Wrzesień 2012. W sypialni w domu swoich rodziców dwudziestosześcioletni Alex Krizhevsky uczy pewien program rozpoznawać zdjęcia. Cały sprzęt to dwie karty graficzne do gier. Dla niego to tylko projekt na boku — koledzy namówili go, żeby zgłosił coś do konkursu. Nie wie jeszcze, że za chwilę zbuduje fundament jednego z najważniejszych wynalazków w historii.
Pokażę ci drogę do tej sypialni — i to, co było potem. To stuletnia opowieść o tym, jak maszyny nauczyły się myśleć: od łamania szyfrów na wojnie, przez dwie zimy, w których cała dziedzina niemal umarła, aż po narzędzie, które dziś pisze oprogramowanie za ludzi bez wykształcenia programistycznego.
Wojna i pierwsza myśląca maszyna
1939. Wielka Brytania przegrywa bitwę o Atlantyk. Niemieckie okręty podwodne zatapiają statki szybciej, niż alianci są w stanie je odbudować. Alianci zdobywają jednak informacje o niemieckiej maszynie szyfrującej, która rozsyła rozkazy wojskowe i instrukcje taktyczne. Nazywa się Enigma. Jeśli uda się złamać jej szyfr, alianci poznają pozycje U-Bootów i plany ataków.
Tyle że alianci nie zaczynają od zera. Enigma pada już w 1932 roku — łamie ją zespół polskiego Biura Szyfrów: matematycy Marian Rejewski, Jerzy Różycki i Henryk Zygalski. Rejewski, sięgając po teorię permutacji, odtwarza wewnętrzne okablowanie maszyny, nie mając jej nigdy w rękach; zespół buduje własne narzędzia do łamania szyfru — płachty Zygalskiego i elektromechaniczną bombę kryptologiczną, od której Turing zapożyczy później i nazwę, i punkt wyjścia dla własnej, potężniejszej maszyny. W lipcu 1939 roku, na kilka tygodni przed inwazją, Polacy przekazują brytyjskiemu i francuskiemu wywiadowi swoje metody i gotowe repliki Enigmy. Bletchley Park rusza z polskim dorobkiem w ręku.
Wyzwanie jednak nie znika: Enigma ma ponad sto trylionów możliwych ustawień — stanowczo za dużo, by jakikolwiek zespół ludzi złamał to ręcznie. Brytyjczycy wzywają jeden z największych umysłów matematycznych kraju: Alana Turinga. Jego jedyne zadanie to złamać Enigmę.
Przez następny rok Turing projektuje maszynę elektromechaniczną — Bombę. Bomba przelatuje naraz przez tysiące ustawień Enigmy, korzysta z domyślanych fragmentów depesz, żeby wyłapać sprzeczności i odrzucić niemożliwe klucze. To zawęża miliony możliwości do garstki, którą zespół potrafi już rozpracować. Pod koniec wojny w całej Brytanii pracuje ponad 200 Bomb, łamiąc ponad 4000 niemieckich wiadomości dziennie. Złamany szyfr odsłania dane strategiczne, które pozwalają odwrócić losy bitwy o Atlantyk i skracają wojnę o dwa do czterech lat.
Bomba ma jednak słabości typowe dla maszyn z tamtej epoki. Pełno w niej lamp próżniowych — szklanych baniek sterujących przepływem prądu, które bez przerwy się przepalają. Mechaniczne przełączniki są wolne, a urządzenia nie da się przeprogramować bez ręcznego przelutowania połączeń. Po wojnie większość Bomb rozebrano lub złomowano.
Turing nie porzucił jednak pytania, czym mogłaby być myśląca maszyna. W jednej z prac zaproponował coś, co nazwał grą w naśladowanie. Jego zdaniem nauka powinna przestać pytać, czy maszyny potrafią myśleć, a zacząć pytać, co dowiodłoby, że potrafią. Jeśli maszyna komunikująca się wyłącznie tekstem potrafi przekonać człowieka, że rozmawia z innym człowiekiem — to można uznać za inteligencję. Turing zmarł w wieku 41 lat i nie zdążył pociągnąć tego pomysłu dalej. Ale ziarno zostało zasiane.
