Jacuś: o czym pogadamy dzisiaj?
Krzysio: jest tak gorąco, że nie mam na nic siły!
Kazio: jest tak gorąco, że jest mi wszystko jedno …
Misio: zaproponuj!
Jacuś: powiem o tym co zebrałem o rozwoju ejaj i na co się natknąłem w czasie poszukiwań.
Agatka: ja się zawsze z Jacusiem zgadzam!
TEMAT Rozwój ejaj
Zacznę od wyjaśnienia tytułu – zamiast “ejaj” można by napisać: AI lub SI lub sztuczna inteligencja … dlaczego tak nie zrobiłem? Bo te słowa są swego rodzaju znakiem towarowym, który nie jest związany z jedną firmą, ale jest parasolem pod którym chowają się różne firmy, systemy informatyczne, grupy interesów czy pojedynczych entuzjastów. Ja wszak (mimo, że jako emerytowany informatyk doceniam użyteczność wielu systemów tak określanych) chcę się odciąć od tego i nie używać tego znaku towarowego, bo zwykle znak towarowy ma co najmniej przypominać jeśli nie promować.
SPOJRZENIE NA MARZENIA CZŁOWIEKA
Zastanówmy się nad kilkoma z ludzkich marzeń, które ludzie mieli pewnie od zawsze – marzeń o:
- wsparciu w zmaganiach się z trudnościami życia, jego ułatwienie i zwiększenie efektywności pracy
- przyjemnym życiu oderwanym od szarej codzienności
- Istnieniu czegoś doskonałego – w odróżnieniu od tego z czym na ziemi obcujemy
- istnieniu inteligentnego sztucznego tworu, który by spełniał chociaż część z powyższych marzeń
- życiu wiecznym na ziemi, które nie miałoby końca.
Można powiedzieć, że Talos, który był wykutą z brązu maszyną (dzieło greckiego boga Hefajstosa), to sztuczny człowiek wielkich rozmiarów, który został zaprogramowany w jednym celu — miał chronić wyspę Kretę. To miał być taki inteligentny system obronny, podarowany przez bogów królowi Minosowi. Zawsze o tych samych porach dnia, przemierzał wyspę miotając ogromnymi skałami w stronę statków, które rozpoznał jako najeźdźców – był praktycznie niezniszczalny i samowystarczalny bo energii dostarczała mu boska krew zwana ichor. Talos stworzony na nasze podobieństwo, tak jak i ludzie — chciał żyć wiecznie … Przypomnijmy jeszcze Galateę, idealną kobietę wyrzeźbioną z kości słoniowej przez króla Pigmaliona, którą ożywiła bogini Afrodyta by Pigmalion mógł się ożenić i mieć z nią córkę. Arystoteles rozważał zastąpienie niewolników przez automaty jako sposób uwolnienia Aten od niewolnictwa.
WYDARZENIA TORUJĄCE DROGĘ ejaj
Spójrzmy teraz na rozwój kultury europejskiej i istotne dla powstania ejaj wydarzenia.
Ludzie od zawsze dążyli do tworzenia narzędzi, które mogłyby ułatwić im życie jak i je urozmaicać przez przyjemności sprawiane przez urządzenia takie, które w Średniowieczu stworzył Al-Jazari w Mezopotamii: zegary wodne, fontanny automatyczne, roboty i pompy. Wtedy ludzie zaczęli zastanawiać się nad mechanizmami myślenia oraz podejmowania decyzji. Hiszpański filozof Ramon Llull (1232–1315) opracował kilka maszyn logicznych poświęconych wytwarzaniu wiedzy metodami logicznymi.[27][28] Opisywał te maszyny tak: mechaniczne byty, łączące podstawowe i niepodważalne prawdy za pomocą prostych operacji logicznych, wytwarzanych przez maszynę przez mechaniczne znaczenia, w taki sposób, by uzyskać całą możliwą wiedzę.[29]
Renesans przyniósł nowy sposób myślenia o nauce i technologii i wtedy nastąpił znaczny rozwój nauk przyrodniczych i matematyki. Myśliciele, tacy jak Leonardo da Vinci, zaczęli badać możliwości mechanizacji procesów – on projektował maszyny latające i automatyczne urządzenia, które miały naśladować ludzkie ruchy.
