Istorija umjetne inteligencije: Od Turinga do ChatGPT-a

Ideja da mašina može razmišljati nije nastala sa ChatGPT-om, niti sa prvim računarima. Ljudi su stoljećima maštali o napravama koje bi mogle oponašati ljudski um, od antičkih filozofa koji su pokušavali svesti mišljenje na logička pravila, do inženjera koji su gradili mehaničke lutke sposobne da imitiraju pokrete živih bića. Prava priča o umjetnoj inteligenciji, onakvoj kakvu je danas poznajemo, počinje sredinom dvadesetog stoljeća sa jednim britanskim matematičarem i pitanjem koje je zvučalo gotovo nemoguće za to vrijeme. Da li mašine mogu misliti? U nastavku prolazimo kroz sve ključne trenutke koji su doveli od tog pitanja do chatbotova koje danas koristimo svaki dan.

Prije Turinga, ideja mislećih mašina

Zamisao o vještačkim bićima koja razmišljaju ili se ponašaju poput ljudi mnogo je starija nego što bi se moglo pomisliti. Filozofi poput Aristotela pokušavali su svesti ljudsko rasuđivanje na formalna logička pravila, dok su matematičari poput Blaisea Pascala i Gottfrieda Leibniza već u sedamnaestom stoljeću gradili mehaničke kalkulatore sposobne za osnovne računske operacije.

U osamnaestom stoljeću, francuski izumitelj Jacques de Vaucanson izradio je mehaničku patku sposobnu da imitira jedenje i probavu, što je tadašnjoj javnosti izgledalo gotovo magično i pokrenulo pitanje koje je decenijama kasnije ponovo postalo aktuelno, ako nešto izgleda i ponaša se kao živo biće, da li je onda razlika uopšte bitna. U devetnaestom stoljeću, engleski matematičar Charles Babbage osmislio je takozvani analitički stroj, uređaj opšte namjene koji bi mogao izvršavati različite operacije na osnovu unesenih uputa.

Njegova saradnica Ada Lovelace otišla je korak dalje i prva zapisala ideju da bi takav uređaj mogao obrađivati ne samo brojeve, već i simbole, riječi, pa čak i muziku. Mnogi je zbog toga smatraju prvom osobom koja je predvidjela ono što danas nazivamo programom. Ako te zanimaju osnovni pojmovi koji se pojavljuju kroz cijelu ovu priču, kao što su algoritam ili neuronska mreža, pogledaj i naš rječnik AI pojmova gdje su svi jednostavno objašnjeni.

Alan Turing i rođenje ideje mislećih mašina

Alan Turing, britanski matematičar i kriptograf, postavio je pitanje koje će obilježiti cijelu narednu granu nauke. Godine 1950. objavio je rad pod nazivom “Computing Machinery and Intelligence”, u kojem je umjesto da pokuša definisati šta je mišljenje, predložio praktičan test za procjenu mašinske inteligencije.

Turingov test

Ovaj test, poznat kao Turingov test, zamišljao je situaciju u kojoj čovjek kroz tekstualnu komunikaciju razgovara i sa mašinom i sa drugim čovjekom, bez da zna koje je koje. Ako ispitivač ne bi uspio pouzdano razlikovati mašinu od čovjeka, smatralo bi se da mašina posjeduje inteligenciju sličnu ljudskoj. Ovaj koncept je decenijama ostao referentna tačka za procjenu koliko je neki sistem zaista “inteligentan”, a ponovo je oživio u javnoj raspravi 2022. godine kada se pojavio ChatGPT.

Univerzalna Turingova mašina

Osim testa, Turing je još u tridesetim godinama dvadesetog stoljeća osmislio teorijski model danas poznat kao univerzalna Turingova mašina, sposoban da simulira izvršavanje bilo kog algoritma. Taj koncept je postao temelj na kojem počiva cijela moderna računarska nauka, a samim tim i sva umjetna inteligencija koja je uslijedila.

