Kiedy narodziła się sztuczna inteligencja? Kluczowe daty i postacie

Sztuczna inteligencja wydaje się wynalazkiem naszych czasów, ale jej historia sięga znacznie dalej niż era komputerów osobistych i internetu. Kiedy narodziła się AI i kto położył podwaliny pod jej rozwój? W artykule przyjrzymy się najważniejszym datom, przełomowym wydarzeniom oraz postaciom, które ukształtowały tę dziedzinę. Poznamy drogę od wczesnych koncepcji myślących maszyn do technologii, która dziś coraz mocniej wpływa na nasze życie.

Początki sztucznej inteligencji zależą od tego, czy za jej narodziny uznamy pierwsze pomysły, czy nadanie dziedzinie nazwy. W 1950 roku Alan Turing zaproponował test sprawdzający, czy maszyna potrafi prowadzić rozmowę nieodróżnialną od ludzkiej. Za symboliczną datę narodzin AI uznaje się jednak często 1956 rok: podczas warsztatów w Dartmouth John McCarthy spopularyzował termin „artificial intelligence”, a badacze podjęli prace nad maszynami zdolnymi do uczenia się i rozumowania.

Prześledzę najważniejsze daty i postacie — od Turinga i McCarthy’ego po twórców współczesnych modeli generatywnych. Pokażę też, jak kolejne fale entuzjazmu, ograniczeń i odkryć ukształtowały tę dziedzinę. Dzięki temu łatwiej zrozumieć, co oznaczają „narodziny” AI i jak pomysły sprzed ponad 70 lat doprowadziły do dzisiejszych narzędzi.

