AI Historie 1/3: Den, kdy se AI rozhodla přežít

V roce 1986 se v sovětském Gorkém narodil chlapec jménem Ilya Sutskever. Zatímco jeho otec pracoval v leteckém průmyslu, večery trávil tím, že synovi zasvěceně vyprávěl o záhadách lidského mozku. Na přelomu tisíciletí zakotvil čtrnáctiletý Ilya v Kanadě. O pár let později stál před dveřmi legendárního Geoffreyho Hintona. Výzkumný úkol, který od něj v Torontu dostal, ho zaměstnal na dalších deset let. V roce 2012 tato práce přepsala historii umělé inteligence.

Ale to předbíháme. Toto je příběh o tom, co bylo předtím. O 41 letech, během kterých umělá inteligence bojovala o přežití. Čtyři dekády lemované dvěma AI zimami, vlnami naivního nadšení a obřím vystřízlivěním zvaným expertní systémy. Na konci celé éry pak stál stroj, který porazil šachového mistra světa – trvalo více než čtyři desetiletí, než se počítač naučil ovládnout jedinou disciplínu.

Dnes trvá podobný skok pár měsíců. Ten kontrast je zásadní. Jakmile ho pochopíš, dojde ti, proč ta dnešní vlna na rozdíl od těch předchozích už neopadne.

Proč tenhle příběh stojí za vyprávění

Většina článků o AI historii začíná rokem 1956 a končí u ChatGPT 2022. Vynechávají to důležité: proč to trvalo tak dlouho? Proč první dvě vlny selhaly? A proč ta třetí uspěla právě teď?

Tato série má tři díly. Tento pokrývá roky 1956 až 1997. Druhý vás provede obdobím let 2012 až 2021, kdy došlo ke třem zásadním zlomům, na kterých dnes stojí všechno. Třetí díl mapuje roky 2022 až 2026 a nese název podle jedné skutečné kavárny v San Franciscu – místa, kde tvůrci AI v přímém přenosu sledovali, jak jejich technologie ze dne na den mění svět.

Přes všechny tři díly nás provází jedna osoba. Ilya Sutskever. Narodil se v Sovětském svazu, vyrostl v Izraeli, studoval v Kanadě, pracoval v Silicon Valley. Je u každého zlomu, o kterém budeme mluvit. Ne jako pozorovatel, ale jako spoluautor. Tohle není historie AI jako oboru. Tohle je historie AI očima jednoho člověka.

1956: Dartmouth a zrod příslibu

V létě 1956 se na Dartmouth College v americkém New Hampshire sešlo deset výzkumníků. Nebyli to studenti. Claude Shannon přišel z Bellových laboratoří, Herbert Simon učil na Carnegie Tech a o rok později dostane Nobelovu cenu za ekonomii. Cíl byl podle jejich vlastního návrhu jednoduchý: „pokusit se najít způsob, jak udělat stroj, který simuluje každý aspekt učení nebo jakoukoli jinou vlastnost inteligence”. Na dvouměsíčním workshopu měli přijít s plánem, jak vyřešit umělou inteligenci za jedno léto.

Nepovedlo se. Ale termín „artificial intelligence” se chytil. Jeho autor, John McCarthy, si tehdy zřejmě neuvědomil, že definuje problém tak široký, že bude trvat 70 let, než se přiblížíme řešení.

Desítka z Dartmouthu tvořila malý svět. Marvin Minsky, který strávil zbytek života snahou pochopit, jak mysl funguje. Shannon, otec teorie informace. Simon, který v roce 1957 předpověděl, že „stroje budou za 20 let schopny dělat jakoukoliv práci, kterou dokáže člověk”. Simon se mýlil o dvě generace. Ale jeho optimismus byl nakažlivý.

Důležité na Dartmouthu není to, co vymysleli. Důležité je, co definovali: AI jako obecnou schopnost stroje myslet. Tahle definice byla tak široká, že zaručovala desetiletí zklamání. Když se ukázalo, že počítač neumí myslet, vědci definici nezměnili. Zúžili ji na „počítač, který dělá X dobře”. A X se postupně zjednodušovalo, jak selhávaly velké vize.