Dartmouth konferencija 1956, zvanično rođenje umjetne inteligencije

Iako su ideje o mislećim mašinama postojale i ranije, termin umjetna inteligencija zvanično je skovan tek 1956. godine. Te godine, matematičari John McCarthy i Marvin Minsky uspjeli su okupiti grupu istraživača na Dartmouth koledžu, uz podršku Claudea Shannona i Nathaniela Rochestera, tvorca prvog IBM-ovog komercijalnog računara. Cilj ljetnog istraživačkog programa bio je ambiciozan, istražiti da li se svaki aspekt učenja i inteligencije može opisati dovoljno precizno da ga mašina može simulirati. Upravo je taj skup, poznat kao Dartmouth konferencija, obilježio zvanično rođenje umjetne inteligencije kao naučne discipline. Za širi pregled šta uopšte danas podrazumijevamo pod tim pojmom, pogledaj naš tekst šta je umjetna inteligencija.

Rani uspjesi i prvi programi

Arthur Samuel i program za igranje dama

Jedan od prvih istraživača koji je pokazao praktičnu snagu ove nove discipline bio je Arthur Samuel, koji je krajem pedesetih godina napisao program za igranje dama sposoban da uči iz sopstvenih partija. Program je radio na IBM-ovom računaru 701 i koristio je jednostavan princip, puštao je jednu verziju sebe da igra protiv druge, pa je zadržavao strategije koje su dovodile do pobjede. Do 1962. godine, njegov program je bio dovoljno dobar da pobijedi tadašnjeg šampiona na državnom nivou, što je tada djelovalo gotovo nezamislivo za mašinu. Samuel je ujedno i popularizovao izraz strojno učenje, pojam koji i danas koristimo.

Logic Theorist i General Problem Solver

U isto vrijeme, Allen Newell, Herbert Simon i Clifford Shaw razvili su program pod nazivom Logic Theorist, sposoban da dokazuje matematičke teoreme koristeći čisto logičko rezonovanje. Isti tim je kasnije razvio General Problem Solver, program koji je rješavao probleme razlažući ih na manje korake, mada bez sposobnosti pravog učenja.

ELIZA, prvi poznati chatbot

Sredinom šezdesetih godina, Joseph Weizenbaum sa MIT-a napravio je program po imenu ELIZA, koji je simulirao razgovor sa psihoterapeutom prepoznavanjem ključnih riječi i vraćanjem unaprijed pripremljenih odgovora. Iako ELIZA nije zapravo razumjela ništa od onoga o čemu je “razgovarala”, mnogi korisnici su joj pripisivali stvarno razumijevanje, što je Weizenbauma iznenadilo i pomalo zabrinulo.

Prva AI zima

Nakon perioda velikog entuzijazma, umjetna inteligencija je krajem šezdesetih i tokom sedamdesetih godina doživjela svoj prvi veliki pad interesovanja, period danas poznat kao prva AI zima. Britanska vlada je 1973. godine naručila izvještaj poznat kao Lighthill Report, koji je zaključio da obećanja umjetne inteligencije nisu ispunjena, posebno u oblasti robotike i obrade jezika. Poznat je i primjer neuspjelog mašinskog prevoda engleske izreke “duh je voljan, ali je tijelo slabo”, koju je jedan od ranih sistema preveo na ruski, pa nazad na engleski, kao “votka je dobra, ali je meso trulo”. Ovakvi promašaji doveli su do drastičnog smanjenja finansiranja istraživanja širom svijeta.

Ekspertni sistemi i drugi talas optimizma

DENDRAL i MYCIN

Osamdesetih godina, interesovanje za umjetnu inteligenciju je ponovo poraslo, ovaj put kroz takozvane ekspertne sisteme, programe koji su koristili skup pravila “ako-onda” da bi simulirali rezonovanje stručnjaka u određenoj oblasti. Stanfordski istraživači su još sedamdesetih razvili DENDRAL, sistem sposoban da analizira hemijske spojeve, a kasnije i MYCIN, sistem koji je predlagao terapiju za bakterijske infekcije sa preciznošću uporedivom sa iskusnim ljekarima. MYCIN je radio na osnovu oko pet stotina pravila i mogao je postavljati dodatna pitanja ljekaru prije nego što bi ponudio preporuku, slično kako bi to učinio pravi specijalista. Ovi sistemi su pokazali da AI može biti koristan u strogo ograničenim, specijalizovanim zadacima, čak i bez ikakvog opšteg razumijevanja svijeta. Do sredine osamdesetih, na hiljade firmi širom svijeta je koristilo neki oblik ekspertnog sistema u svom poslovanju, od finansija do proizvodnje.

