Greinin sem hér fer á eftir birtist í tímaritinu Storð fyrir 40 árum, en höfundur hennar var þá ritstjóri Tölvublaðsins. Þá voru uppgangstímar í gervigreind líkt og núna og áhugavert er að lesa lýsinguna á gervigreindinni þá og möguleikum hennar og bera saman við gervigreindina nú, þegar aftur er uppgangstími á þessu sviði. Við birtum hér upphaflegu greinina í heild ásamt fróðlegri samantekt höfundar um sögu gervigreindarinnar og vangaveltur hans um stöðuna nú.
Ritnefnd
Tölvur með augu og eyru
Eftir Helga Örn Viggósson. Birt í Storð – heimur í öðru ljósi, 1984.
Tölvutækninni hefur tekist að teygja sig inn á ýmis svið mannlegrar greindar. Fram eru komin tölvukerfi sem rökfæra, leysa vandamál og skilja tungumál svo eitthvað sé nefnt. Verkefni sem vélvædd hafa verið með aðstoð gervigreindartækninnar eru orðin nokkuð mörg þó svo að raunverulega hagnýt notkun sé ennþá fremur skammt á veg komin. Gróf flokkun eftir viðfangsefnum og aldri (þau elstu fyrst) er sem hér segir:
Leikir (t.d. skák og kotra, svo eitthvað sé nefnt.)
Prófun kenninga.
Tungumálakerfi
Sérfræðikerfi.
Skynjun (greining mynstra, mynda og hljóða o.s.frv.)
Flest þessi kerfi byggja að einhverju leyti á þekkingargrunni (mengi af Ef-Þá reglum), reglutúlk og gagnagrunni. Þá hafa þau flest það sameiginlegt að nota einhverja útfærslu af einni elstu aðferðinni sem notuð hefur verið til að láta tölvur líta út fyrir að vera gáfaðar (þ.e. að þær geti ratað á eigin spýtur að ákveðnu markmiði). Aðferðin sem nefnist rúm-stöðuleit (state-space search), felur í sér að forrit er látið móta í minni tölvunnar gögnin sem athuga verður til að finna lausn, þannig að hægt sé að rekja vensl þeirra á kerfisbundinn hátt. Gögnin eru mótuð í graf, sem við gætum hugsað okkur sem líkan af mjög sérhæfðri minnisstöð í mannsheila. Grafið er oftast nær í nokkurs konar tréformi (við getum ímyndað okkur það í líkingu við ættartré), þar sem hnit (eða lauf) innihalda upplýsingar og línur á milli hnitana tákna vensl þeirra. Hver ákvörðun sem tekin er eftir skoðun upplýsinga í ákveðnu hniti leiðir síðan leitina niður grein í trénu í átt að hniti sem hefur að geyma markmið leitarinnar, t.d. mát, ef um væri að ræða forrit til að leysa skákþraut.
Vel hefur gengið að gera forrit fyrir einfalda leiki jafnfær mannlegum meisturum. Til dæmis kynnti Arthur Samuels, sem lauk gerð fyrsta hornaskákarforritsins árið 1947, forrit 20 árum síðar sem getur lært af sér sterkari andstæðingum. Í fyrstu leikjum forritsins lék það á við óreynt barn en eftir að hafa leikið u.þ.b. þúsund hornskákir hafði það lært það mikið að það vann höfund sinn og leikur nú á sama getustigi og bestu meistarar í hornskák. Þá vann kotruforritið Mighty Bee, heimsmeistarann í þeirri grein árið 1979. Allt öðru máli gegnir hinsvegar um skák, enda flókinn leikur, að minnsta kosti frá tölulegum sjónarhóli séð. Árið 1950 ritaði Claude E. Shannon – faðir upplýsingafræðinnar – grein í tímaritið Philosophical Magazine, sem bar titilinn “Að forrita tölvu til að leika skák”. Í greininni benti hann m.a. á að dæmigerð skák inniheldur um 10120 mögulega leiki. Til gamans má geta þess að ef ein af hraðvirkustu tölvum nútímans væri látin finna alla þessa leiki tæki það hana 10110 sekúndur. Til samanburðar má nefna að sólkerfið okkar er talið vera rösklega 1017 sekúndna gamalt.
