Umetna inteligenca je danes ena najbolj izpostavljenih tehnologij na svetu. O njej govorijo podjetja, vlade, raziskovalci in uporabniki, ki generativna AI-orodja uporabljajo pri vsakdanjem delu. Toda razvoj umetne inteligence se ni začel s ChatGPT, niti z razmahom nevronskih mrež v zadnjem desetletju.

Njene korenine segajo precej dlje.

Zgodovina umetne inteligence je zgodba o velikih ambicijah, tehnoloških prebojih, obdobjih razočaranja in ponovnih vzponih. Današnji sistemi so rezultat več desetletij raziskav na področju matematike, računalništva, statistike, nevroznanosti in strojnega učenja.

1950: Ali lahko stroji mislijo?

Ena najpomembnejših zgodnjih osebnosti na področju umetne inteligence je bil britanski matematik in računalniški pionir Alan Turing.

Leta 1950 je objavil članek Computing Machinery and Intelligence, v katerem je postavil vprašanje:

»Ali lahko stroji mislijo?«

Namesto da bi skušal natančno definirati, kaj pomeni razmišljanje, je predlagal praktični preizkus, ki je pozneje postal znan kot Turingov test.

Osnovna ideja je bila preprosta: če človek v pogovoru ne more zanesljivo ugotoviti, ali komunicira z drugim človekom ali s strojem, bi lahko rekli, da stroj kaže vedenje, ki ga povezujemo z inteligenco.

Turing s tem ni ustvaril umetne inteligence, je pa pomagal oblikovati eno temeljnih vprašanj, ki raziskovalce spremlja še danes.

1956: Rodi se izraz umetna inteligenca

Za enega ključnih trenutkov v zgodovini AI velja poletje leta 1956.

Takrat je na Dartmouth College v ZDA potekal raziskovalni projekt, na katerem se je zbrala skupina znanstvenikov, ki so želeli raziskovati možnosti ustvarjanja inteligentnih strojev.

Prav v okviru tega projekta se je začel uveljavljati izraz artificial intelligence oziroma umetna inteligenca.

Med pomembnimi raziskovalci tistega časa so bili John McCarthy, Marvin Minsky, Claude Shannon in drugi pionirji zgodnjega računalništva.

Vzdušje je bilo izjemno optimistično.

Raziskovalci so verjeli, da bo mogoče številne vidike človeške inteligence opisati tako natančno, da jih bo mogoče poustvariti z računalniki.

Izkazalo se je, da bo pot precej daljša.

Prvi programi, ki so reševali probleme

V petdesetih in šestdesetih letih so začeli nastajati prvi programi, ki so lahko izvajali naloge, povezane z logičnim sklepanjem in reševanjem problemov.

Eden prvih znanih primerov je bil Logic Theorist, program, ki sta ga razvila Allen Newell in Herbert A. Simon skupaj s Cliffom Shawom.

Program je lahko dokazoval matematične izreke in pokazal, da lahko računalnik pri določenih nalogah uporablja postopke, ki spominjajo na človeško sklepanje.

V tem obdobju so raziskovalci razvijali tudi programe za igranje šaha, reševanje algebraičnih problemov in razumevanje preprostega jezika.

Veliko zgodnjih sistemov je temeljilo na pravilih.

Program je imel nabor navodil in pravil, na podlagi katerih je sprejemal odločitve. Takšni sistemi so lahko dobro delovali v ozko definiranih okoljih, vendar so imeli velike težave, ko so se srečali z bolj kompleksnim in nepredvidljivim svetom.

Velika pričakovanja in prva razočaranja

V prvih desetletjih razvoja umetne inteligence so bila pričakovanja zelo visoka.

Nekateri raziskovalci so verjeli, da bodo inteligentni stroji postali resničnost razmeroma hitro.

Toda računalniki tistega časa so imeli zelo omejeno računsko moč, podatkov je bilo malo, algoritmi pa še niso bili dovolj razviti.

