұзақ мерзімді мақсат ретінде жалпы жасанды интеллектті де қамтуы мүмкін. Бағдарламаны Ақпараттық өңдеу технологиялары кеңсесі (IPTO) басқарды, сонымен қатар ол суперкомпьютерлер мен микроэлектроникаға да бағытталған болатын. 1985 жылға қарай 100 миллион доллар жұмсалып, 60 мекемеде 92 жоба жүргізілді, олардың жартысы өнеркәсіпте, жартысы университеттер мен мемлекеттік зертханаларда. Жасанды интеллект зерттеулеріне SCI жақсы қаржы бөлді. 1987 жылы IPTO басшылығына келген Джек Шварц сарапшы жүйелерін «шебер бағдарламалау» деп бағалап, жасанды интеллектке қаржыны «күшті және кешірімсіз» қысқарды, SCI-ді «толық құлатты». Шварц DARPA қаржысын ең перспективалы технологияларға ғана жұмсауы керек деп ойлады, оның сөзімен айтқанда, DARPA «құбылуға» емес, «серфинг жасауы» керек, және ол жасанды интеллект «келесі толқын» емес деп сенді. Бағдарламаның ішкі сарапшылары байланыс, ұйымдастыру және интеграция мәселелерін атап көрсетті. Қаржыны қысқартудан кейін бірнеше жоба сақталды, соның ішінде ұшқышқа көмекші және автономды құрлықтағы көлік (құрылған жоқ) және DART шайқас басқару жүйесі, ол (жоғарыда айтылғандай) сәтті аяқталды.