Sutskever se o Dartmouthu dozvěděl až jako student, z dějin oboru, do kterého vstupoval. Ale stojí za to ho znát, protože celá éra 1956–1997 se odehrávala ve stínu Dartmouthského příslibu. Ten příslib nikdo nesplnil. Ale nikdo ho taky nezrušil.

1966: ELIZA a okamžik, kdy si lidé začali připadat chápáni

Joseph Weizenbaum vytvořil v roce 1966 na MIT program jménem ELIZA. Naprogramoval ji jako rogeriánského terapeuta: kladla otázky, odrážela zpátky to, co jí člověk řekl, nikdy neřekla nic nového. Technicky šlo o jednoduchou substituci vzorů. Inteligence v tom nebyla.

A pak se stalo něco, co Weizenbauma zaskočilo. Lidé s ELIZOU mluvili jako s terapeutem. Přiznávali se jí k věcem, které by neřekli člověku. Cítili, že jim rozumí. Weizenbaum z toho měl děs. Chtěl ukázat, jak povrchní je konverzace s počítačem. Místo toho ukázal, jak snadno přisoudí člověk stroji porozumění, když mu dá dost slov.

Tahle vlastnost se jmenuje antropomorfizace. Člověk jí podlehne, i když ví, že mluví se strojem. ELIZA byla první důkaz, že to funguje. O 60 let později je to jádrem úspěchu ChatGPT.

Sutskever se narodil o 20 let později. Na něj ELIZA působila jen jako stará historie. Ale vzor, který Weizenbaum objevil, se vrýval do DNA celého oboru. Lidé chtějí, aby jim stroje rozuměly. A jsou ochotni to cítit i tehdy, když stroj žádné porozumění nemá.

Dvě zimy a mlčení

Po Dartmouthu se výzkum umělé inteligence rozdělil do dvou táborů. První věřil, že stačí napsat pravidla a počítač bude inteligentní. Druhý věřil, že stroj se musí učit sám z dat. Obojí bylo v 60. letech extrémně obtížné. Počítače byly pomalé, data byla drahá a algoritmy byly primitivní.

V roce 1969 napsali Minsky a Seymour Papert knihu „Perceptrons”, která matematicky dokázala, že jednoduché neuronové sítě neumí vyřešit základní logické problémy. Tahle kniha zabila výzkum neuronových sítí na téměř 20 let. Všichni přešli na expertní systémy: ručně psaná pravidla typu „pokud má pacient horečku a bolest v krku, diagnóza je angína”.

Expertní systémy byly elegantní v teorii. V praxi se ukázalo, že pravidla jsou nekonečná, udržovat je je noční můra a nikdy nepokryjí všechny situace. V 80. letech se do nich nalily miliardy dolarů. V 90. letech bylo jasné, že jsou příliš křehké na reálný svět.

AI zažila dvě velké zimy: 1974–1980 a 1987–1993. Menší ochlazení přišlo po splasknutí internetové bubliny kolem roku 2001. V každé zimě se financování ztenčilo, výzkumníci odešli do jiných oborů a obor čekal na další průlom.

Pro Sutskevera, který se v roce 1986 narodil, byla tato doba mimo dosah. Vyrůstal v Nižním Novgorodě, kde se o umělé inteligenci mluvilo v leteckém průmyslu a v armádě, ne na univerzitách. Když mu bylo pět, Sovětský svaz padl. Krátce poté, v raných 90. letech, emigrovala rodina do Izraele. Na přelomu tisíciletí mělo padnout rozhodnutí, které změnilo jeho život.

11. května 1997: Deep Blue

Garry Kasparov prohrál 11. května 1997 s IBM Deep Blue 3½:2½. Bylo to poprvé, co počítač porazil mistra světa v šachu v oficiálním zápase. Kasparov měl podezření, že během hry zasáhl člověk. Tohle podezření se nikdy nepotvrdilo.

