Etapy rozwoju sztucznej inteligencji: od Pascala do iCuba

Kluczowe etapy rozwoju sztucznej inteligencji zaczynają się od prostych maszyn liczących z XVII wieku, a kończą na robotach, które potrafią rozpoznawać emocje. Każdy przełom budował na poprzednim: najpierw powstały urządzenia do obliczeń, potem idee programowania, a dopiero później programy uczące się na własnych wynikach. Poniżej przechodzimy przez te etapy po kolei i wyjaśniamy, co było przełomem.

Czym jest sztuczna inteligencja?

Sztuczna inteligencja, w skrócie AI, to dziedzina informatyki zajmująca się tworzeniem systemów, które analizują dane i wykonują zadania wymagające czegoś na kształt myślenia, na przykład rozpoznawanie obrazów, rozumienie mowy czy podejmowanie decyzji w grze. Warto od razu zaznaczyć jedną rzecz: AI nie kopiuje ludzkiego umysłu. Naśladuje wybrane funkcje, czasem z zaskakującym skutkiem, ale działa zupełnie inaczej niż mózg.

Przeczytaj też: etapy rozwoju sztucznej inteligencji

Żeby zrozumieć, jak doszliśmy do dzisiejszych systemów, trzeba cofnąć się o kilka stuleci. Jeśli interesuje Cię sama droga od pomysłu do działającej technologii, zajrzyj też do artykułu o podstawowe kroki sztucznej inteligencji.

Pascaline: pierwsza maszyna, która liczyła mechanicznie

W 1642 roku francuski filozof i matematyk Blaise Pascal zbudował Pascaline, mechaniczny kalkulator oparty na systemie kół zębatych. Urządzenie wykonywało dodawanie i odejmowanie, czyli działania, które każdy zna z lekcji matematyki. Zanim zobaczysz, jak maszyna sobie z nimi radziła, warto przypomnieć sobie liczby pierwsze i podstawowe elementy matematyki.

Pascaline nie myślała, oczywiście. Wykonywała ściśle określony mechanizm, w którym obrót kółek odpowiadał konkretnej cyfrze. Pokazała jednak, że logiczne operacje da się zamienić w ruch mechaniczny. Ta idea stała się fundamentem dla całej technologii obliczeniowej.

Maszyna Turinga i pytanie, czy maszyny mogą myśleć

Alan Turing, brytyjski matematyk, w latach 30. XX wieku opisał abstrakcyjną maszynę, znaną dziś jako maszyna Turinga. Nie była to konkretna konstrukcja, lecz model teoretyczny: prosty mechanizm, który odczytuje i zapisuje symbole na taśmie według zestawu reguł. Ten model pokazuje, że każdy algorytm można zapisać w formie, którą maszyna jest w stanie wykonać.

W czasie II wojny światowej Turing pracował nad rozszyfrowywaniem zakodowanych wiadomości. Jego pomysły miały znaczenie dla tej pracy, choć rola poszczególnych urządzeń bywa opisywana w literaturze różnie.

W 1950 roku opublikował artykuł „Computing Machinery and Intelligence”, w którym zaproponował test: jeśli rozmówca nie potrafi odróżnić maszyny od człowieka, maszynę można uznać za inteligentną w praktycznym sensie. Test Turinga do dziś budzi dyskusje, ale postawił pytanie, które napędza badania nad AI.

Kolejne etapy rozwoju sztucznej inteligencji: ENIAC i komputery elektroniczne

ENIAC (Electronic Numerical Integrator and Computer) był jednym z pierwszych dużych komputerów elektronicznych, zbudowanym w USA w połowie lat 40. XX wieku. Był programowalny, choć programowanie polegało na ręcznym przełączaniu kabli i przełączników, a nie na pisaniu kodu jak dziś. Przy jego projekcie pracowali John Presper Eckert i John Mauchly, a koncepcję programowania przechowywanego rozwijał później John von Neumann.

