Historie umělé inteligence

Aktualizace 9.7.2026

Historie umělé inteligence je fascinující a pokrývá několik desetiletí – a když se nad tím zamyslíte, možná i staletí. Od prvních filozofických otázek o povaze myšlení a možnosti strojů myslet po sofistikované algoritmy a aplikace, které dnes pomáhají v naší každodenní rutině. AI se stala klíčovým prvkem moderního vědeckého a technologického pokroku. Její vývoj je příběhem nejen technologie, ale také lidského ducha, touhy po pochopení, inovaci a neustálém hledání nových možností. Ať už jde o snahy napodobit lidské chování v raných automatech, nebo o současné průlomy v hlubokém učení, AI nás nutí přehodnocovat, co znamená být člověkem a jak definujeme inteligenci sami u sebe. V tomto článku prozkoumáme, jak se tato oblast vyvíjela od svých počátků až po dnešní den. Text vychází z primárních vědeckých prací a standardních přehledových publikací oboru (Nilsson, 2010; Russell & Norvig, 2021), aby mohl sloužit i jako spolehlivé východisko pro odborné a studentské práce.

Starověk a středověk

Již od nejranějších dob lidské historie se filozofové zabývali otázkou povahy myšlení. Co to znamená „myslet“? A je vůbec možné, aby nelidský či neživý objekt tento záhadný proces napodobil?

V antickém Řecku se Platón ve své Ústavě (Politeia) dotýkal otázky skutečného versus zdánlivého – tématu, které rezonuje i v dnešních diskusích o simulaci myšlení. Aristotelés ve spise O duši (De anima) zkoumal povahu lidské duše a jejích schopností včetně myšlení; rozum pro něj představoval nejvyšší a nejbožštější schopnost duše, ale myšlenka, že by takovou schopnost mohl mít stroj, mu byla zcela cizí. Aristotelova sylogistika – nauka o formálně platném usuzování – je nicméně považována za jeden z prvních pokusů o mechanizovatelný popis myšlení a bývá uváděna jako nejstarší intelektuální kořen umělé inteligence (Russell & Norvig, 2021).

Vynecháme-li přesvědčení animistů, kteří přisuzovali ducha a duši i přírodním objektům, najdeme v novověké filozofii myslitele, jejichž úvahy dnešní debatu o strojové inteligenci předjímaly překvapivě přesně. Thomas Hobbes v Leviathanu (1651) prohlásil, že „usuzování není nic jiného než počítání“ – myšlení tedy pojal jako symbolickou operaci, kterou lze v principu mechanizovat (Russell & Norvig, 2021). René Descartes naopak v Rozpravě o metodě (1637) tvrdil, že stroj nikdy nedokáže smysluplně používat jazyk v libovolné situaci – čímž mimoděk formuloval kritérium, které o tři století později obrátil Alan Turing ve svůj slavný test. Baruch Spinoza pak ve své Etice rozvinul monistickou metafyziku, v níž myšlení a rozprostraněnost představují dva atributy jediné substance; někteří interpreti z toho vyvozují panpsychistické čtení, podle něhož je mentální aspekt v určité míře vlastní všem věcem, tedy potenciálně i strojům – jde ovšem o interpretaci, která je předmětem filozofických sporů.

Středověká scholastika přinesla další perspektivy. Tomáš Akvinský, jeden z nejvýznamnějších středověkých teologů a filozofů, přijal mnoho Aristotelových myšlenek a zkoumal je v kontextu křesťanské teologie (Summa theologiae). Byl přesvědčen, že intelekt není schopností oddělenou od duše, ale její součástí – mít duši podle něj znamená mít rozum a inteligenci. Idea, že by stroj mohl napodobit lidské myšlení, by pro něj byla nepřijatelná, protože inteligencí nemůže disponovat nic bez duše.

Otázka, zda je možné lidskou inteligenci napodobit, přesto zůstávala provokativní. Filozofické otázky položené ve starověku a středověku tak vytvořily myšlenkové podloží, na němž o staletí později vyrostla moderní umělá inteligence.

Chcete se dozvědět o nástrojích AI mnohem víc? Exkluzivně a jako první? Přidejte se do mé komunity na Patreonu. Pravidelná dávka tipů, triků a návodu na vás čeká…

Automaty a mechaničtí předchůdci: sen o umělém člověku

Sen o umělé bytosti je mnohem starší než počítače. Řecká mytologie zná bronzového obra Talóse, kterého měl vyrobit sám Héfaistos, aby střežil Krétu. Židovská tradice vypráví o golemovi – umělém člověku oživeném z hlíny – a její nejslavnější verze je spjata přímo s Prahou a rabim Jehudou Löwem na dvoře Rudolfa II. Tyto mýty nejsou jen kuriozitou: formulují prastarou intuici, že inteligentní chování by snad bylo možné vytvořit uměle, a zároveň varují před ztrátou kontroly nad vlastním výtvorem – tedy před tématem, které se v debatách o AI vrací dodnes (Nilsson, 2010).

