Historie umělé inteligence – od Turingova testu přes zimy AI až po ChatGPT a dnešní modely

Umělá inteligence se nám může zdát jako nápad posledních let, ale její myšlenkové kořeny sahají do 40. a 50. let 20. století a vývoj se dělil na období nadšení a zklamání. Poznání historie pomáhá chápat dnešní situaci: proč se po každé vlně očekávání objevila vlna zklamání (tzv. zimy AI), proč průlom v roce 2012 zásadně změnil obor, odkud se vzaly velké jazykové modely a proč jsou dnešní sliby i obavy podobné těm z minulosti, ale zároveň zásadně nové. Příběh AI je také příběhem dostupnosti dat a výpočetního výkonu: mnohé myšlenky existovaly dlouho před tím, než je bylo možné prakticky využít.

V tomto článku shrnujeme hlavní milníky od 40. let po současnost, vysvětlujeme, co byly zimy AI, co přinesl průlom hlubokého učení a architektury transformer, jak vznikly dnešní chatboti, jak se změnil pohled společnosti a regulace a co z historie vyplývá pro dnešek. Čerpáme z přehledů Live Science: 12 game-changing moments in the history of AI, Tech.gov.sg: The History of AI, 365 Data Science: A Brief History of AI, z práce Attention Is All You Need, z tiskových zpráv Nobelovy ceny za fyziku 2024 a za chemii 2024 a z Wikipedie (R.U.R.). Datace některých událostí se u různých autorů mírně liší; uvádíme nejčastěji citované údaje.

Další články najdete v kategorii Základy a principy AI, například Co to je umělá inteligence (AI), Jak funguje umělá inteligence a Strojové učení a hluboké učení.

Aktualizováno: listopad 2026.

Předehra: myšlenka mechanického myšlení

Představa „umělých bytostí“ je stará jako mýty a literatura. České publikum zná slovo „robot“, které Karel Čapek (podle nápadu bratra Josefa) použil ve hře R.U.R. (1920), kde roboti pracují místo lidí a nakonec se vzbouří. Vědecké základy se začaly rodit ve 40. letech: neuronový model McCullocha a Pittse (1943) popsal, jak by mohly jednoduché „neurony“ počítat logické funkce, a vznikaly první elektronické počítače. V roce 1950 publikoval Alan Turing článek, v němž se ptá, zda mohou stroje myslet, a navrhl „hru na imitaci“, dnes zvanou Turingův test: pokud lidský tazatel nedokáže spolehlivě odlišit odpovědi stroje od odpovědí člověka, stroj test „prošel“.

Orientační časová osa vývoje umělé inteligence – vlastní infografika

1956: zrod oboru

V létě 1956 se na dartmouthském workshopu setkali mj. John McCarthy, Marvin Minsky, Nathaniel Rochester a Claude Shannon. Právě McCarthy zde prosadil termín „umělá inteligence“. Workshop sám neprodukoval funkční systém, ale založil AI jako akademický obor a stanovil ambiciózní cíl: popsat učení i jiné rysy inteligence tak přesně, aby je stroj mohl napodobit. Ve stejné době vznikaly první programy: Logic Theorist (dokazování matematických vět), později ELIZA (1966), jednoduchý program napodobující psychoterapeuta, který překvapivě působil na uživatele lidsky. Optimismus byl obrovský: předpovídalo se, že stroje budou za pár desetiletí dělat vše, co člověk.

Zimy AI a expertní systémy

Skutečnost byla složitější. Programy fungovaly v úzkých „hračkových“ úlohách, ale selhávaly v realitě: chybělo výpočetní výkon, data a obecné poznatky o světě. Kritika (například kniha o omezeních jednoduchých neuronových sítí z roku 1969) a nesplněné sliby vedly k poklesu financování: první zima AI (zhruba 1974–1980). Oživení přinesly expertní systémy (80. léta): programy s ručně psanými pravidly od odborníků, užitečné například v diagnostice či konfiguraci počítačů. Jejich údržba byla ale drahá a nepružná, a po dalším zklamání nastala druhá zima AI (zhruba 1987–1993). Zároveň ale pokračoval výzkum neuronových sítí: v 1986 se rozšířila metoda zpětného šíření chyby (Rumelhart, Hinton, Williams), základ dnešního trénování. Poučení: cyklus „nadšení–zklamání“ se opakuje; sliby často předbíhají možnosti. Na druhé straně užitečná technologie přežívá i po poklesu pozornosti (například rozpoznávání písma, doporučování, filtrace).

Šachy, data a první úspěchy

V 1997 porazil superpočítač Deep Blue (IBM) tehdejšího mistra světa Garryho Kasparova; šlo o triumf výkonu a vyhledávání, nikoli „učení“ v dnešním smyslu. Na začátku 21. století rostl objem digitálních dat a sílil výkon grafických procesorů (GPU). V 2011 zvítězil systém Watson v kvízu Jeopardy! a rozšířily se doporučovací systémy, strojový překlad a rozpoznávání řeči v praxi. Přesto se většina systémů stále opírala o ručně navržené rysy a úzce specializované modely.

2012: průlom hlubokého učení

V roce 2012 zvítězila neuronová síť AlexNet v soutěži ImageNet v rozpoznávání obrázků a výrazně snížila chybovost oproti předchozím metodám. Šlo o obrat: hluboké učení na GPU a s velkými daty překonalo ručně navržené postupy. Následoval boom: lepší rozpoznávání obrazu a řeči, strojový překlad, v 2016 AlphaGo porazil mistra světa ve hře Go (hře považované za nesmírně složitou). Velké technologické firmy a státy začaly masivně investovat. Zároveň se objevily první obavy z deepfake, zkreslení a dohledu.

