3SELLER Journal 3SELLER →

В каком году появился первый ИИ: 4 даты, 70 лет споров и один неудобный факт

22.11.2026

Короткий ответ на запрос про то, в каком году появился первый ИИ, звучит так: 1956. Год, когда термин artificial intelligence впервые прозвучал на конференции в Дартмутском колледже. Ответ верный, но неполный: за ним прячутся еще три даты, и каждая по-своему честная.

Люди гуглят дату, получают 1956 и уходят с ощущением, что до этого в истории был вакуум. Вакуума не было. Статья Тьюринга 1950 года, перцептрон Розенблатта 1958-го, первая программа, которая реально доказывала теоремы, а не переставляла символы по шаблону.

Четыре границы, четыре честных ответа. И семьдесят лет спора о том, какую из них считать днем рождения.

1950-й: Тьюринг задает вопрос, на который до сих пор нет ответа

Алан Тьюринг публикует работу Computing Machinery and Intelligence и меняет неудобный философский вопрос о том, может ли машина мыслить, на измеримый эксперимент. Игра в имитацию: судья переписывается с двумя собеседниками, один из которых человек, второй - программа. Не различил, кто есть кто, значит машина тест прошла.

Ход гениальный по практичности. Тьюринг не стал спорить о природе сознания, он предложил проверяемую процедуру. Побочный эффект оказался тяжелым: десятилетиями люди путают прохождение теста Тьюринга с наличием интеллекта. Это разные вещи, и любой, кто всерьез работал с языковыми моделями, подтвердит.

Формально в 1950-м никакого ИИ еще нет. Есть идея, есть критерий, есть направление мысли. Но если считать первым ИИ первый серьезный теоретический фундамент, отсчет начинается здесь.

1956-й: в Дартмуте придумали название

Летом 1956 года в Дартмутском колледже собирается небольшая группа исследователей: Джон Маккарти, Марвин Мински, Клод Шеннон, Натаниэль Рочестер. В заявке на грант они пишут примерно следующее: любую особенность интеллекта можно описать настолько точно, что машину удастся заставить ее имитировать.

Именно там Маккарти вводит термин artificial intelligence. Не как маркетинговый слоган, а как название научной области с предметом и методом. До этого говорили про кибернетику, про автоматы, про мыслящие машины. После Дартмута появилась дисциплина со своими конференциями, журналами и грантами.

Вот почему 1956-й считают годом рождения ИИ. Не потому что в тот год включили первый разумный компьютер, а потому что область получила имя и программу исследований. Практическая деталь, которую редко упоминают: конференция была не такой многолюдной, часть докладов оказалась скромнее заявленных ожиданий, а миф о прорыве появился позже, из мемуаров участников.

Тот же 1956-й: Logic Theorist, первая программа, которую назвали ИИ

Аллен Ньюэлл и Герберт Саймон привозят в Дартмут Logic Theorist. Программа доказывает теоремы из Principia Mathematica Рассела и Уайтхеда. Не все подряд, но часть, и для одной из теорем находит доказательство короче авторского.

С этого момента ИИ перестает быть разговором о будущем. Появляется код, который берет формальную задачу и решает ее без подсказок человека на каждом шаге. Слабое место очевидное: программа жила в узком мире логических символов и ничего не знала о реальности. Ограничение будет преследовать направление следующие тридцать лет.

1960-е: золотые годы и первые экспертные системы

Шестидесятые многие называют золотыми годами ИИ. Деньги идут, лаборатории растут, обещания звучат все громче. Появляются программы, моделирующие знания человека в конкретной предметной области. Классический пример - DENDRAL, система для определения структуры молекул неизвестных органических соединений. Она формализовала опыт химиков-аналитиков и по масс-спектрограммам выдавала вероятные структуры.

DENDRAL важна не сама по себе, а как шаблон. Экспертизу узкого специалиста можно упаковать в правила и получить систему, которая работает лучше новичка и не устает. Из этой идеи выросли все экспертные системы восьмидесятых, а из них, если копать глубже, сегодняшние ИИ-агенты.

В те же годы Маккарти делает LISP, язык, который на десятилетия становится основным инструментом исследователей ИИ. Синтаксис из скобок пугает новичков до сих пор, но гибкость обработки символьных списков тогда была революционной.

