Nițescu, Adriana (2025), Inteligența artificială 2026 – 2050, între fundamente teoretice și sistem auto-auditabil, IT & C, 5:1, 59-69, https://www.internetmobile.ro/inteligenta-artificiala-2026-2050/

 

Artificial Intelligence 2026 – 2050, Between Theoretical Foundations and Self-Auditable System

Abstract

Artificial intelligence is no longer a promise of the future, but an invisible infrastructure of the present. This article proposes a coherent and strategic reading of the evolution of AI, from its cybernetic foundations to contemporary forms – generative artificial intelligence, hybrid systems, and convergence with quantum computing.

Keywords: artificial intelligence, theoretical foundations, self-auditable system

Rezumat

Inteligența artificială nu mai este o promisiune a viitorului, ci o infrastructură invizibilă a prezentului. Acest articol propune o lectură coerentă și strategică a evoluției AI, de la fundamentele sale cibernetice până la formele contemporane – inteligența artificială generativă, sistemele hibride și convergența cu calculul cuantic.

Cuvinte cheie: inteligența artificială, fundamente teoretice, sistem auto-auditabil

 

IT & C, Volumul 5, Numărul 1, Martie 2026, pp. 59-69
ISSN 2821 – 8469, ISSN – L 2821 – 8469
URL: https://www.internetmobile.ro/inteligenta-artificiala-2026-2050/
© 2025 Adriana NIȚESCU. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor.

 

Inteligența artificială 2026 – 2050, între fundamente teoretice și sistem auto-auditabil

Adriana NIȚESCU[1]
office@octo-go-n.com

[1] PhD UPB – SD AIMA

 

Introducere

Inteligența Artificială nu mai este o promisiune a viitorului, ci o infrastructură invizibilă a prezentului.

Acest articol propune o lectură coerentă și strategică a evoluției AI, de la fundamentele sale cibernetice până la formele contemporane – inteligența artificială generativă, sistemele hibride și convergența cu calculul cuantic (Russell & Norvig, 2021; Tegmark, 2017).

Evoluția rapidă a sistemelor bazate pe învățare automată și modele de mari dimensiuni a generat beneficii semnificative, dar și provocări majore legate de transparență, control și responsabilitate (Floridi et al., 2018).

În acest context, auditabilitatea și, într-o etapă avansată, auto-auditabilitatea sistemelor AI devin cerințe esențiale.

Prezenta lucrare analizează evoluția istorică și fundamentele teoretice ale inteligenței artificiale, cu un accent particular asupra contribuțiilor cercetătorilor români Ștefan Odobleja, Grigore Moisil și Mircea Mălița (Odobleja, 1938; Moisil, 1968; Mălița, 1974). Este demonstrată actualitatea acestor contribuții în fundamentarea unor arhitecturi moderne de AI auditabil, auto-auditabil și de guvernanță a inteligenței artificiale.

Articolul integrează, de asemenea, date privind stadiul global și național al dezvoltării AI și propune direcții strategice pentru AI RoScience, orientate spre integrarea feedback-ului cibernetic, a logicii formale multi-valoare și a analizei sistemelor complexe în proiectarea inteligenței artificiale contemporane.

AI ca infrastructură a civilizației digitale

Inteligența Artificială a devenit una dintre forțele structurante ale secolului XXI, comparabilă ca impact cu electricitatea sau internetul (Brynjolfsson & McAfee, 2014). Ea redefinește nu doar industrii, ci și modele cognitive, relații sociale și paradigme de cunoaștere. În această competiție globală accelerată, statele care nu își articulează propriile viziuni științifice riscă să devină simple piețe de consum algoritmic (Mazzucato, 2021).

Dezvoltarea accelerată a inteligenței artificiale a condus la integrarea acesteia în procese decizionale critice, inclusiv în administrația publică, sănătate, finanțe și politici publice.

În paralel, complexitatea crescută a modelelor bazate pe învățare profundă a generat sisteme dificil de interpretat și de controlat, cunoscute în literatura de specialitate ca black-box models (Lipton, 2018). În acest context, problematica auditabilității AI nu mai reprezintă doar o cerință tehnică, ci una epistemologică și instituțională (Floridi, 2023).

Direcțiile recente de cercetare indică necesitatea tranziției de la sisteme AI auditabile exclusiv din exterior către sisteme capabile de auto-monitorizare și auto-auditare (Dignum, 2019).

