mały|Hierarchia: (z ang.) zawiera , ML zawiera mały|Humanoidalny robot Sophia podczas szczytu „AI for Good” (2018) Sztuczna inteligencja, SI (, ) – inteligencja wykazywana przez urządzenia obliczeniowe w przeciwieństwie do inteligencji naturalnej. W informatyce i kognitywistyce terminem tym określa się także dziedzinę zajmującą się tworzeniem modeli i programów symulujących choć częściowo zachowania inteligentne. Jako narzędzie matematyczne nie jest ona bytem ani świadomą osobą i bywa przedmiotem rozważań filozofii oraz nauk społecznych.

Termin „sztuczna inteligencja” wymyślił John McCarthy w 1956 na konferencji w Dartmouth. Andreas Kaplan i Michael Haenlein definiują sztuczną inteligencję jako „zdolność systemu do prawidłowego interpretowania danych pochodzących z zewnętrznych źródeł, nauki na ich podstawie oraz wykorzystywania tej wiedzy, aby wykonywać określone zadania i osiągać cele poprzez elastyczne dostosowanie”. Sztuczną inteligencją zajmowali się m.in. Marvin Minsky, John McCarthy, Alan Turing, Edward Feigenbaum, Raj Reddy, Judea Pearl, Allen Newell, Herbert A. Simon.

Termin bywa używany w dwóch znaczeniach: jako hipotetyczna inteligencja realizowana w procesie technicznym, a nie naturalnym, oraz jako nazwa technologii i dziedziny badań naukowych informatyki i kognitywistyki, czerpiącej także z psychologii, neurologii, matematyki i filozofii.

Głównym zadaniem tych badań jest konstruowanie maszyn i programów komputerowych zdolnych do realizacji wybranych funkcji umysłu i ludzkich zmysłów, niepoddających się numerycznej algorytmizacji. Do tak zwanych problemów AI-trudnych zalicza się m.in. podejmowanie decyzji w warunkach niepełnych danych, analizę i syntezę języków naturalnych, rozumowanie logiczne, automatyczne dowodzenie twierdzeń, gry logiczne (np. szachy i go), robotykę oraz systemy eksperckie i diagnostyczne. Dziedzina jest powiązana z uczeniem maszynowym, logiką rozmytą, widzeniem komputerowym, obliczeniami ewolucyjnymi, sieciami neuronowymi, robotyką i sztucznym życiem.

Złożone algorytmy sztucznej inteligencji bywają określane mianem czarnej skrzynki, ponieważ przy dużej liczbie danych i parametrów prześledzenie, w jaki sposób podejmują one decyzje, jest trudne. Wyjaśnianiu działania takich modeli poświęcony jest obszar badań nad wyjaśnialną sztuczną inteligencją () i interpretowalnością, obejmujący m.in. metody atrybucji oraz tzw. interpretowalność mechanistyczną. Podejmowano też próby opracowania matematycznej teorii ich działania, w tym dla architektury GPT.

Techniki Wyszukiwanie i optymalizacja mały|Metoda gradientu prostego w poszukiwaniu minimum funkcji. W każdym kroku parametry przesuwane są w kierunku najszybszego spadku wartości funkcji. Wiele problemów sztucznej inteligencji można rozwiązywać przez systematyczne przeszukiwanie przestrzeni możliwych rozwiązań. Proste algorytmy, takie jak przeszukiwanie wszerz, okazują się niewystarczające dla większości rzeczywistych problemów ze względu na szybki wzrost liczby możliwych stanów. Z tego powodu stosuje się heurystyki, które ukierunkowują poszukiwanie na bardziej obiecujące rozwiązania, czego przykładem jest algorytm A*. W grach dwuosobowych stosuje się algorytm minimax, który analizuje drzewo możliwych ruchów obu graczy. Odrębną grupę stanowią metody optymalizacji matematycznej. Metoda gradientu prostego pozwala stopniowo poprawiać parametry rozwiązania i stanowi podstawę treningu sieci neuronowych, natomiast obliczenia ewolucyjne, w tym algorytmy genetyczne, udoskonalają populację kandydujących rozwiązań w drodze mutacji i selekcji, a symulowane wyżarzanie dopuszcza okresowe pogorszenie rozwiązania, dzięki czemu unika utknięcia w optimach lokalnych.

