75 лет за 15 минут: от Тьюринга до ChatGPT

Кажется, что ИИ появился в 2022-м вместе с ChatGPT. На самом деле этой истории 75 лет, и она полна гениев, драм и обманутых надежд. Поехали.

Сначала попробуй — прямо здесь. Под запросом ниже есть кнопка «Запустить»: нажми её, и настоящий ИИ ответит прямо на этой странице — понадобится только бесплатный вход в один клик (Google или Telegram). Подставь свою профессию вместо скобок — или запусти как есть:

Сначала попробуй — прямо здесь. Под запросом ниже кнопка «🚀 Запустить»: нажми, и ИИ ответит прямо в чате. Подставь свою профессию вместо скобок — или запусти как есть:

Ты — опытный помощник. Я работаю [твоя профессия].
Назови 5 рабочих задач, которые ты мог бы взять на себя,
и к каждой дай короткий пример запроса, который я бы тебе отправил.

Вот это и есть ИИ: ты написал задачу словами — он сделал. Весь курс о том, как получать от него такие ответы стабильно, а не случайно. Запомни ощущение от этой минуты — и вернёмся к истории, без которой ИИ по-настоящему не понять.

Акт I. Человек, который придумал вопрос (1950)

Англия, 1950 год. Математик Алан Тьюринг публикует статью с дерзким вопросом: «Может ли машина мыслить?» Это тот самый Тьюринг, что во Вторую мировую взломал шифровальную машину «Энигма». По оценкам историков, это сократило войну на два года.

Вместо философских споров он предлагает игру — теперь её зовут тестом Тьюринга. Идея простая: если в переписке ты не можешь отличить машину от человека — какая разница, «мыслит» она или нет? Результат важнее определений. Спустя 72 года миллионы людей будут каждый день переписываться с машиной, которую всё труднее отличить от человека. Сам Тьюринг этого не увидит. В 1954 году он уйдёт из жизни в 41 год — его преследовало собственное государство, которое он же спас. Сегодня главная награда в компьютерных науках — премия Тьюринга — носит его имя.

Акт II. Рождение термина и первые обещания (1956–1969)

Лето 1956-го, американский колледж Дартмут. Молодой математик Джон Маккарти собирает два десятка учёных на летний семинар и для заявки на грант придумывает звучное название: artificial intelligence — «искусственный интеллект». Термину, которым мы пользуемся, буквально 70 лет, и родился он как маркетинг для гранта.

Оптимизм зашкаливал. В 1958-м психолог Фрэнк Розенблатт показал перцептрон — первую обучающуюся «нейросеть» размером со шкаф. The New York Times написала, что вскоре машины «будут ходить, говорить, видеть и осознавать себя». Пионеры обещали человеческий уровень интеллекта «через 20 лет».

Акт III. Зимы ИИ (1970-е и конец 1980-х)

Пошло не так почти всё: компьютеры были в миллионы раз слабее нужного, данных не было, а сами методы упирались в потолок. В 1973-м британский отчёт Лайтхилла разгромил область: обещания не выполнены. Финансирование срезали, лаборатории закрылись — наступила «зима ИИ». В 80-е историю повторили «экспертные системы» (программы из тысяч правил «если-то»): бум, миллиардные инвестиции — и второй коллапс, когда выяснилось, что правила невозможно поддерживать.

Запомни этот паттерн: завышенные обещания → разочарование → обвал. Он объяснит тебе и сегодняшние споры об ИИ.

Акт IV. Тихая революция (1990–2012)

Пока термин «ИИ» был почти ругательством, небольшая группа учёных — среди них Джеффри Хинтон, один из главных учёных по нейросетям и нобелевский лауреат 2024 года, — упрямо развивала нейросети. Их идея была проста и радикальна: не программировать знания, а дать машине учиться на примерах. Не хватало двух ингредиентов: данных и вычислительной мощности.

Оба принёс интернет. К 2012 году накопились миллиарды размеченных картинок, а видеокарты для игр (GPU) оказались идеальны для обучения нейросетей. В 2012-м сеть Хинтона и его студентов AlexNet разгромила всех на конкурсе распознавания изображений ImageNet: отрыв был огромным — доля ошибок упала примерно с 26% до 15% за один год. Началась гонка.

Акт V. Взрыв (2016–2022)

2016: программа AlphaGo обыгрывает чемпиона мира по го Ли Седоля — в игре, где позиций больше, чем атомов во Вселенной. Её 37-й ход во второй партии комментаторы назвали «ходом не человека — и не машины, а чего-то нового».