Ko rezultati niso sledili velikim obljubam, so se začele zmanjševati tudi investicije in financiranje raziskav.

Ekspertni sistemi prinesejo nov val optimizma

V osemdesetih letih je umetna inteligenca ponovno pridobila pozornost predvsem zaradi razvoja ekspertnih sistemov.

Ti sistemi so bili zasnovani tako, da so posnemali odločanje strokovnjaka na zelo specifičnem področju.

Uporabljali so velika zbirke pravil in znanja ter lahko pomagali pri diagnostiki, finančnih odločitvah, industrijskih procesih in drugih strokovnih nalogah.

Podjetja so začela vlagati v takšne rešitve, saj so prvič videla bolj neposredno poslovno uporabo umetne inteligence.

Toda tudi ekspertni sistemi so imeli omejitve.

Njihovo vzdrževanje je bilo zahtevno, pravila je bilo treba pogosto ročno posodabljati, sistemi pa se niso znali samostojno učiti iz novih podatkov tako, kot to počnejo današnji modeli.

Ko so stroški postali visoki in pričakovanja ponovno presegla rezultate, je sledila nova AI zima.

Prehod od pravil k učenju iz podatkov

Najpomembnejša sprememba v razvoju umetne inteligence se je zgodila takrat, ko so raziskovalci začeli vse več pozornosti namenjati strojnemu učenju.

Namesto da bi programer sistemu napisal vsako posamezno pravilo, je sistem dobil podatke in iz njih sam iskal vzorce.

To je pomenilo velik premik.

Računalnik ni več samo sledil vnaprej določenim navodilom, temveč se je lahko na podlagi podatkov postopoma izboljševal.

Razvoj hitrejših procesorjev, večjih količin podatkov in boljših algoritmov je v devetdesetih in dvatisočih letih ustvaril pogoje za nov napredek.

1997: Deep Blue premaga svetovnega prvaka

Eden najbolj odmevnih trenutkov v zgodovini umetne inteligence se je zgodil leta 1997.

IBM-ov računalniški sistem Deep Blue je v šahovskem dvoboju premagal takratnega svetovnega prvaka Garryja Kasparova.

Dogodek je postal simbol tehnološkega napredka.

Vendar Deep Blue ni razmišljal tako kot človek. Sistem je uporabljal izjemno računsko moč, napredne algoritme in analizo velikega števila možnih potez.

Kljub temu je dvoboj pokazal, da lahko računalniki pri zelo kompleksnih nalogah presežejo tudi najboljše človeške strokovnjake.

Nevronske mreže se vrnejo v ospredje

Ideje o umetnih nevronskih mrežah niso bile nove.

Raziskovalci so jih preučevali že desetletja, vendar so imeli zgodnji sistemi velike omejitve.

Pravi preboj je prišel, ko so se združili trije ključni dejavniki: več podatkov, zmogljivejši računalniški čipi in izboljšani algoritmi.

Tako je začelo hitro napredovati globoko učenje oziroma deep learning.

Sistemi so postajali izjemno učinkoviti pri prepoznavanju slik, govora, jezika in drugih kompleksnih vzorcev.

2012: trenutek, ki je pospešil globoko učenje

Leto 2012 velja za enega pomembnejših mejnikov sodobne umetne inteligence.

Nevronska mreža AlexNet je na tekmovanju ImageNet dosegla bistveno boljše rezultate pri prepoznavanju slik kot številni dotedanji pristopi.

Uspeh je pokazal, kako učinkovite so lahko globoke nevronske mreže, če imajo na voljo dovolj podatkov in računske moči.

Od tega trenutka so podjetja in raziskovalne institucije začeli množično vlagati v deep learning.

Napredek se je močno pospešil.

2016: AlphaGo premaga enega najboljših igralcev igre Go

Še en simbolni trenutek je prišel leta 2016.