W wieku XVII pojawiły się także pierwsze koncepcje dotyczące maszyn obliczeniowych. Matematyk Blaise Pascal w 1642 roku wynalazł Pascaline i był to pierwszy mechaniczny kalkulator, który służył ojcu wynalazcy nadzorującemu podatki w Rouen. A Gottfried Leibniz opisał uniwersalny język rozumowania characteristica universalis i spekulował, że ludzki rozum można sprowadzić do obliczeń mechanicznych.
Oświecenie przyniosło ze sobą nowe idee dotyczące rozumu i wiedzy. Filozofowie: René Descartes i Immanuel Kant zaczęli badać naturę ludzkiego myślenia oraz jego relację do maszyn. Descartes rozważał maszynowe myślenie i wprowadził pojęcie “zwierząt mechanicznych”; z czego wnioskiem jest: niektóre aspekty ludzkiego myślenia mogą być naśladowane przez maszyny. Jednocześnie zaczęto zastanawiać się nad moralnością i etyką dotyczącą bytów nowo powstających jak i zachowań się człowieka w kontaktach z nimi.
W XVIII wieku to wynalazek maszyny parowej – za jej twórcę uważa się Jamesa Watta, który w 1763 roku udoskonalił
atmosferyczny silnik parowy zbudowany wcześniej przez Thomasa Newcomena.
W XIX wieku Charles Babbage, nazywany “ojcem komputera”, w 1822 roku zaczął budować pierwszy model maszyny różnicowej (nie ukończony za jego życia) – mechanicznego, automatycznego urządzenia, służącego do tworzenia tablic matematycznych dla funkcji wielomianowych. Pracował nad koncepcja: pierwszego automatycznego komputera cyfrowego i maszyny analitycznej (programowanego komputera) zawierającej jednostkę logiki arytmetycznej, przepływ sterowania przez rozgałęzienia warunkowe, pętle i zintegrowaną pamięć – pierwszy projekt ogólnego przeznaczenia, który można by opisać jako obliczeniowo uniwersalny więc zdolny do symulacji dowolnej Turing machine[1][2].
Ada Lovelace rozwinęła wizję Babbage’a, wprowadzając koncepcję algorytmów, które mogłyby być wykonywane przez jego maszynę. Jej notatki dotyczące silnika analitycznego, napisane w latach 40-tych XIX wieku, są dziś uznawane za najwcześniejsze przykłady programowania komputerowego. Lovelace dostrzegała już wtedy potencjał w komputerach, sięgający poza obliczenia numeryczne, przewidując możliwości generowania złożonych kompozycji muzycznych czy wykonywania zadań takich jak przetwarzanie języka.
Na przełomie wieków XIX i XX żył Thomas Edison (elektryczne oświetlenie, fonograf, kamera filmowa, urządzenie zaprojektowane przez Thomasa Edisona do pomiaru promieniowania podczerwonego) i Nikola Tesla (prąd zmienny, bezprzewodowe sterowanie, wczesne eksperymenty ze zdjęciami rentgenowskimi).
George Boole napisał The Laws of Thought (1854) and Frege napisał książkę w1879 roku o logice co dało podstawy współczesnej formie logiki matematycznej.[34] Opierając się na tym systemie Frege’a, Russell i Whitehead przedstawili formalne opracowanie podstaw arytmetyki w Principia Mathematica w 1913 roku.
W 1884 roku Herman Hollerith, amerykański wynalazca, opatentował elektromechaniczną maszynę wspomagająca podsumowywanie informacji co oznaczało początek ery zmechanizowanego kodu binarnego i półautomatycznych systemów przetwarzania danych. Założył też firmę, która w 1911 roku została połączona z kilkoma innymi firmami przedsiębiorstwami, tworząc Computing-Tabulating-Recording Company. W 1924 roku firma została przemianowana na „International Business Machines” (IBM) i stała się jedną z największych i najbardziej dochodowych firm XX wieku.