Porównanie najważniejszych zagadnień dotyczących narodzin i rozwoju AI

Propozycja	Główne zagadnienie	Najważniejsze informacje	Kluczowe daty i postacie
Najkrótsza odpowiedź	Umowna data narodzin sztucznej inteligencji	Rok 1956 uznaje się za symboliczny początek AI jako dziedziny nauki. Wcześniejszym ważnym etapem był test Turinga.	1950 — Alan Turing i „gra w imitację”; 1956 — John McCarthy i konferencja w Dartmouth.
Jak rozumieć „narodziny” AI?	Długotrwały rozwój idei i technologii	Narodzin AI nie należy wiązać z jednym wynalazkiem. To ciąg etapów: od matematyki, logiki i modeli obliczeń po programy, sieci neuronowe i współczesne systemy generatywne.	1943 — model neuronu McCullocha i Pittsa; 1950 — test Turinga; 1956 — Dartmouth; 1997 — Deep Blue; 2012 — AlexNet; 2017 — Transformer; 2022 — ChatGPT.
Oś czasu: najważniejsze daty i wydarzenia	Chronologiczny przegląd rozwoju AI	AI przeszła od wczesnych programów i chatbotów przez okresy ograniczenia finansowania do zastosowań w grach, medycynie, motoryzacji i innych dziedzinach.	1956 — Dartmouth; 1966 — ELIZA; 1973 — MYCIN; 1997 — Deep Blue; 2016 — AlphaGo; 2017 — XiaoYi zdaje egzamin lekarski; 2018 — autonomiczna taksówka.
Postacie, które warto przedstawić	Badacze i twórcy, którzy kształtowali dziedzinę	Rozwój AI wiąże się z pracą matematyków, informatyków i badaczy nad testowaniem maszyn, nazwaniem dziedziny, programami oraz sieciami neuronowymi.	Alan Turing, John McCarthy, Marvin Minsky, Claude Shannon, Nathaniel Rochester, Allen Newell, Herbert A. Simon i Frank Rosenblatt.
Co można podkreślić w artykule?	Najważniejsze kamienie milowe i przyszłość AI	Warto opisać kolejne przełomy, cykle entuzjazmu i rozczarowań, współczesne zastosowania oraz różne prognozy dotyczące AGI i osobliwości technologicznej.	1956 — Dartmouth; 1966 — ELIZA; 1997 — Deep Blue; 2025 — 76% badaczy ankiety AAAI uznało, że samo skalowanie obecnych metod prawdopodobnie nie doprowadzi do AGI.
AI nie pojawiła się nagle w jednym momencie	Stopniowe powstawanie podstaw AI	Pomysły na AI rozwijały się przez lata, a wczesnym eksperymentom często brakowało danych, mocy obliczeniowej lub odpowiedniej skali.	Lata 30. — maszyna Turinga; 1943 — model neuronu; 1950 — test Turinga; 1956 — konferencja w Dartmouth; 1957–1958 — perceptron Rosenblatta; lata 60. — ELIZA.
Nazwa powstała wcześniej niż sama konferencja	Utworzenie nazwy i dziedziny badań	McCarthy zaproponował nazwę „sztuczna inteligencja” przed konferencją w Dartmouth. Spotkanie połączyło wcześniejsze pomysły pod wspólnym określeniem i nadało badaniom kierunek.	1943 — McCulloch i Pitts; 1950 — Turing; 1956 — John McCarthy i warsztaty w Dartmouth.
Historia AI to fale optymizmu i rozczarowań	Zmienne tempo rozwoju i finansowania	Po śmiałych obietnicach i wczesnych sukcesach następowały okresy rozczarowania, ograniczeń technicznych i spadku finansowania. Kolejne przełomy przywracały zainteresowanie dziedziną.	1950 — test Turinga; 1956 — Dartmouth; 1973 — raport Lighthilla i pierwsza zima AI; 1997 — Deep Blue; 2017 — Transformer; 2020 — GPT-3; 2022 — ChatGPT.
Sukces w zadaniu nie dowodzi ludzkiego rozumienia	Ograniczenia modeli językowych	Dobre wyniki w testach lub zadaniach pokazują skuteczność modeli w rozpoznawaniu wzorców, ale same w sobie nie dowodzą świadomości, rozumienia ani niezawodnego rozumowania.	2013 — Word2Vec; około 2014 — LSTM; 2017 — Transformer; później BERT, GPT-2, GPT-3 i T5.
Współczesny boom ma długą historię	Droga od wczesnych badań do powszechnie dostępnej AI	Dzisiejszy wzrost popularności AI wynika z wielu dekad badań, większej ilości danych, mocniejszych komputerów i łatwych w obsłudze narzędzi.	1943 — model neuronu; 1956 — Dartmouth; 1973 — zima AI; 1997 — Deep Blue; 2012 — AlexNet; 2017 — Transformer; 2020 — GPT-3; 2022 — ChatGPT zdobywa milion użytkowników w pięć dni.

Najkrótsza odpowiedź

Za narodziny sztucznej inteligencji jako dziedziny nauki uznaję rok 1956. Wtedy John McCarthy wprowadził termin „sztuczna inteligencja” podczas konferencji w Dartmouth, którą zorganizował z Marvinem Minsky’m, Claude’em Shannonem i Nathaniel’em Rochesterem. Uczestnicy zakładali, że inteligencję można opisać tak precyzyjnie, by odtworzyć ją w maszynie. Sześć lat wcześniej Alan Turing zaproponował „grę w imitację”, dziś znaną jako test Turinga. Matematyk i kryptolog, który pracował nad złamaniem szyfru Enigmy, pytał, czy człowiek potrafi w rozmowie odróżnić maszynę od drugiego człowieka.

Korzenie tych idei sięgają jednak dalej: od mechanicznego „Tureckiego” szachisty z XVIII wieku po koncepcje Charlesa Babbage’a i Ady Lovelace z XIX stulecia. Po konferencji w Dartmouth badania nabrały tempa. W 1958 roku McCarthy stworzył język LISP, a w 1966 Joseph Weizenbaum zaprezentował chatbota ELIZA. Później nastąpiły okresy ochłodzenia i ponownego rozkwitu. W 1997 roku Deep Blue pokonał Garriego Kasparowa w szachach, w 2016 AlphaGo zwyciężyło mistrza gry go Lee Sedola, a 30 listopada 2022 roku zadebiutował ChatGPT. Zatem jako datę narodzin dziedziny wskazuję 1956 rok, natomiast początki samej idei — co najmniej test Turinga z 1950 roku.