Jak dziedzina dostała nazwę
Po jego śmierci pomysł myślących maszyn zaczął żyć w różnych pracowniach. Powstawały badania w matematyce, psychologii, elektrotechnice. To był problem: bez wspólnej nazwy nie ma wspólnej społeczności. A bez społeczności nie ma finansowania, programów uniwersyteckich ani sposobu, by przyciągnąć nowych badaczy. Dziedzina bez nazwy w praktyce nie istnieje.
Młody profesor John McCarthy postanowił to zmienić. Wierzył, że jeśli posadzić odpowiednich ludzi w jednym pokoju na całe lato, wspólnie wymyślą jedną nazwę dla tego pola. W 1955 roku zgłosił projekt i zdobył finansowanie od Fundacji Rockefellera, zbierając podpisy badaczy z czołowych instytucji świata — Harvardu, IBM, Bell Labs. Wśród sygnatariuszy był Claude Shannon. Zapamiętaj to nazwisko; wróci do tej historii w latach dwudziestych naszego wieku.
Latem 1956 roku około dziesięciu osób spotkało się w Dartmouth, żeby nazwać dziedzinę badającą myślące maszyny. Mieli kilka opcji. Wybrali nazwę „sztuczna inteligencja” — bo brzmiała ambitnie i jak coś, co warto finansować.
Dwa pomysły na myślącą maszynę
Pod koniec lat 50. dziedzina miała już nazwę i pieniądze. Ale dzieliła ją różnica zdań co do tego, jak właściwie zbudować myślącą maszynę. Spór zaczął się jeszcze w liceum, między dwoma uczniami Bronx High School of Science: Marvinem Minskym i Frankiem Rosenblattem. Kłócili się o to bez przerwy, a z wiekiem spór tylko narastał.
Pomysł Minsky'ego to zbiór reguł. Żeby stworzyć myślącą maszynę, trzeba dać jej zasady: jeśli widzisz to, zrób tamto; jeśli widzisz coś innego, zrób co innego. Ciąg reguł rośnie, aż maszyna obsłuży każdą możliwą sytuację. Założenie brzmi: inteligencja to logika, więc jeśli zapiszesz dość logiki, dostaniesz inteligencję. To podejście nazwano symbolicznym — maszyna manipuluje symbolami według ręcznie spisanych reguł.
Rosenblatt twierdził dokładnie odwrotnie. Inteligentna maszyna nie powinna wykonywać rozkazów, tylko działać podobnie do mózgu: miliardy neuronów połączonych ze sobą, włączających się i wyłączających, gdy myślimy. Maszynę należy więc zbudować ze sztucznych neuronów, które same się dostrajają, oglądając tysiące przykładów, i same wywnioskują reguły. To podejście nazwano siecią neuronową — i to ono jako pierwsze zbudowało coś, co się uczyło.
W lipcu 1958 roku Rosenblatt zbudował działającą wersję swojego pomysłu i nazwał ją perceptronem. To najprostsza możliwa sieć neuronowa. Działała na komputerze IBM 704 wielkości pokoju i korzystała z siatki 20 na 20 czujników światła, podłączonych do regulowanych połączeń. Te połączenia działały jak zmotoryzowane gałki głośności, które maszyna sama przykręcała w górę lub w dół w trakcie nauki. Po jakichś 50 próbach perceptron sam nauczył się odróżniać dwa rodzaje kart perforowanych. Pomyśl o tym: w 1958 roku maszyna nauczyła się tego sama. Choć była prosta, to było coś na granicy cudu.
Marynarka USA sfinansowała projekt i zorganizowała konferencję prasową. Padło tam jedno z najsłynniejszych zdań — cytat z „New York Timesa”: marynarka spodziewa się, że urządzenie to będzie zalążkiem komputera, który nauczy się chodzić, mówić, widzieć, pisać, powielać się i być świadomym własnego istnienia.