Vannevar Bush w końcu lat dwudziestych XX wieku prace jego dotyczyły elektronicznych obliczeń cyfrowych, a jednym z odgałęzień prac Busha i innych naukowców w MIT dał początek teorii projektowania układów cyfrowych.
Prezydent Franklin D. Roosevelt Rozporządzeniem Wykonawczym nr 8807 założył Biuro Badań Naukowych i Rozwoju 28 czerwca 1941 roku i mianował Vannevar Bush’a jego dyrektorem. Wiodącą rolę odegrało IBM z tabulatorami kart perforowanych, które wprawdzie nie były to komputerami, ale oferowały w pełni mechaniczny sposób sortowania i rozliczania danych, co okazało się nieocenione w procesach takich jak prowadzenie zapasów znacząco wspierając amerykański wysiłek wojenny. Warto jednak wspomnieć, że państwa niemieckiej Osi używały tych tabularatorów do zarządzania obozami koncentracyjnymi. Mimo, że te maszyny były tak używane przez niemiecki reżim, który był wtedy w stanie wojny z USA, Thomas Watson, dyrektor generalny IBM, wspierał te produkty w Niemczech aż do 1945 roku.
Walter Pitts i Warren McCulloch, w 1943 roku, analizowali sieci idealizowanych artificial neurons i pokazali, jak mogą one wykonywać proste funkcje logiczne. Byli pierwsi, którzy opisali to, co późniejsi badacze nazwali neural network[55]
Ich artykuł był inspirowany pracą Turinga „On Computable Numbers” napisaną w 1936 roku, wykorzystującą podobne dwustanowe „neurony” boolowskie, ale oni jako pierwsi zastosowali ten pomysł do funkcji neuronów.
W 1945 roku najpotężniejszy komputer ENIAC[3][4] (Electronic Numerical Integrator and Computer)[1][2]) powstał na Uniwersytecie w Pensylwanii Moore School of Electrical Engineering i był pierwszym, komputerem cyfrowym, który można było programować – był komputerem ogólnego przeznaczenia.
Jednym ze studentów zainspirowanych przez Waltera Pitts’a i Warrena McCulloch’a był Marvin Minsky, który był wtedy 24-letnim doktorantem. W 1951 roku Minsky i Dean Edmonds zbudowali pierwszą maszynę, której elementami były sztuczne neurony, SNARC.[56] (Stochastic Neural Analog Reinforcement Calculator).
Cognitive revolution co tłumaczyłbym jako rewolucja poznawania była ruchem intelektualnym, który rozpoczął się w latach pięćdziesiątych XX wieku jako interdyscyplinarne badanie umysłu i jego procesów, z którego wyłoniła się nowa dziedzina znana jako nauka poznawania. Wcześniej istotne dla tych badań dziedziny to psychologia, lingwistyka, informatyka, antropologia, neurobiologia i filozofia. Rewolucja poznawania znacząco rozwinęła sztuczną inteligencję, umożliwiając maszynom wykonywanie zadań poznawczych tradycyjnie wykonywanych przez ludzi, takich jak uczenie się i podejmowanie decyzji. Innowacje w sieciach neuronowych, szczególnie autorstwa Geoffreya Hintona, stworzyły fundamenty praktycznego stosowania ejaj, przekształcając branże przemysłu i rozwijając automatyzację poznawczą.
11 września 1956 roku odbyło się w MIT spotkanie pod hasłem Special Interest Group in Information Theory. Wzięli w nim udział naukowcy pracujący w ramach tego intelektualnego ruchu Cognitive revolution. Spotkanie to było ważne bo ta interdyscyplinarna współpraca ustanowiła psychologię ludzkiego poznania jako dominującego paradygmatu.