Jak rozumieć „narodziny” AI?

„Narodziny” AI nie oznaczają dnia, w którym maszyna nagle zaczęła myśleć. To długa droga: od wyobrażeń o sztucznych istotach, takich jak grecki Talos i mechaniczny rycerz Leonarda da Vinci, przez matematykę i logikę po komputery. W 1642 roku Blaise Pascal zbudował mechaniczny kalkulator, a w latach 30. XX wieku Alan Turing opisał maszynę zdolną wykonać dowolne precyzyjnie określone obliczenia. Następnie, w 1943 roku, Warren McCulloch i Walter Pitts przedstawili matematyczny model neuronu, a w 1948 roku Norbert Wiener opisał cybernetykę i sprzężenie zwrotne. W eseju z 1950 roku Turing zaproponował „grę w imitację”, dziś znaną jako test Turinga: zamiast pytać, czy maszyna naprawdę myśli, sprawdzamy, czy w rozmowie potrafi naśladować człowieka na tyle przekonująco, by rozmówca go nie rozpoznał.

Najważniejsze etapy tej drogi obejmują:

• rozwój matematyki, logiki i wczesnych modeli obliczeń;
• warsztaty w Dartmouth College w 1956 roku, uznawane za symboliczne narodziny AI jako dziedziny nauki;
• powstanie programów dowodzących twierdzeń, perceptronu Rosenblatta i chatbota ELIZA;
• przełomy takie jak zwycięstwo Deep Blue nad Garrim Kasparowem, AlexNet oraz architektura Transformer;
• udostępnienie ChatGPT w 2022 roku, które przybliżyło dorobek badań nad AI milionom ludzi.

Za symboliczne narodziny AI jako dziedziny nauki uznaje się warsztaty w Dartmouth College latem 1956 roku. John McCarthy spopularyzował tam nazwę „sztuczna inteligencja”, a badacze, m.in. Marvin Minsky, Claude Shannon, Nathaniel Rochester, Allen Newell i Herbert Simon, założyli, że uczenie i inteligencję można opisać tak dokładnie, by odtworzyć je w maszynie. Wkrótce powstały programy dowodzące twierdzeń, perceptron Rosenblatta z 1958 roku oraz chatbot ELIZA z 1966 roku. Ograniczona moc komputerów i nadmierne obietnice doprowadziły jednak do zim AI, m.in. w latach 1974–1980. Dlatego „narodziny” tej dziedziny warto rozumieć jako serię etapów: od pierwszych idei i modeli, przez zwycięstwo Deep Blue nad Garrim Kasparowem w 1997 roku, po przełom AlexNet w 2012 roku i architekturę Transformer z 2017 roku. ChatGPT, udostępniony 30 listopada 2022 roku, nie stworzył AI od podstaw, lecz udostępnił milionom ludzi dorobek ponad 70 lat badań.

Oś czasu: najważniejsze daty i wydarzenia

Historię sztucznej inteligencji można zacząć od Alana Turinga i lat 50. XX wieku. Po doświadczeniach z rozszyfrowywaniem Enigmy Turing zastanawiał się, czy maszyna potrafi naśladować ludzkie myślenie. Zaproponował wtedy „grę w naśladownictwo”, dziś znaną jako test Turinga: człowiek miał rozpoznać, czy rozmawia z maszyną, czy z drugim człowiekiem. W 1956 roku uczestnicy konferencji w Dartmouth przedstawili AI jako dziedzinę odtwarzającą działanie ludzkiej inteligencji za pomocą maszyn. W latach 60. zainteresował się nią Departament Obrony USA, a w 1966 roku powstała ELIZA — program prowadzący rozmowy i rozpoznający kluczowe słowa, jeden z pierwszych poprzedników współczesnych chatbotów.