Dwie zimy
Przez kolejne 11 lat Rosenblatt i Minsky spierali się na konferencjach przed badaczami i doktorantami. Rosenblatt twierdził, że sieci neuronowe potrafią niemal wszystko; Minsky — że niemal nic. I w 1969 roku to udowodnił. Wraz z kolegą z MIT wydał książkę „Perceptrons”. Dowiódł w niej matematycznie, że maszyna Rosenblatta ma twardy sufit możliwości: są podstawowe wzorce, których nigdy nie rozpozna, choćbyś trenował ją w nieskończoność. Matematyka była poprawna i sprawiła, że cały program badań nad sieciami neuronowymi wyglądał na ślepą uliczkę.
Rosenblatt nie zdążył obronić swojego pomysłu — zmarł w 1971 roku. Wraz z nim na lata umarło jego podejście. W ciągu kilku miesięcy rząd USA przerwał finansowanie sieci neuronowych i przeniósł je do obozu symbolicznego Minsky'ego.
Tyle że obalenie sieci neuronowych nie dowodziło, że podejście symboliczne działa. Po niespełna dwóch latach rząd brytyjski wysłał matematyka, żeby sprawdził, czy badania nad AI dają cokolwiek użytecznego. Nie dawały. Rozpoznawanie mowy było żartem, a systemy tłumaczeń nie tłumaczyły. Matematyk napisał raport, że cała obietnica sztucznej inteligencji na poziomie człowieka to złudzenie. Finansowanie z Wielkiej Brytanii i USA się załamało i nadeszła pierwsza zima AI — lata ciszy, w których nikt nie chciał finansować czegoś, co nie daje wyników.
W 1980 roku branża zmieniła kurs. Przestała mierzyć się z problemami, które stawiały rządy, i zajęła się problemami komercyjnymi. Na Carnegie Mellon University pokazano pierwszy duży komercyjny system AI: XCON. Miał jedno zadanie — robić jedną żmudną rzecz wybitnie dobrze. Gdy klient zamawiał komputer DEC na zamówienie, ktoś musiał ustalić, które z milionów możliwych kombinacji podzespołów do niego pasują. Ludzie robią to wolno i z błędami; XCON robił to bezbłędnie w sekundy. Do 1986 roku oszczędzał firmie DEC dziesiątki milionów dolarów rocznie. Nazwano go systemem eksperckim — programem, który udaje ludzkiego eksperta w jednym wąskim zadaniu, kierując się tysiącami ręcznie spisanych reguł. Podejście symboliczne Minsky'ego wreszcie zaczęło być do czegoś.
Przez lata 80. cała branża próbowała klonować XCON we wszystkich dziedzinach naraz. Jeden system ekspercki diagnozował infekcje bakteryjne, inny analizował związki chemiczne, jeszcze inny pomagał geologom znajdować złoża minerałów. Wszystkie działały na maszynach Lisp — wyspecjalizowanych komputerach zbudowanych po to, by uruchamiać kod w języku Lisp, w którym pisano te systemy. Do 1985 roku firmy z listy Fortune 500 wydawały na nie ponad miliard dolarów rocznie.
Dwa lata później ten sam szybki wzrost runął równie szybko. Systemy eksperckie były kruche. Świetnie radziły sobie w wąskim zadaniu, do którego je zbudowano, ale poza nim zawodziły. Każda nowa, dziwna sytuacja wymagała nowej reguły, a utrzymanie reguł wymagało całego zespołu. I nawet gdy zespół dodawał regułę, mogła ona kolidować z inną — i cały system się sypał. Można było dolewać pieniędzy na ekspertów, ale ta szansa spadła do zera, gdy na rynek weszły zwykłe stacje robocze, na przykład od Sun Microsystems. Do 1987 roku robiły to samo co maszyny Lisp za ułamek ceny. Nie było powodu wydawać 70 tysięcy dolarów na maszynę Lisp, skoro stacja Sun za 10 tysięcy uruchamiała ten sam program. Warty pół miliarda dolarów rynek sprzętu AI załamał się w ciągu miesięcy, a firma Lisp Machines zbankrutowała. Podejście symboliczne przeszło drogę od przyszłości AI do jej własnego upadku. Tak zaczęła się druga zima AI.