2017: инженеры Google представляют новую архитектуру нейросети — трансформер. Архитектура — это внутреннее устройство сети: схема, по которой она обрабатывает информацию. Старые схемы читали текст слово за словом и к концу длинной фразы «забывали» её начало. Трансформер смотрит на весь текст сразу и вычисляет, какие слова связаны друг с другом, — механизм назвали «вниманием» (attention).

Такую сеть можно обучать на гигантских объёмах текста, и именно она станет буквой T в аббревиатуре GPT — Generative Pretrained Transformer. К данным и мощности добавился третий ингредиент — удачная архитектура.

30 ноября 2022: OpenAI открывает публичный доступ к ChatGPT. 100 миллионов пользователей за два месяца — на тот момент самый быстрый рост среди потребительских приложений в истории (Instagram шёл к этому 2,5 года, TikTok — 9 месяцев). Позже этот рекорд по скорости побьёт соцсеть Threads, набравшая 100 миллионов за пять дней, — но именно ChatGPT первым показал, что ИИ стал массовым продуктом. 75-летняя история вышла из лабораторий в каждый телефон.

Что из этого следует для тебя

Три вывода, которые пригодятся во всех следующих уроках. Первый: современный ИИ — это обучение на примерах, а не запрограммированные правила — идея Хинтона победила экспертные системы из акта III. Второй: прорыв случился, когда сошлись три ингредиента — данные (интернет), мощность (GPU) и архитектура (трансформер), — и все три продолжают расти. Третий: как показали зимы ИИ, область умеет и завышать обещания, и превосходить их — поэтому дальше мы будем отделять реальность от громких обещаний — на фактах.

А если ты уже попробовал запрос из начала урока — считай это первым практическим шагом: дальше в курсе таких будет много, и с каждым ИИ будет слушаться тебя точнее.

А теперь смотри, что она умеет сегодня

Восемьдесят лет назад машина не могла отличить кошку от собаки. Этот ролик никто не снимал — его придумала и нарисовала нейросеть по шести строчкам текста.

Вот текст, по которому он получился:

Кинематографический план из космоса. Земля в кадре днём: океан, завитки облаков.
По планете быстро скользит круглая тень Луны — чёткое тёмное пятно с размытым краем.
Камера медленно приближается к границе тени.
Внутри тени вспыхивают огни городов и гаснут, когда тень уходит дальше.
Солнце за краем Земли даёт тонкий ободок света.
Глубокий синий, холодное серебро, тёплые искры городов.
Без текста, без людей, без надписей.
Звук: низкий космический гул, нарастающий.

Здесь нет лишних слов — каждая строка отвечает за своё:

• Откуда смотрим: план из космоса, камера приближается. Не скажешь — ракурс выберет сам, обычно скучный.
• Что в кадре: Земля днём, круглая тень Луны. Объекты, а не настроение.
• Что происходит: тень скользит, огни вспыхивают и гаснут. Движение — то, чем видео отличается от картинки.
• Свет и цвет: глубокий синий, холодное серебро, тёплые искры городов.
• Запреты: без текста, без людей. Иначе нейросеть налепит на кадр кривые надписи.
• Звук: низкий гул, нарастающий. Veo озвучит сам, но только если сказать чем.

Сравни: «нарисуй затмение» — и то, что выше. Разница в шести строчках, и она решает всё.

Почему запрос был на английском

Одна честная деталь: этот текст мы отправили по-английски. Тому две причины, и обе пригодятся тебе дальше.

Первая — точность. Нейросети учились в основном на английских текстах, поэтому английскую формулировку они понимают вернее: меньше догадок, результат ближе к тому, что ты просил.

Вторая — деньги. Модель считает не слова, а токены — куски текста. Русский разбивается на токены мельче английского, и одна и та же мысль по-русски обходится примерно в полтора-два раза дороже. На одном запросе это незаметно, на тысяче — уже видно в счёте. Что такое токены и почему их так считают, разберём отдельным уроком.

И про цену этого ролика. Восемь секунд обошлись примерно в три доллара. А «посмотреть» чужой десятиминутный ролик на YouTube нейросеть может за пару центов — разница больше чем в сто раз. Сделать всегда дороже, чем прочитать: это верно почти для всего в ИИ, и дальше в курсе ты этим воспользуешься.