Druga AI zima

Uprkos ranom entuzijazmu, ekspertni sistemi su se pokazali skupim za održavanje i teškim za proširivanje. Kada su troškovi rasli, a performanse nisu pratile očekivanja, investitori su se ponovo povukli. Ugašeno je preko tri stotine firmi koje su se bavile umjetnom inteligencijom, a situaciju je dodatno pogoršao razvoj ličnih računara, koji su u mnogim zadacima postali jeftinija i praktičnija alternativa specijalizovanim AI sistemima. Ova druga AI zima potrajala je do kraja osamdesetih godina.

Neuronske mreže i povratak konekcionizma

Perceptroni

Uporedo sa usponom i padom ekspertnih sistema, druga grana istraživanja tiho je napredovala. Frank Rosenblatt je 1957. godine razvio takozvani perceptron, raniji oblik neuronske mreže koja je učila prilagođavanjem težina na osnovu greške u odgovoru. Za dublje objašnjenje kako ove strukture zapravo funkcionišu, pogledaj naš tekst šta je neuronska mreža.

Eksperiment sa učenjem glagola

Jedan od najzanimljivijih eksperimenata dogodio se 1986. godine na Univerzitetu Kalifornija u San Diegu, gdje su istraživači istrenirali neuronsku mrežu da tvori prošlo vrijeme engleskih glagola. Mreža je uspješno generalizovala pravila i za glagole koje nikad prije nije vidjela, dokazujući da sistem ne mora čuvati eksplicitna pravila, već može učiti direktno iz primjera. Ovaj princip, poznat i kao paralelna distribuirana obrada, postao je temelj na kojem počiva sav savremeni razvoj mašinskog učenja.

IBM Deep Blue pobjeđuje Kasparova

Devedesete godine dvadesetog stoljeća donijele su jedan od najsimboličnijih trenutaka u istoriji umjetne inteligencije. Godine 1997. IBM-ov superkompjuter Deep Blue pobijedio je tadašnjeg svjetskog šahovskog šampiona Garija Kasparova u zvaničnom meču. Deep Blue je koristio 256 procesora i mogao je analizirati do dvjesto miliona pozicija u sekundi. Iako mnogi smatraju da ova pobjeda više govori o snazi grube računarske sile nego o pravoj inteligenciji, ona je ipak potvrdila da mašine mogu nadmašiti čovjeka i u zadacima koji zahtijevaju dubinsko strateško razmišljanje.

Strojno učenje i era velikih podataka

Kraj devedesetih i početak dvijehiljaditih godina obilježio je zaokret u načinu na koji je umjetna inteligencija pristupala problemima. Umjesto ručno pisanih pravila, istraživači su sve više koristili statističke metode i strojno učenje, gdje sistem uči direktno iz podataka. Razvoj interneta doveo je do eksplozije dostupnih podataka, što je omogućilo treniranje sve preciznijih modela. Ovakav pristup je ubrzo pronašao primjenu u svakodnevnim alatima koje danas uzimamo zdravo za gotovo, filterima za neželjenu poštu koji su prepoznavali obrasce spam poruka, sistemima za preporuku proizvoda na osnovu ranijih kupovina, kao i ranim algoritmima za prepoznavanje rukopisa na poštanskim pošiljkama. Ako želiš detaljnije razumjeti kako se ovaj proces učenja iz podataka odvija, pogledaj naš tekst šta je mašinsko učenje.

ImageNet i eksplozija dubokog učenja

Prekretnica koja je pokrenula savremeni talas umjetne inteligencije dogodila se 2012. godine, kada je tim istraživača predstavio neuronsku mrežu koja je drastično nadmašila konkurenciju na takmičenju u prepoznavanju slika poznatom kao ImageNet. Ovaj rezultat je pokazao da duboko učenje, odnosno korištenje neuronskih mreža sa mnogo slojeva, može znatno nadmašiti dotadašnje pristupe kada postoji dovoljno podataka i računarske snage. Od tog trenutka, duboko učenje je postalo dominantan pravac istraživanja umjetne inteligencije.

AlphaGo pobjeđuje Lee Sedola

Godine 2016. Googleov DeepMind predstavio je sistem po imenu AlphaGo, koji je pobijedio Lee Sedola, jednog od najboljih svjetskih igrača drevne kineske igre go. Za razliku od šaha, go ima toliko mogućih poteza da se ne može riješiti čistom računarskom snagom, pa je AlphaGo morao razviti nešto bliže pravoj intuiciji, kombinujući duboko učenje sa metodom pokušaja i pogreške poznatom kao pojačano učenje. Ova pobjeda se smatra jednim od najvećih dostignuća u istoriji umjetne inteligencije, jer je dokazala da mašine mogu razviti strategije koje čak ni najbolji ljudski igrači nisu prepoznali.