Esej filozoficzny Stanisława Lema na temat „intellectronics” ukazał się w Summa Technologiae w 1964[83]. W tym eseju Lem rozważa koncepcję inteligentnych maszyn i ich potencjalnego wpływu na społeczeństwo i ludzkie istnienie. Bada filozoficzne i etyczne implikacje tworzenia maszyn posiadających zdolności poznawcze, stawiając pytania o naturę inteligencji i świadomości. Badania Lema nie są jedynie spekulacją; opiera się na dogłębnym zrozumieniu technologii i jej rozwoju. Omawia, jak postępy w sztucznej inteligencji mogą doprowadzić do powstania maszyn wykonujących nie tylko zadania, ale także wykazujących formy rozumowania i podejmowania decyzji podobne do ludzkiego myślenia. Te przewidywania możliwości maszyn miały duży wpływ na kształt dyskusji na temat sztucznej inteligencji i robotyki.
Robert Anthony Kowalski jest urodzonym w Stanach Zjednoczonych, ale działającym w Wielkiej Brytanii logikiem i informatykiem, którego badania dotyczą rozwoju modeli obliczeniowych maszyn, jak i modeli obliczeniowych ludzkiego myślenia[1]. W książce z 1979 roku, Logic for Problem Solving, Kowalski mówi: wnioskowanie logiczne jest modelem rozwiązywania problemów, którego mogą używać ludzie i komputery. W książce z 2011 roku Computational Logic and Human Thinking – How to be Artificially Intelligent, mówi: stosowanie logiki obliczeniowej może pomóc ludziom poprawić umiejętności komunikacji w języku naturalnym, a w połączeniu z teorią decyzji może być wykorzystywane do poprawy ich praktycznych umiejętności rozwiązywania problemów.
ISTOTNE FAKTY NA DRODZE ejaj
Wymienione powyżej odkrycia i eksperymenty sprzyjało rozwojowi ejaj – teraz spójrzmy na fakty stricte z ejaj związane.
W tysiąc dziewięćset dwudziestym dziewiąty roku japoński prof. Makoto Nishimura zbudował robota Gakutensoku.
Atanasoff–Berry komputer (ABC) – budowany w latach 1939-1942 – był pierwszym automatycznym elektronicznym
komputerem cyfrowym[1] zbudowanym w Iowa State College w Ames, Iowa. Ponieważ nie był on programowalny to przyjmuje się jednak dzisiaj, że to ALU (jednostka logiki arytmetycznej) czyli cyfrowy układ używany w komputerach do wykonywania operacji arytmetycznych i bitowych na liczbach binarnych. Jest to podstawowy element centralnej jednostki przetwarzającej (CPU) i niezbędny do wykonywania obliczeń matematycznych oraz operacji logicznych.
W tysiąc dziewięćset czterdziestym ósmym roku brytyjski neurolog Jefferson, Geoffrey Sirotrzymał Lister Medalza osiągnięcia w neurochirurgii [7]; wykład Lister Oration związany z tym medalem miał miejsce dopiero dziewiątego czerwca tysiąc dziewięćset czterdziesty dziewiątym roku i był zatytułowany ’The Mind of Mechanical Man’.[8] W tym wykładzie omawia różnice między komputerami a ludzkim mózgiem, podkreślając unikalne cechy ludzkiego myślenia i świadomości w porównaniu z procesami mechanicznymi. Stwierdza, że te unikalne cechy to kreatywność, intuicja i głębia emocjonalna podczas gdy komputery, używające procesów mechanicznych, nie są w stanie oddać złożoności ludzkiego poznania, które charakteryzuje intencjonalność i prawdziwe rozumienie. Komputery nie posiadają inteligencji ani świadomości, która obejmuje złożone procesy nie dające się w pełni odtworzyć mechanicznie. Jego oglądy na ejajkę podkreślały znaczenie zrozumienia związku między umysłem a systemami mechanicznymi, sugerując, że jego spostrzeżenia przyczyniły się do wczesnych dyskusji o etycznych i filozoficznych implikacjach ejaj. Podczas debaty BBC w 1952 roku podkreślał potrzebę starannego rozważenia wpływu ejaj na społeczeństwo i ludzkie poznanie.
W tysiąc dziewięćset czterdziestym ósmym roku Alan Turing w nieopublikowanym raporcie „Intelligent Machinery” przedstawił koncept niezorganizowanych maszyn sieci połączonych losowo sztucznych neuronów, które można uczyć poprzez dawanie im zadań w wyniku czego zmieniać one mogą połączenia między sobą.
