Povestea începe cu oameni care au îndrăznit să creadă că o mașină ar putea face mai mult decât calcule. Între întrebările lor și asistenții de astăzi se află decenii de încercări, descoperiri și așteptări care au trebuit regândite.
Deschizi o aplicație, îi trimiți un text greu de înțeles și scrii: „Explică-mi ce înseamnă”. Primești un răspuns, ceri un exemplu, apoi revii asupra unei nelămuriri. Calculatorul intră astfel într-un schimb care seamănă cu o conversație. Pentru cine încearcă prima dată un asistent AI, surpriza poate veni tocmai din această simplitate: poți cere ajutor folosind cuvintele tale.
Inteligența artificială, prescurtată AI după denumirea engleză „artificial intelligence”, cuprinde sisteme informatice construite pentru sarcini precum recunoașterea imaginilor, lucrul cu limbajul sau găsirea unor soluții. O parte dintre ele pot genera texte, imagini și alte tipuri de conținut. Conversațiile cu ChatGPT sunt una dintre formele prin care această tehnologie a devenit cunoscută publicului.
Dacă lucrezi cu documente, cauți informații sau încerci să înveți ceva nou, ai motive să te intereseze. Asemenea instrumente îți pot ușura anumite sarcini, dar trebuie să poți judeca și calitatea ajutorului primit. Înțelegerea AI-ului te ajută să alegi ce îți este folositor și să recunoști situațiile în care un răspuns convingător are nevoie de verificare.
Ca să înțelegem cum am ajuns să purtăm aceste conversații, merită să pornim dintr-o lume în care calculatoarele abia începeau să existe. Înaintea aplicațiilor și a răspunsurilor de pe ecran a fost o întrebare: am putea construi o mașină care să facă unele dintre lucrurile pentru care oamenii își folosesc mintea?
🔘 O mașină care își poate schimba meseria
Pentru a ajunge la o asemenea mașină, oamenii aveau nevoie să înțeleagă ce înseamnă, de fapt, să execuți o sarcină urmând instrucțiuni. Când aduni două numere pe hârtie, aplici o succesiune de pași. Îi poți explica altcuiva, iar persoana respectivă îi poate repeta. Dar cât de departe poate merge acest fel de a rezolva probleme?
Cu un secol înainte de calculatoarele electronice, Charles Babbage proiectase Mașina Analitică, o mașină mecanică programabilă rămasă neterminată. Ada Lovelace a observat în 1843 că un asemenea dispozitiv ar putea prelucra mai mult decât numere, dacă informațiile ar fi reprezentate potrivit. Tot ea avertiza că mașina nu produce singură idei în sensul atribuit oamenilor. Erau încă proiecte și reflecții, nu inteligență artificială funcțională.
În 1936, matematicianul britanic Alan Turing a cercetat tocmai limitele calculului prin reguli precise. În lucrarea sa, a descris o mașină imaginară care citește și scrie simboluri. A introdus și ideea unei mașini universale, care poate reproduce funcționarea altor asemenea mașini pe baza instrucțiunilor primite. Era o idee formulată pe hârtie, cu urmări importante pentru dezvoltarea calculatoarelor.
Astăzi, când folosim același laptop pentru un tabel, o fotografie și un mesaj, schimbarea ni se pare firească. În spatele ei se află această posibilitate: aceeași mașină poate îndeplini sarcini diferite, dacă primește instrucțiunile potrivite. Odată ce accepți ideea, apare și tentația de a merge mai departe. Ai putea descrie pașii unei demonstrații matematice? Ai putea construi un program care să aleagă o mutare într-un joc?
La un joc simplu, precum X și 0, putem vedea de unde ar începe încercarea. Programul trebuie să știe cum arată tabla, ce mutări sunt permise și ce înseamnă să câștige. Apoi are nevoie de o metodă pentru a alege unde pune următorul semn.
O parte din ceea ce numim „a gândi o mutare” începe astfel să poată fi descrisă ca o problemă de rezolvat.
