Lekcja 1.2
Krótka historia AI
Od pytania Turinga, przez „zimy AI”, po ChatGPT — 70 lat wzlotów i upadków.
1.2Krótka historia AI
W poprzedniej lekcji poznaliśmy trzy składniki dzisiejszego boomu: dane, moc obliczeniową i lepsze metody. Ale historia AI nie zaczęła się od ChatGPT. To opowieść na ponad 70 lat — pełna śmiałych obietnic, rozczarowań i powrotów.
Przejdziemy ją jak wyprawę przez trzy epoki: czas wielkich nadziei, czas zim i czas przełomów, w którym żyjemy dziś.
Każdy rozdział zaczyna się prosto. Chcesz więcej? Otwórz Zaawansowany, a w nim Ekspert.
Czy maszyny mogą myśleć?
W 1950 roku angielski matematyk Alan Turing zadał pytanie: „Czy maszyny mogą myśleć?”. Zaproponował prosty sprawdzian: jeśli w rozmowie na piśmie nie odróżnisz maszyny od człowieka, to maszyna zachowuje się inteligentnie.
Kilka lat później, w 1956 roku, grupa naukowców spotkała się na letnich warsztatach w Dartmouth w USA. To tam nowa dziedzina dostała nazwę: sztuczna inteligencja. Byli tak pewni siebie, że planowali zrobić „znaczący postęp” w dwa miesiące.
Wyobraź to sobie tak
„Historia AI przypomina naukę jazdy na rowerze: po udanych próbach przychodziły wywrotki, ale każda kolejna próba prowadziła trochę dalej.”
Lata 50. i 60. to czas optymizmu. W 1958 roku Frank Rosenblatt zbudował perceptron — pierwszą maszynę uczącą się rozpoznawać proste wzory (sam go wytrenujesz w Laboratorium). W 1966 roku powstała ELIZA, program udający psychoterapeutkę, który odbijał pytania rozmówcy.
Wczesne systemy opierały się głównie na regułach zapisanych przez ludzi. Działały dobrze w małych, uporządkowanych światach — w grach czy prostych łamigłówkach — ale gubiły się w złożonej, nieprzewidywalnej rzeczywistości.
Częsty błąd
AI powstała razem z ChatGPT.
Jak jest naprawdę
ChatGPT spopularyzował rozmowę z AI, ale sama dziedzina rozwija się od lat 50. XX wieku.
Turing opisał „grę w naśladowanie” w artykule „Computing Machinery and Intelligence” (1950). Wniosek o warsztaty w Dartmouth, w którym John McCarthy użył terminu „artificial intelligence”, powstał w 1955 roku; spotkanie odbyło się w 1956.
ELIZA Josepha Weizenbauma (1966) działała na prostych przekształceniach tekstu według wzorców, a nie na modelowaniu języka w dzisiejszym sensie. Mimo to część użytkowników zwierzała się jej i prosiła o prywatność rozmowy — skłonność do przypisywania programom zrozumienia nazwano później „efektem ELIZY”.
Zimy i odwilże
Obietnice szybkiego sukcesu się nie spełniły. Gdy okazało się, że AI jest o wiele trudniejsza, niż sądzono, zabrakło pieniędzy i entuzjazmu. Takie okresy nazwano „zimami AI”.
Między zimami przychodziły odwilże. W 1997 roku komputer Deep Blue pokonał mistrza świata w szachach Garriego Kasparowa — i świat znów uwierzył, że maszyny potrafią więcej, niż się wydawało.
Pierwsza zima przyszła w latach 70., druga pod koniec lat 80. W międzyczasie popularne były systemy ekspertowe: programy zestawiające fakty z regułami spisanymi przez specjalistów, na przykład lekarzy. Każda nowa reguła wymagała jednak żmudnej pracy ludzi, a nietypowe przypadki łatwo je zaskakiwały.
Uczenie maszynowe przesunęło ciężar z ręcznego pisania reguł na wyszukiwanie wzorów w danych. To ono zbudowało most do kolejnej epoki. Lekcja z tamtych lat jest wciąż aktualna: postęp trzeba oceniać powtarzalnymi testami, a nie wyłącznie efektownymi pokazami.
Raport Lighthilla (1973) krytycznie ocenił brytyjskie badania nad AI i przyczynił się do cięć finansowania — to symboliczny początek pierwszej zimy. W 1986 roku Rumelhart, Hinton i Williams spopularyzowali propagację wsteczną, czyli metodę trenowania sieci wielowarstwowych, która stała się fundamentem późniejszego głębokiego uczenia.
Deep Blue pokonał Kasparowa w meczu w 1997 roku dzięki połączeniu potężnego przeszukiwania drzewa ruchów z ręcznie dopracowaną funkcją oceny pozycji. Nie uczył się z danych w dzisiejszym sensie — był szczytem podejścia opartego na przeszukiwaniu i wiedzy ekspertów.