W tysiąc dziewięćset czterdziestym dziewiątym roku została opublikowana książka informatyka Edmund Callis Berkley „Gigantyczne mózgi, czyli maszyny, które myślą” przedstawiająca koncepcję mechanicznych mózgów i opisująca jak one przetwarzają i zarządzają informacjami z efektywnością, przekraczającą ludzkie możliwości – w niej porównywał on nowe modele komputerów do naszych mózgów.
W październiku tysiąc dziewięćset pięćdziesiątego roku Alan Turing opublikował swój przełomowy artykuł Computing Machinery and Intelligence w czasopiśmie Mind gdzie postawił tezę: miast stawiać pytanie czy maszyny mogą myśleć trzeba zastanowić się nad tym czy maszyna może symulować nieodróżnialne od ludzkiego odpowiedzi w rozmowach. To istota testu Turinga czyli skupienie się na obserwowalnym zachowaniu, a nie procesach wewnętrznych maszyn. Podaje przykład “The Imitation Game” grę w której uczestniczą trzy osoby: mężczyzna, kobieta i przesłuchujący. Przesłuchujący musi określić, która z osób (mężczyzna czy kobieta) jest człowiekiem, a która jest maszyną, wyłącznie na podstawie ich odpowiedzi. Jeśli maszyna przekona przesłuchującego, że jest człowiekiem, mówi się, że zdała test. Turing twierdził, że w ciągu pięćdziesięciu lat maszyny będą w stanie oszukać przesłuchujących w 70% przypadków.
Arthur Samuel badał “machine learning” i w tysiąc dziewięćset pięćdziesiątym drugim roku stworzył program, który nauczył się sam grać w warcaby. Pracował w IBM od tysiąc dziewięćset czterdziestego dziewiątego roku do tysiąc dziewięćset sześćdziesiątego szóstego roku ale firma nie chwaliła się tym … nie rozumieli znaczenia tego projektu?
31 sierpnia 1955 roku: John McCarty (asystent Uniwersytetu Dartmouth), Marvin Minsky (Harvard Society of Fellows), M.Rochester (IBM) i C.Shannon (Bell Telephone Laboratories) opracowali A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE w którym opisali rodzaj badań, które każdy z nich będzie prowadził – do tej listy badań został dodany szóstego marca tysiąc dziewięćset pięćdziesiątego szóstego roku plan wspólnych badań naukowców: Allen Newell (z RAND Corporation) i Herbert A. Simon (z Carnegie Institute of Technology). Projekt badawczy miał być realizowany podczas spotkania w Dartmouth w lecie 1956 roku. Zatem termin sztuczna inteligencja został pierwszy raz użyty już w 1955 roku by odróżnić to podejście od cybernetyki. Spotkanie w Dartmouth uznaje się za początek sztucznej inteligencji jako dyscypliny, a za jej ojców założycieli uważa się tę czwórkę autorów. Warto też nadmienić, że ten projekt badawczy nie był zrealizowany, ale naukowcy opracowali ramy nowej dyscypliny. Warto dodać, że ani Allen Newell ani Herbert A. Simon nie znaleźli się w gronie organizatorów spotkania.
Sensacją spotkania była prezentacja programu Logic Theorist autorzy: Allen Newell, Herbert A. Simon, Cliff Shaw[1]
Ten program, którego budowę zaczęto w 1955 roku, był pierwszym programem używającym automated reasoning i jest uważany za pierwszy artificial intelligence program[1][a]. Dowiódł 38 z pierwszych 52 twierdzeń z rozdziału numer 2 pracy Whitehead and Bertrand Russell’s Principia Mathematica i znalazł kilka krótszych nowych dowodów.[3]
Ważnym celem badań nad ejaj jest umożliwienie komputerom komunikowania się w językach naturalnych, takich jak angielski. W 1964 roku Daniel Bobrow stworzył program STUDENT rozwiązujący zadania słowne z algebry w liceum[92]
Systemy typu expert system to programy odpowiadające na pytania lub rozwiązujący problemy z konkretnej dziedziny wiedzy, wykorzystując logiczne reguły wyprowadzone z wiedzy ekspertów. Dendral z 1965 roku: jego głównym celem było badanie tworzenia hipotez i odkryć w nauce przez identyfikowanie relacji na podstawie odczytów spektrometru. W 1972 roku powstał MYCIN służył do wykrywanie bakterii wywołujących ciężkie infekcje w układzie krwionośnym oraz zapalenia opon mózgowych i zalecanie antybiotyków. Był również stosowany do diagnozy chorób krzepnięcia krwi.