Ideea decisivă era că o mașină programabilă putea fi pusă să lucreze la probleme foarte diferite. Rămânea de aflat cât de bine puteau oamenii să transforme fiecare problemă în ceva ce mașina putea prelucra.
🔘 Din idei pe hârtie, în încăperi pline de echipamente
Unii cercetători căutau indicii chiar în creier. În 1943, Warren McCulloch și Walter Pitts au descris matematic niște unități foarte simple, inspirate de neuroni, celulele care transmit semnale în sistemul nervos. În modelul lor, asemenea unități puteau fi legate în rețele care efectuau operații logice.
Această descriere simplifica enorm un creier viu. Valoarea ei era că oferea o cale de a studia legătura dintre semnale, conexiuni și calcul. Cercetarea avea acum mai multe puncte de plecare: regulile folosite pentru rezolvarea problemelor, felul în care funcționează creierul și posibilitățile unor mașini aflate încă la început.
În februarie 1946, Universitatea din Pennsylvania prezenta public ENIAC, unul dintre primele mari calculatoare electronice. Cântărea aproximativ 30 de tone și avea mii de tuburi electronice. Fusese conceput să accelereze calcule laborioase, inclusiv cele pentru traiectoriile proiectilelor. Privit din lumea telefoanelor care încap în buzunar, pare un echipament dintr-o altă epocă. Pentru oamenii care lucrau cu el, era o posibilitate nouă de a rezolva calcule consumatoare de timp.
Printre cei care i-au pregătit demonstrația se afla Jean Jennings Bartik. Își dorise să plece din mica localitate din Missouri în care crescuse și refuzase posturi de profesoară, așteptând o oportunitate. Când a primit telegrama de angajare, a luat trenul spre Philadelphia. Avea să facă parte din grupul celor șase femei care au programat ENIAC. Împreună cu Betty Snyder Holberton, a pregătit calculul de traiectorie prezentat presei în 1946.
Povestea ei ne aduce aproape de munca din spatele mașinii. Oricât de impresionant era echipamentul, cineva trebuia să înțeleagă problema și să stabilească operațiile pe care acesta urma să le execute. Pentru a trece de la calcule la jocuri, limbaj sau învățare, cercetătorii aveau de descoperit cum să descrie asemenea sarcini unui calculator.
🔘 Turing își imaginează o conversație
În 1950, Turing a abordat întrebarea „Pot mașinile să gândească?” într-un articol intitulat „Computing Machinery and Intelligence”. A propus să o cercetăm printr-un joc al imitației, în care întrebările și răspunsurile sunt transmise în scris.
În forma simplificată sub care este cunoscut astăzi testul Turing, un evaluator discută cu un om și cu o mașină, fără să îi vadă, apoi încearcă să îi deosebească. Ceea ce poate judeca sunt răspunsurile. Ar putea calculatorul să participe suficient de convingător încât interlocutorul să ezite?
Turing explora și o altă posibilitate: construirea unui program care să dobândească abilități prin instruire, folosind dezvoltarea unui copil drept sursă de inspirație. Conversația și învățarea apăreau astfel în aceeași lucrare, cu mult înainte de asistenții pe care îi folosim astăzi.
Există ceva tulburător de familiar în această întoarcere la început. Noi scriem o întrebare și privim răspunsul care apare pe ecran. Turing încerca să-și imagineze cât de departe ar putea ajunge o asemenea interacțiune într-o vreme în care calculatoarele erau abia la primele lor utilizări. Între posibilitatea imaginată atunci și experiența de astăzi aveau să încapă generații întregi de cercetători.
🔘 O vară pentru o ambiție atât de mare
La mijlocul anilor 1950, aceste întrebări începeau să-i apropie pe oameni care lucrau în domenii diferite. Matematicienii studiau regulile și demonstrațiile, cercetătorii creierului încercau să înțeleagă învățarea, iar constructorii de calculatoare ofereau mijloace noi de experimentare. John McCarthy, un tânăr profesor de matematică la Dartmouth College, a contribuit la aducerea acestor preocupări în același proiect.
