Dlaczego historia AI jest kluczem do jej przyszłości?
Stwórz własną aplikację w 2 minuty bez wiedzy o kodowaniu❗️Sora dostępna w Europie❗️
🔉Wolisz wersję audio? Nie możesz przeczytać teraz maila?
Przesłuchaj tutaj
Możesz nas słuchać także na Apple Podcast i Spotify.
🎯W DZISIEJSZYM WYDANIU
🎓 AI od zera do zrozumienia:
🛠 AI w praktyce: Stwórz własną aplikację
🥡 AI na Wynos:
🤖 OpenAI wprowadza GPT-4.5
🇪🇺 Sora w Europie
🎥 Pika Labs prezentuje Pika 2.2 - obsługa 1080p i nowe funkcje
🤖 Model Helix od Figure AI usprawnia roboty domowe w rozpoznawaniu obiektów i adaptacji do otoczenia
🇨🇳 Alibaba udostępnia otwarty model AI do generacji wideo - Wan 2.1
🟩 Nvidia: 18% rocznych przychodów pochodziło z Singapuru
🤖 Inception prezentuje Mercury Coder – dyfuzyjny LLM 10 razy szybszy i tańszy niż konkurencja
🤖 Microsoft przedstawia modele AI Phi-4-Multimodal i Phi-4-Mini
🤖 Amazon wprowadza Alexa+ - AI-asystenta za 19,99 USD/mies. lub darmowego dla użytkowników Prime
📚 Rekomendowana Biblioteka:
“Moje Światy Sztuczne i Realne” Fei Fei Li - książka
Wywiad z Yanem Lecunem po polsku
Moje światy sztuczne i realne: zapomniana historia AI, która ukształtowała naszą teraźniejszość
„Najbardziej potrzebujemy, być może, intymnej wiedzy o przeszłości. Nie dlatego, że przeszłość ma w sobie jakąś magię, ale ponieważ nie możemy studiować przyszłości, a jednak potrzebujemy czegoś, co przeciwstawimy teraźniejszości, by przypomnieć nam, że podstawowe założenia były zupełnie inne w różnych okresach i że wiele, co wydaje się pewne niewyedukowanemu, to jedynie chwilowa moda.
Człowiek, który żył w wielu miejscach, nie da się łatwo zwieść lokalnym błędom swojej rodzimej wioski; uczony, który żył w wielu epokach, jest w pewnym stopniu odporny na wielki wodospad nonsensu, który leje się z prasy i mikrofonu jego własnego wieku."
Te słowa C.S. Lewisa z eseju "The Weight of Glory" doskonale wprowadzają nas w świat książki Fei-Fei Li "Moje światy sztuczne i realne". W czasach, gdy sztuczna inteligencja jest odmieniana przez wszystkie przypadki w mediach, warto spojrzeć wstecz, by lepiej zrozumieć, skąd wzięła się ta technologia i dokąd zmierza. Właśnie taką perspektywę oferuje nam Li - jedna z pionierek współczesnej AI, która zabiera czytelnika w podróż do korzeni tej rewolucyjnej dziedziny.
Historia AI to nie prosta linia postępu, lecz raczej kręta ścieżka pełna wzlotów i upadków, ślepych zaułków i niespodziewanych przełomów. Li, znana jako twórczyni przełomowego zbioru danych ImageNet (który umożliwił komputerom rozpoznawanie obrazów), pokazuje nam tę historię z perspektywy osoby, która aktywnie ją współtworzyła.
Dlaczego warto dziś sięgnąć po taką książkę? Ponieważ w świecie, gdzie AI wkracza do niemal każdej dziedziny życia - od naszych smartfonów po medycynę i biznes - zrozumienie jej fundamentów staje się kluczowe. Dzisiejsza AI nie pojawiła się znikąd - jest efektem dekad eksperymentów, wielkich nadziei, gorzkich rozczarowań i cennych wniosków wyciąganych z ograniczeń wcześniejszych podejść.
W czasach gdy media nieustannie bombardują nas wiadomościami o "rewolucyjnych" możliwościach najnowszych modeli AI, książka Li przypomina nam, że aby naprawdę zrozumieć obecny moment, musimy najpierw poznać jego historyczny kontekst. Tylko wtedy będziemy w stanie oddzielić rzeczywiste przełomy od marketingowego szumu.
SHRDLU: Gdy komputer zaczął rozumieć nasze polecenia
Książka Li zabiera nas w podróż przez najważniejsze kamienie milowe w rozwoju sztucznej inteligencji. Jednym z nich był SHRDLU, system stworzony przez Terry'ego Winograda na MIT w latach 70.