W 1966 roku Joseph Weizenbaum stworzył pierwszego „chatterbota” (później skróconego do chatbota), ELIZA, parodiującego psychoterapeutę, który korzystał z przetwarzania języka naturalnego (NLP) do rozmów z ludźmi.
W 1979 roku James L. Adams pokazał ruch, stworzonego w 1961 roku autonomicznego pojazdu The Standford Cart, pojazdu bez ingerencji człowieka po pomieszczeniu pełnym krzeseł.
W latach osiemdziesiątych systemy oparte na wiedzy i inżynieria wiedzy stały się głównym obszarem badań nad ejaj.
W 1985 roku ma konferencji AAAI zaprezentowano program autonomicznego rysowania o nazwie AARON.
W tysiąc dziewięćset osiemdziesiątym piątym roku informatyk i inżynier z Tajwanu Feng-hsiung Hsu przyjechał do Stanów na studia doktoranckie w Carnegie Melon University i napisał program ChipTest, który w tysiąc dziewięćset osiemdziesiątym siódmym roku wygrał Szachowe Mistrzostwa Ameryki Północnej Komputerów. Potem stworzył komputer Deep Thought [3], a w tysiąc dziewięćset osiemdziesiątym dziewiątym roku przeszedł do IBM gdzie zaprojektował komputer Deep Blue [4] który, ciągle ulepszany, w tysiąc dziewięćset dziewięćdziesiątym szóstym roku wygrał w pojedynku z mistrzem świata Garrym Kasparowem – pojedynek składał się z sześciu meczów: wygrał jeden mecz, zremisował dwa i przegrał trzy mecze. W tysiąc dziewięćset dziewięćdziesiątym siódmym roku w poprawionej wersji podczas sześciomeczowego spotkania “znokautował” Garrego Kasparowa – wygrał dwa mecze, remisując trzy.
W czasie Pierwszej Video Konferencji na temat ejaj, która miała miejsce w tysiąc dziewięćset osiemdziesiątym piątym roku która organizowana była przez Stanford Artificial Intelligence Laboratory (SAIL), można było wysłuchać taką oto prezentację: to wszystko jest kwestią ilości pieniędzy – dacie nam więcej pieniędzy to lepsze będą nasze programy .. dam wam przykład: jest taka choroba serca, która ma cztery objawy – chyba mówił o zastoinowej niewydolności serca (congestive heart failure) z czterema objawami: krótkość oddechu, zmęczenie, pocenie się, trwały kaszel – a ośmiu z dziewięciu najlepszych specjalistów od tej choroby na świecie pracuje w Stanford w naszym szpitalu uniwersyteckim, każdy z nich powiedział nam wszystko co wie o tej chorobie i nasz program jest więc oczywiście lepszy od każdego z nich … i zasugerował, że w przyszłości tak będzie w każdej dziedzinie i ejajki w nie wejdą.
W 1988 roku powstał program temporal difference algorytm uczenia się, gdzie agent jest nagradzany tylko wtedy, gdy jego prognozy wykazują poprawę. TD-learning został wykorzystany w 1992 roku w programie TD-Gammon, który grał w backgammona. Program nauczył się gry, grając przeciwko sobie, nie mając żadnej wcześniejszej wiedzy.
W 2000 roku Profesor Cynthia Breazeal opracowała pierwszego robota, który mógł symulować ludzkie emocje za pomocą twarzy, w tym oczu, brwi, uszu i ust. Nazywał się Kismet.
W 2002 roku zaczęto intensywne badania nad artificial general intelligence (AGI).