Logika i reprezentacja wiedzy Podejście symboliczne wykorzystuje logikę formalną do zapisu wiedzy i wnioskowania. Rachunek zdań i logika pierwszego rzędu pozwalają zapisywać fakty oraz relacje między obiektami, a automatyczne dowodzenie twierdzeń umożliwia wyprowadzanie z nich nowych wniosków. Reprezentacja wiedzy obejmuje budowę ontologii i baz wiedzy, z których korzystają systemy ekspertowe. Logika rozmyta dopuszcza stopniowanie prawdziwości zdań, co pozwala modelować pojęcia nieostre, a umożliwiają wycofywanie wniosków w świetle nowych informacji.

Metody probabilistyczne mały|Robot lokalizujący się na mapie za pomocą filtru cząsteczkowego. Wraz z napływem obserwacji rozkład prawdopodobieństwa położenia (czerwone punkty) skupia się wokół rzeczywistej pozycji robota. Wiele problemów wymaga podejmowania decyzji na podstawie niepełnych lub niepewnych informacji. Narzędzi do tego dostarczają rachunek prawdopodobieństwa i teoria decyzji. Sieci bayesowskie umożliwiają zwięzły zapis zależności między zmiennymi losowymi oraz wnioskowanie o prawdopodobieństwie zdarzeń, a ukryte modele Markowa opisują procesy zmieniające się w czasie i stanowiły podstawę m.in. wczesnych systemów rozpoznawania mowy. Do śledzenia stanu zmieniających się układów stosuje się także filtr Kalmana i filtry cząsteczkowe, wykorzystywane m.in. w lokalizacji robotów.

Uczenie maszynowe Uczenie maszynowe polega na budowie programów, które poprawiają swoje działanie na podstawie danych. W uczeniu nadzorowanym program uczy się na przykładach opatrzonych poprawnymi odpowiedziami, w uczeniu nienadzorowanym samodzielnie wyszukuje wzorce w danych, a w uczeniu przez wzmacnianie doskonali zachowanie na podstawie nagród i kar. Do klasycznych technik uczenia maszynowego należą drzewa decyzyjne, naiwne klasyfikatory bayesowskie, regresja logistyczna i maszyny wektorów nośnych.

Sieci neuronowe mały|Uproszczony schemat jednokierunkowej sieci neuronowej. Poszczególne „kółka” oznaczają sztuczne neurony, z wyjątkiem zielonych i żółtych, które oznaczają odpowiednio wejście i wyjście. Sieć neuronowa opiera się na zbiorze połączeń, znanych również jako sztuczne neurony, które stanowią analogię neuronów w biologicznym mózgu. Jest ona trenowana do rozpoznawania wzorców, a po przeszkoleniu może rozpoznawać te wzorce w świeżych danych. W najprostszej postaci posiada wejście, co najmniej jedną ukrytą warstwę połączeń i wyjście. Każde połączenie posiada funkcję aktywacji, która pozwala na przesyłane informacji do następnej warstwy. Sieć jest zazwyczaj nazywana głęboką siecią neuronową, jeśli ma co najmniej 2 ukryte warstwy.

Jednokierunkowe sieci neuronowe pozwalają na przesył informacji tylko w jednym kierunku. Rekurencyjne sieci neuronowe łączy z sobą wyjście z wejściem, co pozwala na tworzenie pamięci krótkotrwałej, a najbardziej popularnym rodzajem tych sieci jest długa pamięć krótkotrwała. Konwolucyjne sieci neuronowe skupiają się na połączeniach pomiędzy neuronami, które są blisko siebie, co jest krytyczne w przetwarzaniu obrazów.

Uczenie głębokie Uczenie głębokie używa wielu warstw sieci neuronowej, dzięki czemu możliwe jest operowanie na cechach wysokiego poziomu. Dla przykładu, w przetwarzaniu obrazu, niższe warstwy (bliżej wejścia) mogą wykrywać krawędzie natomiast wyższe warstwy (bliżej wyjścia) mogą przetwarzać koncepcje bliższe ludziom jak liczby, litery czy twarze.

Transformery Architektura transformera, zaproponowana przez zespół Google w 2017 roku, opiera się na mechanizmie uwagi (), który pozwala modelowi na jednoczesne przetwarzanie wszystkich elementów sekwencji wejściowej i dynamiczne ważenie ich wzajemnych relacji. W odróżnieniu od rekurencyjnych sieci neuronowych transformery przetwarzają dane równolegle, co umożliwia szkolenie na znacznie większych zbiorach danych. Architektura ta stała się podstawą zarówno dużych modeli językowych (GPT, Claude, Gemini), jak i modeli generujących obrazy (DALL-E, Stable Diffusion).

