75 år på 15 minuter: från Turing till ChatGPT

Det känns som att AI dök upp 2022 tillsammans med ChatGPT. Men historien är faktiskt 75 år gammal, och den är full av genier, drama och brutna löften. Nu kör vi.

Prova först – här. Under prompten finns en Kör-knapp: tryck på den så svarar en riktig AI direkt på den här sidan – allt som krävs är en gratis inloggning med ett klick (Google eller Telegram). Skriv in ditt eget jobb inom parenteserna – eller kör den som den är:

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 är vad AI är: du skrev uppgiften med vanliga ord – den gjorde jobbet. Hela den här kursen handlar om att få sådana svar på ett tillförlitligt sätt, inte av en slump. Kom ihåg hur den här minuten kändes – nu tillbaka till historien, utan vilken AI aldrig riktigt blir begriplig.

Akt I. Mannen som ställde frågan (1950)

England, 1950. Matematikern Alan Turing publicerar en artikel med en djärv fråga: ”Kan maskiner tänka?” Det är samma Turing som knäckte Enigma-krypteringsmaskinen under andra världskriget. Historiker uppskattar att det förkortade kriget med två år.

Istället för att argumentera filosofi föreslår han ett spel – vi kallar det nu Turingtestet. Idén är enkel: om du inte kan skilja en maskin från en människa i en skriftlig konversation, spelar det då någon roll om den ”tänker”? Resultatet överträffar definitionen. Sjuttiotvå år senare skulle miljontals människor dagligen chatta med en maskin som blir allt svårare att skilja från en människa. Turing fick aldrig uppleva det. Han dog 1954, 41 år gammal, förföljd av samma regering som han hade hjälpt till att rädda. Idag bär det främsta priset inom datavetenskap – Turingpriset – hans namn.

Akt II. Termen föds, och så gör löftena (1956–1969)

Sommaren 1956, Dartmouth College i USA. En ung matematiker vid namn John McCarthy samlar ett par dussin forskare för en sommarworkshop och, för bidragsansökan, uppfinner en slagkraftig etikett: artificiell intelligens. Termen vi alla använder är bokstavligen 70 år gammal, och den föddes som marknadsföring för ett bidrag.

Optimismen var skyhög. 1958 presenterade psykologen Frank Rosenblatt perceptronen – det första lärande ”neurala nätverket”, stort som en garderob. The New York Times skrev att maskiner snart skulle ”gå, prata, se och vara medvetna om sin existens”. Pionjärerna lovade intelligens på mänsklig nivå ”inom 20 år”.

Akt III. AI-vintrarna (1970-talet och slutet av 1980-talet)

Nästan allt gick fel: datorerna var miljontals gånger för svaga, det fanns ingen data, och metoderna i sig nådde ett tak. 1973 slet den brittiska Lighthill-rapporten isär fältet: löftena hade inte hållits. Finansieringen drogs in, laboratorier stängdes – AI-vintern hade kommit. På 80-talet upprepade ”expertsystem” (program byggda på tusentals om-då-regler) historien: en boom, miljarder investerade, sedan en andra kollaps när det visade sig att reglerna var omöjliga att underhålla.

Kom ihåg detta mönster: överdimensionerade löften → besvikelse → krasch. Det förklarar också dagens argument om AI.

Akt IV. Den tysta revolutionen (1990–2012)

Medan ”AI” praktiskt taget var ett fult ord, fortsatte en liten grupp forskare – bland dem Geoffrey Hinton, en av de ledande hjärnorna bakom neurala nätverk och en Nobelpristagare 2024 – envist att arbeta med dem. Deras idé var enkel och radikal: programmera inte in kunskapen, låt maskinen lära sig från exempel. Två ingredienser saknades: data och beräkningskraft.

Internet förde med sig båda. År 2012 hade miljarder märkta bilder samlats, och grafikkorten byggda för spel (GPU:er) visade sig vara perfekta för att träna neurala nätverk. 2012 krossade AlexNet, byggt av Hinton och hans studenter, fältet i ImageNet-tävlingen för bildigenkänning: marginalen var enorm – felfrekvensen sjönk från cirka 26 % till 15 % på ett enda år. Loppet var igång.

Akt V. Explosionen (2016–2022)

2016: AlphaGo besegrar världsmästaren i Go, Lee Sedol – i ett spel med fler möjliga positioner än det finns atomer i universum. Kommentatorer kallade dess 37:e drag i match två för ”inte ett mänskligt drag, och inte ett maskindrag, utan något nytt”.

2017: Googles ingenjörer introducerar en ny neural nätverksarkitektur – transformern. En arkitektur är nätverkets interna layout: schemat det följer för att bearbeta information. Äldre scheman läste text ord för ord och hade, vid slutet av en lång mening, ”glömt” början. Transformern tittar på hela texten på en gång och räknar ut vilka ord som är kopplade till vilka – mekanismen fick namnet ”attention”.

Ett sådant nätverk kan tränas på gigantiska mängder text, och det är just det som ligger bakom T:et i GPT – Generative Pretrained Transformer. Data och kraft hade nu en tredje följeslagare: rätt arkitektur.

30 november 2022: OpenAI öppnar ChatGPT för allmänheten. 100 miljoner användare på två månader – vid den tiden den snabbaste tillväxten någon konsumentapp någonsin sett (Instagram tog 2,5 år att nå dit, TikTok 9 månader). Rekordet för ren hastighet skulle senare slås av Threads, som nådde 100 miljoner på fem dagar – men det var ChatGPT som först visade att AI hade blivit en massmarknadsprodukt. En 75 år gammal historia vandrade ut ur labben och in i allas telefoner.

Vad detta betyder för dig

Tre insikter du kommer att använda i varje lektion som följer. Ett: modern AI lär sig från exempel snarare än att följa programmerade regler – Hintons idé överträffade expertsystemen i Akt III. Två: genombrottet kom när tre ingredienser möttes – data (internet), kraft (GPU:er) och arkitektur (transformern) – och alla tre växer fortfarande. Tre: som AI-vintrarna visade kan detta fält både överlova och överleverera – så från och med nu kommer vi att skilja verklighet från hype med hjälp av fakta.

Och om du redan provade förfrågan från början av den här lektionen, kalla det ditt första praktiska steg: det kommer många fler, och med varje steg kommer AI att följa dig mer exakt.