6 artykułów

Od Arystotelesa po transformery

Sztuczna inteligencja nie zaczęła się w 2022 roku z ChatGPT. Ani w 2012 z AlexNet. Ani nawet w 1956 na konferencji w Dartmouth. Zaczęła się dwa i pół tysiąca lat temu, kiedy Arystoteles spisał reguły poprawnego wnioskowania.

Boole w 1854 roku zapisał prawa myślenia jako równania algebraiczne. Osiemdziesiąt cztery lata później Claude Shannon zauważył, że ta sama algebra opisuje obwody przekaźników telefonicznych. Z tej zbieżności narodził się komputer cyfrowy. Turing w 1936 zdefiniował, co znaczy "obliczyć coś mechanicznie". McCulloch i Pitts w 1943 pokazali, że neuron mózgowy można opisać wzorem. Rosenblatt w 1958 zbudował pierwszą uczącą się maszynę. Hinton, LeCun i Bengio przez trzydzieści lat rozwijali sieci neuronowe, gdy mainstream uważał to za stratę czasu. Vaswani i jego zespół w 2017 opublikowali Transformer, fundament każdego dzisiejszego dużego modelu językowego.

Każda epoka dokładała kolejną cegłę do gmachu, który dziś rozpoznajemy jako AI. To nie historia opowiadana po raz tysięczny. To anatomia technologii, która stoi za codziennym działaniem ChatGPT, Claude i Gemini.

  1. Marzenie o myślącej maszynie
    Część 1

    Marzenie o myślącej maszynie

    AI nie narodziła się w Dartmouth. Talos, golemy oraz logika Arystotelesa pokazują, jak powstała idea myślenia jako reguł i symboli, zanim istniały komputery.

  2. Matematyzacja myślenia
    Część 2

    Matematyzacja myślenia

    Esej o latach 1815-1943, gdy logika stała się matematyką. Od algebry Boolea i rachunku rozumowania, przez Fregego, Gödla i Turinga, po model neuronu, który otworzył drogę do komputerów i AI.

  3. Narodziny dziedziny i era symboliczna
    Część 3

    Narodziny dziedziny i era symboliczna

    Narodziny sztucznej inteligencji od warsztatu Dartmouth w 1956 roku, kluczowych badaczy i pierwsze systemy. Podział na podejście symboliczne i koneksjonistyczne oraz jego wpływ na rozwój AI.

  4. Cicha rewolucja statystyczna
    Część 4

    Cicha rewolucja statystyczna

    W latach 1988-2006 AI odchodziła od logiki i systemów ekspertowych na rzecz podejścia statystycznego. Rola Judei Pearla, sieci bayesowskich i kryzysu, który wymusił zmianę paradygmatu.

  5. Rewolucja głębokiego uczenia
    Część 5

    Rewolucja głębokiego uczenia

    Przełom z 2012 roku, gdy zespół z Toronto wygrał ImageNet modelem AlexNet. Dlaczego połączenie dużych danych, GPU, ReLU i dropout uruchomiło rewolucję głębokiego uczenia w latach 2012-2017?

  6. Era generatywna
    Część 6

    Era generatywna

    W latach 2018-2026 modele GPT dojrzewały dzięki skalowaniu i technice RLHF, prowadząc do eksplozji popularności ChatGPT, kluczowe kamienie milowe oraz konsekwencje dla firm, regulacji i ryzyk społecznych.