Na czym polegał przełom? Wyobraźmy sobie wirtualny świat składający się z prostych klocków o różnych kształtach i kolorach. SHRDLU pozwalał użytkownikom wydawać polecenia w zwykłym, codziennym języku, takie jak "podnieś czerwony sześcian" czy "połóż niebieską piramidę na zielonym klocku".
Choć dziś może to brzmieć banalnie w porównaniu z systemami takimi jak ChatGPT, które prowadzą skomplikowane rozmowy, SHRDLU był ogromnym krokiem naprzód. Po raz pierwszy komputer potrafił nie tylko wykonywać polecenia, ale także rozumieć kontekst wypowiedzi i odpowiadać na pytania o stan swojego wirtualnego świata.
System pamiętał wcześniejsze działania i potrafił odnosić się do nich w dalszej rozmowie - coś, co uważamy za naturalne w ludzkiej komunikacji, ale co dla maszyn stanowiło przełom.
INTERNIST-I: Komputer jako asystent lekarza
Od zabaw z wirtualnymi klockami Li płynnie przenosi nas do znacznie poważniejszego zastosowania wczesnej AI - medycyny. System INTERNIST-I, opracowany na Uniwersytecie w Pittsburghu w latach 70., był pionierską próbą stworzenia komputerowego doradcy medycznego.
Jak działał INTERNIST-I? Wyobraźmy sobie ogromną bazę wiedzy zawierającą informacje o 500 różnych chorobach i 3000 możliwych objawach. Lekarz wprowadzał do systemu objawy pacjenta, a program analizował te dane i sugerował możliwe diagnozy, szeregując je według prawdopodobieństwa. Dla porównania, dzisiejszy lekarz musiałby przejrzeć tysiące stron podręczników medycznych, by zgromadzić podobną wiedzę.
Co ciekawe, INTERNIST-I był prekursorem współczesnych systemów AI wykorzystywanych w medycynie, które potrafią analizować zdjęcia rentgenowskie czy wykrywać oznaki chorób w badaniach laboratoryjnych. Dzisiejsze zaawansowane narzędzia AI wspomagające diagnostykę medyczną nie pojawiły się nagle - to efekt ewolucji, której początki sięgają właśnie takich systemów jak INTERNIST-I.
Mózg jako inspiracja i zagadka
W kolejnej części Li porusza fundamentalny problem, który do dziś wpływa na badania nad sztuczną inteligencją - nasze ograniczone rozumienie ludzkiego mózgu. Autorka szczerze przyznaje, jak prymitywna była neuronauka XX wieku: "naukowcy w tamtych czasach niewiele wiedzieli o mózgu poza tym, że to potok impulsów elektrycznych i emisji chemicznych falujących w warstwach mokrej pofałdowanej tkanki".
Ta świadomość ograniczeń naszej wiedzy prowadzi do pewnej obserwacji - nadal tworzymy modele AI inspirowane mózgiem, którego działania wciąż w pełni nie rozumiemy. Porównałbym to do próby odtworzenia skomplikowanej maszyny, widząc jedynie jej zewnętrzne działanie, bez możliwości zajrzenia do środka.
Ta pokora wobec złożoności biologicznej inteligencji przewija się przez całą książkę Li. Autorka przypomina nam, że choć współczesne systemy AI osiągają imponujące rezultaty, wciąż jesteśmy daleko od zrozumienia i odtworzenia pełni możliwości ludzkiego umysłu. To ważna perspektywa w czasach, gdy media często przedstawiają AI jako technologię zbliżającą się do lub nawet przewyższającą ludzkie możliwości.
To dobre uzupełnienie do wydania newslettera o tym co myśli o ludzkim umyśle i świadomości Roger Penrose.
Od teorii do praktyki: wzloty i upadki sztucznej inteligencji
Perceptron: historia wielkiej nadziei i bolesnego zderzenia z rzeczywistością
Skoro już wiemy, jak ograniczone było nasze rozumienie ludzkiego mózgu w początkach rozwoju AI, łatwiej zrozumiemy, dlaczego historia perceptronu - opisana przez Li - jest tak istotna dla zrozumienia cyklicznej natury postępu w dziedzinie sztucznej inteligencji.
