Boom lat 80.: LISP machines i Piąta Generacja
🎯 Po co Ci to?
Wyobraź sobie komputer, który nie jest uniwersalną maszyną do wszystkiego, lecz jest zaprojektowany od podstaw — sprzętowo — wyłącznie do jednego celu: jak najszybszego wykonywania programów napisanych w LISP-ie. Taki komputer naprawdę istniał, kosztował fortunę i przez chwilę wydawał się przyszłością informatyki. Ta jednostka opowiada o dekadzie, w której sztuczna inteligencja z akademickiej ciekawostki zamieniła się w przedmiot narodowych strategii gospodarczych i miliardowych inwestycji.
✅ Czego się nauczysz
Po tej lekcji potrafisz:
- wyjaśnić, dlaczego lata 80. przyniosły drugi boom sztucznej inteligencji, mimo pierwszej zimy z poprzedniej dekady;
- opisać, czym były LISP machines i dlaczego powstały;
- wyjaśnić cele i losy japońskiego Projektu Piątej Generacji.
🔁 Przypomnij sobie
W dziale 7 poznałeś systemy ekspertowe (DENDRAL, MYCIN, XCON) i pierwszą zimę AI wywołaną raportem Lighthilla (1973). Ten boom to bezpośrednia kontynuacja sukcesu XCON — skoro jeden system ekspertowy oszczędził firmie miliony dolarów, logiczne pytanie brzmiało: co, gdyby zbudować takich systemów setki, dla każdej branży z osobna?
📘 Wyjaśnienie — boom systemów ekspertowych
Na przełomie lat 70. i 80. sukces XCON (jednostka 7.1) i podobnych projektów przekonał wielkie korporacje i rządy, że systemy ekspertowe to nie akademicka ciekawostka, lecz realne narzędzie biznesowe. Powstały setki nowych systemów ekspertowych dla przemysłu, finansów, medycyny i wojska, a wraz z nimi cała nowa branża — firmy specjalizujące się w budowie takich systemów, konsultanci od „inżynierii wiedzy", konferencje i czasopisma poświęcone wyłącznie tej tematyce. Rynek systemów ekspertowych, wraz z towarzyszącym mu sprzętem i oprogramowaniem, wyceniano w tamtym okresie na setki milionów, a według niektórych szacunków nawet miliardy dolarów rocznie.
📘 Wyjaśnienie — LISP machines
Skoro LISP (dział 6, jednostka 6.3) był głównym językiem programowania systemów ekspertowych i innych programów symbolicznej AI, a standardowe komputery ogólnego przeznaczenia wykonywały programy w LISP-ie stosunkowo wolno, narodził się pomysł: zbudujmy komputer, którego sprzęt jest zoptymalizowany specjalnie pod ten jeden język. Tak powstały LISP machines — komputery firm takich jak Symbolics czy Lisp Machines Inc., sprzedawane w latach 80. za dziesiątki tysięcy dolarów za sztukę, oferujące programistom znacznie szybsze wykonywanie kodu LISP niż uniwersalne komputery tamtej epoki.
💭 Pomyśl: Wyobraź sobie, że jesteś producentem samochodów i zauważasz, że Twoi klienci najczęściej jeżdżą tylko po autostradzie. Czy zbudowałbyś samochód zoptymalizowany wyłącznie pod jazdę autostradową (szybszy, ale gorszy w mieście), czy uniwersalny samochód do wszystkiego? Jakie ryzyko biznesowe niesie ta pierwsza strategia?
Sprawdź odpowiedź
Strategia „samochodu wyspecjalizowanego" (analogicznie: LISP machine) niesie poważne ryzyko: jeśli pojawi się tańszy, uniwersalny samochód, który — dzięki postępowi technologicznemu — z czasem dogoni wyspecjalizowany model również na autostradzie, klienci przestaną chcieć płacić premię za wąską specjalizację. Dokładnie to stało się z LISP machines: gdy zwykłe komputery osobiste (PC) stały się z czasem wystarczająco szybkie, by uruchamiać LISP z akceptowalną wydajnością, przewaga drogich, wyspecjalizowanych maszyn zniknęła — a razem z nią cały rynek LISP machines. To zapowiedź tematu następnej jednostki.