Powrót sieci neuronowych: backpropagation, GPU i dane
Rok przed upadkiem podejścia symbolicznego sieci neuronowe zaczęły wracać. W 1986 roku, gdy systemy eksperckie były u szczytu, sieci neuronowe wciąż uchodziły za badania, które kończą karierę. Trzech ludzi uważało jednak, że to wciąż najlepsza droga. Geoffrey Hinton z dwoma współautorami wydał pracę pokazującą, że problem, na który wskazał Minsky, da się rozwiązać.
Minsky mówił tak: jeśli ułożysz wiele warstw neuronów i sieć odpowie błędnie, nie da się ustalić, który neuron w której warstwie zawinił. A jeśli nie wiesz, co poprawić, nie nauczysz sieci. Rozwiązanie okazało się proste — trzeba działać wstecz. Gdy sieć się myli, cofasz ten błąd przez wszystkie warstwy połączeń. Każde połączenie dostaje część winy proporcjonalnie do tego, jak bardzo przyczyniło się do błędu. A skoro wiesz, kogo winić, wiesz, co dostroić — i możesz trenować sieci o dowolnej liczbie warstw. To propagacja wsteczna (backpropagation). Rosenblatt nie zdążył naprawić swojego pomysłu; Hinton z innymi pociągnął jego pracę dalej. Praca o backpropagation stała się później jedną z najczęściej cytowanych w historii AI.
Sieci wciąż jednak nie dawały wyników, które zmieniłyby los dziedziny. Powód był prosty: rozwiązanie matematyczne działało, ale nie istniał jeszcze sprzęt, żeby je obliczyć. Trenowanie wielowarstwowej sieci zajmowało ówczesnym komputerom tygodnie albo miesiące. Ten problem rozwiązała branża gier. Karty graficzne Nvidii stały się w latach dwutysięcznych zdumiewająco mocne — a okazało się, że rodzaj obliczeń, które robi karta graficzna, to dokładnie ten rodzaj, którego potrzebuje sieć neuronowa. Po dwudziestu latach moc obliczeniowa wreszcie się pojawiła. (GPU to procesor graficzny — układ liczący naraz tysiące prostych działań, idealny do mnożenia liczb w sieci.) Sieci dało się teraz trenować na GPU w dni zamiast miesięcy.
Pozostał drugi problem: dane. Żeby nauczyć sieć rozpoznawać na przykład kota na zdjęciu, trzeba pokazać jej setki tysięcy przykładów — różne kąty, oświetlenie, rasy, tła. Sieci z lat dwutysięcznych nigdy nie widziały ich dość, by się czegokolwiek nauczyć. Informatyczka Fei-Fei Li zebrała grupę doktorantów i zbudowała największy zbiór opisanych zdjęć w historii. Do 2009 roku zbiór, który nazwała ImageNet, miał ponad 3 miliony opisanych fotografii, a do 2010 roku — 14 milionów. ImageNet rozwiązał problem danych dla widzenia komputerowego. Po raz pierwszy badacze mieli 1,2 miliona opisanych zdjęć w tysiącu kategorii — dość, by naprawdę wytrenować głęboką sieć do rozpoznawania obiektów ze świata.
AlexNet, AlphaGo i transformer
Problem mocy rozwiązany. Problem danych rozwiązany. Zaczęła się era uczenia maszynowego. Wokół ImageNet powstał coroczny konkurs, w którym każda pracownia świata testowała swój najlepszy system na tych samych 1,2 miliona zdjęć. W 2010 roku najlepszy system mylił się w 28% przypadków. W 2011 inny zespół zszedł do 26%. Postęp był powolny.
I tu wracamy do tej sypialni. Alex Krizhevsky, doktorant z Toronto, zgłosił się do konkursu — ale nie poszedł utartą drogą. Inne zespoły ręcznie kodowały reguły mówiące sieci, czego szukać: krawędzie, narożniki, tekstury, kształty. Krizhevsky nie napisał żadnych reguł. Podał sieci całą bazę ImageNet i pozwolił jej samej ustalić, które cechy są ważne. Maszyna wypracowała własną teorię widzenia. Swój system nazwał AlexNet.