Transformer arhitektura mijenja sve

Godine 2017. istraživači iz Googlea objavili su rad koji će promijeniti tok razvoja jezičkih modela zauvijek, predstavljajući takozvanu transformer arhitekturu. Ova arhitektura je modelu omogućila da istovremeno posmatra sve riječi u rečenici i razumije kako su međusobno povezane, umjesto da ih obrađuje jednu po jednu. Gotovo svi savremeni jezički modeli, uključujući ChatGPT, Claude i Gemini, izgrađeni su upravo na ovom principu. Za detaljnije objašnjenje kako ovi modeli rade, pogledaj naš tekst šta je LLM.

GPT-3 i početak ere velikih jezičkih modela

OpenAI je 2020. godine predstavio GPT-3, model sa 175 milijardi parametara koji je pokazao iznenađujuću sposobnost generisanja teksta koji je zvučao prirodno i smisleno. Iako je javnost tada imala ograničen pristup ovom modelu, istraživačka zajednica je odmah prepoznala da je granica onoga što jezički modeli mogu postići pomjerena daleko dalje nego što se prethodno vjerovalo.

ChatGPT mijenja sve

Tridesetog novembra 2022. godine, OpenAI je javnosti besplatno predstavio ChatGPT, chatbot izgrađen na osnovu GPT-3.5 modela. Iako tehnologija u pozadini nije bila potpuno nova, način na koji je predstavljena, kroz jednostavan razgovor u pretraživaču, učinio je umjetnu inteligenciju dostupnom svakome, bez potrebe za tehničkim znanjem. Rezultat je bio nezapamćen. ChatGPT je dostigao sto miliona korisnika za samo dva mjeseca, brže nego bilo koja ranija aplikacija u istoriji, uključujući TikTok, kojem je za isti broj korisnika trebalo devet mjeseci, i Instagram, kojem je trebalo dvije i po godine. Ako želiš detaljnije objašnjenje ovog alata, pogledaj naš tekst šta je ChatGPT.

2023 do 2026, godine ubrzanog razvoja

2023, godina temeljnih modela

Praktično sve velike tehnološke kompanije su tokom 2023. godine predstavile sopstvene modele. OpenAI je objavio GPT-4, prvi model koji je mogao obrađivati i tekst i slike. Anthropic je predstavio Claude, sa posebnim fokusom na sigurnost. Meta je objavila LLaMA kao model otvorenog koda, dok je Google krajem godine predstavio Gemini. Evropska unija je iste godine usvojila prvi zakonski okvir za regulisanje umjetne inteligencije. Za širi pregled onoga što nazivamo generativnom umjetnom inteligencijom, odnosno tehnologijom koja stvara novi sadržaj, pogledaj naš tekst šta je generativna umjetna inteligencija.

2024, umjetna inteligencija postaje svakodnevica

Tokom 2024. godine, umjetna inteligencija je iz statusa zanimljive novosti prešla u status svakodnevnog alata. Microsoft je integrisao svog AI asistenta u cijeli Office paket, dok su modeli poput Google Gemini 1.5 dobili kontekstualni prozor sposoban da obradi i po milion tokena odjednom, što je omogućilo analizu ogromnih dokumenata u jednom razgovoru.

2025, agentska umjetna inteligencija i modeli rezonovanja

2025. godina je obilježena pojavom modela koji ne samo da generišu tekst, već prolaze kroz korake rezonovanja prije davanja odgovora. Najveće iznenađenje te godine stiglo je iz Kine, kada je kompanija DeepSeek predstavila model sposoban da parira američkoj konkurenciji uz mnogo niže troškove razvoja. Za više detalja o ovoj priči, pogledaj naš tekst šta je DeepSeek. Ista godina je donijela i pravi uspon takozvanih AI agenata, sistema sposobnih da samostalno izvršavaju zadatke u više koraka, umjesto da samo odgovaraju na pojedinačna pitanja. Za detaljnije objašnjenje ovog koncepta, pogledaj naš tekst šta je AI agent.