Scopul acestui articol este de a demonstra că fundamentele conceptuale ale unui asemenea tip de AI pot fi regăsite în contribuțiile teoretice ale cercetării fundamentale românești și de a integra aceste contribuții într-un cadru academic coerent.

Etapele de dezvoltare a tehnologiei AI

Evoluția AI nu este liniară, ci stratificată, fiecare etapă adăugând un nou nivel de abstractizare și putere computațională. (Russell & Norvig, 2021)

1. Cercetarea fundamentală (1940–1970), caracterizată de apariția ciberneticii, a teoriei sistemelor și a conceptului de feedback;
2. Etapa experimentală (1970–1990), marcată de dezvoltarea sistemelor expert, a logicii simbolice și a primelor rețele neuronale;
3. Transferul tehnologic (1990–2000), în care AI începe să fie integrată în aplicații industriale;
4. Maturizarea și reglementarea (2000–2020), caracterizată de extinderea utilizării rețelelor neuronale profunde și de apariția preocupărilor legate de etica, securitatea și impactul social al AI.
5. Adoptarea digitală globală (2020–prezent), perioada actuală este marcată de dezvoltarea modelelor de mari dimensiuni (Large Language Models), de inteligența artificială generativă
6. Transformarea digital[ (2025–2050), perioada definită de convergența AI cu alte tehnologii emergente, precum calculul cuantic și sistemele distribuite.

Tendințele tehnologice majore vor fi: AI generativă și LLMs, AI + Quantum

Computing, Edge AI și sisteme senzoriale distribuite, AI hibridă (date + logică + modele fizico-chimice) etc.

Inteligența artificială parte a transformării digitale

Deși asistăm la un AI-centrism susținut de cercetători precum Tegmark (2017), Hassabis, Russell (2019), Bengio sau Bostrom (2014), aceștia consideră unanim că impactul AI va fi major în orice scenariu viitor.

Totuși, atenția excesivă acordată inteligenței artificiale ca fenomen autonom este parțial exagerată. AI nu este un fenomen în sine, ci rezultatul convergenței mai multor factori: investițiile în inovație, antreprenoriatul tehnologic, Big Data, apariția tehnologiilor emergente și evoluția platformelor IoT.

Toți acești factori au generat ceea ce numim astăzi transformarea digitală, o etapa de trecere de la economia digitală spre economia virtuală prin adopția noilor generații de internet (5G-7G), apariția BigData, RPA și IoT, stabilizarea și adopția tehnologiilor emergete (edge computig, AI, quantum computing și neuromorfic computing, metaverse si VR/RA/XR, blockchaine și web3, securitate cibernetică adaptativă etc.

De aceea numeroși autori plasează în centrul transformării digitale, nu AI, ci datele (Mayer-Schönberger & Cukier, 2013; Floridi, 2014), tehnologiile cuantice (Nielsen & Chuang, 2010), platformele digitale (Srnicek, 2017; van Dijck et al., 2018), omul augmentat (Engelbart, 1962) sau guvernanța tehnologică (Dignum, 2019).

Există și o orientare critică (anti-AI-centrism), care consideră AI drept hype sau ideologie, invocând limitele actuale (Marcus, 2020), costurile ascunse (Crawford, 2021) și impactul cultural și democratic (Sadin, 2019).

Contribuția cercetării românești la dezvoltarea AI

România nu este un actor periferic în istoria AI, ci un contributor timpuriu și profund conceptual.

Ștefan Odobleja a formulat principiul feedback-ului generalizat și al autoreglării sistemelor (Odobleja, 1938), fundamente esențiale pentru mecanismele moderne de auto-monitorizare algoritmică. bază conceptuală a auto-auditului, în care evaluarea nu este exclusiv externă, ci integrată structural în sistemul AI.

Grigore Moisil a contribuit decisiv la logica multi-valoare și teoria automatelor (Moisil, 1968), cadre formale esențiale pentru separarea inferenței statistice de validarea logică internă. Astfel, logica multi-valoare poate funcționa ca un strat intern de auditare formală, esențial pentru explicabilitatea și verificabilitatea AI..

Mircea Mălița a dezvoltat modele strategice pentru analiza sistemelor sociale complexe (Mălița, 1974), relevante pentru meta-auditul AI și evaluarea impactului sistemic. Această viziune extinde auditul AI dincolo de corectitudinea internă, către responsabilitatea socială și guvernanța adaptivă.

