Історія штучного інтелекту: цікаво про розвиток технології. Частина 2.

У 1986 році вчені створили метод, який допомагає комп’ютерним системам краще «вчитися» на своїх помилках. Завдяки йому нейронні мережі, які імітують роботу людського мозку, були здатні знаходити складні закономірності в даних. Це відкриття стало основою для розвитку сучасних технологій, які використовуються в штучному інтелекті.

Наступного року Джон Скаллі, генеральний директор Apple, поділився вражаючим відео, яке тоді здавалося фантастикою. На відео професор спілкується з розумним цифровим помічником, який може шукати інформацію, відповідати на запитання і навіть допомагати в дослідженнях, подібно до того, як ми сьогодні використовуємо голосових асистентів або інтернет. Це відео не просто показувало майбутнє — воно передбачало величезну революцію в тому, як ми працюватимемо з інформацією.

Але не менш значним був і внесок Джудеа Перла у 1988 році. Він змусив штучний інтелект почати мислити інакше, відкривши можливість працювати з ймовірностями, коли є багато невизначеності. Тепер системи могли приймати рішення навіть тоді, коли інформації було мало або вона була неповною. Його методи не лише покращили штучний інтелект, але й зробили можливим їх використання в інших науках.

У 1990-х роках Ролло Карпентер створив чат-бот Jabberwacky, здатного вести природні та гумористичні розмови, схожі на людські. На відміну від попередніх чат-ботів, які працювали за заздалегідь заданими правилами, Jabberwacky навчався безпосередньо на взаємодії з людьми. 

За рік Янн ЛеКун і його команда з AT&T Bell Labs зробили значний прорив у сфері штучного інтелекту. Вони застосували алгоритм для розпізнавання рукописних цифр на поштових індексах. Попри обмежені можливості обладнання того часу, система, яка вивчала зображення, змогла за три дні навчання розпізнавати цифри.

Математик і письменник Вернор Віндж передбачив, що протягом наступних 30 років буде створено машинний інтелект, який перевершить людський і докорінно змінить цивілізацію. Віндж вважав, що технологічний прогрес, зокрема в ШІ призведе до «вибуху інтелекту», коли машини перевершать людей. Його ідеї знову започаткували дискусії про потенційні ризики та етичні питання, пов’язані з розвитком надрозумних машин.

У 1995 році Річард Уоллес реалізував чат-бот A.L.I.C.E., покращену версію програми ELIZA. Якщо ELIZA використовувала заздалегідь прописані відповіді, то A.L.I.C.E. могла обробляти великі обсяги даних з інтернету для ведення більш природних і складних розмов. Вона застосовувала технологію AIML, що дозволяла їй адаптуватися до різних запитів.

За два роки комп’ютер Deep Blue від IBM переміг чемпіона світу з шахів, що стало першим випадком, коли машина обіграла людину в шахи за стандартним часом, довівши, що машини можуть перевершити людей у стратегії.

1998 рік. Саме тоді з’явився Фербі — перший справжній домашній робот-вихованець. Його створили Дейв Хемптон і Калеб Чанг. Фербі міг реагувати на все, що відбувалося навколо: на дотики, звуки, навіть на світло. Цікавим є те, що Фербі вмів вчитися.

Спочатку він розмовляв лише своєю мовою, яку називали Фурбіш. Проте з часом, спілкуючись зі своїм господарем, він поступово починав говорити англійською все більше і більше. Іграшка стала справжнім дивом у світі технологій. 

Робота Kismet, здатного розпізнавати емоції, у 2000-му створила Синтія Брізел з Массачусетського технологічного інституту. Kismet має камери, мікрофони та виразні риси обличчя, що дозволяє йому розпізнавати та реагувати на щастя, смуток чи здивування. Цей робот є важливим кроком у розвитку соціальної робототехніки.

Згодом вчені на чолі з Фей-Фей Лі з Принстонського університету створили проєкт, який мав навчати комп’ютер розпізнавати предмети на зображеннях — наприклад, розрізняти котів, собак і машини. Вони зібрали одну з найбільших і найповніших баз даних зображень у світі, назвавши її ImageNet. Вона містила мільйони зображень, кожне з яких підписано і віднесено до певної категорії. Завдяки цьому науковці змогли навчати комп’ютери правильно розпізнавати об’єкти на зображеннях.

Однак справжнім викликом для штучного інтелекту була інша проблема. Щоб навчати такі комп’ютери, потрібна велика обчислювальна потужність. Традиційні процесори не могли впоратися з обсягами даних. І ось у 2009 році група дослідників, серед яких Раджат Райна, Ананд Мадхаван і Ендрю Нг, опублікувала революційну роботу. Вони показали, що графічні процесори (GPU) — ті самі чіпи, які використовуються для ігор і обробки графіки — набагато швидші для навчання штучного інтелекту. Використовуючи GPU, вони змогли значно прискорити процес.