W 1957 roku, gdy Frank Rosenblatt zaprezentował swój perceptron, świat nauki wstrzymał oddech. Ten inspirowany biologicznym neuronem model był w stanie uczyć się rozpoznawania prostych wzorców i wzbudził ogromne nadzieje. Wyobraźmy sobie prosty mechanizm, który - podobnie jak ludzki neuron - odbiera sygnały wejściowe, przetwarza je i generuje odpowiedź. Co więcej, potrafił się uczyć na podstawie przykładów, bez jawnego programowania każdej możliwej sytuacji.
Entuzjazm był tak wielki, że nawet New York Times doniósł wówczas o "embrionie komputera elektronicznego" - perceptronie, który po ukończeniu "będzie pierwszym nieżywym mechanizmem zdolnym do postrzegania, rozpoznawania i identyfikowania swojego otoczenia bez ludzkiego treningu lub kontroli".
Czy brzmi to znajomo? Podobne zapowiedzi słyszymy dziś o najnowszych modelach AI, takich jak GPT-4o czy innych zaawansowanych systemach. Historia lubi się powtarzać, a Li umiejętnie pokazuje te paralele między przeszłością a teraźniejszością.
Zderzenie z matematycznymi ograniczeniami
Jednak, jak często bywa w nauce, entuzjazm szybko ustąpił miejsca trzeźwej ocenie. Li nie unika trudnej prawdy o tym, jak szybko początkowa euforia przerodziła się w rozczarowanie. Kluczowym momentem była publikacja książki "Perceptrons" przez Marvina Minsky'ego i Seymoura Paperta w 1969 roku, która matematycznie udowodniła fundamentalne ograniczenia tego modelu.
Autorka wyjaśnia to w przystępny sposób: perceptron, mimo swoich obiecujących możliwości, nie był w stanie rozwiązać pozornie prostego problemu logicznego znanego jako funkcja XOR. Aby zrozumieć, o co chodzi, wyobraźmy sobie prosty przykład: chcemy, aby system zwracał "prawdę" tylko wtedy, gdy dokładnie jeden z dwóch warunków jest spełniony (np. "jest słonecznie" LUB "mam parasol", ale nie oba naraz).
Dlaczego to takie ważne? Ponieważ jeśli system nie potrafi rozwiązać tak podstawowego problemu, to jak miałby poradzić sobie z bardziej złożonymi wyzwaniami? Naukowcy wiedzieli, że potrzebne byłyby bardziej zaawansowane, wielowarstwowe sieci neuronowe, ale w tamtym czasie nikt nie wiedział jeszcze, jak efektywnie je trenować.
Zima AI: gdy marzenia zamarzają
Ten moment rozczarowania, jak pokazuje Li, nie był tylko akademicką ciekawostką – miał realne konsekwencje. Publikacja Minsky'ego i Paperta bezpośrednio przyczyniła się do pierwszej zimy AI - okresu drastycznych cięć w finansowaniu badań nad sztuczną inteligencją i ogólnego rozczarowania tą dziedziną.
Li porównuje ten okres do trudnych momentów w każdym procesie naukowego odkrycia. Nauka nie może być zawsze przyjemna i łatwa - czasem wymaga przejścia przez okres kompletnej porażki i zwątpienia.
Dopiero gdy naukowcy opracowali algorytm wstecznej propagacji błędu, który umożliwił efektywne trenowanie wielowarstwowych sieci, perceptron doczekał się swojego odkupienia, stając się przodkiem dzisiejszych potężnych głębokich sieci neuronowych.
Osobisty wymiar historii AI
Co czyni książkę Li wyjątkową, to fakt, że nie jest ona jedynie przystępnie opisaną historią sztucznej inteligencji. To również głęboko osobista opowieść o młodej imigrantce z Chin, jej związkach z nauką i rodziną, oraz o wyzwaniach, z jakimi musiała się zmierzyć na swojej drodze.
Li dzieli się swoim doświadczeniem jako osoba z zewnątrz, która musiała walczyć o swoje miejsce w zdominowanym przez mężczyzn świecie technologii. Opisuje, jak jej dociekliwość i niezłomne trzymanie się własnych przekonań pozwoliły jej przełamać bariery i dokonać przełomowych odkryć w dziedzinie sztucznej inteligencji.
Ta osobista perspektywa nadaje technicznym aspektom książki ludzki wymiar. Pokazuje, że za każdym algorytmem, za każdym przełomem technologicznym stoją ludzie z ich pasjami, zmaganiami i determinacją. Historia Li przypomina nam, że nauka nie dzieje się w próżni, ale jest tworzona przez ludzi, których osobiste doświadczenia i wartości kształtują kierunek badań i innowacji.