Integrarea feedback-ului cibernetic, a logicii formale și a analizei strategice conduce la o arhitectură stratificată de AI auditabil și auto-auditabil, compatibilă cu nevoile actuale de etică și reglementare pentru o extindee la scaa a utilizării Inteligentei Artificiale.

Stadiul actual al dezvoltării AI (2023–2026)

Global

Astăzi, cercetarea și dezvoltarea AI sunt concentrate în câteva regiuni cu investiții majore și infrastructură avansată, iar adoptarea AI în mediul de afaceri și în rândul populației continuă să crească, cu diferențe notabile între state.

China și Statele Unite conduc ecosistemul global de R&D, fiind urmate de câteva țări europene (Germania, Franța, statele nordice), în timp ce Japonia și Emiratele Arabe Unite înregistrează cele mai ridicate rate de adopție (Brennen & Kreiss, 2016; Bughin et al., 2018).

Progresul AI este susținut de trei piloni principali:

1. Centre de cercetare și dezvoltare specializate în AI:

    DeepMind (UK / SUA), MILA (Canada), Mohamed bin Zayed University of AI

(UAE), IPAI – Innovation Park Artificial Intelligence (Germania).

2. Companii tehnologice majore care dezvoltă modele fundamentale:

    Google/Alphabet, OpenAI, Microsoft, Meta, Nvidia (Amodei et al., 2016;

Bostrom, 2014).

3. Ecosisteme de start-up-uri axate pe finanțe, sănătate și logistică:

    Mistral AI (Franța), Thinking Machines Lab (SUA), Alta (Israel), Multiverse

Comp. (Spania), UK, Germania, Franța.

La nivel global, adoptarea AI arată o creștere semnificativă atât în mediul de afaceri („AI user share”), cât și în rândul utilizatorilor individuali („AI high acceptance”), cu diferențe regionale în ceea ce privește gradul de acceptare și maturitatea utilizării. AI user share înregistrează o medie de 15% la nivel global și 8% în UE, depășind considerabil media globală în UAE și Singapore (59%), precum și în Norvegia, Danemarca, Suedia, Finlanda, Irlanda și Coreea de Sud.

La nivel de populație, China se menține lider mondial în ceea ce privește AI high acceptance (Bughin et al., 2018; PwC, 2023).

Romania

România dispune de un potențial semnificativ în domeniul inteligenței artificiale, deși există un decalaj între capacitatea de cercetare și nivelul de implementare practică.

Țara se află într-o poziție intermediară, cu un nivel moderat de adopție, dar cu un potențial ridicat, datorită resursei umane calificate, ecosistemului de start-up-uri și tradiției teoretice relevante pentru AI (Cioara et al., 2020).

În privința adoptării, IMM-urile raportează un AI user share de 22–75%, iar populația înregistrează o adopție de 75% (AI high acceptance).

Un studiu EY arată că, din 60% dintre organizațiile românești care testează adoptarea AI, doar aproximativ 11,2% au implementări reușite, iar datele Eurostat 2023 indică o adopție de 1,5% în companiile cu mai mult de 10 angajați.

În 2023, un studiu Techcelerator a identificat 150 de start-up-uri AI, număr care s-ar fi putut dubla până în 2026. Acestea, alături de companii autohtone precum UiPath, Druid AI, Neurolabs, Steepsift AI și Footprints AI, constituie o alternativă semnificativă la cercetarea și dezvoltarea AI.

Chiar dacă România nu este un lider global în R&D, poate deveni un actor european relevant prin investiții în expertiză tehnico-științifică, infrastructură și capacitate organizatorică pentru scalarea proiectelor de la pilot la scară largă, inclusiv: infrastructură AI și supercomputing (RO AI Factory – EuroHPC), rețeaua europeană de centre AI pentru inovare și acces la resurse (BSC AI Factory) și UPB AI Hub.

Evolutia AI in perioada 2026 – 2050

Inteligența artificială devine parte integrantă a ecosistemelor economice, politice și sociale, nu doar o tehnologie, funcționând atât ca serviciu public, cât și ca platformă economică.

Aceasta se integrează în guverne digitale, servicii publice, industria 4.0 și logistică globală, influențând proprietatea intelectuală, cererea și oferta, interoperabilitatea sistemelor și competitivitatea bazată pe rețele și date (Brynjolfsson & McAfee, 2014).

AI va trece de la modelul „tech for efficiency” la guvernanță globală, adoptând reguli și standarde internaționale, alianțe pentru AI sigură și diplomație AI (Bostrom, 2014; Floridi, 2019). De asemenea, va funcționa atât ca instrument de apărare cibernetică, cât și ca vector de atac (Brundage et al., 2018).