Sterkasta skåktölva heims, Belle, er álitin hafa styrkleikann ca. 2200 elo-stig. Heimsmeistari skákforrita 1983, forritið Cray Blitz, sem keyrir á Cray XMP tölvu, einni hraðvirkustu tölvu heims, hefur ekki mér vitanlega verið metið til stiga. Til samanburðar má geta þess að skv. FIDE skrá hefur Kasparov 2715 stig, Helgi Ólafsson og Jóhann Hjartarson 2520. Flest stig hefur Fisher eða 2760. Bestu skákforritin sem fást fyrir smátölvur eru á bilinu 1700-1800 elo-stig. Skákforrit eru oftast slök í endatöflum, langtímaáætlanagerð og því að byggja liðskipanirna upp. Þá eru þau afskaplega veik fyrir eitruðum peðum og gleypa við mannfórnum. Góð skákforrit eru aftur á móti almennt talin hafa betra auga fyrir sóknarleiðum en menn; þar bæta hraðir útreikningar upp litla þekkingu. Getur því oft reynst árangursríkt þegar teflt er á móti góðu skákforriti að búa til stöðu sem dregur úr hreyfanleika og sóknarfærum.
Segja má að skákforrit séu nokkuð gott dæmi um það hversu ólík gervigreind er „eðalgreind”. Nefna mætti fjölmörg atriði í því sambandi. Það er kannski nærtækast að á meðan stórmeistarar athuga í mesta lagi 50-100 leiki (að meðtöldum leikjum fram í tímann) útfrá ákveðinni stöðu, skoða bestu skákforritin (þ.e. góð forrit sem keyrð eru á stórtölvum) kannski allt upp í nokkur hundruð milljón leiki. Til dæmis getur Belle í núverandi útfærslu metið um 160.000 leiki á hverri sekúndu. Á mótum er hún stillt á 5-7 leiki fram í tímann og er ca. 0.04-5 mín. að velja leik. Ef hún væri stillt þannig að hún ætti að líta á 8 leiki – 4 leiki fyrir sig og bestu svör andstæðingsins við þeim, til að finna besta leikinn útfrá dæmigerðu miðtafli myndi hún skoða um 600 milljón leiki. Það tæki hana rúma klukkustund. Ef hún fengi tæpar tólf klukkustundir í viðbót og alls tæplega 7,5 milljarði leikja til að skoða, gæti hún skoðað níu leiki fram í tímann (Ken Thompson, annar af aðalhönnuðum Belle, hefur fært sterk rök fyrir því að styrkleikinn aukist um ca. 250 elo-stig við hvern leik í viðbót fram í tímann).
Galdurinn við Belle er ekki sá að algóriþmarnir eða þekkingargrunnurinn sem hún notar séu fullkomnari enn sumra annarra fyrsta flokks skákforrita, heldur er það hraðinn sem styrkleiki hennar er fólginn í. Hinn mikli hraði byggist aftur á móti á því, að tímafrekustu þættir forritsins eru útfærðir beint með rökrásum í stað þess að vera í vinnsluminni eins og almennt tíðkast. Til gamans má geta þess að Belle er tæplega tvöþúsund sinnum hraðvirkari en skákforrit sem greinarhöfundur hefur dundað við að skrifa fyrir algenga gerð af 8-bita örtölvu. En þrátt fyrir að hraðvirknin sé mikilvæg mun bætt “taflmennska” tölva á næstu misserum ekki byggjast á aukningu hennar, heldur á nýjum og endurbættum algóriþmum. Ástæðan fyrir þessu er sú staðreynd að stærðirnar sem við er að glíma margfaldast veldislega og gæfi því tvö eða þreföldun á hraða Belle fremur lítinn árangur.
En það er ekki skák eða aðrir leikir sem beint hafa áhuga manna að gervigreindarsviðinu undanfarin misseri. Miklu fremur eru það verkefni er lúta að því að létta skrifstofufólki, sérfræðingum, verkafólki, o.fl., ýmis störf. Verkefni sem vís eru til að skila miklum arði á komandi árum.
