75 lat w 15 minut: od Turinga do ChatGPT

Może ci się wydawać, że AI pojawiło się w 2022 roku wraz z ChatGPT. W rzeczywistości ta historia ma 75 lat i jest pełna geniuszy, dramatów i niespełnionych obietnic. No to zaczynamy.

Wypróbuj to najpierw – tutaj. Poniżej promptu znajdziesz przycisk „Uruchom”: naciśnij go, a prawdziwa sztuczna inteligencja odpowie na tej stronie – wystarczy darmowe logowanie jednym kliknięciem (Google lub Telegram). Wpisz swój zawód w nawiasach – albo uruchom tak, jak jest:

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.

Właśnie tym jest AI: napisałeś zadanie prostymi słowami – a ono wykonało pracę. Ten cały kurs jest o tym, jak uzyskiwać takie odpowiedzi niezawodnie, a nie na chybił trafił. Zapamiętaj, jak czułeś się w tej chwili – teraz wracamy do historii, bez której AI nigdy nie ma pełnego sensu.

Akt I. Człowiek, który zadał pytanie (1950)

Anglia, 1950. Matematyk Alan Turing publikuje artykuł z odważnym pytaniem: „Czy maszyny mogą myśleć?” To ten sam Turing, który złamał maszynę szyfrującą Enigma podczas II wojny światowej. Historycy szacują, że skróciło to wojnę o dwa lata.

Zamiast wdawać się w filozoficzne dyskusje, proponuje grę – dziś nazywamy ją testem Turinga. Pomysł jest prosty: jeśli nie potrafisz odróżnić maszyny od człowieka w pisemnej rozmowie, czy ma znaczenie, czy ona „myśli”? Wynik jest ważniejszy niż definicja. Siedemdziesiąt dwa lata później miliony ludzi codziennie rozmawiają z maszyną, którą coraz trudniej odróżnić od człowieka. Turing nigdy tego nie doczekał. Zmarł w 1954 roku w wieku 41 lat, prześladowany przez ten sam rząd, który pomógł ocalić. Dziś najważniejsza nagroda w informatyce – Turing Award – nosi jego imię.

Akt II. Rodzi się termin i obietnice (1956–1969)

Lato 1956, Dartmouth College w USA. Młody matematyk John McCarthy zbiera kilkudziesięciu naukowców na letnie warsztaty i, na potrzeby wniosku o grant, wymyśla chwytliwą nazwę: sztuczna inteligencja. Termin, którego wszyscy używamy, ma dosłownie 70 lat i narodził się jako chwyt marketingowy dla grantu.

Optymizm sięgał zenitu. W 1958 roku psycholog Frank Rosenblatt zaprezentował perceptron – pierwszą uczącą się „sieć neuronową”, wielkości szafy. The New York Times pisał, że maszyny wkrótce będą „chodzić, mówić, widzieć i być świadome swojego istnienia”. Pionierzy obiecywali inteligencję na poziomie ludzkim „w ciągu 20 lat”.

Akt III. Zimy AI (lata 70. i późne lata 80.)

Prawie wszystko poszło nie tak: komputery były miliony razy za słabe, brakowało danych, a same metody osiągnęły swój limit. W 1973 roku brytyjski raport Lighthilla rozniósł tę dziedzinę w pył: obietnice nie zostały spełnione. Finansowanie zostało obcięte, laboratoria zamknięte – nadeszła zima AI. W latach 80. „systemy eksperckie” (programy składające się z tysięcy reguł typu „jeśli-wtedy”) powtórzyły tę historię: boom, miliardy zainwestowane, a potem drugi upadek, gdy okazało się, że reguły są niemożliwe do utrzymania.

Zapamiętaj ten wzorzec: przesadzone obietnice → rozczarowanie → załamanie. Wyjaśnia to również dzisiejsze dyskusje o AI.

Akt IV. Cicha rewolucja (1990–2012)

Podczas gdy „AI” było praktycznie słowem zakazanym, mała grupa naukowców – wśród nich Geoffrey Hinton, jeden z czołowych umysłów stojących za sieciami neuronowymi i laureat Nagrody Nobla 2024 – uparcie nad nimi pracowała. Ich pomysł był prosty i radykalny: nie programuj wiedzy, pozwól maszynie uczyć się na przykładach. Brakowało dwóch składników: danych i mocy obliczeniowej.

Internet przyniósł oba. Do 2012 roku nagromadziły się miliardy oznaczonych zdjęć, a karty graficzne stworzone do gier (GPUs) okazały się idealne do trenowania sieci neuronowych. W 2012 roku AlexNet, stworzony przez Hintona i jego studentów, zmiażdżył konkurencję w konkursie rozpoznawania obrazów ImageNet: przewaga była ogromna – wskaźnik błędów spadł z około 26% do 15% w ciągu jednego roku. Wyścig się rozpoczął.

Akt V. Eksplozja (2016–2022)

2016: AlphaGo pokonuje mistrza świata Go, Lee Sedola – w grze z większą liczbą możliwych pozycji niż atomów we wszechświecie. Komentatorzy nazwali 37. ruch w drugiej grze „nie ludzkim ruchem, ani nie maszynowym, ale czymś nowym”.

2017: Inżynierowie Google wprowadzają nową architekturę sieci neuronowych – transformer. Architektura to wewnętrzny układ sieci: schemat, według którego przetwarza informacje. Starsze schematy czytały tekst słowo po słowie i pod koniec długiego zdania „zapominały” początek. Transformer patrzy na cały tekst jednocześnie i ustala, które słowa są ze sobą połączone – mechanizm ten nazwano „uwagą”.

Taka sieć może być trenowana na gigantycznych ilościach tekstu i to właśnie ona stoi za literą T w GPT – Generative Pretrained Transformer. Dane i moc miały teraz trzeciego towarzysza: właściwą architekturę.

30 listopada 2022: OpenAI udostępnia ChatGPT publicznie. 100 milionów użytkowników w dwa miesiące – w tamtym czasie najszybszy wzrost, jaki kiedykolwiek odnotowała aplikacja konsumencka (Instagram potrzebował 2,5 roku, TikTok 9 miesięcy). Rekord czystej szybkości pobił później Threads, który osiągnął 100 milionów w pięć dni – ale to ChatGPT jako pierwszy pokazał, że AI stało się produktem masowym. 75-letnia historia wyszła z laboratoriów i trafiła do telefonów każdego.

Co to oznacza dla ciebie

Trzy wnioski, które wykorzystasz w każdej kolejnej lekcji. Jeden: nowoczesne AI uczy się na przykładach, zamiast podążać za zaprogramowanymi regułami – pomysł Hintona pokonał systemy eksperckie z Aktu III. Dwa: przełom nastąpił, gdy spotkały się trzy składniki – dane (internet), moc (GPUs) i architektura (transformer) – a wszystkie trzy wciąż rosną. Trzy: jak pokazały zimy AI, ta dziedzina potrafi zarówno obiecywać zbyt wiele, jak i dostarczać ponad oczekiwania – więc od teraz będziemy oddzielać rzeczywistość od szumu medialnego, opierając się na faktach.

A jeśli już wypróbowałeś prośbę z początku tej lekcji, nazwij to swoim pierwszym praktycznym krokiem: nadchodzi ich o wiele więcej, a z każdym kolejnym AI będzie podążać za tobą dokładniej.