W kolejnych dekadach DARPA zleciła projekt mapowania ulic, a w 1973 roku zaprojektowano MYCIN, system wspierający diagnozowanie zakażeń bakteryjnych. Pod koniec lat 70. rozczarowanie wynikami wywołało „zimę AI” i zahamowało inwestycje. Później badacze mocniej postawili na uczenie maszynowe. W latach 90. program Racter kontynuował eksperymenty z rozmową, a w 1997 roku Deep Blue pokonał szachowego mistrza Garriego Kasparowa. W 2003 roku powstały wczesne inteligentne asystenty — jeszcze przed Siri i Alexą. Następnie, w 2015 roku, zaprezentowano humanoidalną Sophię, a rok później AlphaGo pokonał mistrza świata w go. W 2017 roku robot XiaoYi zdał egzamin lekarski, zaś Sophia otrzymała obywatelstwo Arabii Saudyjskiej. Z kolei w 2018 roku na rynku pojawiła się pierwsza autonomiczna taksówka. AI przeszła więc od obliczeń i rozmów tekstowych do zastosowań w medycynie, motoryzacji, przemyśle, edukacji i rozrywce.

Postacie, które warto przedstawić

Historię sztucznej inteligencji otwiera Alan Turing. W 1950 roku brytyjski matematyk zaproponował test sprawdzający, czy rozmowę z maszyną można pomylić z rozmową z człowiekiem. Ważną postacią był też John McCarthy, który ukuł termin „sztuczna inteligencja”. W 1956 roku zorganizował w Dartmouth College około ośmiotygodniowe warsztaty z udziałem Marvina Minsky’ego, Claude’a Shannona i Nathaniela Rochestera. Spotkanie pomogło nadać nowej dziedzinie nazwę i wyznaczyć jej ambitny kierunek.

Historia AI to opowieść o śmiałych pomysłach i stopniowym rozwoju technologii. Od pierwszych programów po współczesne modele sztuczna inteligencja zmienia sposób, w jaki korzystamy z komputerów.

W 1956 roku Allen Newell i Herbert A. Simon stworzyli Logic Theorist — jeden z pierwszych programów AI. Rozwój dziedziny prowadził od systemów opartych na regułach przez sieci neuronowe, m.in. perceptron opisany przez Franka Rosenblatta w 1958 roku, aż po współczesne modele trenowane na ogromnych zbiorach danych. Dzięki tym badaczom historia AI opowiada o ludziach, którzy stopniowo poszerzali możliwości komputerów.

Co można podkreślić w artykule?

Sztuczna inteligencja rozwijała się stopniowo: od rozważań Alana Turinga i pytania „Czy maszyny mogą myśleć?” po konferencję w Dartmouth z 1956 roku, uznawaną za symboliczny początek AI jako odrębnej dziedziny. Kolejne przełomy to program ELIZA Josepha Weizenbauma z 1966 roku, który rozmawiał z użytkownikami, system medyczny MYCIN oraz zwycięstwo Deep Blue nad Garrym Kasparowem w 1997 roku. Po entuzjazmie lat 50. i 60. nastąpiła „zima AI” w latach 70. i 80.; rozwój uczenia maszynowego i sieci neuronowych ożywił dziedzinę w latach 90., a po 2010 roku przyspieszył jej postęp. Obecnie AI wspiera medycynę, finanse, przemysł i transport, a systemy generatywne tworzą teksty oraz obrazy.

Najważniejsze etapy rozwoju AI opisane w tekście to:

• rozważania Alana Turinga i konferencja w Dartmouth w 1956 roku,
• powstanie programu ELIZA oraz systemu medycznego MYCIN,
• zwycięstwo Deep Blue nad Garrym Kasparowem w 1997 roku,
• rozwój uczenia maszynowego i sieci neuronowych, a następnie systemów generatywnych.

