75 år på 15 minutter: fra Turing til ChatGPT

Det føles som om AI dukket opp i 2022 sammen med ChatGPT. Faktisk er historien 75 år gammel, og den er full av genier, drama og brutte løfter. La oss begynne.

Prøv det først — rett her. Under prompten er det en «Kjør»-knapp: trykk på den, og en ekte AI svarer på denne siden — alt som skal til, er en gratis ett-klikks pålogging (Google eller Telegram). Skriv inn din egen jobb i parentesene — eller kjør den som den er:

You are an experienced assistant. I work as a [your job].
Name 5 work tasks you could take off my hands,
and for each one give a short example of the request I'd send you.

Det er det AI er: du skrev oppgaven med enkle ord — den gjorde jobben. Hele dette kurset handler om å få slike svar pålitelig, ikke ved flaks. Husk hvordan dette minuttet føltes — nå tilbake til historien, uten den gir AI aldri helt mening.

Akt I. Mannen som stilte spørsmålet (1950)

England, 1950. Matematikeren Alan Turing publiserer en artikkel med et dristig spørsmål: «Kan maskiner tenke?» Dette er den samme Turing som brøt Enigma-krypteringsmaskinen under andre verdenskrig. Historikere anslår at det forkortet krigen med to år.

I stedet for å diskutere filosofi foreslår han et spill — vi kaller det nå Turing-testen. Ideen er enkel: hvis du ikke kan skille en maskin fra et menneske i en skriftlig samtale, spiller det da noen rolle om den «tenker»? Resultatet trumfer definisjonen. Syttito år senere ville millioner av mennesker daglig chatte med en maskin som er stadig vanskeligere å skille fra et menneske. Turing fikk aldri oppleve det. Han døde i 1954, 41 år gammel, forfulgt av den samme regjeringen han hadde bidratt til å redde. I dag bærer den gjeveste prisen innen informatikk — Turing Award — hans navn.

Akt II. Begrepet blir født, og det samme gjør løftene (1956–1969)

Sommeren 1956, Dartmouth College i USA. En ung matematiker ved navn John McCarthy samler et par dusin forskere til et sommerverksted og, for søknaden om støtte, finner opp en fengende merkelapp: artificial intelligence. Begrepet vi alle bruker er bokstavelig talt 70 år gammelt, og det ble født som markedsføring for en bevilgning.

Optimismen var skyhøy. I 1958 avduket psykologen Frank Rosenblatt perceptronen — det første lærende «nevrale nettverket», på størrelse med et klesskap. The New York Times skrev at maskiner snart ville «gå, snakke, se og være bevisste på sin eksistens». Pionerene lovet intelligens på menneskelig nivå «innen 20 år».

Akt III. AI-vintrene (1970-tallet og slutten av 1980-tallet)

Nesten alt gikk galt: datamaskiner var millioner av ganger for svake, det fantes ingen data, og metodene selv nådde et tak. I 1973 rev den britiske Lighthill-rapporten feltet fra hverandre: løftene var ikke blitt holdt. Finansieringen ble kuttet, laboratorier stengt — AI-vinteren hadde kommet. På 80-tallet gjentok «ekspertsystemer» (programmer laget av tusenvis av hvis-da-regler) historien: en boom, milliarder investert, deretter en ny kollaps da det viste seg at reglene var umulige å vedlikeholde.

Husk dette mønsteret: overdrevne løfter → skuffelse → krasj. Det forklarer også dagens diskusjoner om AI.

Akt IV. Den stille revolusjonen (1990–2012)

Mens «AI» praktisk talt var et skjellsord, fortsatte en liten gruppe forskere — blant dem Geoffrey Hinton, en av de ledende hjernene bak nevrale nettverk og en Nobel-prisvinner i 2024 — sta å jobbe med dem. Ideen deres var enkel og radikal: ikke programmer inn kunnskapen, la maskinen lære av eksempler. To ingredienser manglet: data og datakraft.

Internett brakte begge deler. Innen 2012 hadde milliarder av merkede bilder hopet seg opp, og grafikkortene bygget for spilling (GPUs) viste seg å være perfekte for å trene nevrale nettverk. I 2012 knuste AlexNet, bygget av Hinton og hans studenter, feltet i ImageNet-bildegjenkjenningskonkurransen: marginen var enorm — feilraten falt fra omtrent 26 % til 15 % på ett enkelt år. Kappløpet var i gang.

Akt V. Eksplosjonen (2016–2022)

2016: AlphaGo slår verdensmesteren i Go, Lee Sedol — i et spill med flere mulige posisjoner enn det finnes atomer i universet. Kommentatorer kalte dets 37. trekk i kamp to «ikke et menneskelig trekk, og ikke et maskintrekk, men noe nytt».

2017: Google-ingeniører introduserer en ny nevralnettverksarkitektur — transformeren. En arkitektur er nettverkets interne oppsett: skjemaet det følger for å behandle informasjon. Eldre skjemaer leste tekst ord for ord og hadde, ved slutten av en lang setning, «glemt» starten. Transformeren ser på hele teksten samtidig og finner ut hvilke ord som er koblet til hvilke — mekanismen ble kalt «attention».

Et slikt nettverk kan trenes på gigantiske mengder tekst, og det er selve tingen bak T-en i GPT — Generative Pretrained Transformer. Data og kraft hadde nå en tredje følgesvenn: den rette arkitekturen.

30. november 2022: OpenAI åpner ChatGPT for publikum. 100 millioner brukere på to måneder — på den tiden den raskeste veksten noen forbrukerapp noensinne hadde sett (Instagram brukte 2,5 år på å nå det, TikTok 9 måneder). Rekorden for ren hastighet ville senere falle til Threads, som nådde 100 millioner på fem dager — men det var ChatGPT som først viste at AI hadde blitt et masseprodukt. En 75 år gammel historie gikk ut av laboratoriene og inn i alles telefoner.

Hva dette betyr for deg

Tre hovedpunkter du vil bruke i hver leksjon som følger. Én: moderne AI lærer av eksempler i stedet for å følge programmerte regler — Hintons idé slo ekspertsystemene fra Akt III. To: gjennombruddet kom da tre ingredienser møttes — data (internett), kraft (GPUs) og arkitektur (transformeren) — og alle tre vokser fortsatt. Tre: som AI-vintrene viste, kan dette feltet både love for mye og levere over forventning — så herfra vil vi skille virkelighet fra hype ved hjelp av fakta.

Og hvis du allerede prøvde forespørselen fra toppen av denne leksjonen, kall det ditt første praktiske skritt: det kommer mange flere, og med hver av dem vil AI følge deg mer presist.