Tungumálakerfi (natural language systems) hafa lengi vafist fyrir gervigreindarmönnum, eða allt frá því snemma á 6. áratugnum, þegar bandaríska hermálaráðuneytið stóð fyrir þróun á þýðingarkerfi, með það að markmiði að gera þýðingar á rússneskum tæknihandbókum yfir á ensku sjálfvirkar. Menn voru fljótir að komast að því að mannlegt mál er gífurlega flókið, séð frá sjónarhóli vélrænnar vinnslu, sérstaklega vegna mismunandi merkingar margra orða, eftir því í hvaða samhengi þau eru hverju sinni. Þeir í hermálaráðuneytinu gáfust upp á áðurnefndri þróun, þegar kerfið þýddi rússneska orðið „vökvapressa” (hydrolic ram) sem „vatnsgeit” (water goat) o.fl. orð í svipuðum dúr. Síðustu ár hefur hinsvegar náðst viðunandi árangur (allt að 99% nákvæmni) í þróun sérhæfðra þýðingarkerfa. Til dæmis hefur japanskt fyrirtæki hafið markaðssetningu þar eystra á kerfi til að þýða lesmál um rafeindatækni, frá ensku yfir á japönsku. En að sjálfsögðu hafa þýðingarkerfi verið lang lengst á bandarískum markaði, bæði sérhæfð alsjálfvirk og alhæfð hálfsjálfvirk.
Sú braut sem þróun tungumálakerfa hefur helst farið inn á að undanförnu er að aðlaga tölvuumhverfi að notendum þess til að þeir geti haft boðskipti við tölvukerfið á því sem næst sama máli og þeir tala og skrifa venjulega. Dæmigert í þessu sambandi er fyrirspurnarmál fyrir gagnagrunnkerfi, þar sem notandinn gæti skrifað eða sagt (ef raddskynjunarbúnaður væri til staðar) eitthvað í þessa átt: „Gerðu lista yfir umboðslaun vegna kaffibauna frá Svenska Co-op síðustu 12 mánuði og settu upp í súlurit”, í stað þess að verða að nota margfalt lengri og nákvæmari framsetningu í einhverju formlegu og oft flóknu skipanamáli. Túlkar af þessu tagi eiga bæði eftir að minnka þjálfun þeirra sem vinna störf sín með tölvum og gera stjórnendur fyrirtækja óháðari tölvusérfræðingum.
Sérfræðikerfi (expert systems) eiga sér fremur stuttan þróunarferil, eða tæplega 20 ár, en þau hafa verið til sem fullgerð kerfi (ef hægt er að tala um fullgerð kerfi) í rúm 10 ár. Engu að síður hefur árangur hvað varðar hagnýta notkun verið einna mestur á þessu sviði gervigreindartækninnar. Eins og nafngiftin gefur til kynna er hér um að ræða hugbúnað sem hefur upplýsingar og ákvarðanareglur fyrir ákveðin sérsvið, t.d. innan læknisfræði, verkfræði o.s.frv. Sérfræðikerfi fyrir tiltekið svið geta sparað mikla vinnu og í mörgum tilvikum komið í stað sérfræðinga. Komin eru á sjónarsviðið kerfi fyrir fjölmargar sérfræðigreinar, svo sem fyrir olíuboranir, námugröft, bílaviðgerðir, rekstraráætlanagerðir og mörg önnur svið.
Útfrá sérfræðikerfum hafa svo þróast fullkomin kennslukerfi fyrir ýmis fög. Kerfi sem geta leitt nemandann fram og til baka um námsefnið, svarað spurningum hans, lagt spurningar fyrir hann, rökfært, sýnt dæmi o.s.frv. Rannsóknir hafa sýnt fram á að kerfi af þessu tagi geti stórbætt og flýtt námsárangri, enda hver nemandi með sinn “einkakennara” uppfullan af þolinmæði og sérþekkingu sem færustu sérfræðingar hafa ljáð.
Að færa tölvum “heyrn” og “sjón” eru aðal viðfangsefni þeirrar tækni sem gjarnan er nefnd “tölvuskyn”. Tölvuskyn er í grundvallatriðum þrískipt vinnsla: merkjavinnsla að breyta hljóði eða mynd í stafræn gögn, flokkun – tölfræðileg flokkun gagna, eftir fyrirfram skilgreindum formum, t.d. OCR letur eins og er m.a. á ávísunum – og greining – að “skilja” hvað felst í tiltekinni mynd eða hljóði. Verkefnin eru mörg, m.a. að gera fólki kleift að mata tölvur með því að nota hraðvirkustu og þægilegustu tjáningarformin – að tala eða sýna mynd. Einnig að gera tölvum kleift að greina og bregðast við sjáanlegum hlutum. Í síðarnefnda dæminu getum við hugsað okkur róbót, sem hefði þann starfa að finna hringorma í fiskflökum og beina síðan að þeim lasergeisla til að eyða þeim.