Vedle mýtů existovala i reálná mechanická tradice. Hérón Alexandrijský sestrojil v prvním století našeho letopočtu programovatelné divadelní automaty poháněné závažími a provazy, arabský inženýr al-Džazarí popsal ve 13. století desítky důmyslných automatů včetně mechanických hudebníků a v 18. století ohromovaly Evropu Vaucansonovy mechanické figury. Zvláštní kapitolou je „Mechanický Turek“ Wolfganga von Kempelena z roku 1770 – údajný šachový automat, který desítky let porážel lidské protivníky, než se ukázalo, že v jeho útrobách seděl skrytý lidský hráč. Šlo tedy o podvod, ale kulturně významný: veřejnost byla ochotna uvěřit, že stroj může myslet, dvě století před prvním počítačem. Na tento příběh dnes ironicky odkazuje i název crowdsourcingové služby Amazon Mechanical Turk, kde skutečnou práci „za stroj“ opět odvádějí lidé.

Souběžně se rozvíjela myšlenka mechanizace samotného počítání. Blaise Pascal sestrojil ve 40. letech 17. století mechanickou sčítačku, Gottfried Wilhelm Leibniz ji zdokonalil o násobení a navíc snil o characteristica universalis – univerzálním formálním jazyce, v němž by se spory daly rozhodovat výpočtem. Vyvrcholením této linie byl v 19. století návrh analytického stroje Charlese Babbage, prvního univerzálního programovatelného počítače, byť nikdy nedokončeného. Matematička Ada Lovelace, která pro analytický stroj napsala první publikovaný algoritmus, přitom ve svých poznámkách prozíravě uvedla, že stroj „nemá žádné ambice cokoli sám vytvořit“ a dokáže jen to, co mu člověk přikáže. Tato „námitka lady Lovelace“ se stala klasickým argumentem proti strojové inteligenci – a Alan Turing jí o sto let později věnoval samostatnou pasáž svého slavného článku, v níž s ní polemizoval (Turing, 1950).

Na prahu dvacátého století pak dal tomuto snu jméno, kterým jej svět označuje dodnes – a stalo se tak česky. Karel Čapek ve svém dramatu R.U.R. (Rossumovi univerzální roboti) z roku 1920 poprvé použil slovo „robot“, odvozené od roboty, tedy nucené práce; samotné slovo mu podle jeho vlastního pozdějšího svědectví poradil bratr Josef (Čapek, 1920). Hra měla premiéru v roce 1921 v Národním divadle, rychle obletěla světové scény a slovo robot přešlo prakticky beze změny do desítek jazyků – jde tak o zřejmě nejúspěšnější český příspěvek světové slovní zásobě. Čapkovi roboti přitom nejsou mechanické stroje, ale uměle vytvořené organické bytosti k nerozeznání od lidí, a děj hry vrcholí jejich vzpourou a vyhlazením lidstva. Čapek tím sto let před dnešními debatami o rizicích umělé inteligence zformuloval jejich ústřední motiv: co se stane, když výtvor předčí svého tvůrce a vymkne se jeho kontrole. Golemovská Praha a Čapkova imaginace tak stojí u samého jazykového i myšlenkového zrodu oboru, který měl být formálně založen až o šestatřicet let později v Dartmouthu.

Dvacáté stolení, zrození umělé inteligence

Ve třicátých letech minulého století představil britský matematik a logik Alan Turing revoluční koncept dnes známý jako Turingův stroj (Turing, 1937). Tento abstraktní výpočetní model, navržený k simulaci logických operací jakéhokoli algoritmu, položil základy moderní teorie vypočitatelnosti: ukázal, že pokud lze nějaký problém vyřešit algoritmem, lze jej vyřešit Turingovým strojem. Tím se otevřela cesta k univerzálním výpočetním strojům – počítačům.

Důležitý mezník přišel už v roce 1943, kdy neurofyziolog Warren McCulloch a logik Walter Pitts publikovali první matematický model umělého neuronu a ukázali, že sítě takových zjednodušených neuronů dokážou v principu počítat libovolnou logickou funkci (McCulloch & Pitts, 1943). Právě tato práce je pokládána za teoretický počátek umělých neuronových sítí – tedy směru, který o sedm desetiletí později ovládl celý obor.

V roce 1950 Turing vstoupil na pole filozofie a kognitivní vědy otázkou: „Mohou stroje myslet?“ Místo přímé odpovědi navrhl v článku „Computing Machinery and Intelligence“, publikovaném v časopise Mind, experiment dnes známý jako Turingův test (Turing, 1950). Pokud by počítačový program dokázal vést konverzaci s člověkem tak, že by posuzovatel nedokázal rozhodnout, zda komunikuje se strojem, nebo s jiným člověkem, bylo by možné takový stroj považovat za „inteligentní“.

