Кто придумал искусственный интеллект? Я прошёл 70 лет истории за 5 дней

Зачем я потратил неделю на старые статьи по ИИ?

История искусственного интеллекта это не про даты. Это про паттерны. Я учусь на старых ошибках, чтобы не повторять их в своих проектах на dzen.guru. Когда я вижу новый «революционный» ИИ-стартап, я проверяю, нет ли там идей 1970-х.

Проблемы, которые я встретил

Информационный шум. Каждую неделю выходит новая модель. Без контекста кажется, что это магия. На деле, эволюция.

• Циклы хайпа: За 70 лет финансирование ИИ замораживали трижды. Я видел, как в 2012 году это повторилось. Учёные ждали своего часа.
• Повтор грабель: В 2020-х стартапы обещают общий ИИ через пять лет. В 1970-х обещали то же самое. Я не веду на это клиентов.
• Юридические ловушки: Патенты на код упираются в работы 20 века. Я проверяю историю, прежде чем внедрять модель в продакшен.

О чём мы говорим

Давайте договоримся о терминах. Я использую их в работе.

• Искусственный интеллект: Машина решает задачи, где нужен человеческий ум. Учится, рассуждает.
• Машинное обучение: Алгоритм учится на данных. Я не программирую каждое правило.
• Нейронная сеть: Архитектура, вдохновлённая мозгом. Слои искусственных нейронов.
• Глубокое обучение: Многослойные сети. Работают с картинками, текстом, голосом.
• Общий ИИ (AGI): Гипотетическая машина, которая учится как человек. Её нет. Не верьте шумихе.

Как я разбил 70 лет на 5 этапов

Я составил timeline. Каждый этап, новый виток. Новые люди, старые ошибки.

1. Предтечи: идеи рождались в тишине (1940-1955)

До официального рождения. Три имени, которые всё начали.

1. Алан Тьюринг. В 1950 году он предложил тест: может ли машина мыслить? Он создал теоретическую основу. Без него не было бы компьютеров.
2. Уоррен Маккаллок и Уолтер Питтс. В 1943 году смоделировали искусственный нейрон математически. Доказали, что сеть из таких «нейронов» может вычислять что угодно.
3. Клод Шеннон. В 1950 году написал программу для шахмат. Одна из первых попыток имитировать интеллект.

2. Рождение и эйфория: обещали слишком много (1956-1974)

Золотой век оптимизма. Термин «искусственный интеллект» родился здесь.

• 1956, Дартмутская конференция. Джон Маккарти, Марвин Мински и другие собрались на летний семинар. Планировали поработать 2 месяца, а заложили поле на 70 лет вперёд. Их цель: машина, которая говорит, учится и улучшает себя.
• 1958: Фрэнк Розенблатт изобрёл перцептрон. Первую обучаемую нейросеть. Поднялась первая волна хайпа.
• 1960-е: Появились экспертные системы. DENDRAL анализировал химические соединения. MYCIN ставил диагнозы. Узкие задачи, но уровень эксперта.

3. Первая зима и экспертные системы: деньги ушли, но технологии остались (1974-1987)

Перцептроны не оправдали ожиданий. Финансирование сократили. Но именно тогда ИИ пошёл в бизнес.

• Экспертные системы: Программы с правилами «если-то». Кодировали знания человека. Доминировали в 1980-х.
• Успех: Система XCON для DEC конфигурировала компьютеры под заказ. Экономила миллионы.
• Провал: Японский проект компьютеров пятого поколения. Бюджет сотни миллионов, цели не достигли. Я изучал этот кейс, чтобы не наступать на те же грабли.

4. Возрождение нейросетей: тихая революция (1987-2010)

Вторая зима. Экспертные системы не выдержали. Но в лабораториях зрела революция.

1. 1986: Дэвид Румельхарт и Джеффри Хинтон популяризировали алгоритм обратного распространения ошибки. Прорыв для обучения многослойных сетей.
2. 1997: Deep Blue от IBM обыграла Каспарова. Символично, но технология, перебор вариантов, а не интеллект.
3. 2006: Джеффри Хинтон ввёл термин «глубокое обучение». Показал, как обучать глубокие сети. Начало современной эры.

5. Современная эра: данные и GPU победили (2012, наше время)

Всё изменилось в 2012 году. Нейросеть AlexNet выиграла конкурс по распознаванию изображений. Ошибка упала в разы. Бухгалтеры увидели прибыль.