Þegar fjallað er um margþætt tæknisvið í ekki lengri grein en þessari, verða óhjákvæmilega mörg áhugaverð og mikilvæg atriði útundan. En tilgangnum er náð ef þeir lesendur sem eru e.t.v. að lesa um gervigreindartæknina í fyrsta sinn álykta sem svo, að markmiðin með henni séu fyrst og fremst þau að auðvelda og flýta fyrir fólki við nálgun og meðhöndlun upplýsinga, auk þess að gera sjálfvirk tæki einsog iðnróbóta töluvert fjölhæfari. Þegar nýjabrumið fer af, mun hugtakið gervigreind mjög sennilega víkja fyrir hugtakinu gamalkunna, sjálfvirkni”.
Eftir Helga Örn Viggósson. Birt í Storð – heimur í öðru ljósi 1984.
Sögu gervigreindar (AI) má rekja aftur til 5. áratugar síðustu aldar en margir vilja miða upphaf hennar til mikilvægs atburðar: Dartmouth-ráðstefnunnar árið 1956. Þar var hugtakið „gervigreind“ (Artificial Intelligence) fyrst notað af tölvunarfræðingnum John McCarthy. Á ráðstefnunni komu saman helstu fræðimenn þess tíma, þar á meðal Marvin Minsky, Claude Shannon og Herbert Simon, sem spáðu djarflega að innan einnar kynslóðar myndu vélar geta framkvæmt öll vitsmunaleg verkefni sem menn geta. Þetta markaði upphaf þess sem kallað hefur verið fyrsta „gervigreindarsumarið“ – tímabil þar sem miklar væntingar og bjartsýni ríktu um hraðar framfarir í gerð “vitvéla”.
2. Fyrsta gervigreindarsumarið (1956–1973): Fyrstu árangursríku tilraunirnar og vaxandi væntingar
Árin eftir Dartmouth-ráðstefnuna gáfu gervigreindarannsóknir miklar vonir, sérstaklega í táknrænni rökfræði og kerfum byggðum á reglum. Forrit eins og „Logic Theorist“ og „General Problem Solver“ sýndu fram á að vélar gætu framkvæmt ákveðin rökhugsunarverkefni. Þessi snemm árangur vakti áhuga og fjárfestingar frá bandarískum stjórnvöldum og einkafyrirtækjum hófust fyrir alvöru. Rannsakendur byrjuðu að láta sig dreyma um framtíð þar sem vélar gætu jafnað mannlega greind.
Hins vegar voru þessi kerfi mjög háð reglum og táknum, sem gerði þau viðkvæm og ófær um að takast á við flókin eða raunveruleg verkefni. Tölvuafl var einnig mjög takmarkað, og væntingar urðu mun meiri en raunhæft var að ná.
3. Fyrsti gervigreindarveturinn (1974–1980): Vonbrigði og fjármagnsflótti
Þegar rannsakendur og fjárfestar gerðu sér grein fyrir að framfarirnar voru ekki eins hraðar og búist var við, skall á fyrsti „gervigreindarveturinn“ um miðjan áttunda áratuginn. Takmarkanir táknrænnar gervigreindar urðu augljósar og mörg af stóru loforðunum frá upphafsárunum voru langt frá því að vera uppfyllt. Ríkisstjórnir, sérstaklega í Bandaríkjunum og Bretlandi, drógu úr fjárveitingum og rannsóknir á gervigreind minnkuðu verulega. Á þessu tímabili átti gervigreind í erfiðleikum með að skila hagnýtum lausnum og bjartsýni vék fyrir efasemdum.
4. Annað gervigreindarsumarið (1980–1987): Sérfræðikerfi og endurnýjuð bjartsýni
Annað gervigreindarsumarið var að miklu leyti knúið áfram af þróun sérfræðikerfa á níunda áratugnum. Þetta voru reglustýrð kerfi sem hönnuð voru til að líkja eftir ákvarðanatökuhæfni manna í fögum eins og læknisfræði, fjármálum og verkfræði. Fyrirtæki eins og Xerox og IBM fjárfestu mikið í þróun þessara kerfa og gervigreind byrjaði að sjá viðskiptabundna notkun.