Konec čtyřicátých let přinesl i širší intelektuální kvas, z něhož umělá inteligence vyrostla. Norbert Wiener založil kybernetiku – vědu o řízení a komunikaci ve strojích i živých organismech, která poprvé systematicky studovala zpětnou vazbu a cílené chování (Wiener, 1948). Claude Shannon ve stejném roce položil základy teorie informace a ukázal, že informaci lze měřit a přenášet nezávisle na jejím významu. Vznikaly první elektronické počítače a s nimi i komunita vědců přesvědčených, že myšlení lze studovat jako zpracování informace.

Dartmouth 1956

Za oficiální zrod umělé inteligence jako vědního oboru se konvenčně považuje letní výzkumný seminář na Dartmouth College v roce 1956. Samotný termín „umělá inteligence“ se ovšem poprvé objevil již v přípravném návrhu projektu z 31. srpna 1955, jehož autory byli John McCarthy, Marvin Minsky, Nathaniel Rochester a Claude Shannon (McCarthy et al., 1955/2006). Návrh vycházel z domněnky, že každý aspekt učení nebo jakýkoli jiný rys inteligence lze v principu popsat tak přesně, že jej dokáže simulovat stroj. Semináře se vedle organizátorů účastnili i další průkopníci oboru, mimo jiné Allen Newell, Herbert Simon, Arthur Samuel a Oliver Selfridge; z Dartmouthu se následně zformovala historická centra výzkumu AI na Carnegie Mellon, MIT a Stanfordu (Cordeschi, 2007). Z konference vzešla vlna nadšení a optimismu pro budoucí výzkum.

Optimismus měl reálné opory. Newell a Simon již v roce 1956 předvedli program Logic Theorist, který dokázal samostatně dokazovat matematické věty a bývá označován za první program umělé inteligence (Newell & Simon, 1956). John McCarthy v roce 1958 navrhl programovací jazyk LISP, jenž se na desetiletí stal hlavním nástrojem výzkumu AI (McCarthy, 1960). Frank Rosenblatt v roce 1958 představil perceptron – první učící se neuronovou síť implementovanou ve skutečném stroji, která uměla klasifikovat jednoduché vzory (Rosenblatt, 1958). A Arthur Samuel v IBM vyvinul program hrající dámu, který se zlepšoval hraním sám proti sobě; ve svém článku z roku 1959 přitom poprvé použil termín „strojové učení“ (machine learning) v jeho dnešním významu (Samuel, 1959).

V šedesátých letech začaly vznikat první známé aplikace. Joseph Weizenbaum vytvořil program ELIZA, který pomocí jednoduchých pravidel přepisování textu simuloval konverzaci s psychoterapeutem (Weizenbaum, 1966); sám Weizenbaum byl později zaskočen tím, jak snadno lidé programu přisuzovali porozumění. Terry Winograd navrhl systém SHRDLU, který dokázal v přirozeném jazyce komunikovat o zjednodušeném „světě bloků“ (Winograd, 1972). Tyto systémy představovaly první kroky k praktické realizaci idejí, které byly do té doby čistě teoretické – a vědecká komunita, média i veřejnost začaly věřit, že stroje brzy dosáhnou lidské úrovně inteligence.

Zimy umělé inteligence

Po vlně nadšení šedesátých let přišla období zklamání a skepse, dnes označovaná jako „zimy AI“. Historikové oboru přitom rozlišují dvě samostatné epizody: první v polovině sedmdesátých let a druhou na přelomu osmdesátých a devadesátých let (Nilsson, 2010; Russell & Norvig, 2021).

První zimu spoluzpůsobily dva vlivné dokumenty. Kniha Perceptrons Marvina Minského a Seymoura Paperta (1969) matematicky prokázala zásadní omezení jednovrstvých perceptronů – například neschopnost naučit se logickou funkci XOR – a protože tehdy nebylo známo, jak efektivně trénovat vícevrstvé sítě, zájem i financování výzkumu neuronových sítí na více než dekádu prudce opadly. V roce 1973 pak britská Rada pro vědecký výzkum zveřejnila zprávu matematika Jamese Lighthilla, která ostře kritizovala neschopnost oboru naplnit vlastní velkolepé cíle a upozornila zejména na problém kombinatorické exploze – skutečnost, že metody fungující na hračkových úlohách se při škálování na reálné problémy výpočetně hroutí (Lighthill, 1973). Výsledkem bylo drastické omezení vládního financování AI ve Velké Británii a následně i ve Spojených státech.

