Artificiell intelligens (AI) verkar ofta ha blivit en framgångssaga över en natt, men dess rötter sträcker sig mer än 80 år tillbaka i tiden.
Resan från de första neurala nätverken till det sofistikerade ChatGPT är fascinerande och präglas av viktiga milstolpar, tekniska framsteg och kulturella förändringar. Låt oss undersöka hur vi hamnade här och varför det inte hände tidigare.
AI:s 80-åriga resa
De första dagarna: Neurala nätverk och Turingtestet
I 1948 introducerades begreppet neurala nätverk, vilket lade grunden för AI. Vid 1950 ställde Alan Turing i sin banbrytande artikel "Computing Machinery and Intelligence" det berömda Turingtestet, där han frågade sig om en maskin kunde vara oskiljaktig från en människa i en konversation. Denna fråga skulle vägleda AI-utvecklingen i årtionden.
Den första chatboten: Eliza
År 1966 presenterades Eliza, världens första chatbot, på MIT. Eliza var utformad som en "datorterapeut" och var förenklad och återgav ofta användarnas uttalanden. Eliza var tänkt som en demonstration för att visa hur banal och begränsad den nuvarande tekniken var på sextiotalet, men hon fängslade många och gav en antydan om den förföriska potentialen hos AI-konversationer.
Uppgång och fall: "Expertsystem" och tidig AI
1980s bevittnade försök att skapa expertsystem för användning inom juridik, hälsovård och finansindustri. Även de djärvaste av dessa experiment var begränsade till sin expertis och oöverkomligt dyra att träna, vilket gjorde att de inte alls nådde upp till hypen och att AI-etiketten fick sig en törn.
Men under 1990-talet fick neurala nätverk praktiska tillämpningar inom datorseende och teckenigenkänning, liksom inom andra områden där neurala nätverk av blygsam storlek kunde användas, vilket åter väckte intresset för AI.
Maskininlärningens era
2000-talet markerade början på maskininlärning som infiltrerar våra liv genom applikationer som Google, Yelp och Waze. Denna period lade grunden för AI:s integrering i det dagliga livet och gjorde tekniken mer tillgänglig och bekant för den breda allmänheten.
Dominerande spel: AI:s triumfer i Jeopardy, Schack och Go
2010-talen framhävdes av AI-algoritmer som besegrade mänskliga mästare i Jeopardy, schack och Go. Dessa segrar visade AI:s växande kapacitet och dess potential att överträffa mänsklig expertis inom specifika områden. Men de fungerade också som en varning, eftersom de genombrott som utvecklade dessa förmågor var långsamma att överföra till områden som sjukvård, trots miljarder som spenderades på forskning.
AI:s historia handlar inte bara om tekniska framsteg utan också om kulturella förändringar, ekonomiska faktorer och människans nyfikenhet och anpassningsförmåga.
Tillkomsten av stora språkmodeller
Under 2020-talet klarade stora språkmodeller som ChatGPT Turingtestet, en milstolpe som omdefinierade AI:s förmåga att konversera. Under den här eran föreslogs också en ny utmaning: Att en AI skulle kunna skapa en startup värd $1M på två månader, vilket visar AI:s potential inom entreprenörskap.
De fyra C:na bakom AI:s utveckling
Precis som med många andra tekniska framsteg finns det ingen enskild orsak till AI:s framfart. Jag föreslår att följande fyra drivkrafter, som tillämpats under de senaste 30 åren, kan förklara hur 2023 blev året då AI blev allmänt förekommande.
Beräkna kapacitet och kostnad
Moores lag spelade en avgörande roll genom att förbättra datorkapaciteten och göra parallell databehandling möjlig, även om det fortfarande är förenat med betydande kostnader för utbildning och drift av stora språkmodeller (LLM).
Culture
I och med att smartphones finns överallt har vi vant oss vid algoritmer i vårt dagliga liv, från navigering till rekommendationer, vilket banade väg för AI:s acceptans.
Corpus
Internet tillhandahöll en aldrig tidigare skådad samling av digitaliserad text, avgörande för utbildningen av LLM, om än inte utan kontroverser kring dataanvändningen.
Samtal
Medan mindre än en halv procent av alla människor på jorden vet hur man kodar, börjar vi alla förvärva språkkunskaper vid ungefär sex månaders ålder. Våra medfödda språkkunskaper gjorde språkbaserad AI särskilt tilltalande, vilket ledde till snabb spridning och viral tillväxt.
De slutliga katalysatorerna: Mod och kontanter
Med början i 2016 ledde en kombination av mod och finansiellt stöd till att forskarna kunde skala upp neurala nätverk till oöverträffade nivåer. Lanseringen av GPT-4 i mars 2023 symboliserade denna trend och visade att större modeller kunde nå bortom sina anmärkningsvärda språkliga förmågor och visa bevis på noggrant resonemang.
En resa med små framsteg och djärva språng
AI:s historia handlar inte bara om tekniska framsteg utan också om kulturella förändringar, ekonomiska faktorer och människans nyfikenhet och anpassningsförmåga. Från de första dagarna med neurala nätverk och skapandet av det (skrämmande) Turing-testet till ChatGPT-eran är AI:s resa en väv av stegvisa framsteg, djärva språng och välmenande felsteg.
Framtiden får utvisa om stora språkmodeller kommer att inleda en ny era för AI.
När vi blickar framåt är det viktigt att komma ihåg att vi på sätt och vis har varit här förut - åtminstone trodde vi det då. Här är några exempel.
- Termen "robotar" och en varning för deras faror dök först upp i "R.U.R.", en pjäs av den tjeckiske författaren Karel Čapek i 1920.
- I 1965 varnade nobelpristagaren och ekonomen Herb Simon - ofta nämnd som en av de få teoretiker som banade väg för AI - för att maskiner inom 20 år skulle kunna utföra alla uppgifter som utförs av människor.
- Fem år senare hävdade Marvin Minsky (en annan pionjär inom AI) att vi var mindre än ett decennium från en maskin som var lika intelligent som människan.
- Fem- och tioårsprognoserna för AI under augustis och tonåren var nästan enhälliga i sin optimism om produktivitetsförbättringar i biljonklassen, men dessa förutsägelser visade sig vara överdrivna.
Framtiden får utvisa om LLM kommer att inleda en ny era för AI, där var och en av oss har ständig tillgång till en hypereffektiv, empatisk och outtröttlig personlig assistent, läkare och livscoach. Även om vi verkar vara närmare än någonsin finns det verkliga utmaningar när det gäller beräkningskostnader, beräkningshastighet, hallucinationer och noggrannhet.
Det enda som är säkert är att den pågående tävlingen om att bygga den AI som vi har blivit lovade i över ett århundrade inte kommer att bli tråkig.
Läs mer om AI från Dr. Sonnenblick:
- Revolutionen är här: Generativ AI och projektledning
- Vår AI-strategi (och en plan för din)
- Trender inom AI: Ska man se data som en produkt?
Ta del av vad Planviews CTO, dr Mik Kersten, säger om Planviews Copilot-funktioner och produktivitet med AI:
- Vi presenterar Planview Copilot: Påskynda omvandling och åtgärder Datadrivet strategiskt beslutsfattande
- Produktivitet, AI och framtiden för digitalt uppkopplat arbete
