Коротка історія штучного інтелекту
Модуль 1Урок 3 з 38Безкоштовний модуль
Ідея «мислячих машин» старіша за сучасні ноутбуки. Уже в середині XX століття математики й інженери намагалися формалізувати нейрони й логіку. Історія штучного інтелекту — це чергування ентузіазму, розчарувань і проривів, коли зʼявлялися нові дані та потужніші компʼютери.
Перші кроки
1943 року Маккалок і Піттс описали спрощену модель нейрона — важливий місток між біологією й обчисленнями. Роботи Тюрінга задали рамку для розмов про машинний інтелект. 1956 року на конференції в Дартмуті термін «штучний інтелект» закріпився як назва галузі: мета — навчити машини мислити подібно до людей.
Експерти, зими й прориви
1960-ті подарували ELIZA — чат-програму, що імітувала психотерапевта простими правилами. 1980-ті — бум експертних систем: великі бази правил «якщо–то» для медицини й бізнесу. Коли обіцянки випереджали можливості, фінансування скорочували — так зʼявилися зими штучного інтелекту. Проте окремі успіхи залишались: 1997 року Deep Blue переміг чемпіона з шахів; Roomba показав роботів у побуті; проєкти безпілотних автомобілів змусили серйозно інвестувати в сприйняття.
Приклад
Експертна система для діагностики могла питати лікаря про симптоми й пропонувати гіпотези за сотнями правил. Це працювало в вузьких доменах, але дорого підтримувати: кожне нове правило додавали вручну. Коли задачі стали ширшими, одних правил уже не вистачало.
Ера даних і генеративних моделей
2010-ті принесли підйом машинного навчання і глибокого навчання: замість тисяч ручних правил моделі вчилися на великих наборах даних. Сьогодні генеративний штучний інтелект і великі мовні моделі (LLM) генерують текст, код і зображення. Це не кінець історії — скоріше новий етап, коли штучний інтелект став ближчим до щоденних інструментів.
Порада
Зима штучного інтелекту — не «кінець науки», а період скепсису після завищених очікувань. Корисний урок: прогрес часто повертається, коли зʼявляються дані, алгоритми й обчислювальна потужність одночасно.
Між проривами галузь проходила через цикли ажіотажу та реалізму. У 1970-х обіцяли «загальний інтелект за десятиліття», але обмеження памʼяті й обчислень зупинили масштабування систем на правилах. У 1990-х нейронні мережі знову зʼявилися в дослідженнях, проте без великих датасетів вони не перемагали простіші методи на багатьох задачах. Кожна «зима» залишала корисні ідеї: формальну логіку, пошук, імовірнісні міркування.
Змагання ImageNet 2012 року часто називають поворотним моментом для глибокого навчання: згорткова мережа різко покращила класифікацію зображень. Паралельно зростав інтернет як джерело даних, GPU — як прискорювач навчання, а хмара — як інфраструктура для експериментів. Ця трійка — дані, обчислення, алгоритми — пояснює, чому саме 2010-ті принесли хвилю продуктів, які раніше існували лише в лабораторіях.
Приклад
AlphaGo 2016 року переміг професійного гравця в Go — гру з величезним простором станів, де пошук повним перебором не працює. Це поєднання глибокого навчання для оцінки позицій і пошуку методом Монте-Карло в дереві показало, що символьний і статистичний підходи можуть доповнювати один одного. Історія штучного інтелекту — не лінійна заміна одного методу іншим, а накопичення інструментів.
Що запамʼятати
Штучний інтелект еволюціонував від формальних нейронів і правил до навчання на даних і генеративних систем. Зими нагадують про ризик ажіотажу; прориви — Deep Blue, роботи-пилососи, автономні авто, LLM — показують, як змінювались пріоритети галузі.
Перевірка
4 питанняКілька питань за матеріалом уроку. Спроб — скільки завгодно.