W 2003 roku NASA wysłała na Marsa dwa łaziki (Spirit i Opportunity), które poruszały się po powierzchni planety bez ingerencji człowieka.
W 2011 roku komputer o nazwie Watson (IBM) wygrał telewizyjną grę Jeopardy przeciwko dwóm byłym mistrzom.
11 grudnia 2015 roku, Elon Musk, Sam Altman, Greg Brockman, Ilya Sutskever, Wojciech Zaremba i John Schulman założyli organizację OpenAI skupiając się na początku na uczeniu ze wzmocnieniem, robotyce i agentach grających.
Program AlphaGo korzystający z technik uczenia maszynowego a stworzony przez brytyjską firmę DeepMind jako pierwszy automat pokonał zawodowego gracza gry planszowej GO w październiku 2015 jako pierwszy automat w pięcio-rundowym pojedynku na pełnej planszy w równej grze a mecz zakończył się wynikiem 5:0. W marcu 2016 w meczu z jednym z najlepszych zawodowych graczy – Lee Sedolem, który był drugim na świecie pod względem liczby zwycięstw w mistrzostwach świata w go[21] – wygrał 4:1. W uznaniu wygranej AlphaGo otrzymał honorowy 9. dan od południowokoreańskiej federacji GO. Algorytm był już wtedy kombinację technik sieci neuronowych, maszynowego uczenia i wyszukiwania Monte Carlo[2][3]. Proszę zauważyć, że było to aż 19 lat po pokonaniu mistrza szachowego przez maszynę – czy nie mówi to o złożoności tej zdawałoby się prostej gry planszowej w porównaniu z szachami?
W 2016 roku Hanson Robotics stworzył humanoida o imieniu Sophia, która stała się znana jako pierwszy „obywatel-robot” i był pierwszym robotem o realistycznym wyglądzie człowieka, zdolnym do widzenia i odtwarzania emocji oraz komunikowania się.
SPOJRZENIE NA ejaj DZISIAJ
2020: OpenAI rozpoczęło testowanie wersji beta GPT-3, modelu wykorzystującego Deep Learning do generowania treści, czyli np. tworzenia kodu, poezji i innych zadań związanych z językiem i pisaniem. Chociaż nie jest to pierwszy model tego typu, jest to pierwszy, który tworzy treści niemal nie do odróżnienia od tych stworzonych przez ludzi.
2021: OpenAI opracowało model DALL-E, który potrafi tworzyć obrazy na podstawie zapytań w języku naturalnym
2021: powstaje firma Anthropic utworzona przez Dario Amodei, jego siostrę Danielę i 14 naukowców z OpenAI
2022: OpenAI udostępnia publicznie narzędzie ChatGpt 3.5
2023: OpenAI opracowuje ChatGPT 4.0
2023 (październik): Anthropic wprowadza Claude 2, nowy model SI konkurencyjny dla GPT-4, z ulepszonymi zdolnościami rozumienia i generowania języka naturalnego.
2024 (marzec): Anthropic wprowadza Claude 3, która jest całą rodziną dużych modeli językowych
2024 (kwiecień): Meta AI ogłasza model LLaMA 3, przeznaczony do szybszej i bardziej energooszczędnej analizy danych na dużą skalę.
2024 (sierpień): Zespół polskich badaczy wprowadza model Bielik, pierwszy zaawansowany polski model językowy, przystosowany do specyfiki języka polskiego, zdolny do analizy i generowania tekstów w sposób zbliżony do najnowszych modeli globalnych.
2024 (wrzesień): OpenAI wprowadza model ChatGPT o1 oraz ChatGPT o1 Mini, zapewniające szybsze i bardziej zoptymalizowane działanie chatbotów w mniejszych, energooszczędnych urządzeniach.
2024 (październik): OpenAI ogłasza premierę ChatGPT with Canvas, nowego modelu, który łączy generowanie treści z funkcjonalnością graficzną, umożliwiając użytkownikom tworzenie interaktywnych obrazów oraz schematów na podstawie zapytań tekstowych.