Gdy konkurs się skończył, AlexNet mylił się w 15% przypadków — o 11 punktów mniej niż zeszłoroczny zwycięzca (tu mniej znaczy lepiej, bo to odsetek błędów). Nie tylko wygrał. Sprawił, że każde inne podejście wyglądało na przestarzałe, i udowodnił, że maszyny naprawdę potrafią się uczyć. Wynik rozszedł się po środowisku niemal natychmiast. W ciągu roku każda poważna pracownia rozpoznawania obrazów na Ziemi używała sieci neuronowych. W ciągu kolejnego roku Google, Facebook i Microsoft podkupili z uczelni większość najlepszych specjalistów od głębokiego uczenia. Architektura AlexNet pomogła przebudować produkty takie jak Google Photos, Google Lens i wyszukiwarkę Google. Dziedzina z dnia na dzień przeszła od zapomnianej do bycia przyszłością wielkich firm technologicznych.
To był dopiero początek. Mała londyńska pracownia DeepMind zwróciła uwagę świata, budując system, który sam nauczył się grać w gry Atari od zera. Chcieli ją i Facebook, i Google — wygrał Google, przejmując DeepMind w styczniu 2014 roku za około 500 milionów dolarów. Dwa lata później DeepMind zamienił ideę myślącej maszyny w rzeczywistość. W marcu 2016 roku jego program AlphaGo rozegrał pięciopartiowy mecz z zawodowym graczem w go, Lee Sedolem. Typowa partia go ma więcej możliwych układów planszy niż jest atomów w obserwowalnym wszechświecie, a Lee był osiemnastokrotnym mistrzem świata. W drugiej partii AlphaGo zrobił coś, czego nikt nie umiał wyjaśnić: postawił kamień w miejscu, którego żaden zawodowiec nigdy by nie rozważył. Komentatorzy najpierw założyli, że system się zaciął. Lee potrzebował ponad 12 minut, by znaleźć właściwą odpowiedź. AlphaGo wygrał tę partię. Ten jeden ruch pokazał, że AI potrafi tworzyć nowe myśli — wypracował własną teorię tego, jak wygląda dobra pozycja w go. Trzy lata później Lee wycofał się z zawodowego go, mówiąc, że nawet gdyby został numerem jeden, istnieje byt, którego nie da się pokonać.
I zaledwie rok po AlphaGo nadeszła największa zmiana w historii AI. W czerwcu 2017 roku ośmiu badaczy Google wydało pracę pod tytułem „Attention is all you need”. Proponowali w niej nowy projekt sieci neuronowej, który nazwali transformerem. Jego główny pomysł jest taki: stare sieci do języka czytały tekst tak jak człowiek — słowo po słowie, od lewej do prawej, pamiętając, co było wcześniej. To wolne i gubi kontekst na długich fragmentach. Transformer czyta wszystkie słowa zdania naraz, równolegle. Zamiast przewracać książkę strona po stronie, czyta wszystkie strony jednocześnie. Transformer powstał, żeby przyspieszyć tłumaczenie między językami. Ośmiu autorów nie wiedziało, że właśnie stworzyli to, co dziś nazywamy AI.
Wyścig: ChatGPT, Claude i Claude Code
Badacze z firmy OpenAI zauważyli, że można wziąć połowę transformera — tę dobrą w generowaniu tekstu — i wytrenować ją na jednym zadaniu: przeczytaj fragment tekstu i przewiduj następne słowo. Podali jej ogromne zbiory danych z sieci, książek i kodu, i kazali przewidywać miliardy razy. W czerwcu 2018 roku wydali pierwszy model, GPT-1, potem GPT-2 w 2019 i GPT-3 w 2020. Te systemy potrafiły pisać kod, streszczać dokumenty, redagować maile i odpowiadać na pytania z jednego polecenia. Dwa lata później OpenAI zamknęło tę technologię w prostym oknie czatu i udostępniło światu jako ChatGPT.