Osmdesátá léta přinesla dočasné oživení díky expertním systémům – programům, které zachycovaly znalosti lidských specialistů ve formě pravidel „když–pak“. Systém MYCIN pro diagnostiku bakteriálních infekcí (Shortliffe, 1976) nebo komerčně úspěšný XCON firmy Digital Equipment Corporation ukázaly praktickou hodnotu AI a odstartovaly miliardový průmysl, k němuž se přidal i ambiciózní japonský projekt počítačů páté generace. Trh s expertními systémy se však koncem osmdesátých let zhroutil – systémy se ukázaly jako křehké, drahé na údržbu a neschopné učit se z dat – a s ním přišla druhá zima AI, provázená dalším hlubokým škrtáním výzkumných rozpočtů (Nilsson, 2010).

Vedle přehnaných očekávání byl trvalým problémem nedostatek výpočetního výkonu a dat. Počítače sedmdesátých a osmdesátých let měly ve srovnání s dnešními standardy zanedbatelnou paměťovou kapacitu, takže metody vyžadující velké objemy trénovacích dat prakticky nebylo možné realizovat. Zimy AI však současně byly obdobím sebereflexe a tichého pokroku: v roce 1986 David Rumelhart, Geoffrey Hinton a Ronald Williams publikovali v časopise Nature algoritmus zpětného šíření chyby (backpropagation), který konečně umožnil efektivně trénovat vícevrstvé neuronové sítě (Rumelhart et al., 1986). Tím byl položen technický základ pro renesanci, která měla přijít o čtvrt století později.

Do téhož období spadá i nejvlivnější filozofická kritika celého projektu. John Searle v roce 1980 publikoval myšlenkový experiment známý jako čínský pokoj: člověk zavřený v místnosti podle pravidel v příručce mechanicky manipuluje s čínskými znaky tak zdařile, že zvenčí působí, jako by čínsky rozuměl – přestože jazyku nerozumí ani slovo. Searle tím argumentoval, že pouhá manipulace se symboly podle syntaktických pravidel nikdy nemůže vytvořit skutečné porozumění, a zavedl dodnes používané rozlišení mezi „slabou AI“ (stroj inteligenci pouze simuluje) a „silnou AI“ (stroj skutečně myslí a rozumí) (Searle, 1980). Debata, kterou tento argument rozpoutal, nabyla nové naléhavosti s nástupem velkých jazykových modelů – otázka, zda systém generující přesvědčivý text svému výstupu také „rozumí“, je totiž přesně Searlova otázka.

Konec dvacátého století: oživení AI

Po zimě přišlo jaro – období nového, tentokrát střízlivějšího optimismu. Devadesátá léta a počátek nového tisíciletí byly svědky posunu od ručně programovaných pravidel ke strojovému učení z dat, opřenému o statistiku a rigorózní matematické základy (Russell & Norvig, 2021).

Vznikaly algoritmy používané dodnes. Metoda podpůrných vektorů (Support Vector Machines) našla uplatnění v rozpoznávání psaného textu i klasifikaci obrazů (Cortes & Vapnik, 1995). Rozhodovací stromy poskytly intuitivní způsob modelování rozhodovacích procesů s využitím například v lékařské diagnostice nebo kreditním skórování. Objevily se první doporučovací systémy, jejichž průkopníkem v e-commerce byla společnost Amazon s personalizovanými doporučeními založenými na kombinaci nákupní historie uživatele a chování ostatních zákazníků.

V roce 1997 porazil šachový počítač IBM Deep Blue úřadujícího mistra světa Garriho Kasparova v odvetném zápase 3,5 : 2,5 – rok předtím ještě Kasparov zvítězil (Campbell et al., 2002). Šlo o první porážku úřadujícího šachového mistra světa počítačem v zápase za standardních turnajových podmínek a o symbolický signál rostoucích schopností výpočetních systémů; je ovšem poctivé dodat, že Deep Blue stavěl především na hrubé prohledávací síle a ručně laděných šachových heuristikách, nikoli na učení.

Uživatelé tlačítkových mobilních telefonů pamatují přelomovou funkci T9 (Text on 9 keys), systém prediktivního psaní, který na základě slovníku a statistiky odhadoval zamýšlené slovo z posloupnosti stisknutých kláves. Šlo o jednu z prvních masově rozšířených aplikací statistického zpracování jazyka v kapse běžného uživatele. Aplikace jako Dragon NaturallySpeaking zpřístupnily převod mluvené řeči na text a položily základ pozdějším hlasovým asistentům typu Siri, Google Assistant či Alexa. S nárůstem nevyžádané pošty se prosadily statistické (zejména bayesovské) filtry spamu, jeden z prvních příkladů strojového učení nasazeného v masovém měřítku.

Společnost Google, založená v roce 1998, postavila své vyhledávání na algoritmu PageRank – ten je ovšem grafovým algoritmem, nikoli strojovým učením. Strojové učení Google nasazoval postupně nejprve v podpůrných úlohách, jako je filtrování spamu či cílení reklamy, a do samotného jádra řazení výsledků vyhledávání je ve větší míře zapojil až později (systém RankBrain byl představen v roce 2015).