Schimbările vor fi profunde în ocuparea forței de muncă, competențe, educație, inegalitate și coeziune socială: creșterea productivității globale, dispariția sau transformarea multor locuri de muncă, apariția unor noi profesii (AI governance, etică, colaborare om–AI) și polarizarea între state cu capacitate AI avansată și cele dependente tehnologic (OECD, 2020).

AI va optimiza resursele pentru modelare climatică și soluții ecologice (Rolnick et al., 2019) și va planifica, executa și se va auto-optimizează (AI autonomă).

AI va fuziona cu alte tehnologii emergente, precum Internet of Things (IoT), robotică, biotehnologie și calcul cuantic (Tegmark, 2017), iar Quantum computing va redefini limitele AI, generând inteligență cuantică, AI post-digitală și inovație autonomă (Aaronson, 2020; Preskill, 2018).

Până în 2050, AI va remodela relația om–muncă–stat, va susține noi modele economice și sociale, va crește importanța educației continue și a adaptabilității și va genera tehnologii emergente cu impact extins (Tegmark, 2017; Brynjolfsson & McAfee, 2014).

Romania, valorificând avantajele structurale – resursă umană calificată în informatică și matematică, experiență în dezvoltarea de software și servicii digitale, tradiție teoretică relevantă pentru AI explicabil și auditabil, poate depăși modelul de adopție pasivă și se poate afirma în dezvoltarea arhitecturilor AI specializate, cu impact deosebit în auditabilitate, etica algoritmică și guvernanța AI.

Priorități strategice recomandate

• poziționarea ca furnizor de cunoaștere, nu doar de forță de muncă;
• consolidarea infrastructurii de cercetare și crearea de structuri interdisciplinare;
• creșterea impactului științific și vizibilității internaționale a rezultatelor;
• facilitarea transferului tehnologic către mediul economic;
• finanțări dedicate AI, Quantum și Bio-AI;
• dezvoltarea unei platforme open-source pentru cercetările Academiei Române;
• digitalizarea patrimoniului științific național;
• elaborarea de soluții AI explicabile, auditabile și adaptate cerințelor instituționale;
• crearea cadrelor etice și juridice pentru utilizarea responsabilă a AI.

Concluzii

Prezentul articol a analizat fenomenul transformării digitale contemporane, din care inteligența artificială este parte integrantă și pe care o poate modela prin algoritmi stabili, maturi, auditabili și auto-auditabili.

Astfel de sisteme pot fi dezvoltate atât în epicentrele globale de cercetare și dezvoltare în AI, cât și în România, care dispune de o tradiție solidă în cercetarea fundamentală a sistemelor cibernetice.

Transformarea digitală în perioada 2026–2050 se va manifesta ca un proces global, multidimensional și policentric, în care AI reprezintă un motor esențial, dar nu exclusiv. Inteligența artificială se va dezvolta în strânsă interdependență cu securitatea cibernetică, guvernanța, datele și computația cuantică.

Deși decalajele tehnologice pot genera episoade de AI-centrism, succesul pe termen lung al inteligenței artificiale va depinde de integrarea acesteia într-un cadru coerent de securitate, guvernanță, competențe și sustenabilitate.

Fundamentele unui AI responsabil, auditabil și auto-auditabil pot fi regăsite în contribuțiile teoretice ale cercetării românești. Integrarea feedbackului cibernetic, a logicii formale și a analizei strategice oferă un cadru robust pentru proiectarea și dezvoltarea inteligenței artificiale contemporane și viitoare.

Cercetarea românească în AI este solidă, profundă și scalabilă, însă încă insuficient articulată strategic. România deține nu doar date și algoritmi, ci și o memorie științifică relevantă, cu potențial de integrare în bazele de cunoaștere ale sistemelor AI.

Succesul României prin AI depinde de politici publice coerente, investiții susținute în educație digitală și capacitatea de a integra inteligența artificială într-un mod etic și eficient.

În absența acestor condiții, România riscă să rămână un utilizator de AI aflat îstadiul de implementare, nu un actor al inovării.

