Sztuczna inteligencja (AI) to inteligencja maszyn i oprogramowania, w odróżnieniu od inteligencji ludzi czy zwierząt. Została zapoczątkowana jako dziedzina akademicka w 1956 roku i jest częścią nauk komputerowych. Jej celem jest rozwój i badanie inteligentnych maszyn. AI wykorzystuje się szeroko w przemyśle, rządzie i nauce, z zastosowaniami w zaawansowanych wyszukiwarkach internetowych, systemach rekomendacyjnych, rozumieniu ludzkiej mowy, samochodach autonomicznych, narzędziach generatywnych i kreatywnych, a także w grach strategicznych.
Wszędzie o tym słyszymy, ale konkretnie, co to jest AI?
AI obejmuje różne sub-dziedziny skupiające się na określonych celach i narzędziach. Tradycyjne cele badań sztucznej inteligencji obejmują rozumowanie, reprezentację wiedzy, planowanie, uczenie się, przetwarzanie języka naturalnego, percepcję i wsparcie dla robotyki. AI wykorzystuje różnorodne techniki rozwiązywania problemów, łącząc wiedzę z psychologii, lingwistyki, filozofii, neurologii i innych dziedzin.
W ramach nauki o sztucznej inteligencji wyodrębniają się dwie większe specjalizacje.
- Uczenie maszynowe (Machine Learning): badanie programów, które automatycznie poprawiają swoją wydajność w wykonywaniu zadań. Podział na uczenie nienadzorowane, nadzorowane, wspomagające i transferowe.
- Przetwarzanie języka naturalnego (Natural Language Processing, NLP): umożliwia programom czytanie, pisanie i komunikowanie się w językach ludzkich, obejmując rozpoznawanie mowy, syntezę mowy, tłumaczenie maszynowe, ekstrakcję informacji, wyszukiwanie informacji i odpowiadanie na pytania.
Pozostała część tekstu pod materiałem wideo
Historia AI
Historia sztucznej inteligencji to fascynująca podróż przez dekady rozwoju technologicznego, filozoficznego, a także naukowego. Początki nauki sięgają lat 50. XX wieku, a jej rozwój można podzielić na kilka kluczowych etapów:
Początki (1940-1956): Chociaż idee przypominające artificial intelligence pojawiały się już wcześniej, prawdziwy początek historii AI wiąże się z rozwojem komputerów w latach 40. i 50. XX wieku. Alan Turing, brytyjski matematyk, zaproponował w 1950 roku test Turinga jako kryterium inteligencji maszyny.
Narodziny AI (1956): Sztuczna inteligencja jako odrębna dziedzina nauki została oficjalnie uznana w 1956 roku podczas konferencji w Dartmouth College, gdzie po raz pierwszy użyto terminu „sztuczna inteligencja”. W tym okresie dominował entuzjazm i optymizm co do możliwości AI.
Spadki zainteresowania AI (późne lata 70. i lata 80.): Po początkowym okresie entuzjazmu, AI doświadczyła kilku „zim”, czyli okresów, gdy ograniczono finansowanie badań z powodu niewielkich postępów i przesadnych oczekiwań. Pierwsza zima AI miała miejsce w latach 70., a druga w latach 80.
AI i no code to idealne połączenie. Właśnie tak stworzysz aplikacje webowe
Powrót do łask (lata 90.): W latach 90. sztuczna inteligencja zaczęła odzyskiwać swoją reputację, głównie dzięki postępom w uczeniu maszynowym i teorii sieci neuronowych. Zwiększyła się skuteczność i praktyczne zastosowania AI, zwłaszcza w obszarze przetwarzania języka naturalnego i robotyki.
Era głębokiego uczenia (od 2010): Rewolucję przyniosły badania nad głębokim uczeniem i sieciami neuronowymi, szczególnie po 2012 roku. To doprowadziło do znaczących postępów w rozpoznawaniu obrazów, przetwarzaniu języka naturalnego i autonomicznych pojazdach.