Historia AI obejmuje także spór o jej przyszłość. Wyspecjalizowane systemy wykonują konkretne zadania, natomiast AGI miałaby uczyć się i rozwiązywać różnorodne problemy na poziomie człowieka. Osobliwość technologiczna to z kolei hipotetyczny moment gwałtownej, trudnej do przewidzenia zmiany. Prognozy jej nadejścia i pojawienia się AGI znacznie się różnią: Ray Kurzweil przewiduje AGI do 2029 roku, a osobliwość około 2045 roku; akademickie szacunki często wskazują lata 2040–2060. Demis Hassabis podaje perspektywę 5–10 lat, Jensen Huang wskazywał rok 2028, a Geoffrey Hinton ocenia, że AGI może powstać w ciągu 5–20 lat. Tymczasem Yann LeCun uważa, że samo skalowanie dużych modeli językowych nie wystarczy. Podobny sceptycyzm wyraża wynik ankiety AAAI z 2025 roku: 76% badaczy uznało, że powiększanie obecnych metod prawdopodobnie samo nie doprowadzi do AGI. Te różnice pokazują, że prognozy dotyczące przyszłości AI pozostają niepewne. Obok szybkiego postępu trzeba uwzględnić etykę, bezpieczeństwo, prywatność i wpływ AI na rynek pracy.

AI nie pojawiła się nagle w jednym momencie

AI rozwijała się przez dziesięciolecia. W latach 30. Alan Turing opisał abstrakcyjną maszynę, która wykonuje zadania według zapisanych reguł, a w 1943 roku neurobiolog Warren McCulloch i logik Walter Pitts stworzyli matematyczny model neuronu podejmującego decyzję „tak” albo „nie”. Dwa lata później powstał ENIAC, jeden z pierwszych komputerów ogólnego przeznaczenia, choć wiele pomysłów na AI nadal rozwijano na papierze. W 1950 roku Turing zaproponował „zabawę w udawanie”, dziś znaną jako test Turinga: zamiast pytać, czy maszyna naprawdę myśli, sprawdzamy, czy człowiek odróżni jej odpowiedzi od ludzkich. Dzięki temu dyskusja przesunęła się od filozofii ku projektowaniu i testowaniu systemów.

Lato 1956 roku, gdy John McCarthy użył określenia „sztuczna inteligencja” podczas konferencji w Dartmouth, często uznaje się za symboliczny początek AI. Już rok później Frank Rosenblatt stworzył perceptron — ważącą niemal tonę maszynę z 400 fotokomórkami ułożonymi w siatkę 20 × 20 pikseli oraz 512 silnikami korygującymi ustawienia. Perceptron uczył się odróżniać kwadraty od trójkątów, ale radził sobie tylko z problemami, które można było rozdzielić prostą linią. Z kolei w 1962 roku Joseph Weizenbaum rozpoczął pracę nad ELIZĄ. Program dopasowywał wzorce i pokazał, jak łatwo ludzie przypisują maszynie empatię oraz zrozumienie. Te przykłady ukazują długą historię prób i błędów: wielu pomysłom brakowało danych, mocy obliczeniowej lub skali, by w pełni się rozwinąć.

Nazwa powstała wcześniej niż sama konferencja

John McCarthy zaproponował nazwę „sztuczna inteligencja” przed konferencją w Dartmouth, zorganizowaną latem 1956 roku. Szukał określenia dla badań nad tym, jak precyzyjnie opisać uczenie się i myślenie, by odtworzyć je w maszynie. Idee sięgały jednak dalej wstecz: w 1943 roku neurobiolog Warren McCulloch i logik Walter Pitts opracowali matematyczny model neuronu, który podejmował decyzje „tak” lub „nie”. Z kolei w 1950 roku Alan Turing opublikował artykuł „Computing Machinery and Intelligence” i przedstawił „grę w naśladownictwo”, później nazwaną testem Turinga. Konferencja nie zapoczątkowała więc samych pomysłów, lecz nadała im wspólną nazwę i połączyła je w nową dziedzinę badań.