1966-й: ELIZA и первый чат-бот, который всех обманул

Джозеф Вейценбаум пишет ELIZA, программу, имитирующую психотерапевта. Она перефразирует реплики собеседника и задает уточняющие вопросы. Никакого понимания внутри нет: набор шаблонов, подстановок и условных переходов. Люди все равно раскрывались и приписывали программе эмпатию.

Эффект назовут эффектом ELIZA. Он никуда не делся. Сегодняшние модели мощнее на порядки, а механика та же: человек сам достраивает смысл там, где его нет. На Reddit в тредах про чат-боты это вспоминают до сих пор - с усмешкой и легким раздражением. Полезно помнить, когда читаешь восторженные отзывы о том, как нейросеть все поняла.

1972-й: SHRDLU и мир кубиков

Терри Виноград делает SHRDLU, программу, которая понимает команды на естественном языке про мир геометрических фигур на столе. Поставь красный куб на большой зеленый блок - и она ставит. Внутри не магия, а формальная модель мира и разбор языка в ее терминах.

Демо произвело впечатление, но масштабировать его не получилось. Как только мир переставал быть набором кубиков, система ломалась. Урок, который индустрия усвоила только через тридцать лет: ручное описание правил не масштабируется, нужны данные и обучение.

Зима: когда обещания кончились раньше, чем железо

К концу семидесятых приходит разочарование. Финансирование режут, проекты закрывают, словосочетание искусственный интеллект в заявках на грант становится почти токсичным. Причина банальна: обещали универсальный разум, получили решатели головоломок. Вычислительной мощности не хватало, данных тоже, а комбинаторный взрыв убивал любую наивную попытку перебора.

Такая же яма случится в конце восьмидесятых, когда схлопнется рынок экспертных систем. Закономерность стоит держать в голове: ИИ развивается волнами, и каждая волна заканчивается не провалом технологии, а разрывом между хайпом и реальными возможностями.

1986-й: обратное распространение ошибки меняет всё

Джеффри Хинтон, Дэвид Румельхарт и Брайан Провост публикуют работу по алгоритму обратного распространения ошибки. Концепция нейросетей существовала с пятидесятых, перцептрон Розенблатта появился еще в 1958-м. Но обучать многослойные сети было нечем. Backpropagation дал метод: как распределить ошибку по слоям и подкрутить веса так, чтобы сеть становилась точнее.

С этого момента начинается медленный, но необратимый подъем машинного обучения. Медленный, потому что нужны были данные и GPU. Необратимый, потому что метод оказался универсальным: одна и та же математика работала и на картинках, и на звуке, и на тексте.

1997-й: Deep Blue и Каспаров

Суперкомпьютер IBM обыгрывает Гарри Каспарова в матче из шести партий. Победа шумная, но если разбираться, она про перебор вариантов и вычислительную мощь, а не про понимание шахмат. Машина не чувствовала позицию, она считала. Для публики это был момент, когда ИИ перестал быть обещанием из журналов.

Показательная деталь: после матча команда IBM разобрала Deep Blue, а не стала развивать его как продукт. Шахматы кончились как задача, интерес сместился туда, где перебор не работает.

2000-е и 2010-е: ИИ вылезает из лабораторий

В 2002-м в домах появляется Roomba, первый массовый робот-пылесос. В 2004-м марсоходы NASA Opportunity и Spirit работают на поверхности Марса без прямого управления человеком на каждом шаге. В 2009-м Google запускает программу самоуправляемых автомобилей.

В 2012-м AlexNet выигрывает ImageNet с отрывом, который не оставляет сомнений: сверточные сети на GPU решают задачу распознавания изображений лучше всех предыдущих подходов. Дальше события идут плотно. 2016-й и AlphaGo. 2017-й и статья Attention Is All You Need, из которой растет архитектура трансформеров. 2022-й и ChatGPT, который выносит тему в массовое сознание окончательно.

К этому моменту вопрос про год появления первого ИИ перестает быть академическим. Люди хотят понять, почему вдруг все заработало и не обманывают ли их снова, как в семидесятых.

Почему дата зависит от определения, а не от фактов

Факты не спорят. Термин появился в 1956-м. Первая программа, названная ИИ, тоже 1956-й. Первая теоретическая работа о машинном разуме - 1950-й. Первая система, моделирующая знания человека в узкой области, - шестидесятые. Все даты настоящие, просто они про разное.

Если считать ИИ научной дисциплиной, ответ один: 1956. Если идеей о мыслящей машине, отсчет уходит в античность, к механическим автоматам и философским спорам о природе разума. Если работающей системой, решающей практическую задачу, ближе к 1960-м. Если тем, что мы сегодня называем ИИ в бытовом смысле, то 2010-е.

