AI:s historia

Idén om tänkande maskiner är gammal, men AI som vetenskap föddes på 1950-talet. Sedan dess har området gått i vågor av stora förhoppningar och djupa besvikelser, fram till dagens explosion.

Grunden läggs (1940- och 50-talen)

• 1943 - Warren McCulloch och Walter Pitts beskriver en matematisk modell av en nervcell, föregångaren till dagens neurala nätverk.
• 1950 - Alan Turing publicerar artikeln Computing Machinery and Intelligence och föreslår “imitationsspelet”, senare kallat Turingtestet: kan en maskin föra ett samtal så att vi inte kan skilja den från en människa?
• 1953 - Sveriges första elektroniska dator, BESK, tas i drift i Stockholm och är under en kort tid en av världens snabbaste.
• 1956 - Dartmouth-konferensen i USA, organiserad av bland andra John McCarthy, Marvin Minsky och Claude Shannon. Uttrycket “artificial intelligence”, som McCarthy myntat i ansökan året innan, blir namnet på ett nytt forskningsfält.
• 1958 - Frank Rosenblatt bygger perceptronen, ett tidigt neuralt nätverk som kan lära sig känna igen enkla mönster.

Optimism och den första vintern (1960- och 70-talen)

• 1966 - Joseph Weizenbaum skapar ELIZA, ett program som härmar en terapeut. Många användare tillskriver det förståelse, trots att det bara följer enkla regler.
• 1969 - Minsky och Seymour Papert visar i boken Perceptrons begränsningar hos enkla neurala nätverk. Intresset för nätverk svalnar för lång tid framöver.
• 1973 - Lighthill-rapporten i Storbritannien kritiserar AI-forskningen för att inte ha levererat. Anslag dras in i flera länder och den första AI-vintern inleds.

Expertsystem och den andra vintern (1980-talet)

• Tidigt 1980-tal - Expertsystem, som samlar experters kunskap i tusentals regler, blir kommersiellt framgångsrika. Japan startar 1982 sitt stora Femte generationens datorer-projekt.
• 1986 - David Rumelhart, Geoffrey Hinton och Ronald Williams gör metoden backpropagation känd, vilket gör det möjligt att träna neurala nätverk med flera lager.
• Sent 1980-tal - Expertsystemen visar sig dyra och sköra. Marknaden för specialiserade AI-datorer kollapsar och en andra AI-vinter följer.

Statistik och data tar över (1990- och 2000-talen)

• 1997 - IBM:s schackdator Deep Blue besegrar världsmästaren Garri Kasparov.
• 1990- och 2000-talen - Fokus skiftar från handskrivna regler till statistisk maskininlärning. Skräppostfilter, sökmotorer och rekommendationssystem blir vardag, ofta utan att kallas AI.
• 2009 - ImageNet, en databas med miljontals märkta bilder, presenteras och blir en viktig måttstock för bildigenkänning.
• 2011 - IBM Watson vinner frågesporten Jeopardy! och Apple lanserar röstassistenten Siri.

Djupinlärningens genombrott (2012-2021)

• 2012 - Nätverket AlexNet, från Hintons grupp i Toronto, krossar konkurrensen i ImageNet-tävlingen. Det blir startskottet för djupinlärning och för användningen av grafikprocessorer i AI.
• 2015 - OpenAI grundas. I Sverige startar forskningsprogrammet WASP.
• 2016 - DeepMinds AlphaGo besegrar Lee Sedol, en av världens bästa Go-spelare. Go hade länge ansetts för komplext för datorer.
• 2017 - Forskare på Google publicerar artikeln Attention Is All You Need och presenterar transformer-arkitekturen, grunden för dagens språkmodeller.
• 2018-2020 - Språkmodellerna växer snabbt: BERT, GPT-2 och GPT-3. Det visar sig att större modeller och mer data ger nya, oväntade förmågor.
• 2020 - DeepMinds AlphaFold 2 löser i praktiken problemet att förutsäga proteiners tredimensionella struktur, ett av biologins stora problem.

Den generativa eran (2022-)

• 2022 - Bildgeneratorer som DALL-E 2, Midjourney och Stable Diffusion gör det möjligt att skapa bilder från text. Den 30 november lanserar OpenAI ChatGPT, som blir en av de snabbast växande konsumenttjänsterna någonsin.
• 2023 - GPT-4, Anthropics Claude, Googles Gemini (först som Bard) och Metas öppna Llama-modeller lanseras. Hundratals forskare och företagsledare skriver under ett uttalande om att risken för utrotning genom AI bör tas på lika stort allvar som pandemier och kärnvapenkrig.
• 2024 - EU:s AI-förordning träder i kraft den 1 augusti. Kungliga Vetenskapsakademien delar ut Nobelpriset i fysik till John Hopfield och Geoffrey Hinton för grundläggande upptäckter som möjliggör maskininlärning med neurala nätverk, och kemipriset till David Baker samt Demis Hassabis och John Jumper för proteindesign och AlphaFold. Resonerande modeller, som “tänker” i flera steg, introduceras.
• 2025 - Kinesiska DeepSeek visar att konkurrenskraftiga modeller kan tränas till en bråkdel av den förväntade kostnaden. AI-agenter som självständigt programmerar och utför uppgifter på datorn blir allt mer användbara, och investeringarna i datacenter når rekordnivåer.

Lärdomar från historien

AI:s historia visar ett återkommande mönster: stora förhoppningar, överdrivna löften och sedan besvikelse, följt av ett genombrott från ett oväntat håll. Neurala nätverk avfärdades två gånger innan de blev grunden för nästan all modern AI.

Det som skiljer dagens våg från tidigare är omfattningen: AI används av hundratals miljoner människor varje dag, och investeringarna är större än någonsin. Om det leder till fortsatt snabb utveckling eller till en ny avmattning är en av vår tids viktigaste frågor. Läs mer om prognoserna för framtiden.