A mesterséges intelligencia az elmúlt néhány évben robbant be igazán a hétköznapokba, ezért könnyű azt gondolni, hogy egy viszonylag új technológiáról van szó. Valójában az AI mint önálló kutatási terület 2026-ban már 70 éves, az alapjául szolgáló gondolatok pedig még ennél is régebbiek. Alan Turingtól és az első neurális hálózatoktól az AI-teleken, a Deep Blue-n és az AlphaGo-n keresztül vezetett az út a ChatGPT-hez, a generatív modellekhez és a ma kibontakozó AI-ügynökök világához.
Mikor kezdődött valójában az AI-kutatás?
A mesterséges intelligencia történetének hivatalos kezdőpontjaként általában 1956-ot jelölik meg. Ekkor rendezték meg az amerikai Dartmouth College-ban a Dartmouth Summer Research Project on Artificial Intelligence nevű találkozót.
A történet azonban ennél korábban kezdődött.
Már az 1940-es években megjelentek olyan matematikai és számítástechnikai elképzelések, amelyek később alapvetővé váltak az AI számára. Az egyik legfontosabb személy kétségtelenül Alan Turing brit matematikus volt.
Turing 1950-ben publikálta híres „Computing Machinery and Intelligence” című tanulmányát, amelyben lényegében azt a kérdést járta körül: képesek lehetnek-e gondolkodni a gépek?
Innen származik a később Turing-tesztként ismertté vált gondolat is. Ennek leegyszerűsített lényege, hogy ha egy ember szöveges kommunikáció során nem tudja megbízhatóan eldönteni, hogy egy másik emberrel vagy géppel beszélget, akkor a gép intelligens viselkedést mutat.
Érdekes módon hetven évvel később ez a kérdés már egyáltalán nem pusztán elméleti probléma.
1956 – megszületik az „artificial intelligence” kifejezés
A valódi fordulópont 1956 nyara volt.
A Dartmouth College-ban John McCarthy vezetésével kutatók gyűltek össze annak vizsgálatára, hogyan lehetne az emberi intelligencia bizonyos tulajdonságait gépekkel reprodukálni.
A projekt előkészítésében több később legendássá vált kutató vett részt, köztük John McCarthy, Marvin Minsky, Nathaniel Rochester és Claude Shannon.
McCarthy nevéhez kötődik az „artificial intelligence”, vagyis mesterséges intelligencia elnevezés megalkotása.
A találkozó jelentőségét jól mutatja, hogy 2026-ban a Dartmouth már az AI megszületésének 70. évfordulóját ünnepli.
A korabeli kutatók elképesztően ambiciózus elképzelésből indultak ki: feltételezték, hogy a tanulás és az intelligencia egyes tulajdonságai olyan pontosan leírhatók, hogy végül egy gép is képes lehet szimulálni azokat.
1956 – a Logic Theorist megmutatja, hogy a gép „gondolkodhat”
Ugyanezen korszak egyik nagy eredménye Allen Newell és Herbert Simon Logic Theorist nevű programja volt.
A rendszer matematikai tételek bizonyítására készült, és gyakran az egyik legelső valódi mesterségesintelligencia-programként emlegetik.
Mai szemmel természetesen rendkívül primitívnek számítana, mégis alapvető jelentőségű volt.
Megmutatta ugyanis, hogy egy számítógép nem kizárólag előre meghatározott számtani műveleteket végezhet, hanem különböző lehetséges megoldások között keresve olyan problémákat is megoldhat, amelyekhez korábban emberi gondolkodást társítottak.
1957–1958 – megjelenik a perceptron
Az AI fejlődésének egy másik fontos ága az emberi agy működéséből merített inspirációt.
Frank Rosenblatt az 1950-es évek végén fejlesztette ki a perceptront, amely a modern mesterséges neurális hálózatok egyik fontos előfutára lett.
Az alapötlet meglepően hasonló ahhoz, amelyre a mai deep learning rendszerek is épülnek: egyszerű matematikai „neuronok” hálózatba kapcsolva képesek lehetnek mintázatok felismerésére.
A korszak számítógépei azonban még elképesztően gyengék voltak a mai gépekhez képest. Hiányzott a számítási teljesítmény, a hatalmas mennyiségű digitális adat és számos olyan matematikai, illetve algoritmikus megoldás is, amely később lehetővé tette a neurális hálózatok térnyerését.
Az ötlet ezért évtizedekkel megelőzte a hozzá szükséges infrastruktúrát.