Uczestnicy konferencji chcieli opisać każdy aspekt inteligencji tak dokładnie, by komputer mógł go zasymulować — i zakładali, że dokonają tego w jedno lato. Dziś ten plan brzmi śmiało: ówczesne komputery były drogie i ograniczone, a badacze rozwijali wiele koncepcji głównie na papierze. Mimo to spotkanie w Dartmouth stało się symbolicznym początkiem AI jako dyscypliny naukowej. Już rok później Frank Rosenblatt stworzył uczący się perceptron, a w 1958 roku zaprezentował jego fizyczną wersję. Perceptron Mark I ważył niemal tonę, miał 400 fotokomórek i 512 silników, a jego zadaniem było odróżnianie kwadratów od trójkątów. Historia ta pokazuje, że dzisiejsze modele i potężne komputery wyrosły z wcześniejszych pomysłów, eksperymentów oraz nazwy, która nadała im wspólny kierunek.

Historia AI to fale optymizmu i rozczarowań

Historia sztucznej inteligencji to nie prosty marsz ku postępowi, lecz cykl obietnic, rozczarowań i powrotów. W 1950 r. Alan Turing zaproponował grę imitacyjną, znaną dziś jako test Turinga, a sześć lat później John McCarthy, Marvin Minsky, Claude Shannon i Nathaniel Rochester nazwali nową dziedzinę podczas warsztatów w Dartmouth. Entuzjazm szybko zaowocował konkretnymi projektami: Allen Newell i Herbert Simon stworzyli Logic Theorist, program dowodzący twierdzeń, Frank Rosenblatt rozwijał perceptrony, a program Arthura Samuela uczył się grać w warcaby. Badacze przewidywali, że w latach 60. komputer zostanie mistrzem szachowym, a do połowy lat 70. wykona każdą ludzką pracę. Rzeczywistość okazała się trudniejsza: komputery radziły sobie z logiką, lecz nie ze zdrowym rozsądkiem, percepcją i niepewnością. Ograniczona moc obliczeniowa oraz eksplozja kombinatoryczna zahamowały postęp, a raport Lighthilla z 1973 r. przyczynił się do pierwszej „zimy AI” i spadku finansowania badań.

Do najważniejszych wydarzeń i osiągnięć w historii AI należą:

• powstanie systemów eksperckich MYCIN i DENDRAL w latach 70. i 80.;
• zwycięstwo Deep Blue nad Garrim Kasparowem w 1997 r.;
• opublikowanie architektury transformera w pracy „Attention is All You Need” w 2017 r.;
• udostępnienie GPT-3 w 2020 r. i ChatGPT w listopadzie 2022 r.

W latach 70. i 80. systemy eksperckie, takie jak medyczny MYCIN i chemiczny DENDRAL, pokazały, że AI może wspierać specjalistów, choć tylko w ściśle określonych warunkach. Później, w 1997 r., Deep Blue pokonał mistrza świata Garriego Kasparowa, analizując miliony pozycji na sekundę. Kolejny przełom przyniosła architektura transformera, opisana w pracy „Attention is All You Need” z 2017 r.; utorowała ona drogę dużym modelom językowym. GPT-3, opublikowany w 2020 r., pisał eseje i rozwiązywał różnorodne zadania, a ChatGPT, udostępniony w listopadzie 2022 r., sprawił, że miliony osób zaczęły korzystać z AI w oknie czatu. W ten sposób systemy wyszły z laboratoriów i wąskich zastosowań, stając się asystentami do pisania, tłumaczenia i programowania. Mimo to modele nadal halucynują i powielają uprzedzenia. Historia AI pokazuje więc, że każdy przełom budzi zachwyt, ale zarazem każe sprawdzić, czy możliwości rzeczywiście dorównały obietnicom.