2017: transformery a cesta k jazykovým modelům

V roce 2017 představili výzkumníci z Googlu architekturu transformer v práci „Attention Is All You Need“. Její klíčovou částí je mechanismus pozornosti, který umožňuje modelu vážit vztahy mezi všemi slovy v textu najednou a dobře se paralelizuje na GPU. Následovaly modely BERT a GPT (2018), GPT-3 (2020) a další, které ukázaly, že zvětšování modelů a dat vede k překvapivým schopnostem. Vedle jazyka se transformery rozšířily do obrazu, zvuku a proteinů. Viz Generativní AI vs. klasická AI a Jak se trénuje AI model.

2022: ChatGPT a masové rozšíření

V létě a na podzim 2022 se široké veřejnosti otevřely generátory obrázků (DALL·E 2, Midjourney, Stable Diffusion) a 30. listopadu 2022 byl spuštěn ChatGPT, který získal miliony uživatelů během několika dnů a rekordně rychle přesáhl 100 milionů uživatelů během následujících týdnů. Poprvé měl běžný člověk po ruce konverzační AI, která psala texty, kód a odpovídala na dotazy. Následoval boom konkurenčních produktů (viz Alternativy k ChatGPT a ChatGPT vs Gemini vs Claude), multimodálních modelů (viz Multimodální AI), generování videa a hudby (viz AI generování videa), otevřených modelů a AI agentů (viz AI agenti).

Společnost, regulace a uznání oboru

S rostoucím dopadem přišla regulace a debata o bezpečnosti a etice: evropské nařízení o umělé inteligenci (AI Act), doporučení mezinárodních organizací, diskuse o autorských právech, dezinformacích a pracovním trhu (viz EU AI Act, Etika AI a autorská práva a Budoucnost AI a dopad na zaměstnání). Uznání oboru dokládají i Nobelovy ceny za rok 2024: za fyziku byli oceněni John Hopfield a Geoffrey Hinton za základní objevy umožňující strojové učení s umělými neuronovými sítěmi a za chemii mj. Demis Hassabis a John Jumper (spolu s Davidem Bakerem) za předpověď struktury proteinů pomocí AI (AlphaFold; viz AI ve vědě a výzkumu).

Kontrolní seznam – vlastní infografika

Co se z historie můžeme poučit

1. Cyklus očekávání a zklamání: každá vlna slibovala víc, než mohla splnit; střízlivý pohled pomáhá. Zároveň dnešní pokrok je reálný a opírá se o dostupná data a výkon.
2. Data a výkon jsou stejně důležité jako myšlenky. Neuronové sítě existovaly desítky let před svým úspěchem.
3. Úzké versus obecné: většina úspěchů byla v úzce vymezených úlohách; dnešní jazykové modely působí obecněji, ale mají omezení (halucinace, chybějící porozumění). Viz Proč AI halucinuje a AGI a superinteligence.
4. Technologie mění práci, ne jen nahrazuje: z historie automatizace plyne, že se mění úlohy a profese.
5. Bezpečnost a etika je třeba řešit včas, nikoli až po škodách; viz Bezpečnost a etika používání AI.
6. Zdroje a kritické myšlení: slibné titulky i varovné scénáře ověřujte; pomůže Slovník pojmů umělé inteligence.

Časté mýty o historii AI

• „AI vznikla s ChatGPT“: ne; obor má sedmdesát let historie a mnoho systémů (doporučování, překlad, rozpoznávání) používáme dávno.
• „Turingův test je definitivním měřítkem inteligence“: je to historický koncept; dnešní modely umí působit přesvědčivě v konverzaci, ale to samo o sobě neznamená porozumění či inteligenci v lidském smyslu.
• „Zimy AI znamenaly, že nikdo nic nedělal“: výzkum pokračoval a položil základy dnešních metod.
• „Starší metody jsou zbytečné“: pravidlové systémy a klasické modely se používají dodnes.
• „Vývoj půjde jen nahoru“: historie ukazuje cykly; budoucnost nelze spolehlivě předpovídat.

Časté otázky v praxi

Kdy vznikla umělá inteligence?: jako obor 1956 na workshopu v Dartmouthu; myšlenky jsou starší. Co byly zimy AI?: období poklesu zájmu a financování po nesplněných slibech. Proč byl rok 2012 zlomový?: hluboké učení na GPU výrazně zlepšilo rozpoznávání obrazu. Co přinesl transformer?: architekturu, na které stojí dnešní jazykové modely. Kdy začala éra chatbotů?: veřejnou novinkou byl ChatGPT na konci listopadu 2022.

Historie AI v kostce

Základní údaje – vlastní infografika

Výhody a nevýhody

Souhrn pro čtenáře – vlastní infografika

Související články

Další články najdete v kategorii Základy a principy AI: AGI a superinteligence, Multimodální AI, Jak hodnotit AI modely a RAG a fine-tuning.

Shrnutí

Umělá inteligence vznikla jako obor v 50. letech (Turing, Dartmouth 1956), prošla zimami AI a expertními systémy, v roce 2012 přišel průlom hlubokého učení, v 2017 architektura transformer a v 2022 masový fenomén ChatGPT. Z historie plyne, že sliby často předbíhají realitu, ale pokrok je skutečný a závisí na datech, výkonu a metodách. Více najdete v přehledu Live Science.

Často kladené otázky k historii umělé inteligence