ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఒక్క రాత్రిలో పుట్టలేదు. ఇది అద్భుతమైన ఆలోచనలు, ధైర్యమైన అంచనాలు, నిరాశపరిచే ఎదురుదెబ్బలు మరియు అబ్బురపరిచే విజయాల కథ. ఈ ప్రయాణాన్ని కలిసి చూద్దాం.
1950లో, బ్రిటిష్ గణిత శాస్త్రవేత్త అలన్ ట్యూరింగ్ Computing Machinery and Intelligence అనే పేపర్ను ప్రచురించారు. ఇందులో ఆయన ఇప్పుడు మనం ట్యూరింగ్ టెస్ట్ అని పిలిచేది ప్రతిపాదించారు: ఒక యంత్రం ఎంత నమ్మశక్యంగా సంభాషించగలదంటే, మనిషికి తాను వ్యక్తితో మాట్లాడుతున్నాడా లేదా కంప్యూటర్తో మాట్లాడుతున్నాడా అని తెలియనంతగా, అప్పుడు ఆ యంత్రం "ఆలోచించగలదు" అని చెప్పవచ్చు.
ట్యూరింగ్ స్వయంగా AI నిర్మించలేదు - కానీ ఆయన ప్రపంచానికి ఈ మొత్తం రంగాన్ని ప్రారంభించిన ప్రశ్న ఇచ్చారు.
1956 వేసవిలో, USA లోని న్యూ హాంప్షైర్లోని డార్ట్మౌత్ కాలేజీలో ఒక చిన్న పరిశోధకుల బృందం సమావేశమైంది. వారు "ఆర్టిఫిషియల్ ఇంటెలిజెన్స్" అనే పదాన్ని సృష్టించారు మరియు ఒక అసాధారణంగా ఆశావాద అంచనా వేశారు: ఒక తరం లోపు మానవ మనస్సు చేయగలిగినదంతా యంత్రాలు చేయగలవని వారు నమ్మారు.
అది అలా జరగలేదు - కానీ ఈ సమావేశం అధికారికంగా AI ను ఒక అధ్యయన రంగంగా ప్రారంభించింది.
తొలి AI ప్రోగ్రాములు బీజగణిత సమస్యలను పరిష్కరించగలవు, డ్రాఫ్ట్స్ ఆడగలవు, మరియు ప్రాథమిక సంభాషణలు కూడా చేయగలవు (1966లో చాట్బాట్ ELIZA వంటివి). నిధులు వెల్లువెత్తాయి. ప్రభుత్వాలు మరియు విశ్వవిద్యాలయాలు మానవ స్థాయి AI సమీపంలోనే ఉందని నమ్మాయి.
ELIZA ఏమిటి?
వాస్తవికత గట్టిగా తాకింది. కంప్యూటర్లు చాలా నెమ్మదిగా ఉన్నాయి, డేటా దొరకలేదు, తొలి AI నిజ ప్రపంచ సంక్లిష్టతలను భరించలేకపోయింది. నిధులు ఆరిపోయాయి, విమర్శకులు AI ని అతిగా ప్రచారం చేయబడిందని పిలిచారు. ఈ చీకటి కాలాన్ని మొదటి AI శీతాకాలం అని పిలుస్తారు.
ఇది గడ్డకట్టిన నేలలో విత్తనాలు నాటినట్లు అనుకోండి - ఆలోచనలు మంచివే, కానీ సాంకేతికత ఇంకా సిద్ధంగా లేదు.
1980 దశకంలో, ఎక్స్పర్ట్ సిస్టమ్లు ప్రజాదరణ పొందాయి. ఇవి మానవులు రాసిన నియమాలతో నిండిన ప్రోగ్రాములు - ఉదాహరణకు, "రోగికి జ్వరం మరియు దద్దుర్లు ఉంటే, తట్టు అయి ఉంటుందని పరిగణించండి." కంపెనీలు వీటిని నిర్మించడానికి కోట్ల రూపాయలు ఖర్చు చేశాయి.