V průběhu devadesátých let a počátkem nového tisíciletí zažila výpočetní technika obrovský skok. Procesory zrychlily, paměť zlevnila a rozmach internetu začal generovat do té doby nepředstavitelné objemy dat. Právě konvergence tří faktorů – velkých datových sad, výpočetního výkonu (zejména grafických karet) a algoritmických pokroků – později umožnila revoluci hlubokého učení (LeCun et al., 2015). Přelom století tak byl klíčový pro proměnu umělé inteligence z čistě akademického oboru v praktickou technologii s reálným dopadem na společnost a průmysl.

Předzvěstí následující éry bylo vystoupení systému IBM Watson v americké vědomostní soutěži Jeopardy! v roce 2011. Watson, postavený na architektuře DeepQA kombinující zpracování přirozeného jazyka, vyhledávání ve znalostních zdrojích a statistické vyhodnocování hypotéz, porazil dva nejúspěšnější lidské šampiony v historii soutěže (Ferrucci et al., 2010). Ukázal tím, že stroje dokážou pracovat s otevřenými otázkami v přirozeném jazyce – tedy přesně s tím typem úloh, na kterém symbolická AI po desetiletí ztroskotávala.

Éra hlubokého učení

Období zhruba od roku 2012 lze s klidem nazvat érou hlubokého učení. Strojové učení (machine learning) je metoda, která umožňuje systémům učit se a zlepšovat ze zkušenosti bez explicitního programování; modely strojového učení predikují výstupy na základě historických dat. Hluboké učení (deep learning) je podmnožinou strojového učení, která k učení využívá neuronové sítě s velkým počtem vrstev (tzv. hluboké neuronové sítě) a dokáže si sama vytvářet stále abstraktnější reprezentace dat – vrstvu po vrstvě (LeCun et al., 2015).

Symbolickým počátkem této éry je 30. září 2012, kdy konvoluční neuronová síť AlexNet autorů Alexe Krizhevského, Ilji Sutskevera a Geoffreyho Hintona zvítězila v soutěži ImageNet v rozpoznávání obrazů s chybovostí 15,3 %, zatímco nejlepší tradiční metoda dosáhla 26,1 % (Krizhevsky et al., 2012). Tak výrazný náskok přesvědčil obor, že hluboké neuronové sítě – trénované na velkých datech pomocí grafických karet – překonávají dosavadní přístupy o třídu. Nezbytným předpokladem přitom byla existence samotné datové sady ImageNet s miliony anotovaných obrázků (Deng et al., 2009). Přehledový článek zakladatelské trojice hlubokého učení – Yanna LeCuna, Yoshuy Bengia a Geoffreyho Hintona – v časopise Nature pak tento obrat kanonizoval (LeCun et al., 2015); všichni tři později obdrželi Turingovu cenu za rok 2018.

V roce 2013 představil tým Google metodu Word2Vec pro vytváření vektorových reprezentací slov na základě kontextu (Mikolov et al., 2013). Stroje díky ní dokázaly lépe zachytit význam a vztahy mezi slovy – slavným příkladem je vektorová aritmetika typu „král − muž + žena ≈ královna“ – což výrazně posunulo celé zpracování přirozeného jazyka. Hlavním autorem konceptu byl český výzkumník Tomáš Mikolov, který svou intuici o tom, jak lze význam slov odvozovat z jejich okolí, rád ilustruje vlastní zkušeností z pohraničního regionu a porozuměním příbuzné polštině. Distribuované reprezentace slov se staly jedním ze stavebních kamenů, na nichž později vyrostly velké jazykové modely.

V roce 2014 představil Ian Goodfellow s kolegy koncept generativních adverzariálních sítí (GAN), v nichž se dvě neuronové sítě – generátor a diskriminátor – vzájemně trénují v soutěži (Goodfellow et al., 2014). To otevřelo cestu ke generování obrázků, hudby i textu téměř nerozlišitelných od lidské tvorby a předznamenalo dnešní generativní AI.

Program AlphaGo společnosti DeepMind, kombinující hluboké učení, posilované učení (reinforcement learning) a stromové prohledávání, porazil v říjnu 2015 trojnásobného mistra Evropy Fan Huie – jako první program zdolal profesionálního hráče go bez handicapu – a v březnu 2016 zvítězil 4 : 1 nad Lee Sedolem, jedním z nejlepších hráčů světa (Silver et al., 2016). V roce 2017 pak porazil i světovou jedničku Ke Ťieho. Šlo o průlom, protože go se svým obrovským stavovým prostorem dlouho vzdorovalo metodám, které uspěly v šachu.