📐 DEFINICJA — LISP machine: komputer zaprojektowany sprzętowo do jak najszybszego wykonywania programów napisanych w języku LISP, popularny w latach 80. wśród firm i laboratoriów zajmujących się symboliczną sztuczną inteligencją, wypierany w kolejnej dekadzie przez tańsze komputery ogólnego przeznaczenia.
Upadek maszyn LISP-owych miał nieoczekiwany skutek uboczny. Gdy z laboratorium AI na MIT odeszli niemal wszyscy hakerzy — do dwóch skłóconych ze sobą firm, Symbolics i LMI — na miejscu został programista Richard Stallman, który uznał komercjalizację wspólnie tworzonego kodu za zdradę etosu. Przez blisko dwa lata w pojedynkę odtwarzał każdą nowość Symbolics i oddawał ją wszystkim za darmo, a w 1983 r. ogłosił projekt GNU — początek ruchu wolnego oprogramowania. Bez tamtego sporu nie byłoby dzisiejszego Linuksa ani otwartych modeli AI (Dział 18).
📘 Wyjaśnienie — Projekt Piątej Generacji
W 1982 roku rząd Japonii ogłosił ambitny, dziesięcioletni Projekt Piątej Generacji Komputerów (Fifth Generation Computer Systems), finansowany kwotą liczoną w setkach milionów dolarów. Celem było zbudowanie zupełnie nowej generacji komputerów, opartych na logice i programowaniu w duchu sztucznej inteligencji (w szczególności na języku Prolog, konkurencyjnym wobec LISP-a), które miały masowo przetwarzać wiedzę, rozumieć język naturalny i wspierać rozumowanie logiczne na skalę przemysłową — wyprzedzając technologicznie Stany Zjednoczone i Europę.
📐 DEFINICJA — Projekt Piątej Generacji (Japonia, 1982–1992): dziesięcioletni, rządowy program badawczy Japonii mający na celu zbudowanie nowej generacji komputerów opartych na logice i sztucznej inteligencji, zdolnych do masowego przetwarzania wiedzy i rozumowania — jedna z pierwszych na świecie narodowych strategii technologicznych wprost oparta na AI.
Po ludzku: to japońska odpowiedź na pytanie „co będzie po zwykłych komputerach?" — odpowiedź brzmiała: komputery, które rozumują jak systemy ekspertowe, tylko szybciej i na dużo większą skalę.
Projekt Piątej Generacji zakończył się w 1992 roku bez osiągnięcia swoich pierwotnych, ambitnych celów. Owszem, wygenerował cenne badania i publikacje naukowe, ale nie doprowadził do rewolucyjnej, nowej generacji komputerów zdolnych do rozumowania na obiecywaną skalę — po części z tych samych powodów, które poznasz w kolejnej jednostce (systemy ekspertowe okazały się trudne do skalowania), a po części dlatego, że w międzyczasie rozwój zwykłych komputerów osobistych i sieci komputerowych poszedł w zupełnie inną, bardziej praktyczną stronę.
⚠️ Uwaga, pułapka
Łatwo dziś ocenić Projekt Piątej Generacji jako „porażkę" — ale warto pamiętać, że wiele ambitnych narodowych programów badawczych (nie tylko w informatyce) nie osiąga swoich pierwotnych, maksymalistycznych celów, a mimo to generuje wartościową wiedzę, infrastrukturę badawczą i wyszkolonych specjalistów, którzy później realizują inne, bardziej realistyczne projekty. Nie myl „nieosiągnięcia deklarowanego celu w deklarowanym terminie" z „całkowitą stratą czasu i pieniędzy". To rozróżnienie przyda Ci się przy ocenie każdego dużego, ambitnego programu badawczego, o którym usłyszysz w przyszłości — także tych dotyczących dzisiejszej sztucznej inteligencji.