Lekcja na dziś
Ta historyczna lekcja pozostaje niezwykle aktualna w czasach, gdy kolejne przełomy w AI regularnie wywołują fale euforii i sceptycyzmu. Li przypomina nam, że rozwój technologii nie jest linią prostą, lecz raczej krętą ścieżką pełną nieoczekiwanych zwrotów.
Wartość książki Li polega właśnie na demokratyzacji tej wiedzy. Wcześniej szczegółowe informacje o początkach AI były dostępne głównie dla wąskiej grupy naukowców i badaczy. Teraz, dzięki jej pracy, ta fascynująca historia staje się dostępna dla każdego zainteresowanego tematem.
I jest to niezwykle istotne, ponieważ choć śledzenie najnowszych trendów w AI może być wyzwaniem, to właśnie zrozumienie fundamentalnych zasad i historycznego kontekstu tej dziedziny daje nam narzędzia do krytycznej oceny współczesnych osiągnięć i obietnic. Jak pokazuje historia perceptronu, czasem to, co wydaje się przełomem, okazuje się jedynie krokiem na długiej drodze, a rzeczywisty postęp przychodzi z najmniej oczekiwanej strony lub po długim okresie pozornej stagnacji.
👨🏼💻 Zbuduj własną aplikację z Claude
Dziś na moim X przypomniałem ważny temat. Temat Depresji. W końcu przed kilkoma dniami obchodziliśmy Światowy Dzień Walki z Depresją. Depresją, o której pisałem w kontekście AI w listopadzie ubiegłego roku. To bardzo ważny mail, bo jestem przekonany, że sztuczna inteligencja pomoże ratować zdrowie psychiczne tysięcy ludzi, którzy dziś pozostają bez pomocy z różnych względów. Spójrz tylko:
I właśnie ten post stanowił dla mnie punkt wyjścia, aby pokazać jak w prosty sposób stworzyć aplikację z AI. Oczywiście od razu zaznaczam, że to bardzo prosta ścieżka i wersja, która powstała w 2 minuty, na potrzeby pokazania co już możecie zrobić tylko na podstawie tego co sobie wymyślicie i wpiszecie w formie tekstu.
Potrzebowałem dostępu do Claude 3.7 Sonnet Extended Thinking
Poprosiłem Claude aby przeczytał ten tekst, a następnie na bazie swojej wiedzy stworzył dla mnie aplikację pierwszego kontaktu dla osób w kryzysie emocjonalnym
Co sugerował prompt:
Budowę aplikacji (Html, JS), która będzie mogła przeanalizować stan pacjenta na podstawie krótkiego wywiadu, po którym zaproponuje kilka rozwiązań, dróg/technik do wyjścia z problemu, zakwalifkuje problem. Oszczędny design, z elementem grywalizacji np. w odniesienu do wspomnianego psa, który mógłby w toku kolejnych punktów przeistaczać się w bardziej łagodnego.
Co zaproponował Claude?
🔗 Oto efekt: MINDBLOOOM - PRZEGOŃMY CZARNEGO PSA. Prosta apka, prosty wywiad psychologiczny, grywalizacja w postaci pokorniejącego psa. Claude nawet rozbawił mnie, bo czarny pies finalnie zmienia się w pogodnego pieska machającego ogonem. To jego interpretacja grywalizacji. Zaproponował też nazwę strony i wszystkie kroki. Nie ingerowałem w to, nie dopiszczałem efektu wizualnego, bo nie miałem na to czasu i nie testowałem też wnikliwie pod kątem błędów, ale wydaje się, że wszystko działa.
Claude pisze kod live, a efekt możesz testować w oknie czatu, a później możesz sugerować zmiany. Gdy natrafisz na niedziałające elementy strony lub buttony (ja miałem do czynienia z takim problemem na przycisku rozpocznij) Claude naprawi swoje potknięcie w kilka chwil.
Po osiągnięciu efektu pobierasz plik z kodem i wchodzisz np. na tiny.host, dokonujesz uploadu pliku i możesz pokazać światu swoją aplikację.
Prezentacja jest stworzona na szybko. Są już na rynku profesjonalne apki tego typu, owiele lepsze wizualnie i rozbudowane pod kątem faktycznej funkcjonalność (również zaopiekowane przez specjalistów psychologii i psychiatrii). Jednak wyobraź sobie, że gdyby naprawdę profesjonalnie podejść do stworzenia MindBloom, to można by to zrobić z powodzeniem, kompletnie nie mając pojęcia o technicznych aspektach. Nie w 2 minuty. Możesz poświęcić na przygotowanie więcej czasu, przedstawić Claude bardzo szeroką koncepcję, udostępnić dane, rownież skonsultować zakres ze specjalistami z dziedziny dla jakiej tworzysz aplikacje, a nastepnie sformułować prompt prawdziwie precyzyjnym językiem programowania, oprzeć się o wzory i finalnie stworzyć coś naprawdę ciekawego i wartościowego.