• Драйверы: Большие данные, мощные видеокарты, открытые фреймворки вроде TensorFlow.
• Лица: Учёные Хинтон, Лекун, Бенжио получили премию Тьюринга. Инженеры OpenAI и Google сделали технологии товаром.
• Сейчас: Мы живём в мире больших языковых моделей. GPT-5, Claude, Gemini. Искусственный интеллект стал услугой, которую я подключаю через API.

Инструменты, которые я использую для изучения истории

Чтобы не утонуть в архивах, нужны фильтры.

Базы знаний и архивы

• Stanford AI Index Report: Ежегодный отчёт с трендами. Я скачиваю PDF перед планированием года.
• Архивы arXiv.org: Ищу по категории «cs.AI» и годам. Все ключевые работы там.
• Книга «Искусственный интеллект: современный подход»: Библия отрасли. У меня на столе.
• Papers With Code: Смотрю, как эволюционировал код. От AlexNet до Vision Transformer.

Как я оцениваю, что понял историю

Не по датам. По практическим навыкам.

• Распознаю старые идеи в новых упаковках: Стартап 2026 года продаёт переработанный перцептрон? Я вижу это за 5 минут.
• Даю прогнозы: На основе циклов оцениваю, сколько продлится бум больших моделей. Пока сходится.
• Выбираю технологии: Для задачи классификации изображений в 2026 году не изобретаю велосипед. Беру дообученный Vision Transformer. Экономит месяцы.

Мой чек-лист: как я изучил историю ИИ за 30 дней

Я делал по пункту в день. На каждый, 2-3 часа.

1. Прочитал статью Тьюринга 1950 года. Понял философские вопросы.
2. Изучил материалы Дартмутской конференции. Нашёл тезисы участников.
3. Разобрался с ограничениями перцептрона. Понял причину первой зимы.
4. Запустил симулятор экспертной системы CLIPS. Почувствовал её хрупкость.
5. Проанализировал провал японского проекта. Выписал 3 причины: завышенные цели, жёсткая архитектура, игнорирование данных.
6. Повторил эксперимент 2012 года: Установил PyTorch, обучил упрощённый AlexNet на CIFAR-10.
7. Построил timeline: Годы с 1950 по 2026, уровень хайпа и финансирования. Отметил зимы.
8. Составил глоссарий из 20 терминов. От «кибернетика» до «трансформер».
9. Сравнил архитектуры: Hopfield Network 1980-х и Transformer 2020-х по 5 параметрам.
10. Сформулировал 3 прогноза на 2030 год. Только на исторических паттернах.

Ошибки, которые я совершил (и вы избежите)

90% новичков наступают на эти грабли. Я тоже наступал.

Ошибка №1: Искал одного изобретателя

Искусственный интеллект придумали не Тьюринг и не Маккарти. Его создало сообщество учёных за 70 лет. Я перестал искать гения. Начал изучать цепочки.

Ошибка №2: Игнорировал зимы

Я думал, прогресс идёт по прямой. Ошибался. История искусственного интеллекта это синусоида. Спады болезненны, но неизбежны. Теперь я слежу за признаками.

Ошибка №3: Путал философию, науку и инженерию

Ранний ИИ был философией. Современный, инженерия данных. Я ждал сознания от GPT-3. Не дождался. Это статистическая модель предсказания текста. Очень сложный автопредсказатель.

История технологий учит: революции рождаются из терпеливого нанизывания прорывов. Каждый следующий учёный стоит на плечах предыдущего, даже если они жили в эпоху «зимы». : Адаптация мысли Ньютона к контексту ИИ

Что я вынес для себя и своих проектов

Ответа «кто придумал искусственный интеллект» нет. Есть ментальная карта. Я строю её, чтобы не заблудиться в шуме.

1. Действую хронологически. Не прыгаю с ChatGPT на перцептрон. Прошёл путь от 1940-х.
2. Смотрю на преемственность. Transformer имеет предков: Attention mechanism 2014 года, encoder-decoder, нейросети 1980-х.
3. Связываю идеи с контекстом. Нейросети ждали 70 лет, потому что не было данных и GPU. Контекст важнее гениальности.
4. Работаю руками. Запускаю код из старых статей. Чувствую разницу между логистической регрессией 1950-х и трансформером.

Кто придумал искусственный интеллект? Сообщество учёных, которое 70 лет шло сквозь зимы. Моя задача, усвоить их уроки. Чтобы строить будущее, а не повторять прошлое.