📌 Najważniejsze w pigułce
- Sukces XCON przekonał korporacje i rządy, że systemy ekspertowe to realne narzędzie biznesowe — powstała cała branża wokół nich.
- LISP machines to komputery zaprojektowane sprzętowo pod szybkie wykonywanie programów w LISP-ie, popularne w latach 80.
- Projekt Piątej Generacji (Japonia, 1982–1992) był ambitnym, rządowym programem budowy komputerów opartych na logice i AI.
- Projekt zakończył się w 1992 roku bez osiągnięcia pierwotnych celów, ale wygenerował wartościowe badania.
- Pułapka: nieosiągnięcie ambitnego celu w deklarowanym terminie nie oznacza całkowitej porażki programu badawczego.
🎒 Zadania
Zadanie 7.5.1. Wyjaśnij, dlaczego sukces jednego konkretnego systemu ekspertowego (XCON) mógł przekonać całe branże do masowych inwestycji w tę technologię. Czy uważasz to rozumowanie za w pełni uzasadnione, czy dostrzegasz w nim ryzyko nadmiernej generalizacji?
Sprawdź odpowiedź
Rozumowanie „jeden sukces dowodzi, że warto inwestować masowo" niesie realne ryzyko nadmiernej generalizacji — sukces XCON wynikał z bardzo specyficznych warunków: wąsko zdefiniowanego, powtarzalnego zadania (konfiguracja komputerów o ograniczonej liczbie komponentów) z jasnymi regułami i dużą ilością danych historycznych do wykorzystania przy budowie bazy wiedzy. Niekoniecznie każda inna dziedzina (np. bardziej otwarte, mniej ustrukturyzowane problemy) nadaje się równie dobrze do tego podejścia. Firmy i rządy, ekscytując się jednym spektakularnym przykładem, mogły nie docenić, jak bardzo specyficzne były warunki jego sukcesu — to zjawisko psychologiczne nazywa się czasem błędem nadmiernej generalizacji z pojedynczego przypadku.
Zadanie 7.5.2. LISP machines przegrały z czasem z tańszymi komputerami ogólnego przeznaczenia. Podaj współczesny przykład (z dowolnej dziedziny technologii) podobnej sytuacji — wyspecjalizowanego, drogiego rozwiązania, które przegrało z tańszym, uniwersalnym konkurentem, gdy ten wystarczająco się rozwinął.
Sprawdź odpowiedź
Przykładowa odpowiedź: wyspecjalizowane aparaty cyfrowe (kompaktowe i lustrzanki niższej klasy) w dużej mierze przegrały rynek z aparatami w smartfonach — gdy jakość matrycy i oprogramowania w telefonach wystarczająco się poprawiła, większość użytkowników przestała widzieć sens kupowania osobnego, wyspecjalizowanego urządzenia tylko do robienia zdjęć, skoro uniwersalne urządzenie (telefon) robiło to „wystarczająco dobrze" i miało dodatkowo mnóstwo innych funkcji. Inny przykład: dedykowane nawigacje GPS przegrały z aplikacjami nawigacyjnymi w smartfonach z tego samego powodu. Wzorzec jest ten sam co w przypadku LISP machines: wyspecjalizowane rozwiązanie ma przewagę tylko dopóki uniwersalne rozwiązanie nie „dogoni" go wystarczająco, a jednocześnie oferuje więcej korzyści dodatkowych (niższa cena, wielofunkcyjność).
🔍 Sprawdź, czy umiesz
- [ ] Wyjaśnić, dlaczego sukces XCON doprowadził do boomu systemów ekspertowych w latach 80.
- [ ] Opisać, czym były LISP machines i dlaczego zostały zaprojektowane.
- [ ] Wyjaśnić cele i losy japońskiego Projektu Piątej Generacji.
- [ ] Ocenić krytycznie, dlaczego pojedynczy sukces technologiczny nie zawsze uzasadnia masową generalizację inwestycyjną.