La 31 august 1955, împreună cu Marvin Minsky, Nathaniel Rochester și Claude Shannon, a semnat propunerea unei întâlniri de cercetare pentru vara următoare. Documentul folosea expresia „artificial intelligence”. Termenul exista, așadar, înaintea întâlnirii din 1956 care avea să devină reperul fondator al domeniului.
Planul prevedea ca zece cercetători să lucreze împreună timp de două luni. Își propuneau să studieze cum ar putea mașinile să folosească limbajul, să învețe și să rezolve probleme considerate până atunci rezervate oamenilor. Autorii sperau că munca împreună, pe durata unei veri, va aduce progrese importante în cel puțin una dintre aceste direcții.
Amploarea propunerii devine mai ușor de simțit dacă ne gândim la o conversație obișnuită. Urmărim ce spune celălalt, legăm vorbele de lucruri pe care le cunoaștem, înțelegem aluzii și ne schimbăm răspunsul când primim o informație nouă. O facem atât de firesc încât rareori observăm câte lucruri presupune. Cercetătorii își asumau încercarea de a descrie asemenea procese suficient de precis pentru a le reproduce într-o mașină.
Întâlnirea a avut loc în vara lui 1956, la Dartmouth, sub conducerea lui McCarthy. A ajutat la conturarea unui domeniu în care limbajul, învățarea și rezolvarea problemelor puteau fi urmărite ca părți ale aceleiași ambiții. Inteligența artificială avea un nume și o comunitate de cercetare care începea să se formeze în jurul ei.
De aceea, 1956 a rămas anul de referință al nașterii AI ca domeniu. Originile sale se întind însă în ideile și încercările care au precedat întâlnirea. Când privim spre Dartmouth, vedem momentul în care aceste fire au fost adunate într-un proiect pe care alții aveau să-l continue.
🔘 Acum trebuia să și funcționeze
La capătul acestui început, cercetătorii aveau calculatoare pe care puteau experimenta și întrebări suficient de clare pentru a începe lucrul. Puteau încerca să construiască un program care joacă, unul care găsește o demonstrație sau unul care lucrează cu propoziții. Fiecare reușită urma să arate cât din ambiție putea deveni realitate.
Privită de aici, conversația cu un asistent AI capătă altă profunzime. Câteva cuvinte scrise astăzi într-o casetă continuă o întrebare veche de zeci de ani: cum facem o mașină să lucreze cu limbajul și ideile noastre? Ceea ce folosim acum a devenit posibil prin multe încercări de a răspunde acestei întrebări.
Primele rezultate aveau să dea motive de optimism. Programele începeau să rezolve probleme care păreau să ceară inteligență. Dar între a reuși într-o demonstrație și a te descurca în viața reală exista o distanță pe care cercetătorii abia urmau să o descopere. Acolo începe următorul capitol al poveștii.
Dacă apreciezi conținutul Omul Digital, susține dezvoltarea proiectului.
Surse și documentare
Ada Lovelace, Notes on the Analytical Engine, 1843. Notele despre Mașina Analitică și posibilitățile sale.
University of Manchester, Alan Turing will be face of new £50 note. Context despre lucrarea din 1936 și contribuția lui Turing la dezvoltarea calculatoarelor.
Warren S. McCulloch și Walter Pitts, A Logical Calculus of the Ideas Immanent in Nervous Activity, 1943. Datele bibliografice și rezumatul original sunt accesibile; textul integral de pe pagina editorului necesită acces.
University of Pennsylvania, On ENIAC’s anniversary, a nod to its female ‘computers’. Prezentarea din 1946, caracteristicile mașinii și contribuția programatoarelor.
Alan Turing, Computing Machinery and Intelligence, 1950. Text integral găzduit de University of Maryland, Baltimore County, inclusiv secțiunile despre jocul imitației și mașinile care învață.
John McCarthy, Marvin Minsky, Nathaniel Rochester și Claude Shannon, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 31 august 1955. Documentul original, păstrat pe site-ul Stanford.
Dartmouth College, The Founding and Future of AI. Context instituțional despre întâlnirea din vara anului 1956.