Svět to četl jako důkaz, že stroje jsou chytřejší než lidé. New York Times ten týden otiskoval titulek typu „Přehrává nás počítač?”. Realita byla prozaičtější. Deep Blue uměl jen jednu věc: hrát šachy. Neměl ponětí, co je to šálek kávy. Neměl ponětí, co je to den. Byl to specializovaný hardware postavený za jediným účelem.

Kasparov si po zápase stěžoval, že počítač nemá kreativitu. Měl pravdu. Deep Blue měl výpočetní sílu a tabulky koncových her, nic víc. To, co vypadalo jako porážka lidství, byla porážka jednoho člověka specializovaným hardwarem.

Pro obor AI to znamenalo dvě věci. Počítač umí překonat člověka v úzké disciplíně, pokud má dost výpočetní síly. A ta disciplína musí být tak ohraničená, že jí jde formalizovat do pravidel. Šachy jsou ideální případ. Konverzace, psaní, rozhodování v reálném světě to nejsou.

Sutskeverovi bylo v roce 1997 11 let. V Izraeli se připravoval na střední školu. O Deep Blue věděl, ale netušil, že ten stroj a jeho budoucí práce spolu souvisejí. To se dozví až mnohem později.

Toronto: kde se Sutskever rozhodl

V roce 2000 emigrovala rodina Sutskeverových podruhé. Z Izraele do Kanady. Ilya začal na University of Toronto studovat matematiku a informatiku. Na univerzitě narazil na jednoho člověka, který mu změnil život.

Geoffrey Hinton. Britsko-kanadský psycholog a informatik, který strávil 20 let v akademickém vyhnanství, protože jeho výzkum neuronových sítí nikoho nezajímal. V 90. letech to vypadalo, že Hinton je poslední člověk na světě, který v neuronové sítě věří. V roce 2006 přišel s metodou nazvanou „deep belief nets” a najednou se ukázalo, že hluboké neuronové sítě jdou trénovat lépe, než si kdokoliv myslel.

Sutskever už jako talentovaný student oslovil Hintona na Torontské univerzitě s prosbou o vlastní projekt. Z prvního úkolu se nakonec stalo téměř osm let intenzivní práce na několika přelomových projektech hlubokého učení – od výzkumu vnímání až po rekurentní sítě. Tato vytrvalá cesta položila základy pro historický průlom roku 2012. Ale to už je příběh pro druhou část.

Přelom tisíciletí přinesl do oboru další vystřízlivění. Slavné vítězství Deep Blue bylo minulostí, IBM superpočítač rozmontovala a expertní systémy selhaly na složitosti reálného světa. Výkon počítačů nestačil a vizionářské sny o AI se opět ocitly ve slepé uličce.

Jenže tato pauza byla nutná. Nešlo o selhání, ale o čas, během kterého musely algoritmy, hardware i dostupná data dospět. Zatímco svět ztrácel zájem, Hintonův úzký tým v Torontu vytrval. Byli téměř jediní, kdo nepřestával věřit – a trvalo přes deset let, než jim historie dala za pravdu.

Tahle éra nás naučila tři věci

Cykly se opakují. Historie AI není lineární vzestup, ale kolo: nadšení, průlom, zklamání, ticho, nové nadšení. Když dneska slyšíš „AI je bublina”, vzpomeň si, že přesně tohle se říkalo v letech 1974, 1987 i 2001. A pokaždé to bylo předčasné.

Průlomy se rodí jinde, než je trh čeká. Deep Blue je výjimka, která pravidlo potvrzuje: přišel z IBM, z peněz bez akademického základu, a dokázal jen jednu úzkou disciplínu. Skutečné přelomy, ty 2012 a později, přijdou z malých laboratoří. Velké firmy umí produkty. Velké inovace se rodí jinde.

41 let nebylo ztraceno. Pomalý vývoj nebyl selháním, ale nutností. Algoritmy musely dozrát, hardware zlevnit, data se zpřístupnit. V roce 1997 byl výpočetní výkon přesně na hraně toho, co umožňovalo trénovat složitější modely. Dalších 15 let to trvalo, než hardware dozrál.

Příští díl je o roce 2012. O Florencii, malém laptopu a síti, která porazila celé pole o 11 procentních bodů.