To był moment, w którym dziedzina zmieniła się na zawsze — i prawdopodobnie moment, w którym wielu z was po raz pierwszy zetknęło się z AI. ChatGPT osiągnął milion użytkowników w 5 dni, sto milionów w 2 miesiące i stał się najszybciej rosnącą aplikacją konsumencką w historii. Microsoft ogłosił inwestycję 10 miliardów dolarów, a Google ogłosiło wewnętrzny „kod czerwony”, w panice, że jego rdzeń — wyszukiwarka — może zostać zdetronizowany. Po raz pierwszy od 1956 roku AI dotarła do zwykłych ludzi. Zaczęła się gorączka złota.
14 marca 2023 roku Anthropic publicznie uruchomił Claude'a, swojego pierwszego asystenta — nazwanego na cześć Claude'a Shannona, którego poznałeś wcześniej w tej historii, przy stole w Dartmouth. Osiem miesięcy później, w grudniu 2023, Google odpowiedziało modelem Gemini. I ruszyły pieniądze. Do połowy lat dwudziestych Microsoft zobowiązał się wobec OpenAI do około 13 miliardów dolarów, Amazon dał Anthropic około 5 miliardów, a Google jeszcze około 2 miliardy. Trzy firmy ruszyły do wyścigu o dominację, ale każda postawiła na coś innego. OpenAI mocniej postawiło na zwykłych użytkowników — ChatGPT dostał głos, obraz, pamięć, generowanie grafiki. Google wpięło Gemini w cały swój ekosystem. Anthropic poszedł zupełnie inną drogą: skupił się na programistach.
W czerwcu 2024 roku Claude 3.5 Sonnet wyszedł z funkcją Artifacts — bocznym panelem, który pokazywał generowany kod na żywo, w trakcie pisania. W ciągu kilku miesięcy Claude stał się modelem z wyboru poważnych programistów. W lutym 2025 roku Anthropic wypuścił Claude Code — narzędzie wiersza poleceń, które potrafi przeczytać projekt, edytować pliki, uruchamiać komendy i budować oprogramowanie lokalnie. To uświadomiło OpenAI i Google, jaki rynek tracą. OpenAI uruchomiło własne narzędzie do kodowania, Codex, ale Claude Code wyprzedzał konkurencję i do listopada 2025 roku przynosił ponad miliard dolarów rocznie — jeden z najszybszych skoków przychodów w historii oprogramowania, zaledwie pół roku po starcie. Nawet Microsoft, po przebudowie partnerstwa z OpenAI, zobowiązał się wobec Anthropic do nawet 5 miliardów. Google próbowało nadążyć narzędziami w stylu Antigravity. Ale pod koniec 2025 roku obraz był jasny: ChatGPT wciąż rządził rynkiem konsumenckim, lecz wśród osób, które budowały coś z AI, dominował Claude Code. Ludzie bez wykształcenia programistycznego zaczęli składać kompletne oprogramowanie w jeden weekend — i wtedy do głównego nurtu weszło pojęcie vibe coding. W kwietniu 2026 roku Amazon zobowiązał się wobec Anthropic do nawet 25 miliardów dolarów więcej, a Google dorzuciło kolejne 40 miliardów.
Sto lat dzieli sypialnię w Toronto od pokoju w Bletchley, gdzie wirowała Bomba — i to, co je łączy, jest prostsze, niż się wydaje. Za każdym razem, gdy AI ruszała naprzód, nie wygrywała sprytniejsza reguła, którą ktoś wymyślił z góry. Wygrywała maszyna, której pozwolono uczyć się z przykładów — gdy tylko pojawiło się dość mocy i dość danych. Symboliczne reguły dwa razy obiecały myślącą maszynę i dwa razy zawiodły. Dane wygrały. Jeśli dziś zastanawiasz się, gdzie ta historia idzie dalej, patrz nie na to, kto pisze najmądrzejsze reguły, tylko na to, kto ma najwięcej dobrych przykładów do nauki — i komu wreszcie wystarcza mocy, by się na nich uczyć. Reszta tej opowieści pisze się właśnie teraz.