Sérfræðikerfi gáfu gervigreind nýtt hlutverk, og atvinnugreinar tóku þau í notkun. Japan hóf metnaðarfullt „fimmta kynslóðar tölvuverkefni“ árið 1982, með það að markmiði að búa til gáfaðar vélar með mikla samhliða reiknigetu. Þessi endurnýjaða bjartsýni leiddi til aukinnar fjárfestingar og áhuga á gervigreind.
5. Annar gervigreindarveturinn (1987–1993): Takmarkanir sérfræðikerfa
Þrátt fyrir sæmilegan árangur sérfræðikerfa í fyrstu komu fram ýmsar takmarkanir. Þessi kerfi voru dýr í viðhaldi, erfitt var að stækka þau og þau þurftu stöðugt inngrip frá mönnum til að uppfæra þekkingargrunnana. Auk þess gátu þau ekki lært eða aðlagast sjálf, sem gerði þau ópraktísk fyrir raunverulegar aðstæður. Þegar þessar takmarkanir urðu ljósar og áhugi minnkaði, dró úr fjárveitingum til gervigreindar og annar gervigreindarvetur hófst.
Afhroð fimmtu kynslóðar verkefnisins í Japan og almenn vonbrigði með sérfræðikerfin leiddu til annarrar niðursveiflu í gervigreindarannsóknum. Fjárfestingar beindust í aðrar áttir og gervigreindarannsóknir voru taldar of metnaðarfullar og óraunhæfar.
6. Uppgangur vélræns náms og þriðja gervigreindarsumarið (1993–2010): Djúpnámsbyltingin
Á 10. áratugnum og fram á 21. öld varð breyting á rannsóknum á gervigreind. Í stað þess að reiða sig á táknræna rökfræði sneru vísindamenn sér að vélrænu námi, sérstaklega tölfræðilegum aðferðum og taugakerfum. Þessi nýja stefna, ásamt auknu reikniafli og gagnagnægðar, gerði gervigreindarkerfum kleift að læra af gögnum frekar en að vera forrituð sérstaklega. Merkilegur áfangi var þegar IBM Deep Blue vann sigur á heimsmeistaranum í skák, Garry Kasparov, árið 1997, sem markaði tímamót í þróun gervigreindar.
Hin raunverulega bylting kom með djúpnámi, undirsviði vélræns náms sem felst í því að nota fjölþætt taugakerfi. Þessi tækni náði stórkostlegum árangri í myndgreiningu, raddgreiningu og “skilningi” á tungumálum. Tilkoma stórra gagnasafna (eins og frá internetinu) og gríðarlegrar afkastaaukningar með tilkomu grafískra gjörva (GPU) stuðlaði að þessari þróun.
Gervigreind byrjaði að ná yfirburðum í verkefnum eins og myndflokkun, tungumálaþýðingum og leikjum, eins og sást með DeepMind AlphaGo, sem sigraði heimsmeistarann í Go árið 2016. Á þessu tímabili byrjaði fólk einnig að tala um singularity—tímamótin þar sem vélar myndu ná mannlegri greind og jafnvel fara fram úr henni, knúin af hugmyndafræðingum eins og Ray Kurzweil.
7. Núverandi gervigreindarsumar (2010s–núna): Gríðarlegar framfarir og vaxandi væntingar
Í dag lifum við í gervigreindarsumri sem aldrei fyrr, knúið áfram af byltingum í djúpnámi, náttúrulegri málvinnslu og styrkingarnámi. Gervigreindarkerfi eins og ChatGPT, þróuð af OpenAI, hafa sýnt getu til að framleiða texta sem líkist mannlegum og taka þátt í flóknum samtölum. Gervigreind er nú orðin hluti af daglegu lífi með sýndarhjálparkerfum, sjálfakandi bílum, læknisfræðilegum greiningum og miklu fleiru.