Próg wejścia do różnych branż obniżył się. W związku z łatwością z jaką można tworzyć aplikację, zgodzę się z tezą, że najbliższe lata będą eldorado dla produktowców, którzy na oczy nie widzieli kodu. Rozwiązania AI pozwalą Ci na tworzenie aplikacji dosłownie z telefonu. Tworzenie nowych biznesów jest łatwiejsze niż kiedykolwiek. Naprawdę przestaje być to mitem!
Jakie kompetencje przydadzą Ci się?
WYOBRAŹNIA
UMIEJĘTNOŚĆ PENETRACJI RYNKU I SZUKANIA PROBLEMÓW DO ROZWIĄZANIA
oraz te kompetencje, które wymienia choćby Michał Sadowski
Czego nie zrobi za Ciebie AI?
Czytaj tutaj, to bardzo ciekawe spostrzeżenia.
A co do programistów, dla których to co sie dzieje w branży, jest budzącą niepokój wróżbą rychłego końca monopolu na tworzenie kodu?
Polecam podręcznik holistycznego programisty dla osób, które pragną zostać świadomym architektem i chcą zbudować most między ludzką kreatywnością a mocą AI. TUTAJ.
🥡 AI na Wynos - nowości AI
🤖 Nowy model od OpenAI - GPT4.5. Niewiele lepszy od GPT-4o trochę gorszy od o3-mini. Za to dużo droższy. Na razie dostępny jedynie przez API. - czytaj
🇪🇺 SORA dostępna w Europie! - sprawdź
🎥 Pika Labs wprowadza Pika 2.2: rozdzielczość 1080p i nowe funkcje - zobacz
🤖 Model Helix od Figure AI znacząco poprawia wydajność robotów do zadań domowych, umożliwiając im lepsze rozpoznawanie obiektów i adaptację do zmieniającego się otoczenia - zobacz
🇨🇳 Alibaba wprowadza otwarty model wideo AI Wan 2.1 - sprawdź jak działa
🟩 Nvidia ogłosiła, że 18% jej całkowitych przychodów w ostatnim roku fiskalnym pochodziło z Singapuru - czytaj raport
🤖 Inception prezentuje Mercury Coder: dyfuzyjny LLM, AI 10 razy szybszy i tańszy niż inne LLM-y - czytaj
🤖 Microsoft prezentuje wielojęzyczne modele AI Phi-4-Multimodal i Phi-4-Mini z 5,6 mld i 3,8 mld parametrów - czytaj
🤖 Amazon wprowadził Alexa+, nową wersję swojego asystenta głosowego wzbogaconą o możliwości generatywnej sztucznej inteligencji. Usługa, kosztująca 19,99 USD miesięcznie lub dostępna za darmo dla członków Amazon Prime, zacznie być udostępniana w Stanach Zjednoczonych w marcu, a jej globalna dostępność jest planowana na późniejszy okres w 2025 roku. - czytaj
📬 Czytałeś/-aś wydanie z 26.02? Treść “🌐 Cała wiedza świata po 5 złotych” trafiła na Twój mail w minioną środę. Sprawdź mail.
👨🏻🎓 Horyzont.ai partnerem programu studiów AI na Uniwersytecie Pomorskim w Słupsku
Jako partner mamy więc zniżkę dla społeczności newslettera. Jeśli jesteś zainteresowany indywidualnie lub chcesz wyposażyć w umiejętności swój zespół:
❗️ZNIŻKA: Hasło “Horyzont.ai” obniży cenę czesnego o 500 zł
🔗 Zapisy na studia i szczegóły programu znajdziesz tutaj
Fei Fei Li “Moje Światy Sztuczne i Realne” - do zakupienia w Wydawnictwie Prześwity
This Is It (Maciej Kawecki): AI matematycznie jest problemem nierozwiązalnym w przestrzeni | prof. Yann LeCun (Zarząd Meta)
Dzięki za przeczytanie wydania newslettera Horyzont AI! Dołącz za darmo by regularnie otrzymywać takie treści na swojego maila. A jeśli już jesteś subskrybentem i dotarłeś tutaj, oceń treść.
Jeżeli chcesz słuchać treści newsletterów w formie audio, to subskrybuj nasz kanał youtube - gorąco zachęcamy!