2024–2026 ponad 100 systemów zbudowało 29 firm – oto ich kategorie: systemy “agentic” automatyzujące przepływy pracy, modele generatywne do tworzenia treści i modele hybrydowe łączące podejścia symboliczne i głębokie uczenie.
- systemy “agentic” są autonomiczne(pod minimalnym nadzorem), które planują, działają, delegują i dostarczają
- modele generatywne tworzą treści zawierające: teksty, obrazy, audio – dla kreatywnych zadań, projektowania, itp.
- modele hybrydowe łączą różne techniki jak kompleksowa analiza danych i ulepszanie procesów decyzyjnych.
SPOJRZENIE NA FENOMEN ejaj DZISIAJ
Fenomen: ejaj jest dzisiaj nie tylko środkiem realizacji ogólnych marzeń człowieka wymienionych na początku, ale staje się sama w sobie celem, nadzieją i kreowane jest obecnie jako największe i odwieczne marzenie człowieka …
W jaki sposób? Przez brutalny marketing! W jaki celu? Odpowiedź na to pytanie wykracza poza ramy naszego tematu.
Używam ejaj by sprzeciwić się temu nachalnemu wkładaniu nam do głów czegoś co nie istnieje … już widzę sprzeciw: przecież przyznałeś, że są systemy ejaj użyteczne więc przyznałeś, że istnieją! – tak ale one z inteligencją nie mają tak naprawdę nic wspólnego … to temat na osobne rozważanie “Inteligencja i ejaj” … w przygotowaniu …
Na koniec pochylmy się nad poddawaniem nas cenzurze w sieci począwszy od sposobów wyświetlania nam informacji o które pytamy (przesuwanie informacji lub ich zakrywanie tak by pasowały do naszego profilu przypisanego nam przez algorytmy) … zauważmy jak dużo większe możliwości dadzą naszym dostawcom informacji różne ejajki …
Przygotowując powyższy materiał o rozwoju ejaj natknąłem się na takie działania ocierające się o cenzurowanie:
- WEB: twórca Deep Blue z Tajwanu jest pomijany – bo był obcokrajowcem i/lub sprzeczne to było z marketingiem IBM
- WEB: McCarthy lub 4ka organizatorów spotkania są autorami terminu ejaj – czy to zależy od tego kto/kiedy pyta?
- czasami Turing dodawany jest do tej 4ki jako współautor terminu ejaj – czy jest pomijany bo był Anglikiem?
- podobnie jest z pytaniem czy John McCarthy znał artykuł Allana Turinga Computing Machinery and Intelligence, który został opublikowany w czasopiśmie Mind w tysiąc dziewięćset pięćdziesiątym roku; nie można znaleźć w sieci danych na ten temat… a GPT 5.4 nano podaje: Nie ma jednoznacznego, dobrze udokumentowanego dowodu, że John McCarthy „znał” konkretnie ten artykuł Turinga z Mind („Computing Machinery and Intelligence” z 1950 r.). Natomiast jest bardzo prawdopodobne, że znał jego treść, bo tekst był przełomowy i szeroko cytowany w środowisku wczesnej AI. Jak to możliwe bo wiadomo, że w czasie debaty podczas tego spotkania w Dartmouth, John McCarthy wprost nawiązywał do koncepcji maszyny myślącej i testu imitacji Turinga opisanej w artykule w czasopiśmie Mind ?
- czy fakt, że McCarthy krytykował Test Turinga ponieważ skupia się on jedynie na udawaniu człowieka (zachowaniu zewnętrznym), zamiast na wewnętrzu myślącej maszyny. [1, 2, 3, 4, 5] nie spowodował usunięcia Turinga w cień?
- dlaczego prof. Herbert A. Simon (z Carnegie Institute of Technology) jest pomijany a był też współautorem pierwszego na świecie programu, który używał automated reasoning i jest uważany za pierwszy artificial intelligence program[1][a]? Czy to, że był ekonomistą i dziekanem Wydziału Zarządzania Przemysłowego (funkcję pełnił od 1949 do 2001 roku) było powodem? Bo był spoza branży IT?
Teraz zapytajmy – przepraszam za dwuznaczność – samych siebie:
czy między maszynami a ludźmi można postawić znak równości?