Inteligența artificială modernă a apărut prin încrucișarea destinelor a trei personaje remarcabile (Geoffrey Hinton, Jensen Huang și Fei-Fei Li) care au avut curajul să meargă împotriva curentului și să-și urmeze intuiția, în ciuda criticilor și a scepticismului general. În lumea tehnologiei, uneori cele mai importante descoperiri se nasc din încăpățânarea câtorva vizionari care refuză să renunțe la ideile lor, chiar și atunci când toată lumea le spune că greșesc.
Arhitectura transformes, modelele LLM de inteligență artificială nu ar fi fost posibile fără ei.
Profesorul care nu a renunțat niciodată la rețelele neuronale
Geoffrey Hinton era văzut ca un outsider în anii ’70 și ’80. În timp ce majoritatea cercetătorilor considerau că rețelele neuronale sunt o direcție moartă în inteligența artificială, el a continuat să le studieze cu pasiune. A fost nevoit să-și schimbe locul de muncă de mai multe ori, trecând prin patru instituții diferite în doar zece ani, pentru că puțini erau dispuși să susțină cercetarea sa.
Dar Hinton avea o convingere puternică: creierul uman funcționează ca o rețea de neuroni care învață din experiență, așa că ar trebui să fie posibil să creăm sisteme artificiale care să funcționeze în același mod. În 1986, împreună cu doi colegi, a publicat o lucrare revoluționară care arăta cum pot fi antrenate rețelele neuronale artificiale. Deși metoda lor a stârnit un val de entuziasm inițial, rezultatele practice au rămas limitate din cauza puterii de calcul insuficiente a computerelor din acea vreme.
Mulți și-ar fi pierdut credința după atâtea eșecuri, dar nu și Hinton. A continuat să lucreze la perfecționarea rețelelor neuronale timp de încă 25 de ani, până când tehnologia a evoluat suficient pentru a-i demonstra că avusese dreptate tot timpul.
Vizionarul care a transformat plăcile video în supercalculatoare
Jensen Huang, CEO-ul companiei Nvidia, este un alt personaj fascinant al acestei povești. În 2006, când Nvidia domina piața plăcilor video pentru jocuri, Huang a avut o idee care multora li s-a părut nebunească: să transforme aceste plăci video în mini-supercalculatoare care să poată fi folosite pentru calcule științifice complexe.
A investit miliarde de dolari în dezvoltarea platformei CUDA, care permitea programatorilor să folosească plăcile video Nvidia pentru alte scopuri decât jocurile. Wall Street a reacționat cu dezaprobare, acțiunile companiei au scăzut cu 70%, iar membrii consiliului de administrație se temeau că firma va deveni ținta unor preluări ostile.
Dar Huang nu s-a lăsat descurajat. Deși inițial CUDA a avut un succes modest, platforma sa avea să devină crucială pentru revoluția inteligenței artificiale, oferind puterea de calcul necesară pentru antrenarea rețelelor neuronale moderne.
Cercetătoarea care a creat „biblioteca” inteligenței artificiale
Poate cea mai surprinzătoare poveste este cea a profesoarei Fei-Fei Li. În 2007, proaspăt angajată la Universitatea Princeton, a avut o idee aparent simplă dar ambițioasă: să creeze o bază de date cu milioane de imagini etichetate care să ajute calculatoarele să învețe să recunoască obiecte din lumea reală.
Când și-a împărtășit planul, un mentor i-a spus: „Cred că ai dus această idee prea departe”. Nimeni nu credea că este nevoie de atât de multe date pentru a antrena algoritmii de recunoaștere a imaginilor. Mai mult, proiectul părea imposibil din punct de vedere logistic – calculele arătau că ar fi durat 18 ani să adune și să eticheteze toate imaginile necesare.
Dar Li a găsit o soluție creativă folosind platforma Amazon Mechanical Turk pentru a angaja mii de oameni din întreaga lume care să ajute la etichetarea imaginilor. După doi ani de muncă intensă și cheltuieli care au împins laboratorul său la limita resurselor financiare, a reușit să creeze ImageNet – o bază de date cu 14 milioane de imagini împărțite în aproape 22.000 de categorii.
Inițial, ImageNet a fost primit cu indiferență de comunitatea științifică. Dar în 2012, când echipa lui Geoffrey Hinton a folosit platforma CUDA de la Nvidia pentru a antrena o rețea neuronală pe datele din ImageNet, rezultatele au fost spectaculoase. Sistemul lor, numit AlexNet, a stabilit un nou record în recunoașterea imaginilor, cu o precizie cu 10% mai bună decât orice altceva exista la acea vreme.
Inteligența artificială modernă: lecția din spatele revoluției AI
Succesul AlexNet a demonstrat că trei ingrediente erau necesare pentru progresul inteligenței artificiale moderne: rețelele neuronale dezvoltate de Hinton, puterea de calcul oferită de plăcile video Nvidia prin platforma CUDA, și cantitatea masivă de date de antrenament furnizată de ImageNet.
Dar poate cea mai importantă lecție este că progresul științific major vine adesea de la oameni care au curajul să meargă împotriva curentului și să-și urmeze viziunea, chiar și atunci când experții din domeniu le spun că greșesc. Hinton, Huang și Li au avut acest curaj, iar perseverența lor a schimbat fundamental domeniul inteligenței artificiale.
Astăzi, când marile companii tech investesc miliarde în construirea unor modele AI din ce în ce mai mari, e important să ne amintim că următorul mare progres ar putea veni din nou de la cineva care gândește diferit și are curajul să meargă împotriva înțelepciunii convenționale a momentului.