Az 1960-as évek – robotok, nyelvfeldolgozás és gépi tanulás
Az AI-kutatás első évtizedeiben elképesztő optimizmus uralkodott.
Arthur Samuel dámajátékos programja például képes volt saját játékából fejlődni, ezért a gépi tanulás egyik korai gyakorlati példájának tekinthető.
A hatvanas években megkezdődött a természetes nyelvek számítógépes feldolgozásának komolyabb kutatása is.
Ezzel párhuzamosan az SRI International elkészítette Shakey nevű robotját. Shakey nem egyszerű távirányítású gép volt: képes volt érzékelni környezetének bizonyos elemeit, megtervezni egy feladat végrehajtását, majd végrehajtani azt.
Ezzel a mobil robotika egyik úttörőjévé vált.
1966 – megszületik ELIZA, a chatbotok egyik őse
Különösen érdekes mérföldkő volt Joseph Weizenbaum MIT-n fejlesztett ELIZA programja.
Az ELIZA képes volt szöveges párbeszédet folytatni az emberrel. Leghíresebb változata egy pszichoterapeutát imitált, és kérdésekkel, illetve a felhasználó mondatainak átalakításával tartotta fenn a beszélgetést.
Az ELIZA valójában nem „értette” azt, amit mondtak neki.
Ennek ellenére egyes felhasználók meglepően könnyen emberi tulajdonságokat kezdtek tulajdonítani neki.
Ez a jelenség ma, a nagy nyelvi modellek korszakában különösen érdekes történelmi párhuzam.
Az 1970-es évek – kiderül, hogy az intelligencia sokkal nehezebb probléma
A kezdeti sikerek hatására az AI-kutatók rendkívül optimistává váltak. Sokan arra számítottak, hogy néhány évtized alatt emberhez hasonló intelligenciájú számítógépeket lehet létrehozni.
A valóság azonban másképp alakult.
A számítógépek teljesítménye korlátozott volt, kevés digitális adat állt rendelkezésre, a valós világ problémái pedig sokkal összetettebbnek bizonyultak, mint amire a kutatók számítottak.
A finanszírozók türelme csökkenni kezdett.
Ezzel megkezdődött az AI történetének egyik legnehezebb időszaka.
Az első AI-tél
Az 1970-es években jelentősen visszaesett a mesterséges intelligencia iránti lelkesedés és számos kutatási program finanszírozása.
Ezt az időszakot később AI winternek, vagyis AI-télnek nevezték el.
A probléma egyszerű volt: az ígéretek sokkal gyorsabban növekedtek, mint a technológia tényleges képességei.
Ez a minta később ismét megismétlődött.
Az 1980-as évek – az expert rendszerek reneszánsza
Az AI azonban nem tűnt el.
Az 1980-as években az úgynevezett szakértői rendszerek kerültek előtérbe.
Ezek hatalmas szabálygyűjteményeket és speciális tudásbázisokat alkalmaztak. A cél nem egy általánosan intelligens gép létrehozása volt, hanem egy olyan rendszeré, amely egy szűk szakterületen képes szakértőhöz hasonló döntéseket hozni.
Megjelentek többek között orvosi diagnosztikai, kémiai és üzleti szakértői rendszerek.
Az AI ismét komoly üzleti lehetőségnek tűnt.
A második AI-tél
A nyolcvanas évek végére azonban ismét kiderültek a technológia korlátai.
A szakértői rendszerek fejlesztése és karbantartása drága volt, nehézkesen alkalmazkodtak új helyzetekhez, miközben az általuk nyújtott eredmények sokszor nem igazolták a hatalmas befektetéseket.
A finanszírozás ismét visszaesett.
Elérkezett a második AI-tél.
Az AI ekkoriban jóval kevésbé volt divatos fogalom, mint manapság. A kutatás azonban a háttérben folytatódott.
És közben három kulcsfontosságú tényező kezdett megváltozni: egyre gyorsabbá váltak a számítógépek, egyre több digitális adat keletkezett, és fejlődtek a gépi tanulási algoritmusok.
1997 – Deep Blue legyőzi Garri Kaszparovot
1997 májusában az IBM Deep Blue számítógépe hatjátszmás mérkőzésen legyőzte az akkori sakkvilágbajnok Garri Kaszparovot.
Ez hatalmas médiavisszhangot váltott ki.
A Deep Blue másodpercenként körülbelül 200 millió sakkállást tudott kiértékelni.
Fontos azonban, hogy a Deep Blue alapvetően nem úgy „gondolkodott”, ahogyan a mai generatív AI-rendszereket elképzeljük. Rendkívüli számítási teljesítményt, keresési algoritmusokat, értékelési függvényeket és sakkadatbázisokat használt.
