Язык, который придумали для ИИ в 1958-м — ინსაითი

დღევანდელ ტექნოლოგიურ სამყაროში Lisp-ი ხშირად აღიქმება როგორც ისტორიული არტეფაქტი, რომელიც მხოლოდ ძველ სახელმძღვანელოებში გვხვდება. მიუხედავად ამისა, ეს ენა წარმოადგენს საფუძველს, რომლისგანაც თანამედროვე პროგრამირებამ, მათ შორის პოპულარულმა Python-მა, მრავალი მნიშვნელოვანი კონცეფცია მიიღო.

Lisp-ის ისტორია მჭიდროდ არის დაკავშირებული მათემატიკოს ჯონ მაკკარტისთან. მისი შეფასებით, მანქანების აზროვნების სწავლება ტექნიკურად შესაძლებელი იყო. თავად ტერმინი „ხელოვნური ინტელექტი“ (artificial intelligence) პირველად გაჩნდა 1955 წელს, დორტმუნდის საზაფხულო სემინარის განაცხადში, რომლის ერთ-ერთი ორგანიზატორიც მაკკარტი გახლდათ, ხოლო თავად შეხვედრა 1956 წელს შედგა.

1958 წელს მაკკარტიმ მასაჩუსეტსის ტექნოლოგიურ ინსტიტუტში (MIT) მარვინ მინსკისთან ერთად დააფუძნა პროექტი AI Project, რაც მოგვიანებით MIT AI Lab-ის სახელით გახდა ცნობილი. პროექტზე მუშაობისას მაკკარტიმ აღნიშნა, რომ იმ დროისთვის არსებული ინსტრუმენტები არ გამოდგებოდა ხელოვნური ინტელექტის ამოცანების გადასაჭრელად.

Fortran-ი შექმნილი იყო ფორმულების თარგმნისა და რიცხვითი გამოთვლებისთვის, ხოლო ხელოვნური ინტელექტი მოითხოვდა მუშაობას სიმბოლურ ინფორმაციასთან. საწყისი ენების შეზღუდვების გაცნობიერების შემდეგ, 1960 წელს მაკკარტიმ თავის ფუნდამენტურ სტატიაში განმარტა სიმბოლური გამოსახულებების რეკურსიული ფუნქციების პრინციპები.

სიმბოლური ინფორმაციის დამუშავების პრობლემის გადასაჭრელად IBM-ის ინჟინრებმა, ჰერბერტ გელერნტერმა და კარლ გერბერიხმა მაკკარტის მონაწილეობით შექმნეს FLPL (Fortran List Processing Language) სისტემა. არსებული ცნობით, FLPL-მა ხელი შეუწყო პირველი გეომეტრიული თეორემების დამამტკიცებელი სისტემების შექმნას, თუმცა მან ნათლად გამოავლინა რეკურსიისა და რთული სტრუქტურების მართვის ნაკლებობა Fortran-ში.

მაკკარტიმ გამოიყენა ალონზო ჩერჩის ლამბდა-გამოთვლებიდან ფუნქციების აღნიშვნის LAMBDA ნოტაცია. თუმცა მოგვიანებით თავადვე აღიარა: „ნოტაცია ავიღე, რადგან ის მოსახერხებელი მეჩვენა, მაგრამ მის თეორიულ საფუძველში კარგად არ ვიყავი ჩახედული“. Lisp-ის უმნიშვნელოვანესი აღმოჩენა გახდა eval ფუნქცია, რომელმაც პროგრამა მონაცემებად აქცია და შესაძლებელი გახადა მისი სხვადასხვა ფორმით გადაცემა და გაშვება.

მაკკარტი არ გეგმავდა eval ფუნქციის რეალურ კომპიუტერზე რეალიზებას, თუმცა მისმა ახალგაზრდა თანამშრომელმა სტივ რასელმა IBM 704-ისთვის ინტერპრეტატორი მანქანურ კოდში დაწერა. ამ ნაბიჯმა დაამტკიცა, რომ თეორიული მოდელი პრაქტიკაში წარმატებით მუშაობდა და საფუძველი ჩაუყარა პირველ ინტერპრეტატორს.

Lisp-მა პირველმა შემოიღო მეხსიერების ავტომატური გაწმენდის მეთოდი (Garbage collection), კოდის როგორც მონაცემების აღქმის იდეა, რეკურსია და პირობითი გამოსახულებები, როგორიცაა if-then-else. გარდა ამისა, ინტერაქტიული REPL-ციკლი სწორედ Lisp-ის ადრეული კულტურიდან ჩამოყალიბდა და დღეს პოპულარულ Python-სა და Node.js-ში გამოიყენება.

1980-იან წლებში Lisp-ის მოდელების პოპულარობამ პიკს მიაღწია, თუმცა ჩვეულებრივი კომპიუტერები მათ ძალიან ნელა ამუშავებდნენ. ამ პრობლემის მოსაგვარებლად შეიქმნა სპეციალური Lisp-კომპიუტერები, რომელთა ფასიც 150 000 დოლარიდან იწყებოდა, თუმცა Unix-ის სამუშაო სადგურების გამოჩენამ ეს მიმართულება ეკონომიკურად წამგებიანი გახადა.

მოვლენების განვითარებამ აჩვენა, რომ 1993 წელს წამყვანი მწარმოებელი კომპანია Symbolics-ი გაკოტრდა, თუმცა მათ მიერ შექმნილი ვებგვერდი symbolics.com გახდა ისტორიაში პირველი დარეგისტრირებული დომენი .com ზონაში. ხელოვნური ინტელექტის განვითარებამ საბოლოოდ სტატისტიკური მანქანური სწავლებისკენ და ნეიროქსელებისკენ გადაინაცვლა.

Symbolics-ის ვებგვერდი symbolics.com დარეგისტრირდა 1985 წლის 15 მარტს და დღემდე რჩება ინტერნეტის ისტორიაში პირველ ოფიციალურ დომენად. მიუხედავად იმისა, რომ კომპანიამ Unix-ის სადგურებთან კონკურენციას ვერ გაუძლო, ამ ფაქტმა Lisp-ის სახელი სამუდამოდ ჩაწერა მსოფლიო ქსელის საწყის ისტორიაში, როგორც ტექნოლოგიური პიონერის.

თანამედროვე ეტაპზე Python-ი გახდა ხელოვნური ინტელექტის წამყვანი ენა, რადგან ის C++ და CUDA პლატფორმებთან ერთად მილიარდობით მატრიცული გამრავლებების სწრაფ შესრულებას უზრუნველყოფს. თუმცა, Lisp-ის 3 ძირითადი დიალექტი - Common Lisp, Scheme და Clojure კვლავ აგრძელებს სიცოცხლეს სხვადასხვა ვიწრო და სპეციალიზებულ სფეროში.

დღეს ექსპერტები ვარაუდობენ, რომ აგენტური სისტემები, რომლებიც გეგმავენ და ცვლიან კოდს მუშაობის პროცესში, შესაძლოა კვლავ დაუბრუნდნენ Lisp-ის ძველ იდეებს. ცოცხალი გარემოს შექმნა და პროგრამის შეცვლა მისი გაშვების დროს სწორედ ის უპირატესობებია, რასაც Lisp-ის არქიტექტურა ათწლეულების წინ გვთავაზობდა.