Współczesność: Obecnie AI jest wszechobecna i ma znaczący wpływ na różne aspekty życia codziennego i gospodarki. Od zaawansowanych systemów rekomendacyjnych po samouczące się algorytmy, artificial intelligence stała się kluczowym elementem innowacji technologicznych i cyfrowej transformacji.
Podsumowując, historia AI to historia ciągłych innowacji, adaptacji i przezwyciężania wyzwań. Każdy etap przynosił nowe odkrycia i zmieniające się oczekiwania, co prowadziło do jej obecnego statusu jako jednej z najbardziej dynamicznych i wpływowych dziedzin technologii.
Zobowiązanie Microsoftu do wyposażenia ludzi w kluczowe umiejętności AI
Sztuczna inteligencja – status w 2023 r.
W 2023 roku świat sztucznej inteligencji charakteryzuje się kilkoma kluczowymi trendami i wyzwaniami, które zostały szczegółowo opisane w raporcie Stanford HAI. Jednym z najbardziej znaczących trendów jest ciągłe skalowanie dużych modeli językowych. Modele te, takie jak GPT-2 i PaLM, stają się coraz większe i droższe w treningu, co podkreśla rosnące zasoby potrzebne do rozwoju zaawansowanej AI. Na przykład, model PaLM z 540 miliardami parametrów kosztował około 8 milionów dolarów do wytrenowania.
Jednocześnie, obserwuje się potrzebę nowych benchmarków, ponieważ obecne narzędzia AI coraz częściej osiągają lub przekraczają istniejące standardy. To wskazuje na konieczność tworzenia trudniejszych testów, aby w pełni wyzwać i ocenić zdolności nowoczesnych systemów sztucznej inteligencji. Z drugiej strony, rośnie świadomość dotycząca środowiskowych kosztów treningu dużych modeli językowych. Na przykład GPT, będący jednym z największych emitentów dwutlenku węgla w tej kategorii, podkreśla potrzebę bardziej zrównoważonego podejścia do rozwoju AI.
W obszarze etyki i społeczeństwa znacząco wzrosła liczba prac naukowych poświęconych etyce AI, co widać na przykładzie konferencji FAccT, gdzie odnotowano dwukrotny wzrost zgłoszeń od 2021 do 2022 roku. To świadczy o rosnącym zainteresowaniu kwestiami etycznymi w AI. Również na rynku pracy widać wzrost zapotrzebowania na umiejętności związane z AI we wszystkich sektorach, co wskazuje na rosnące znaczenie tej technologii w gospodarce.
W kontekście inwestycji, mimo spadku w 2022 roku, inwestycje korporacyjne w AI wzrosły 13-krotnie w ciągu ostatniej dekady. To pokazuje, że mimo krótkoterminowych fluktuacji, długoterminowy trend w inwestycjach w AI jest wzrostowy. W międzynarodowej perspektywie Chiny zdominowały rynek robotów przemysłowych, instalując więcej robotów niż reszta świata łącznie.
Na polu edukacji i badań, odnotowano wzrost liczby kobiet uzyskujących stopnie z informatyki oraz wzrost różnorodności etnicznej wśród absolwentów. To wskazuje na stopniowe, choć nadal niewystarczające, zwiększanie się różnorodności w dziedzinie AI. Dodatkowo wzrosła liczba kobiet zatrudnionych na stanowiskach akademickich w dziedzinie informatyki, co jest pozytywnym trendem w kierunku równości płci w tej dziedzinie.
Podsumowując, rok 2023 przynosi wiele wyzwań i możliwości w dziedzinie AI, od technologicznych innowacji i wyzwań etycznych, po zmiany w edukacji i na rynku pracy. Te trendy wskazują na dynamiczny rozwój tej dziedziny, która ma głęboki wpływ na różne aspekty życia społecznego i gospodarczego.