2026, era ubrzane trke

U trenutku pisanja ovog teksta, industrija umjetne inteligencije se razvija brzinom kakva ranije nije zabilježena. Modeli se sve više specijalizuju, neki za rezonovanje, neki za pisanje koda, neki za obradu zvuka ili videa u realnom vremenu. Sve veći broj kompanija objavljuje i modele otvorenog koda, što znači da moćni AI sistemi više nisu dostupni isključivo kroz plaćene aplikacije najvećih igrača, već ih programeri mogu preuzeti i prilagoditi sopstvenim potrebama. Ukupna globalna ulaganja u infrastrukturu za umjetnu inteligenciju premašuju šest stotina milijardi dolara godišnje, dok se konkurencija između najvećih igrača dodatno zaoštrava svakim mjesecom. Istovremeno, sve više pažnje se posvećuje pitanjima regulacije, sigurnosti i odgovornog korištenja ove tehnologije, jer brzina razvoja često nadmašuje brzinu kojom zakonodavci i institucije uspijevaju da postave jasna pravila.

Šta nas očekuje dalje

Put od Turingovog pitanja da li mašine mogu misliti, do chatbotova koji danas pišu tekstove, rješavaju matematičke probleme i pomažu u svakodnevnim zadacima, trajao je nešto više od sedamdeset godina. Većina tog vremena obilježena je usponima i padovima, periodima velikog entuzijazma praćenim godinama razočaranja. Ono što je posebno u posljednjoj deceniji jeste brzina kojom se napredak dešava, jer se ono što je ranije trajalo godinama danas dešava za mjesece.

Zanimljivo je i to koliko je malo istraživača u ranim danima ove discipline uspjelo tačno predvidjeti kako će razvoj izgledati. Neki su vjerovali da će mašine sa ljudskim nivoom inteligencije postojati već sedamdesetih godina, dok su drugi tvrdili da je nešto slično potpuno nemoguće. Istina se pokazala mnogo složenijom od bilo koje krajnosti, put je bio spor decenijama, a onda naglo ubrzao u samo nekoliko posljednjih godina.

Mnogi istraživači vjeruju da bi sljedeći veliki korak mogao biti razvoj opšte umjetne inteligencije, sistema koji bi mogao izvršavati bilo koji intelektualni zadatak na nivou čovjeka. Da li je taj trenutak blizu ili daleko, ostaje otvoreno pitanje, a mišljenja unutar same industrije se dosta razlikuju. Za više o ovom konceptu, pogledaj naš tekst šta je AGI.

Reference

Za detaljnu vremensku liniju razvoja umjetne inteligencije od 2022. do danas, pogledaj pregled TECHi o istoriji umjetne inteligencije. Za dodatne provjerene činjenice o ključnim događajima, dostupna je i stranica Wikipedije o istoriji umjetne inteligencije.

Često postavljana pitanja

Ko se smatra ocem umjetne inteligencije?

Alan Turing se često naziva ocem umjetne inteligencije zbog svog teorijskog rada i Turingovog testa, dok se John McCarthy smatra osobom koja je skovala sam termin umjetna inteligencija 1956. godine.

Kada je nastao termin umjetna inteligencija?

Termin je zvanično nastao 1956. godine na Dartmouth konferenciji, gdje je John McCarthy prvi put upotrijebio ovaj naziv za novu naučnu disciplinu.

Šta je AI zima?

AI zima je period smanjenog interesovanja i finansiranja istraživanja umjetne inteligencije, izazvan neispunjenim očekivanjima. Dogodila se dva puta, prvi put krajem šezdesetih i tokom sedamdesetih, a drugi put krajem osamdesetih godina.

Koja je razlika između mašinskog učenja i umjetne inteligencije?

Umjetna inteligencija je širi pojam koji obuhvata sve pokušaje da mašine simuliraju ljudsku inteligenciju, dok je mašinsko učenje samo jedan pristup unutar tog polja, zasnovan na učenju iz podataka umjesto ručno pisanih pravila.

Kada je nastao ChatGPT?

ChatGPT je predstavljen 30. novembra 2022. godine, a za samo dva mjeseca dostigao je sto miliona korisnika, što ga čini jednom od najbrže usvojenih aplikacija u istoriji.

Koji je najvažniji trenutak u istoriji umjetne inteligencije?

Teško je izdvojiti samo jedan trenutak, ali mnogi stručnjaci smatraju da su Dartmouth konferencija iz 1956. godine i predstavljanje transformer arhitekture 2017. godine dvije najvažnije prekretnice, jer su obje otvorile potpuno nove pravce razvoja.