Dla rozwoju AI był to ważny moment. Wszystkie późniejsze eksperymenty opierały się na urządzeniach, które potrafiły szybko przetwarzać duże ilości danych. Obliczenia, które wcześniej zajmowały ludziom tygodnie, zaczęły trwać chwile.

1956: nazwa „sztuczna inteligencja” i program EPAM

W 1955 roku John McCarthy zaproponował nazwę „artificial intelligence”, a rok później badacze spotkali się na konferencji w Dartmouth College w USA. Spotkanie uznaje się za symboliczny początek dziedziny. Definicja była prosta: maszyny mają wykonywać czynności, które u człowieka wymagałyby inteligencji.

Kilka lat później Edward Feigenbaum stworzył program EPAM (Elementary Perceiver and Memorizer, w wolnym tłumaczeniu „elementarny odbiornik i pamięć”). Naśladował on procesy zapamiętywania i uczenia się u ludzi, zwłaszcza zapamiętywanie sylab i słów. Był raczej modelem psychologicznym niż „mózgiem w komputerze”, ale pokazał, że procesy poznawcze można opisać w formie programu.

Arthur Samuel i warcaby: program, który uczy się na wynikach

W latach 50. XX wieku Arthur Samuel, pracujący w IBM, stworzył program grający w warcaby. Z czasem poprawiał swoją grę, analizując wyniki wcześniejszych partii. Był to jeden z pierwszych praktycznych przykładów uczenia maszynowego, czyli takiego sposobu programowania, w którym system poprawia się na podstawie doświadczeń.

W programach grających w gry planszowe szeroko stosuje się także technikę przycinania alfa-beta. Pozwala ona pomijać gałęzie analizy, które nie mogą wpłynąć na wybór najlepszego ruchu, dzięki czemu komputer szybciej dochodzi do decyzji.

Deep Blue kontra Kasparow: szachy jako test możliwości

Deep Blue, komputer szachowy firmy IBM, zaprojektowany m.in. przez Feng-hsiung Hsu, w 1996 roku wygrał pierwszą partię z ówczesnym mistrzem świata Garrym Kasparowem. Rok później wygrał cały mecz wynikiem 3,5:2,5. Między partiami zespół wprowadzał zmiany w programie, co do dziś bywa przedmiotem dyskusji wśród komentatorów.

Sukces pokazał, że szybkie przeszukiwanie ogromnej liczby wariantów może pokonać człowieka w wąskiej dziedzinie. Nie oznacza to jednak ogólnej inteligencji. Czy to zapowiedź era sztucznej inteligencji, którą dziś obserwujemy? To pytanie warto rozważyć, ale odpowiedź wymaga oddzielenia wąskich zastosowań od systemów o szerszych możliwościach.

iCub: mały robot, który rozpoznaje emocje

iCub to włoski robot humanoidalny o wzroście około 104 cm, czyli mniej więcej jak sześciolatek. Został opracowany przez włoski Instytut Technologii (IIT) w ramach projektu badawczego, a jego zadaniem jest wspieranie badań nad uczeniem się i poznawaniem świata przez roboty. Według opisów twórców potrafi rozpoznawać i wyrażać emocje, co czyni go ważnym przykładem interakcji człowiek–maszyna.

Podstawowe etapy sztucznej inteligencji: co warto zapamiętać

Historia AI to nie tylko daty. Każdy przełom wynikał z połączenia trzech elementów: nowego sposobu zapisu (algorytm, kod), mocniejszego sprzętu oraz pomysłu, jak sprawdzić, czy maszyna wykonuje zadanie w sposób, który uznajemy za inteligentny. Poniższa tabela zestawia najważniejsze etapy.

Dla rodziców i nauczycieli dobrym punktem wyjścia jest pytanie zamiast wykładu. Zamiast pytać „czy AI myśli?”, zapytaj dziecko, co dokładnie robi program. Ta rozmowa pomaga zrozumieć różnicę między obliczeniem a myśleniem. Jeśli chcecie to przećwiczyć w praktyce, zobaczcie gry i łamigłówki do trenowania inteligencji.