Sign in to join the discussion
కానీ ఎక్స్పర్ట్ సిస్టమ్లు పెళుసుగా ఉన్నాయి. అవి నేర్చుకోలేవు లేదా అనుకూలించుకోలేవు. వ్యాపార ఫలితాలు నిరాశపరచినప్పుడు, 1980 దశకం చివరిలో రెండవ AI శీతాకాలం వచ్చింది.
2012లో AlexNet అనే neural network ImageNet ఇమేజ్-రికగ్నిషన్ ఛాలెంజ్లో పోటీదారులను ఓడించినప్పుడు అంతా మారిపోయింది. ఇది చేతితో రాసిన నియమాలు వాడలేదు - ఇది లక్షలాది చిత్రాల నుండి నేర్చుకుంది.
ఈ విజయం డీప్ లెర్నింగ్ (అనేక పొరల neural networks) తగినంత డేటా మరియు కంప్యూటింగ్ శక్తి ఉన్నప్పుడు నిజంగా పని చేస్తుందని నిరూపించింది. హఠాత్తుగా, టెక్ దిగ్గజాలు వేల కోట్లు పెట్టుబడి పెట్టడం ప్రారంభించాయి.
| సంవత్సరం | మైలురాయి | |----------|----------| | 1950 | ట్యూరింగ్ ట్యూరింగ్ టెస్ట్ ప్రతిపాదించారు | | 1956 | డార్ట్మౌత్లో "ఆర్టిఫిషియల్ ఇంటెలిజెన్స్" పదం సృష్టించబడింది | | 1966 | ELIZA చాట్బాట్ సృష్టించబడింది | | 1997 | IBM Deep Blue చెస్ ఛాంపియన్ గ్యారీ కాస్పరోవ్ను ఓడించింది | | 2011 | IBM Watson Jeopardy! గెలిచింది | | 2012 | AlexNet ImageNet గెలిచింది - డీప్ లెర్నింగ్ ఎగిరింది | | 2016 | DeepMind AlphaGo ప్రపంచ Go ఛాంపియన్ లీ సెడోల్ను ఓడించింది | | 2017 | Google Transformer ఆర్కిటెక్చర్ పేపర్ ప్రచురించింది | | 2022 | ChatGPT లాంచ్ అయింది మరియు రెండు నెలల్లో 100 మిలియన్ యూజర్లకు చేరింది |
2017లో, Google పరిశోధకులు Attention Is All You Need అనే పేపర్ను ప్రచురించారు, Transformer ఆర్కిటెక్చర్ను పరిచయం చేస్తూ. ఈ డిజైన్ AI మోడల్లు భాషను ఇంతకు ముందు ఎప్పుడూ లేనంత సమర్థవంతంగా ప్రాసెస్ చేయడానికి అనుమతించింది.
Transformers నేటి పెద్ద భాషా మోడల్లను - GPT-4, Claude, Gemini మరియు ఇతరులను - శక్తివంతం చేస్తాయి. ఇప్పుడు మీరు AI చాట్బాట్తో సహజమైన సంభాషణ చేయగలగడానికి ఇదే కారణం.
2017లో Transformer ఆర్కిటెక్చర్ను పరిచయం చేసిన పేపర్ పేరు ఏమిటి?
AI ఎప్పటికంటే వేగంగా అభివృద్ధి చెందుతోంది. టెక్స్ట్, ఇమేజెస్ మరియు ఆడియోను కలిపి నిర్వహించే మల్టీమోడల్ మోడల్లను మనం చూస్తున్నాం. తదుపరి అధ్యాయం ఇప్పుడే రాయబడుతోంది - మరియు చరిత్రను అర్థం చేసుకోవడం మనం ఎక్కడికి వెళ్తున్నామో అర్థం చేసుకోవడానికి సహాయపడుతుంది.
AI శీతాకాలాలకు కారణం ఏమిటి?