DeepMind následně obrátil tytéž principy k vědeckému problému s obrovským praktickým dosahem. Systém AlphaFold 2 v roce 2020 s velkým náskokem zvítězil v soutěži CASP14 v predikci trojrozměrné struktury proteinů z jejich aminokyselinové sekvence – tedy v úloze, která odolávala biologům půl století – a jeho popis publikovaný v Nature se stal jedním z nejcitovanějších vědeckých článků dekády (Jumper et al., 2021). Volně zpřístupněná databáze predikovaných struktur prakticky všech známých proteinů dnes slouží výzkumníkům po celém světě a představuje zatím asi nejpřesvědčivější příklad AI jako nástroje urychlujícího základní vědu.

Éra transformerů a velkých jazykových modelů

Zlomovým bodem pro zpracování přirozeného jazyka se stal rok 2017, kdy výzkumníci Googlu v čele s Ashishem Vaswanim publikovali článek „Attention Is All You Need“ a v něm architekturu transformer, postavenou na mechanismu pozornosti (attention) (Vaswani et al., 2017). Transformery odstranily klíčová omezení rekurentních sítí – umožnily paralelní trénink a zachycení vztahů mezi vzdálenými částmi textu – a staly se základem prakticky všech dnešních velkých jazykových modelů.

Na architektuře transformeru vyrostly dvě vlivné rodiny modelů. BERT od Googlu (Devlin et al., 2019) a jeho varianty (RoBERTa, DistilBERT a další) se staly standardem pro porozumění textu. Druhou linii založila OpenAI modelem GPT (Generative Pre-trained Transformer), který spojil generativní předtrénování na velkém korpusu s následným doladěním na konkrétní úlohy (Radford et al., 2018). Jeho nástupce GPT-2 z roku 2019 generoval natolik přesvědčivý text, že OpenAI zvolila postupné, etapovité zveřejňování modelu s odkazem na riziko zneužití (Radford et al., 2019) – což vyvolalo jednu z prvních velkých veřejných debat o odpovědném zveřejňování AI modelů.

V roce 2020 představila OpenAI model GPT-3 se 175 miliardami parametrů, který prokázal překvapivou schopnost učit se nové úlohy z několika málo příkladů přímo v zadání, bez dalšího tréninku (Brown et al., 2020). Řádově tak předčil dosud největší jazykový model Turing-NLG od Microsoftu se 17 miliardami parametrů. Sázka na velikost přitom nebyla slepá: výzkumníci OpenAI ve stejném roce empiricky popsali tzv. škálovací zákony, podle nichž se schopnosti jazykových modelů předvídatelně zlepšují s rostoucím počtem parametrů, objemem dat a výpočetním výkonem (Kaplan et al., 2020). Právě tento poznatek legitimizoval závod ve zvětšování modelů, který následoval. Parametr je proměnná, která se upravuje během tréninku modelu – v neuronových sítích jde o váhy určující, jak silně jeden neuron ovlivňuje druhý. Model s více parametry dokáže zachytit složitější vzory v datech; představte si to jako malování s bohatší paletou barev. Počet parametrů špičkových modelů v té době rostl exponenciálně: v dubnu 2022 představil Google model PaLM s 540 miliardami parametrů (Chowdhery et al., 2023). U novějších modelů, počínaje GPT-4, však již výrobci počty parametrů ani detaily architektury nezveřejňují (OpenAI, 2023) a kolující odhady je třeba brát jako nepotvrzené spekulace.

Souběžně s textem probíhala revoluce v generování obrazu. Difuzní modely, které se učí obraz postupně „odšumovat“ z náhodného šumu (Ho et al., 2020), překonaly starší generativní adverzariální sítě a staly se základem nové generace nástrojů. OpenAI představila v roce 2021 model DALL-E, generující obrázky z textového popisu (Ramesh et al., 2021), a v roce 2022 přišly Midjourney a otevřený Stable Diffusion postavený na efektivní latentní difuzi (Rombach et al., 2022). Generování fotorealistických obrazů z textu se tak během jediného roku proměnilo z výzkumné kuriozity v masově dostupný nástroj – s dopady na kreativní průmysly, autorské právo i důvěryhodnost vizuálních informací, které společnost vstřebává dodnes.

Do širokého povědomí veřejnosti vstoupila generativní AI 30. listopadu 2022, kdy OpenAI zpřístupnila ChatGPT – konverzační rozhraní nad modelem řady GPT-3.5, doladěným technikou posilovaného učení ze zpětné vazby od lidí (RLHF), která učí model odpovídat užitečně a v souladu s lidskými preferencemi (Ouyang et al., 2022). Služba získala odhadem sto milionů uživatelů během dvou měsíců a stala se tak jednou z nejrychleji rostoucích spotřebitelských aplikací historie. Následoval multimodální GPT-4 (březen 2023; OpenAI, 2023) a konkurenční modely dalších laboratoří – Claude od Anthropic, Gemini od Googlu či otevřené modely řady Llama od Mety a modely společnosti Mistral, které zpřístupnily špičkové jazykové modely i pro lokální provoz a výzkum. Od roku 2024 se pozornost oboru přesouvá k tzv. reasoning modelům, které před odpovědí provádějí explicitní vícekrokové uvažování, a k agentním systémům schopným samostatně vykonávat delší úlohy.

