75 лет за 15 минут: от Тьюринга до ChatGPT

Кажется, что ИИ появился в 2022-м вместе с ChatGPT. На самом деле этой истории 75 лет, и она полна гениев, драм и обманутых надежд. Поехали.

Акт I. Человек, который придумал вопрос (1950)

Англия, 1950 год. Математик Алан Тьюринг — тот самый, что во Вторую мировую взломал шифровальную машину «Энигма» и, по оценкам историков, сократил войну на два года, — публикует статью с дерзким вопросом: «Может ли машина мыслить?»

Вместо философских споров он предлагает игру, известную теперь как тест Тьюринга: если в переписке ты не можешь отличить машину от человека — какая разница, «мыслит» она или нет? Результат важнее определений. Спустя 72 года миллионы людей будут ежедневно переписываться с машиной, которая этот тест, по сути, проходит. Тьюринг этого не увидит: в 1954-м, затравленный государством, которое он спас, он уйдёт из жизни в 41 год. Сегодня главная награда в компьютерных науках — премия Тьюринга — носит его имя.

Акт II. Рождение термина и первые обещания (1956–1969)

Лето 1956-го, американский колледж Дартмут. Молодой математик Джон Маккарти собирает два десятка учёных на летний семинар и для заявки на грант придумывает звучное название: artificial intelligence — «искусственный интеллект». Термину, которым мы пользуемся, буквально 70 лет, и родился он как маркетинг для гранта.

Оптимизм зашкаливал. В 1958-м психолог Фрэнк Розенблатт показал перцептрон — первую обучающуюся «нейросеть» размером со шкаф. The New York Times написала, что вскоре машины «будут ходить, говорить, видеть и осознавать себя». Пионеры обещали человеческий уровень интеллекта «через 20 лет».

Как думаешь, что могло пойти не так? Подумай, прежде чем читать дальше.

Акт III. Зимы ИИ (1970-е и конец 1980-х)

Пошло не так почти всё: компьютеры были в миллионы раз слабее нужного, данных не было, а сами методы упирались в потолок. В 1973-м британский отчёт Лайтхилла разгромил область: обещания не выполнены. Финансирование срезали, лаборатории закрылись — наступила «зима ИИ». В 80-е историю повторили «экспертные системы» (программы из тысяч правил «если-то»): бум, миллиардные инвестиции — и второй коллапс, когда выяснилось, что правила невозможно поддерживать.

Запомни этот паттерн: завышенные обещания → разочарование → обвал. Он объяснит тебе и сегодняшние споры об ИИ.

Акт IV. Тихая революция (1990–2012)

Пока термин «ИИ» был почти ругательством, небольшая группа учёных — среди них Джеффри Хинтон, будущий «крёстный отец глубокого обучения» и нобелевский лауреат 2024 года, — упрямо развивала нейросети. Их идея была проста и радикальна: не программировать знания, а дать машине учиться на примерах. Не хватало двух ингредиентов: данных и вычислительной мощности.

Оба принёс интернет. К 2012 году накопились миллиарды размеченных картинок, а видеокарты для игр (GPU) оказались идеальны для обучения нейросетей. В 2012-м сеть Хинтона и его студентов AlexNet разгромила всех на конкурсе распознавания изображений ImageNet — с отрывом, которого наука не видела десятилетиями. Началась гонка.

Акт V. Взрыв (2016–2022)

2016: программа AlphaGo обыгрывает чемпиона мира по го Ли Седоля — в игре, где позиций больше, чем атомов во Вселенной. Её 37-й ход во второй партии комментаторы назвали «ходом не человека — и не машины, а чего-то нового».

2017: инженеры Google представляют новую архитектуру нейросети — трансформер. Архитектура — это внутреннее устройство сети: схема, по которой она обрабатывает информацию. Старые схемы читали текст слово за словом и к концу длинной фразы «забывали» её начало. Трансформер смотрит на весь текст сразу и вычисляет, какие слова связаны друг с другом, — механизм назвали «вниманием» (attention). Такую сеть можно обучать на гигантских объёмах текста, и именно она станет буквой T в аббревиатуре GPT — Generative Pretrained Transformer. К данным и мощности добавился третий ингредиент — удачная архитектура.

30 ноября 2022: OpenAI открывает публичный доступ к ChatGPT. 100 миллионов пользователей за два месяца — быстрее, чем любой продукт в истории человечества (Instagram шёл к этому 2,5 года, TikTok — 9 месяцев). 75-летняя история вышла из лабораторий в каждый телефон.

Что из этого следует для тебя

Три вывода, которые пригодятся во всех следующих уроках. Первый: современный ИИ — это обучение на примерах, а не запрограммированные правила — идея Хинтона победила экспертные системы из акта III. Второй: прорыв случился, когда сошлись три ингредиента — данные (интернет), мощность (GPU) и архитектура (трансформер), — и все три продолжают расти. Третий: как показали зимы ИИ, область умеет и завышать обещания, и превосходить их — поэтому дальше мы будем отделять реальность от хайпа на фактах.