Fyrsta vísindagreinin sem lagði grunninn að tauganetum útfrá stærðfræði kom út 1943 (A logical calculus of the ideas immanent in nervous activity – McCullough & Pitts) og því má segja að ferðalagið sem gaf okkur nútíma risamállíkön (LLM) eins og GPT hafi tekið lengri tíma en flestir átta sig á. Djúpnám og marglaga tauganet eru grunnurinn, en það var grein Google frá 2017, „Attention Is All You Need”, sem kynnti umbreyta (e. transformers) sem gjörbylti sviðinu með því að gera líkönum kleift að vinna úr texta samhliða og skilja langtímasamhengi betur í gegnum sjálfsathygli. Framfarir í tölvunarfræði dyggðu þó skammt ef ekki kæmi til gríðarlegar stærðir hvað varðar tölvuafl og gagnagnægðar sem internetið gefur okkur. GPT-4 frá OpenAI, sem var stærsta líkanið þegar það kom út er talið innihalda mörg hundurð milljarða parametra og þjálfað á billjónum máleininga en þjálfun þess tók 3-4 mánuði keyrandi á hátt í 30.000 grafískum gjörvum, sem eyddu raforku á við ársnotkun allra heimila á Akureyri. Þjálfun þessara líkana krefst einnig töluverðs mannlegs vinnuframlags, líklega á þriðja þúsund mannmánaða í formi þess sem kallast styrkingarnám með mennskri endurgjöf (e. Reinforced Learning from Human Feedback – RLHF), til að fínstilla útkomur og sjá til þess að líkanið segi ekkert sem þeir sem standa að baki því vilja ekki að það segi, til að tryggja öryggi okkar að þeirra sögn. Áætla má að kostnaðurinn við að þjálfa líkan eins og GPT-4 hlaupi á tugum milljarða.
Gríðarlegar fjárfestingar frá tæknirisum og áhættufjárfestingarfyrirtækjum hafa fært gervigreind fram á sviðið sem aldrei fyrr. Ríki og atvinnugreinar keppast við að þróa gervigreindartækni, og almenningsáhugi á gervigreind hefur stóraukist, sérstaklega með tilkomu stórra tungumálalíkana og skapandi gervigreindar. Talið er að gervigreind muni verða undirstaða hagkerfa framtíðarinnar og jafnvel spáð að takmarkinu að almennri gervigreind (AGI) verði náð á næstu áratugum, þar sem vélar gætu jafnað eða farið fram úr mannlegum vitsmunum.
8. Mun gervigreindarbólan springa aftur?
Þrátt fyrir að núverandi gervigreindarsumar sé bjartara en nokkru sinni fyrr, eru uppi áhyggjur af því hvort þessi uppsveifla muni leiða til annars gervigreindarvetrar. Saga gervigreindar hefur sýnt að væntingar fara oft fram úr raunveruleikanum, og mörg loforð sem gefin eru í dag (svo sem algjörlega sjálfakandi bílar eða sannarlega gáfaðar vélar) gætu tekið lengri tíma að uppfylla en búist er við.
Sumir sérfræðingar segja að þrátt fyrir að gervigreind hafi náð miklum framförum, eigi hún enn í erfiðleikum með verkefni sem krefjast almennrar skynsemi, samhengi og aðlögunar umfram þröng svið. Einnig eru vaxandi áhyggjur af siðferðislegum áhrifum gervigreindar, svo sem hlutdrægni í reikniritum og hugsanlegri fækkun starfa.
Ef gervigreindariðnaðurinn heldur áfram að lofa umfram það sem hann getur skilað, eða ef traust almennings glatast vegna siðferðislegra mistaka, gæti annar gervigreindarvetur verið framundan. Hins vegar, með tilliti til þess hversu djúpt gervigreind hefur fest rætur í mörgum atvinnugreinum, gæti niðursveiflan orðið mildari en áður. Nokkuð víst má telja að fjárfestingabólan springi en þó að það gerist mun hagnýting á tækninni halda áfram að aukast jafnt og þétt.
Niðurstaða: Ástand mála og framtíðin
Í dag upplifum við líflegt gervigreindarsumar með byltingum á sviðum eins og náttúrulegrar málvinnslu, vélmenna og skapandi gervigreindar. Hins vegar hefur saga gervigreindar verið mörkuð sveiflum milli væntinga og vonbrigða. Áskorunin núna fyrir vísindamenn og iðnaðinn er að stjórna væntingum, einbeita sér að því að leysa raunveruleg vandamál og taka á siðferðislegum áskorunum til að tryggja að gervigreind þróist á sjálfbæran hátt án þess að lenda í öðrum vetri. Aðeins tíminn mun leiða í ljós hvort bólan springur aftur, en í augnablikinu er gervigreind ein áhrifamesta og lofandi tækni 21. aldarinnar.