Sistem AlphaGo, ki ga je razvilo podjetje DeepMind, je premagal Leeja Sedola, enega najboljših igralcev igre Go na svetu.

Go je dolgo veljal za izjemno zahteven problem za računalnike, saj je število možnih potez ogromno.

AlphaGo je kombiniral nevronske mreže in učenje z okrepitvijo ter pokazal, da lahko AI rešuje probleme, pri katerih klasični pristopi niso dovolj.

Zmaga je bila še en dokaz, da umetna inteligenca vstopa v novo razvojno obdobje.

Transformerji spremenijo razvoj jezika

Leta 2017 je bil predstavljen koncept arhitekture transformer.

Ta pristop je postal eden najpomembnejših temeljev današnje generativne umetne inteligence.

Transformerji omogočajo učinkovitejšo obdelavo jezika in razumevanje odnosov med različnimi deli besedila.

Na tej osnovi so začeli nastajati veliki jezikovni modeli, ki lahko analizirajo in ustvarjajo vedno bolj kompleksna besedila.

Modeli so postajali večji, trenirani na ogromnih količinah podatkov in sposobni izvajati vedno širši nabor nalog.

2022: ChatGPT približa generativno AI množicam

Čeprav so veliki jezikovni modeli obstajali že prej, je konec leta 2022 pomenil velik prelom.

OpenAI je javnosti predstavil ChatGPT.

V nekaj mesecih so milijoni uporabnikov začeli eksperimentirati z generativno umetno inteligenco.

Nenadoma AI ni bila več samo tehnologija v raziskovalnih laboratorijih ali specializiranih poslovnih sistemih.

Postala je orodje, ki ga lahko uporablja skoraj vsak.

Ljudje so jo začeli uporabljati za pisanje, programiranje, prevajanje, učenje, analizo podatkov, pripravo dokumentov in številne druge naloge.

S tem se je začelo novo obdobje razvoja umetne inteligence.

Od chatbotov do multimodalnih sistemov in agentov

Razvoj se po ChatGPT ni ustavil.

Modeli so začeli obdelovati ne samo besedilo, temveč tudi slike, zvok, video in druge vrste podatkov.

Nastali so multimodalni sistemi, ki lahko kombinirajo več različnih oblik informacij.

Hkrati se razvijajo AI-agenti, ki ne odgovarjajo več samo na vprašanja, ampak lahko izvajajo več zaporednih korakov, uporabljajo različna orodja in samostojneje izvajajo določene naloge.

Umetna inteligenca se tako postopoma premika od sistema, ki ustvarja odgovore, proti sistemom, ki lahko sodelujejo pri dejanskem izvajanju dela.

Sedem desetletij razvoja in zgodba še zdaleč ni končana

Današnja umetna inteligenca je rezultat več kot sedemdesetih let raziskav.

V tem času je področje večkrat doživelo obdobja navdušenja in razočaranja.

Prve sisteme, ki so sledili preprostim pravilom, so nadomestili algoritmi, ki se učijo iz ogromnih količin podatkov. Računalniki, ki so nekoč komaj izvajali osnovne AI-eksperimente, danes poganjajo modele z milijardami parametrov.

Toda nekatera vprašanja ostajajo presenetljivo podobna tistim, ki jih je Alan Turing postavljal že leta 1950.

Kaj pomeni, da je stroj inteligenten?

Kako daleč lahko razvijemo sisteme, ki se učijo, sklepajo in ustvarjajo?

In morda najpomembneje: kakšno vlogo bomo ljudje namenili umetni inteligenci v družbi, gospodarstvu in vsakdanjem življenju?

Zgodovina umetne inteligence kaže predvsem eno. Napredek skoraj nikoli ni linearen. Obdobjem velikih pričakovanj pogosto sledijo omejitve, nato pa nove ideje odprejo možnosti, ki so se še nekaj let prej zdele nedosegljive.

Današnja generativna umetna inteligenca zato ni začetek zgodbe.

Je samo njeno najnovejše poglavje.