S rostoucím společenským dopadem technologie přišla i regulace. Evropská unie přijala v roce 2024 jako první na světě komplexní právní rámec pro umělou inteligenci – nařízení známé jako AI Act, které klasifikuje AI systémy podle míry rizika a stanovuje povinnosti pro jejich poskytovatele i uživatele (Nařízení EU 2024/1689). Historie umělé inteligence tak vstoupila do fáze, kdy už ji nepíší jen vědci a inženýři, ale také zákonodárci.

Symbolickou tečku za tímto obdobím – a zároveň uznání celé cesty od McCullocha a Pittse po dnešek – představuje rok 2024, kdy Královská švédská akademie věd udělila Nobelovu cenu za fyziku Johnu Hopfieldovi a Geoffreymu Hintonovi za základní objevy umožňující strojové učení pomocí umělých neuronových sítí (The Royal Swedish Academy of Sciences, 2024a). Táž akademie zároveň ocenila Nobelovou cenou za chemii Demise Hassabise a Johna Jumpera z DeepMind za AlphaFold (The Royal Swedish Academy of Sciences, 2024b) – umělá inteligence se tak v jediném roce stala předmětem dvou Nobelových cen, což by si průkopníci z Dartmouthu v roce 1956 sotva dokázali představit.

Éra hlubokého učení a velkých jazykových modelů znamenala průlom v mnoha odvětvích a vytvořila možnosti, které byly ještě před patnácti lety považovány za sci-fi. A s pokračujícím pokrokem v hardwaru, algoritmech i objemech dat lze očekávat, že se tempo vývoje hned tak nezpomalí.

Chcete se dozvědět o nástrojích AI mnohem víc? Exkluzivně a jako první? Přidejte se do mé komunity na Patreonu. Pravidelná dávka tipů, triků a návodu na vás čeká…