А ще, технології штучного інтелекту почали проникати й в такі сфери, як спорт. Учені з Північно-Західного університету створили програму Stats Monkey, яка автоматично генерувала спортивні новини на основі статистики з матчів. Це означало, що комп’ютер може сам створювати зв’язні та цікаві звіти, не потребуючи допомоги людини. Програма аналізує дані про гру, виступи гравців, підсумки та створює новину, ніби вона написана журналістом.

У 2011 році комп’ютер IBM Watson став справжньою сенсацією, коли переміг двох найкращих чемпіонів у популярному телевізійному шоу Jeopardy. Watson був спеціально розроблений для розуміння та обробки людської мови, і його здатність швидко знаходити правильні відповіді на складні питання продемонструвала, як далеко зайшов розвиток штучного інтелекту у взаємодії з людьми.

Того ж року компанія Apple представила Siri — голосового помічника, який став частиною операційної системи iOS. Siri дозволяє користувачам спілкуватися з телефонами за допомогою голосових команд: відправляти повідомлення, встановлювати нагадування або отримувати відповіді на питання. 

Але було те, що вважалося справжнім викликом для штучного інтелекту. Це Ґо — одна з найскладніших ігор, де можливих ходів більше, ніж атомів у всесвіті. У 2016 році AlphaGo від Google DeepMind, програма, яка використовує методи глибокого навчання, несподівано перемогла одного з найкращих гравців світу — Лі Седоля. Це усіх шокувало, і довело, що ШІ здатен вирішувати досить складні виклики.

Це була лише частина революції, адже в тому ж році компанія Hanson Robotics представила Софію, робота, здатного не тільки розпізнавати обличчя, а й вести бесіди, розуміти емоції й навіть сміятися. Цей гуманоїд став символом того, як технології штучного інтелекту наближаються до рівня людського спілкування.

Але ШІ не тільки змінює ігри. У 2017 році, під час експерименту в Facebook, два чат-боти почали спілкуватися між собою настільки ефективно, що створили власну мову. Це підкреслило потенціал ШІ розвиватися не лише за нашими правилами, але й самостійно, створюючи нові форми спілкування.

І ось, у 2020-му ми побачили ще два важливі проєкти. GPT-3 від OpenAI — одна з найбільших мовних моделей, здатна генерувати текст, відповідати на питання, писати вірші, код тощо. І на додачу до всього, AlphaFold 2, розроблений DeepMind, зробив прорив у біології, передбачивши структуру білків, що раніше було практично неможливо.

За останній час ми стали свідками справжньої революції в галузі штучного інтелекту. У 2021 році Google представив MUM — потужну модель, яка здатна обробляти текст, зображення і відео одночасно. Це дозволяє покращити результати пошуку, а також забезпечує більш точні й контекстуальні відповіді на складні запити. 

Водночас Tesla запустила систему Full Self-Driving Beta автономних автомобілів, яка використовує нейронні мережі для навігації в реальному часі. Це зробило великі кроки до повної автоматизації водіння, хоча безпека і регуляторні питання все ще стоять на шляху.

У 2021–2023 роках OpenAI розробила DALL-E, модель, яка генерує зображення з текстових описів. Це відкриття змінило підхід до створення візуального контенту, дозволяючи кожному генерувати складні та реалістичні зображення без навичок графічного дизайну. Також ми пояснили, як українські компанії використовують Azure Open AI у нашому матеріалі. А про 5 прикладів використання Microsoft Copilot в Azure, дізнавайтеся з цієї статті. 

Пізніше з’явилися DALL-E 2 і 3, що зробили цей процес ще більш точним і деталізованим. У 2024 році OpenAI анонсувала Sora — модель для створення відео з тексту. Тепер можна створювати не тільки зображення, а й відеокліпи.

Ці технології також активно впроваджуються в різних сферах, як-от медицина, де Google розширює можливості свого проєкту AlphaFold, що допомагає виявляти рак і генетичні захворювання. До речі, ми також нещодавно розповідали про 3 ШІ-стартапи в охороні здоров’я.

IBM представила Granite — генеративні моделі для бізнесу, які дозволяють створювати код, прогнозувати дані та обробляти документи. Крім того, є 6 популярних типів бізнес-контенту, які може згенерувати ШІ. Про них читайте тут.

Штучний інтелект вже перестав бути чимось фантастичним. Від нових можливостей для креативних людей до інструментів для бізнесу, він змінює наш повсякденний досвід. Від інтеграцій голосових помічників до нових платформ для автоматизації контенту — ми на порозі нової ери технологічних можливостей. Втім, деякі працівники приховують від керівництва, що використовують ШІ. Чому? Розповіли у статті.