Mégis bebizonyította, hogy egy gép egy rendkívül összetett intellektuális feladatban képes lehet felülmúlni a világ legjobb emberét.
A 2000-es évek – megérkezik a Big Data
Az internet elterjedése alapjaiban változtatta meg az AI fejlődésének feltételeit.
Soha korábban nem állt rendelkezésre ilyen mennyiségű digitális információ.
Képek, videók, weboldalak, keresések, vásárlások, szövegek és felhasználói interakciók milliárdjai keletkeztek.
Közben a számítógépek teljesítménye is rohamosan növekedett.
Az AI-kutatók hirtelen pontosan ahhoz jutottak hozzá, ami évtizedeken keresztül hiányzott: rengeteg adathoz és hatalmas számítási kapacitáshoz.
2012 – az AlexNet és a deep learning áttörése
A modern AI-korszak egyik legfontosabb fordulópontja 2012-ben következett be.
Az AlexNet nevű neurális hálózat az ImageNet képfelismerési versenyen látványosan jobb eredményt ért el a korábbi megoldásoknál.
A rendszer mély neurális hálózatot és GPU-kat használt.
Ez a siker megmutatta, hogy megfelelő mennyiségű adat és számítási kapacitás mellett a neurális hálózatok rendkívül összetett mintázatok felismerésére képesek.
Megkezdődött a deep learning forradalom.
2016 – AlphaGo legyőzi Lee Sedolt
2016 márciusában újabb történelmi pillanat következett.
A Google DeepMind által fejlesztett AlphaGo 4–1 arányban legyőzte Lee Sedolt, a világ egyik legerősebb gojátékosát.
A teljesítmény azért volt különösen fontos, mert a go nagyságrendekkel több lehetséges állást kínál, mint a sakk, ezért sokáig úgy gondolták, hogy az emberi intuíció és kreativitás meghatározó előnyt biztosít.
Az AlphaGo azonban neurális hálózatok és megerősítéses tanulás segítségével olyan stratégiákat is alkalmazott, amelyek még a világ legjobb játékosait is meglepték.
A mérkőzést több mint 200 millió ember követte világszerte.
2017 – megszületik a Transformer
Ha egyetlen technológiai áttörést kellene kijelölni, amely közvetlenül előkészítette a mai generatív AI-forradalmat, akkor az egyik legerősebb jelölt a Transformer architektúra lenne.
A 2017-ben bemutatott megközelítés alapvetően megváltoztatta a természetes nyelvek gépi feldolgozását.
A Transformer architektúrára épülő modellek sokkal hatékonyabban tudták feldolgozni a szövegekben található összefüggéseket, és jól skálázhatónak bizonyultak.
Ez lett számos későbbi nagy nyelvi modell technológiai alapja.
2018–2020 – megjelennek a nagy nyelvi modellek
A következő években egyre nagyobb Transformer-alapú nyelvi modellek jelentek meg.
A BERT, GPT, GPT-2, majd GPT-3 egyre látványosabban demonstrálta, hogy hatalmas szövegmennyiségen betanított neurális hálózatok olyan nyelvi képességeket sajátíthatnak el, amelyeket korábban rendkívül nehéz lett volna külön-külön programozni.
A GPT-3 2020-as megjelenése különösen fontos állomás volt.
Ekkorra kezdett világossá válni, hogy a modellek méretének, a tanítási adatok mennyiségének és a számítási kapacitásnak a növelésével váratlanul összetett képességek jelenhetnek meg.
2022 – a generatív AI áttöri a hétköznapi felhasználás falát
2022 a mesterséges intelligencia történetének egyik meghatározó éve lett.
A képgeneráló rendszerek látványos fejlődése mellett novemberben megjelent a ChatGPT.
A technológia ekkor lépett ki igazán a kutatólaborok és informatikai vállalatok világából.
Az emberek hirtelen természetes nyelven beszélgethettek egy AI-val, amely képes volt többek között szöveget írni, összefoglalni, fordítani, programozni, ötleteket generálni és kérdésekre válaszolni.
Az AI néhány hónap alatt tömegtechnológiává vált.
2023–2025 – az AI multimodálissá válik
A következő fejlődési lépcső a multimodalitás lett.
Az AI-rendszerek már nem kizárólag szöveget dolgoztak fel. Egyre fejlettebb modellek jelentek meg, amelyek egyszerre tudtak szöveggel, képekkel, hanggal, videóval és programkóddal dolgozni.