Epoka przełomów
Od 2012 roku AI przyspieszyła jak nigdy wcześniej. Komputery nauczyły się świetnie rozpoznawać zdjęcia i mowę. W 2016 roku program AlphaGo wygrał w Go — grę o wiele trudniejszą od szachów.
A 30 listopada 2022 roku pojawił się ChatGPT. Nagle z AI zaczęły rozmawiać miliony ludzi: zdobycie około 100 milionów użytkowników zajęło mu zaledwie dwa miesiące.
Przełom 2012 roku to sieć AlexNet, a 2017 roku — architektura Transformer, na której zbudowano modele GPT, Gemini i Claude. AlphaGo pokazał z kolei siłę łączenia sieci neuronowych z przeszukiwaniem możliwych ruchów.
Po ChatGPT przyszły modele multimodalne, które łączą tekst, obraz i dźwięk, potem modele „rozumujące”, które poświęcają więcej obliczeń na trudne problemy, i agenci wykonujący wieloetapowe zadania. W 2024 roku badania związane z AI przyniosły dwie Nagrody Nobla.
- 1Reguły pisane przez ludzi
- 2Uczenie z danych
- 3Głębokie sieci (2012)
- 4Transformer (2017)
- 5Modele generatywne i agenci
AlphaGo (Silver i in., 2016) połączył sieci polityki i wartości z przeszukiwaniem Monte Carlo drzewa gry. GPT-3 (Brown i in., 2020) miał 175 miliardów parametrów. Modele rozumujące, takie jak OpenAI o1 (2024) i DeepSeek-R1 (2025), trenowano tak, by przeznaczały dodatkowe obliczenia na rozwiązywanie problemów — co nie oznacza automatycznie ogólnej inteligencji ani braku błędów.
W 2024 roku Nagrodę Nobla z fizyki otrzymali John Hopfield i Geoffrey Hinton za odkrycia umożliwiające uczenie maszynowe w sieciach neuronowych, a z chemii — Demis Hassabis i John Jumper za AlphaFold (przewidywanie struktur białek) oraz David Baker za projektowanie białek.
W Laboratorium
W Laboratorium: Oś czasu AI
Sprawdź, jak zapamiętałeś historię AI. W grze „Oś czasu AI” dostajesz sześć wydarzeń z dziejów sztucznej inteligencji w pomieszanej kolejności — od testu Turinga po ChatGPT — i układasz je od najstarszego do najnowszego.
Możesz przeciągać karty albo przesuwać je strzałkami. Po sprawdzeniu każda karta pokazuje rok i informację, czy trafiła na dobre miejsce.
Gra ma trzy rundy. W każdej losuje sześć kamieni milowych z dziewiętnastu zapisanych na osi czasu portalu, więc każda rozgrywka jest trochę inna. Punkt dostajesz za każde wydarzenie, które stoi na właściwej pozycji, czyli maksymalnie 18 punktów w całej grze.
Wydarzenia są celowo przemieszane między epokami: zimy AI sąsiadują z przełomami, a stare idee z nowymi modelami. To dobre ćwiczenie na zrozumienie, jak długo niektóre pomysły czekały na dane i moc obliczeniową.
Ocena jest pozycyjna: wydarzenie liczy się jako poprawne, gdy jego rok zgadza się z rokiem na tej samej pozycji w posortowanej liście. Jeden przestawiony element psuje więc zwykle dwie pozycje naraz — to miara surowsza niż liczenie poprawnie uporządkowanych par.
Dane gry pochodzą z tej samej osi czasu, której używa interaktywna historia na stronie głównej, dzięki czemu daty są spójne w całym portalu.
Zapamiętaj
- AI rozwija się falami — po okresach euforii przychodziły „zimy”.
- Dzisiejszy boom napędzają dane, GPU i architektura Transformer.
- W 2024 roku AI przyniosła dwie Nagrody Nobla.
Przewiń historię AI
1 / 18 wydarzeń · ← →
1950
Test Turinga
Alan Turing pyta: „Czy maszyny mogą myśleć?” i proponuje grę w naśladowanie.
Ciekawostka
ELIZA z 1966 roku udawała psychoterapeutkę, odbijając pytania rozmówcy. Mimo prostoty niektórzy użytkownicy zwierzali się jej i prosili o prywatność rozmowy. To zjawisko nazwano „efektem ELIZY”.
W liczbach
2 mies.
tyle zajęło ChatGPT zdobycie ok. 100 mln użytkowników
Źródło: Szacunek UBS, 2023
Ewaluacja · 3 pytania
Sprawdź się
Kto zaproponował słynny test „gry w naśladowanie”?
Dokąd dalej
Następny przystanek: AI wąska, ogólna i… super?
Przeszliśmy 70 lat w kilka minut: od pytania Turinga, przez zimy i systemy ekspertowe, po Transformer i ChatGPT. Widać w tej historii powtarzający się wzór — każdy przełom budził nadzieję, że maszyny umieją już „wszystko”.
Czy rzeczywiście? W następnej lekcji rozróżnimy AI wąską, która mistrzowsko robi jedną rzecz, od AI ogólnej, o której wciąż toczą się spory.