Päť momentov z histórie AI, ktoré vás možno prekvapia

Nasledujúcich päť zastávok na ceste časom odhalí, že príbeh umelej inteligencie je oveľa zvláštnejší a menej lineárny, než sa môže zdať.

1. Strojové učenie sa zrodilo už v 50. rokoch pri hre dáma

   Hoci sa dnes pojem „strojové učenie“ spája hlavne s modernou érou dát a neurónových sietí, jeho koncepčné korene siahajú až do počiatkov umelej inteligencie. Už v roku 1952 vytvoril Arthur Samuel program na hranie dámy, ktorý nebol len súborom pevných pravidiel.

   Kľúčový fakt bol, že program sa dokázal učiť z vlastných hier a postupne sa zlepšovať. Sám proti sebe odohral tisíce partií a optimalizoval svoju stratégiu. Práve Samuel ako prvý spopularizoval termín „strojové učenie“, aby opísal túto schopnosť stroja učiť sa bez toho, aby bol explicitne naprogramovaný. Tento koncept je priamym predkom algoritmov, ktoré dnes odporúčajú filmy na Netflixe alebo optimalizujú logistické trasy - všetko bez toho, aby im človek krok za krokom diktoval, ako sa zlepšiť.

2. Prvý chatbot ELIZA sa už v roku 1966 tváril ako psychoterapeut.

   Dávno pred ChatGPT, Gemini alebo Grok existoval program menom ELIZA. Vytvoril ho Joseph Weizenbaum na MIT v roku 1966 a išlo o jedného z prvých chatbotov v histórii. Jeho funkcia bola fascinujúca: simuloval konverzáciu s psychoterapeutom.

   ELIZA fungovala na technicky veľmi jednoduchom princípe. Nerozumela významu slov, ale dokázala identifikovať kľúčové slová vo vetách používateľa a preformulovať ich do otázky, čím udržiavala ilúziu rozhovoru. Napriek svojej jednoduchosti bola pre mnohých ľudí prekvapivo presvedčivá a ukázala, ako ľahko môžu ľudia pripísať strojom ľudské vlastnosti. Jej odkaz pretrváva dodnes ako pripomienka, že aj najmodernejšie jazykové modely môžu byť len extrémne sofistikovanými napodobňovateľmi, nie skutočne chápajúcimi entitami. Tento skorý úspech v simulácii konverzácie však prispel k vlne prehnaného optimizmu, ktorý nevyhnutne viedol k prvému veľkému sklamaniu...

3. Vývoj AI opakovane zamrzol počas takzvaných „zím umelej inteligencie“

   História AI nie je príbehom neustáleho pokroku. Bola to skôr sínusoida plná vzostupov a pádov. Obdobia sklamania, keď počiatočné veľké očakávania narazili na technologické limity, sa stali známymi ako „zimy AI“. Počas týchto období došlo k drastickému zníženiu financovania a záujmu o výskum.

   Prvá zima AI (1974-1980)

   Po počiatočnej zlatej ére sa ukázalo, že problémy ako porozumenie prirodzenému jazyku sú oveľa zložitejšie, než sa predpokladalo. V kombinácii s obmedzeným výpočtovým výkonom to viedlo k strate dôvery a financií.

   Druhá zima AI (1987-1993)

   Spôsobil ju kolaps trhu s tzv. expertnými systémami (programami navrhnutými tak, aby napodobňovali rozhodovanie ľudského experta vo veľmi úzkej oblasti, napríklad v medicínskej diagnostike). Tieto programy boli drahé, náročné na údržbu a príliš krehké.

   Tieto „zimy“ naučili komunitu pokore a dôležitosti prepojenia teoretického výskumu s dostupným výpočtovým výkonom. Bez týchto lekcií by súčasný boom mohol byť len ďalšou bublinou odsúdenou na spľasnutie.

4. Víťazstvo nad majstrom sveta v hre Go bolo pre AI významnejšie ako porážka mastra sveta v šachu

   Mnoho ľudí si pamätá rok 1997, keď počítač Deep Blue od IBM porazil v šachu majstra sveta Garriho Kasparova. Bol to symbolický míľnik, ktorý demonštroval neuveriteľnú výpočtovú („hrubú“) silu. Deep Blue dokázal analyzovať milióny pozícií za sekundu.

   Oveľa významnejší prelom však prišiel v roku 2016, keď program AlphaGo od DeepMind porazil svetového šampióna Lee Sedola v hre Go. Prečo to bolo dôležitejšie? Ak je šach bitkou, Go je vojna o celé kontinenty. Počet možných pozícií v Go prevyšuje počet atómov v známom vesmíre, čím sa úloha stáva pre prístup „hrubej sily“ neriešiteľnou. AlphaGo na to muselo použiť kombináciu hlbokého a posilňovacieho učenia, čím predviedlo formu strojovej „intuície“. Tento prístup otvoril dvere pre AI, ktorá dnes rieši komplexné vedecké problémy, od skladania proteínov až po objavovanie nových materiálov.

5. Súčasný boom hlbokého učenia nespustili jazykové modely, ale rozpoznávanie obrázkov

   Hoci dnes dominujú diskusii o AI veľké jazykové modely, skutočným katalyzátorom súčasnej revolúcie hlbokého učenia nebol text, ale obrázky. Prelomový moment nastal v roku 2012 na súťaži ImageNet , ktorá sa zameriavala na rozpoznávanie objektov na fotografiách.

   Model s názvom AlexNet, hlboká konvolučná neurónová sieť, v tejto súťaži doslova deklasoval všetkých konkurentov. Jeho úspech bol taký dramatický, že okamžite presmeroval pozornosť celého odvetvia na metódy hlbokého učenia. Umožnený kombináciou veľkých dát, výkonných GPU a nových algoritmov, tento úspech v počítačovom videní položil technické a architektonické základy, na ktorých neskôr vyrástli aj dnešné obrovské jazykové modely.

Záver: Čo nám história hovorí o budúcnosti?

História AI nie je príbehom o neustálom zdokonaľovaní jedného nápadu, ale skôr o dialektike medzi symbolickým prístupom (ELIZA) a štatistickým učením (Samuel, AlexNet), medzi hrubou silou (Deep Blue) a elegantnou „intuíciou“ (AlphaGo), a medzi cyklami obrovského nadšenia a nevyhnutného vytriezvenia (zimy AI). Dnešné fascinujúce modely nestoja vo vzduchoprázdne, ale na základoch položených priekopníkmi pred desiatkami rokov a na poznatkoch získaných počas chladných období sklamania.

Pripomína nám to, že pokrok nie je lineárny a že aj tie najväčšie revolúcie majú svoje hlboké korene v minulosti. Keďže história AI ukazuje opakujúce sa cykly nadšenia a sklamania, v akej fáze cyklu sa podľa vás nachádzame dnes?