Sukces w zadaniu nie dowodzi ludzkiego rozumienia

Historia AI — od Word2Vec z 2013 roku po duże modele językowe — przynosi imponujące wyniki, ale nie dowodzi ludzkiego rozumienia. Word2Vec uchwytywał relacje między słowami, na przykład „król − mężczyzna + kobieta ≈ królowa”, lecz przypisywał każdemu słowu jeden wektor, więc nie rozróżniał znaczeń „zamku”. Około 2014 roku LSTM lepiej przetwarzały długie sekwencje, a mechanizm uwagi i Transformer z 2017 roku usprawniły analizę tekstu. Następnie BERT, trenowany m.in. przez odgadywanie 15% zamaskowanych tokenów, osiągał świetne wyniki w testach, zaś GPT-2 z 1,5 miliarda parametrów tworzył przekonujące akapity. Sukcesy te pokazują jednak przede wszystkim, że modele przyswajają wzorce z danych — niekoniecznie, że pojmują sens tak jak człowiek.

GPT-3, wyposażony w 175 miliardów parametrów i trenowany na około 500 miliardach tokenów, potrafił wykonywać nowe zadania po kilku przykładach w poleceniu. Mimo tej skali zdarzało mu się pewnym tonem podawać fałszywe informacje, błędnie liczyć lub tracić logiczny wątek. Podobnie poprawne odpowiedzi BERT-a, tłumaczenia modeli seq2seq i streszczenia T5 — trenowanego na zbiorze C4 zawierającym około 750 GB tekstu — świadczą o skuteczności, nie o świadomości ani niezawodnym rozumowaniu. Dlatego oceniam nie tylko wynik, lecz także to, jak model radzi sobie z nowymi przykładami, weryfikuje fakty i przyznaje „nie wiem”. Modele hybrydowe, zewnętrzne bazy danych i kalkulatory mogą zwiększyć precyzję, ale nawet dobry wynik nie dowodzi, że maszyna rozumie świat po ludzku.

Współczesny boom ma długą historię

Dzisiejszy boom na sztuczną inteligencję wieńczy ponad 70 lat badań i eksperymentów. W 1943 roku Warren McCulloch i Walter Pitts opracowali matematyczny model neuronu, a w 1950 Alan Turing zaproponował test pozwalający ocenić, czy maszynę można pomylić z człowiekiem. Za narodziny AI uznaje się lato 1956 roku, gdy około 20 naukowców, m.in. John McCarthy, Marvin Minsky i Claude Shannon, spotkało się na sześciotygodniowych warsztatach w Dartmouth. Badali, czy inteligencję można opisać precyzyjnie i odtworzyć w komputerze. Wkrótce Logic Theorist udowodnił 38 z 52 twierdzeń, program Arthura Samuela nauczył się grać w warcaby, a ELIZA z 1966 roku prowadziła proste rozmowy. Śmiałe obietnice nie zawsze się spełniały: raport Lighthilla z 1973 roku przyczynił się do cięć finansowania i zapoczątkował okres zwany zimą AI.

Rozwój sztucznej inteligencji nie był nagłym przełomem, lecz efektem wielu dekad pracy. Kolejne odkrycia stopniowo przybliżały komputery do wykonywania zadań kojarzonych z ludzką inteligencją.

W latach 80. odżyły sieci neuronowe, a w 1997 roku IBM Deep Blue pokonał mistrza szachowego Garriego Kasparowa. Rozwój internetu dostarczył badaczom coraz więcej danych. Przełom przyniósł rok 2012: AlexNet wygrał konkurs ImageNet, uzyskując wynik o ponad 10 punktów procentowych lepszy od konkurencji. Pokazał tym samym potencjał głębokich sieci trenowanych na milionach zdjęć. Pięć lat później praca „Attention Is All You Need” opisała architekturę Transformer, która otworzyła drogę do nowoczesnych modeli językowych. Zaprezentowany w 2020 roku GPT-3 miał 175 miliardów parametrów, jednak dopiero ChatGPT, udostępniony w listopadzie 2022 roku, rozpalił masową wyobraźnię: w pięć dni zdobył milion użytkowników. Ten sukces wynikał z połączenia dekad badań, większej ilości danych, mocniejszych układów obliczeniowych i prostego interfejsu dostępnego dla każdego.