Literatura

• Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., … Amodei, D. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877–1901.
• Campbell, M., Hoane, A. J., & Hsu, F. (2002). Deep Blue. Artificial Intelligence, 134(1–2), 57–83. https://doi.org/10.1016/S0004-3702(01)00129-1
• Cordeschi, R. (2007). AI turns fifty: Revisiting its origins. Applied Artificial Intelligence, 21(4–5), 259–279. https://doi.org/10.1080/08839510701252304
• Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–297. https://doi.org/10.1007/BF00994018
• Čapek, K. (1920). R.U.R. (Rossum’s Universal Robots): Kolektivní drama o vstupní komedii a třech dějstvích. Aventinum.
• Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., & Fei-Fei, L. (2009). ImageNet: A large-scale hierarchical image database. In 2009 IEEE Conference on Computer Vision and Pattern Recognition (pp. 248–255). IEEE. https://doi.org/10.1109/CVPR.2009.5206848
• Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics (pp. 4171–4186). ACL. https://doi.org/10.18653/v1/N19-1423
• Ferrucci, D., Brown, E., Chu-Carroll, J., Fan, J., Gondek, D., Kalyanpur, A. A., Lally, A., Murdock, J. W., Nyberg, E., Prager, J., Schlaefer, N., & Welty, C. (2010). Building Watson: An overview of the DeepQA project. AI Magazine, 31(3), 59–79. https://doi.org/10.1609/aimag.v31i3.2303
• Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems, 27, 2672–2680.
• Ho, J., Jain, A., & Abbeel, P. (2020). Denoising diffusion probabilistic models. Advances in Neural Information Processing Systems, 33, 6840–6851.
• Chowdhery, A., Narang, S., Devlin, J., Bosma, M., Mishra, G., Roberts, A., Barham, P., Chung, H. W., Sutton, C., Gehrmann, S., Schuh, P., Shi, K., Tsvyashchenko, S., Maynez, J., Rao, A., Barnes, P., Tay, Y., Shazeer, N., Prabhakaran, V., … Fiedel, N. (2023). PaLM: Scaling language modeling with Pathways. Journal of Machine Learning Research, 24(240), 1–113.
• Jumper, J., Evans, R., Pritzel, A., Green, T., Figurnov, M., Ronneberger, O., Tunyasuvunakool, K., Bates, R., Žídek, A., Potapenko, A., Bridgland, A., Meyer, C., Kohl, S. A. A., Ballard, A. J., Cowie, A., Romera-Paredes, B., Nikolov, S., Jain, R., Adler, J., … Hassabis, D. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583–589. https://doi.org/10.1038/s41586-021-03819-2
• Kaplan, J., McCandlish, S., Henighan, T., Brown, T. B., Chess, B., Child, R., Gray, S., Radford, A., Wu, J., & Amodei, D. (2020). Scaling laws for neural language models. arXiv. https://doi.org/10.48550/arXiv.2001.08361
• Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25, 1097–1105.
• LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539
• Lighthill, J. (1973). Artificial intelligence: A general survey. In Artificial intelligence: A paper symposium. Science Research Council.
• McCarthy, J. (1960). Recursive functions of symbolic expressions and their computation by machine, Part I. Communications of the ACM, 3(4), 184–195. https://doi.org/10.1145/367177.367199
• McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, 27(4), 12–14. https://doi.org/10.1609/aimag.v27i4.1904 (Původní dokument z roku 1955)
• McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The Bulletin of Mathematical Biophysics, 5(4), 115–133. https://doi.org/10.1007/BF02478259
• Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv. https://doi.org/10.48550/arXiv.1301.3781
• Minsky, M., & Papert, S. (1969). Perceptrons: An introduction to computational geometry. MIT Press.
• Newell, A., & Simon, H. A. (1956). The logic theory machine: A complex information processing system. IRE Transactions on Information Theory, 2(3), 61–79. https://doi.org/10.1109/TIT.1956.1056797
• Nařízení Evropského parlamentu a Rady (EU) 2024/1689 ze dne 13. června 2024, kterým se stanoví harmonizovaná pravidla pro umělou inteligenci (akt o umělé inteligenci). (2024). Úřední věstník Evropské unie, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
• Nilsson, N. J. (2010). The quest for artificial intelligence: A history of ideas and achievements. Cambridge University Press.
• OpenAI. (2023). GPT-4 technical report. arXiv. https://doi.org/10.48550/arXiv.2303.08774
• Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C., Mishkin, P., Zhang, C., Agarwal, S., Slama, K., Ray, A., Schulman, J., Hilton, J., Kelton, F., Miller, L., Simens, M., Askell, A., Welinder, P., Christiano, P., Leike, J., & Lowe, R. (2022). Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems, 35, 27730–27744.
• Radford, A., Narasimhan, K., Salimans, T., & Sutskever, I. (2018). Improving language understanding by generative pre-training. OpenAI. https://openai.com/research/language-unsupervised
• Radford, A., Wu, J., Child, R., Luan, D., Amodei, D., & Sutskever, I. (2019). Language models are unsupervised multitask learners. OpenAI. https://openai.com/research/better-language-models
• Ramesh, A., Pavlov, M., Goh, G., Gray, S., Voss, C., Radford, A., Chen, M., & Sutskever, I. (2021). Zero-shot text-to-image generation. In Proceedings of the 38th International Conference on Machine Learning (pp. 8821–8831). PMLR.
• Rombach, R., Blattmann, A., Lorenz, D., Esser, P., & Ommer, B. (2022). High-resolution image synthesis with latent diffusion models. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 10684–10695). IEEE. https://doi.org/10.1109/CVPR52688.2022.01042
• Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain. Psychological Review, 65(6), 386–408. https://doi.org/10.1037/h0042519
• Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536. https://doi.org/10.1038/323533a0
• Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
• Samuel, A. L. (1959). Some studies in machine learning using the game of checkers. IBM Journal of Research and Development, 3(3), 210–229. https://doi.org/10.1147/rd.33.0210
• Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417–424. https://doi.org/10.1017/S0140525X00005756
• Shortliffe, E. H. (1976). Computer-based medical consultations: MYCIN. Elsevier.
• Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., van den Driessche, G., Schrittwieser, J., Antonoglou, I., Panneershelvam, V., Lanctot, M., Dieleman, S., Grewe, D., Nham, J., Kalchbrenner, N., Sutskever, I., Lillicrap, T., Leach, M., Kavukcuoglu, K., Graepel, T., & Hassabis, D. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529(7587), 484–489. https://doi.org/10.1038/nature16961
• The Royal Swedish Academy of Sciences. (2024a, 8. října). The Nobel Prize in Physics 2024 [tisková zpráva]. https://www.nobelprize.org/prizes/physics/2024/press-release/
• The Royal Swedish Academy of Sciences. (2024b, 9. října). The Nobel Prize in Chemistry 2024 [tisková zpráva]. https://www.nobelprize.org/prizes/chemistry/2024/press-release/
• Turing, A. M. (1937). On computable numbers, with an application to the Entscheidungsproblem. Proceedings of the London Mathematical Society, s2-42(1), 230–265. https://doi.org/10.1112/plms/s2-42.1.230
• Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460. https://doi.org/10.1093/mind/LIX.236.433
• Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30, 5998–6008.
• Weizenbaum, J. (1966). ELIZA – A computer program for the study of natural language communication between man and machine. Communications of the ACM, 9(1), 36–45. https://doi.org/10.1145/365153.365168
• Wiener, N. (1948). Cybernetics: Or control and communication in the animal and the machine. MIT Press.
• Winograd, T. (1972). Understanding natural language. Cognitive Psychology, 3(1), 1–191. https://doi.org/10.1016/0010-0285(72)90002-3