Duże modele językowe Duże modele językowe (LLM) jak wstępnie przeszkolony transformer generatywny (GPT) generują tekst oparty na związkach semantycznych pomiędzy słowami i zdaniami. Tekstowe duże modele językowe bazują na dużym korpusie pobranym z różnych stron w Internecie. Wstępny trening polega na nauczeniu predykcji następnego tokena, po czym następuje docelowy trening mający na celu poprawę użyteczności, wiarygodności i bezpieczeństwa. Do tego celu stosowana jest technika RLHF. Według stanu na 2025 rok LLM-y są podatne na generowanie fałszywych informacji nazywanych halucynacjami, a sam problem potrafi się pogarszać w miarę używania tych modeli do rozumowania.

Modele dyfuzyjne mały|Architektura modelu Stable Diffusion. Obraz jest kompresowany do reprezentacji ukrytej, w której zachodzi sterowany tekstem proces dyfuzji, a dekoder odtwarza wynik w pełnej rozdzielczości. Do początku lat 20. XXI wieku generowanie obrazów opierało się głównie na generatywnych sieciach przeciwstawnych (GAN), w których jeden model tworzy obraz, a drugi ocenia, czy jest on prawdziwy. Sieci te cechowały się jednak niestabilnością treningu i skłonnością do powtarzania tych samych obrazów. Modele dyfuzyjne zastąpiły bezpośrednie generowanie procesem stopniowej rekonstrukcji i pozwoliły uzyskać wyniki lepszej jakości. Nazwa metody nawiązuje do zjawiska dyfuzji w termodynamice. W procesie treningu do obrazu stopniowo dodaje się szum o rozkładzie normalnym, aż obraz staje się czystym szumem, a model uczy się procesu odwrotnego, czyli usuwania szumu krok po kroku. Generowanie nowego obrazu zaczyna się od losowego szumu, z którego model iteracyjnie wydobywa pożądaną strukturę. Praca na pełnej rozdzielczości obrazu wymaga dużej mocy obliczeniowej, dlatego modele dyfuzji ukrytej (LDM), takie jak Stable Diffusion, wykonują ten proces na skompresowanej reprezentacji obrazu utworzonej przez autoenkoder. Zgodność obrazu z opisem tekstowym zapewniają modele łączące tekst i obraz we wspólnej przestrzeni reprezentacji, takie jak firmy OpenAI, wytrenowany na 400 milionach par obrazów i ich podpisów.

Uczenie reprezentacji i samonadzór Cechą wspólną nowoczesnych metod sztucznej inteligencji jest uczenie reprezentacji, czyli automatyczne wydobywanie z surowych danych cech ułatwiających rozwiązanie zadania zamiast ręcznego ich projektowania. Coraz większą rolę odgrywa uczenie samonadzorowane (), w którym model uczy się na nieoznakowanych danych, samodzielnie tworząc zadania pomocnicze, takie jak przewidywanie zasłoniętych fragmentów tekstu. Pozwala to wstępnie trenować duże modele na ogromnych, nieopisanych zbiorach danych, co stosuje się m.in. w modelach językowych. Rozwijają się też modele multimodalne, które łączą różne typy danych, na przykład tekst i obraz, we wspólnej przestrzeni reprezentacji, czego przykładem jest model CLIP.

Prawa skalowania Empiryczne prawa skalowania () opisują, jak jakość modeli, mierzona np. wartością funkcji straty, poprawia się wraz ze wzrostem liczby parametrów, rozmiaru zbioru danych i nakładu obliczeń, w przybliżeniu według zależności potęgowych. Późniejsze badania nad modelem Chinchilla wykazały, że wiele wcześniejszych modeli miało zbyt wiele parametrów w stosunku do ilości danych treningowych, oraz że przy ustalonym budżecie obliczeniowym liczbę parametrów i liczbę tokenów treningowych należy zwiększać w zbliżonym tempie.

Historia badań W 1950 roku Alan Mathison Turing zaproponował, by możliwość udawania człowieka w zdalnej rozmowie uznać za test inteligencji maszyn (test Turinga). W latach 50. XX wieku zorganizowano pierwsze seminarium poświęcone SI (tzw. Warsztaty w Dartmouth), a także powstało pierwsze laboratorium SI na Carnegie Mellon University, założone przez Allena Newella i Herberta Simona i kilka lat później analogiczne laboratorium w Massachusetts Institute of Technology, założone przez Johna McCarthy’ego.

Termin „sztuczna inteligencja” został po raz pierwszy zaproponowany prawdopodobnie przez Johna McCarthy’ego, który w 1955 r. zdefiniował go w następujący sposób: „konstruowanie maszyn, o których działaniu dałoby się powiedzieć, że są podobne do ludzkich przejawów inteligencji”.