A mesterséges intelligencia ezzel fokozatosan egy általános digitális interfésszé kezdett válni.
A felhasználónak egyre kevésbé kellett megtanulnia, hogyan működik egy adott program. Ehelyett egyszerűen elmondhatta a rendszernek, mit szeretne elérni.
2025–2026 – az AI már nemcsak válaszol, hanem cselekszik
A jelenlegi fejlődés egyik legfontosabb iránya az úgynevezett agentic AI, vagyis az AI-ügynökök megjelenése.
A hagyományos chatbot jellemzően kap egy kérdést, majd válaszol rá.
Egy AI-ügynök ezzel szemben összetettebb célt kaphat, amelynek teljesítéséhez több lépést tervezhet meg, eszközöket használhat, információkat kereshet, programot futtathat, adatokat dolgozhat fel vagy más rendszerekkel kommunikálhat.
A Dartmouth kutatói 2026-ban már olyan AI-ügynökökről írnak, amelyek például programkódot írhatnak és tesztelhetnek, utazást tervezhetnek vagy irodai munkafolyamatokat kezelhetnek.
Ez fontos változás.
A mesterséges intelligencia fejlődésének következő szakasza ugyanis már nem feltétlenül arról szól, hogy mit tud mondani az AI, hanem egyre inkább arról, hogy mit tud önállóan elvégezni.
70 év alatt az elméleti kérdésből mindennapi technológia lett
Ha 1956-ot tekintjük az AI-kutatás hivatalos születésének, akkor a mesterséges intelligencia 2026-ban pontosan 70 éves tudományterület.
Az út azonban korántsem volt egyenes.
1950 – Alan Turing felteszi a gépi intelligencia alapvető kérdését
1956 – megszületik az „artificial intelligence” elnevezés
1956 – Logic Theorist
1957–1958 – perceptron
1960-as évek – korai gépi tanulás, robotika és nyelvfeldolgozás
1966 – ELIZA
1970-es évek – első AI-tél
1980-as évek – szakértői rendszerek
1980-as évek vége/1990-es évek eleje – második AI-tél
1997 – Deep Blue legyőzi Kaszparovot
2000-es évek – Big Data és gyorsuló számítástechnika
2012 – AlexNet és a deep learning áttörése
2016 – AlphaGo–Lee Sedol
2017 – Transformer architektúra
2018–2020 – a nagy nyelvi modellek felemelkedése
2022 – generatív AI és ChatGPT
2023–2025 – multimodális AI
2025–2026 – AI-ügynökök és egyre autonómabb rendszerek
És hol tartunk most?
Talán ez a mesterséges intelligencia történetének legérdekesebb része.
A kutatók 1956-ban még azt próbálták eldönteni, hogy egyáltalán lehetséges-e olyan gépeket létrehozni, amelyek az emberi intelligencia bizonyos elemeit képesek szimulálni.
Hetven évvel később már egészen más kérdésekkel foglalkozunk.
Nem az a kérdés, hogy képes-e egy számítógép természetes nyelven kommunikálni, felismerni egy képet, zenét komponálni, programot írni vagy sakkban legyőzni egy embert. Ezekre már megszülettek a gyakorlati válaszok.
A kérdés sokkal inkább az, meddig lehet tovább növelni ezeknek a rendszereknek a képességeit, mennyire válhatnak autonómmá, milyen munkafolyamatokat alakítanak át, és milyen szerep marad az embernek egy olyan világban, ahol a gépi intelligencia egyre több kognitív feladatban válik használhatóvá.
A történet pedig különös módon visszakanyarodik Dartmouthhoz.
2026 őszén, az AI megszületésének 70. évfordulóján az egyetem ismét konferenciát rendez a mesterséges intelligencia jövőjéről. Csakhogy míg 1956-ban lényegében azt kérdezték, hogy „képesek lehetnek-e erre a gépek?”, hetven évvel később a kérdés már inkább az:
ha a gépek valóban egyre több mindenre képesek, mit szeretnénk továbbra is emberi kézben tartani?
SEO fókusz kulcskifejezés
mesterséges intelligencia története
Meta leírás
Mióta létezik a mesterséges intelligencia? Bemutatjuk az AI-kutatás 70 éves történetét Alan Turingtól és az 1956-os Dartmouth-konferenciától a Deep Blue-n, AlphaGo-n és ChatGPT-n át a mai AI-ügynökökig.
A történeti dátumokat és a fontosabb mérföldköveket Dartmouth, Stanford, IBM és Google DeepMind anyagaival is ellenőriztem. (ai.dartmouth.edu)