Практический вывод простой. Когда видишь в статье фразу о том, что первый ИИ появился в 1956 году, это не ошибка, но и не вся правда. Автор взял самую удобную границу и не сказал, что границ несколько.

Сегодня флагманские модели доступны без танцев с картами

Пока историки спорят о датах, практики пользуются результатом. У большинства в России на этом месте возникает прозаическая проблема: доступ. Иностранные карты не проходят, VPN добавляет задержек и рисков, аккаунты улетают в блок. Я перепробовал достаточно костылей, чтобы ценить решение, которое просто работает.

3GPT от 3SELLER - это ИИ-роутер с прямым доступом из России к последним флагманским моделям. Chat GPT 6 Astra, the model 5, the model 5.1, the model 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для изображений, генерация видео. Список не полный. Оффер звучит без затей: Chat GPT 6 и the model 5 за 149₽ в России, без иностранных карт - запустили 3GPT от 3SELLER. Пополнить баланс можно российской картой, через СБП или криптой.

Получить доступ ко всем флагманским моделям нейросетей из России можно на официальном сайте 3GPT - https://3seller.com/3gpt

3GPT: доступ к флагманским нейросетям из России

Что с этим делать на практике. Продающие тексты, лендинги, разбор конкурентов, переводы, код, презентации, письма клиентам. Мне удобнее держать все в одном окне и переключать модель под задачу: одну спросить про структуру статьи, вторую попросить причесать формулировки, третью отправить генерить картинку. Переключение занимает клик, а не полчаса на регистрацию в очередном сервисе с проверкой номера.

Картинки и видео - отдельная история. Генераторы изображений дошли до уровня, когда по фото сложно понять, что человека не было. Nano Banana делает реалистичные сцены и аккуратно правит детали по текстовому описанию. Для товарных карточек, обложек и иллюстраций в блог этого хватает с запасом, а если нужна серия кадров в одном стиле, ручная ретушь уже не требуется.

ИИ-агенты: следующий шаг после обычного чата

Отдельная фишка, которая мне нравится больше всего. Готовые ИИ-агенты под конкретные задачи - https://3seller.com/ai/agents. Выбираешь агента, начинаешь с ним общение, а модель меняешь прямо в чате, не пересоздавая диалог и не теряя контекст.

Готовые ИИ-агенты 3GPT под задачи бизнеса

Логика простая. Обычный чат - это чистый лист, и каждый раз ты сам объясняешь контекст, роль и формат. Агент уже настроен: у него есть специализация, тон и структура ответа. Копирайтер, аналитик, редактор, помощник по документам. Экономия не в секундах, а в качестве первого ответа, который обычно и определяет, придется ли переделывать все заново.

Мне это напоминает эволюцию экспертных систем из шестидесятых. DENDRAL упаковывала знания химика в правила. Сегодняшний агент упаковывает знания маркетолога или юриста в промпт и набор инструкций. Принцип тот же, инструменты несопоставимо мощнее.

Создавайте реалистичные фотографии через лучшие ИИ инструменты - https://3seller.com/3gpt-image

Генерация реалистичных изображений в 3GPT

Примеры изображений, сгенерированных нейросетью

Что из этой истории реально применимо

Семьдесят лет между Дартмутом и сегодняшним днем - это не плавная линия прогресса. Это серия рывков, каждый из которых упирался в железо, данные или деньги. Понимание этой механики избавляет от двух крайностей: паники про то, что ИИ заменит всех завтра, и скепсиса про игрушки для гиков.

Первая волна обещала универсальный разум и провалилась, потому что не хватало вычислений. Сегодняшняя волна обещает меньше на словах и делает больше на деле, потому что под ней есть GPU, данные и работающий метод обучения. Разница принципиальная, и именно она объясняет, почему вопрос о годе появления первого ИИ в 2027-м задают в десять раз чаще, чем в 2004-м.

Практический шаг для тех, кто хочет не читать про историю, а пользоваться результатом: зайти на 3seller.com/3gpt, пополнить баланс российской картой и сравнить пару моделей на своей реальной задаче. Не на демо и не на стихах про осень, а на том, что горит в работе прямо сейчас. Разница между флагманскими моделями проявляется именно на живых задачах, и никакая статья этого не заменит.

← Вернуться к блогу

Читать дальше