Bibliografie

1. Aaronson, S. (2020). Quantum Computing Since Democritus. Cambridge University Press.
2. Amodei, D., Olah, C., Steinhardt, J., Christiano, P., Schulman, J., & Mané, D. (2016). Concrete Problems in AI Safety. arXiv:1606.06565.
3. Anderson, R. (2020). Security engineering (3rd ed.). Wiley.
4. Ashby, W. R. (1956). An introduction to cybernetics. Chapman & Hall.
5. Bengio, Y., LeCun, Y., & Hinton, G. (2015). Deep learning. Nature, 521, 436–444. [https://doi.org/10.1038/nature14539](https://doi.org/10.1038/nature14539)
6. Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.
7. Bremmer, I. (2022). The power of crisis. Simon & Schuster.
8. Brennen, S., & Kreiss, D. (2016). Digitalization and Its Discontents. MIT Press.
9. Brundage, M., Avin, S., Clark, J., et al. (2018). The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation. arXiv:1802.07228.
10. Brynjolfsson, E., & McAfee, A. (2014). The second machine age. W. W. Norton.
11. Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018). Notes from the AI frontier: Modeling the impact of AI on the world economy. McKinsey Global        Institute.
12. Cioara, T., Dobre, C., & Salomie, I. (2020). Artificial Intelligence Trends in Romania: Opportunities and Challenges. Journal of Intelligent Systems, 29(1), 1–17.
13. Coeckelbergh, M. (2020). AI ethics. MIT Press.
14. Crawford, K. (2021). Atlas of AI. Yale University Press.
15. Dignum, V. (2019). Responsible Artificial Intelligence. Springer.
16. Engelbart, D. (1962). Augmenting human intellect: A conceptual framework. Stanford Research Institute.
17. EY (2023) – studiu privind adopția AI în organizațiile românești
18. Eurostat, 2023 – date privind adopția AI în companiile cu >10 angajați.
19. Farrell, H., & Newman, A. (2019). Weaponized interdependence: How global economic networks shape state coercion. International Security, 44(1), 42–79.          [https://doi.org/10.1162/isec_a_00351](https://doi.org/10.1162/isec_a_00351)
20. Floridi, L. (2014). The fourth revolution: How the infosphere is reshaping human reality. Oxford University Press.
21. Floridi, L., Cowls, J., Beltrametti, M., et al. (2018). AI4People—An ethical framework for a good AI society. Minds and Machines, 28, 689–707.         [https://doi.org/10.1007/s11023-018-9482-5](https://doi.org/10.1007/s11023-018-9482-5)
22. Floridi, L. (2019). The Ethics of Artificial Intelligence. Oxford University Press.
23. Floridi, L. (2023). Ethics, governance, and responsible AI. Springer.
24. Licklider, J. C. R. (1960). Man–computer symbiosis. IRE Transactions on Human Factors in Electronics, HFE-1, 4–11.        [https://doi.org/10.1109/HFE.1960.5407589](https://doi.org/10.1109/HFE.1960.5407589)
25. Lipton, Z. C. (2018). The mythos of model interpretability. Communications of the ACM, 61(10), 36–43.       [https://doi.org/10.1145/3233231](https://doi.org/10.1145/3233231)
26. Mălița, M. (1974). Orizonturi ale gândirii strategice. Editura Politică.
27. Marcus, G. (2020). Rebooting AI. Pantheon Books.
28. Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt.
29. Meadows, D. H. (2008). Thinking in systems. Chelsea Green.
30. Moisil, G. (1968). Logică matematică. Editura Academiei.
31. Nielsen, M. A., & Chuang, I. L. (2010). Quantum computation and quantum information. Cambridge University Press.
32. Nissenbaum, H. (2010). Privacy in context. Stanford University Press.
33. Norman, D. A. (2013). The design of everyday things (Rev. ed.). Basic Books.
34. Odobleja, Ș. (1938). Psychologie consonantiste [Psihologia consonantistă]. Maloine.
35. OECD (2020). AI in Society: Challenges and Opportunities. OECD Publishing.
36. Preskill, J. (2018). Quantum computing in the NISQ era and beyond. Quantum, 2, Article 79. [https://doi.org/10.22331/q-2018-08-06-79](https://doi.org/10.22331/q-2018-08-06-79)
37. PwC (2023). Global Artificial Intelligence Study: Exploiting the AI Revolution. PricewaterhouseCoopers.
38. Rolnick, D., Donti, P. L., Kaack, L. H., Kochanski, K., Lacoste, A., Sankaran, K., … & Bengio, Y. (2019). Tackling Climate Change with Machine Learning. arXiv:1906.05433
39. Russell, S. J., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
40. Sadin, É. (2019). La silicolonisation du monde. L’Échappée.
41. Schneier, B. (2018). Click here to kill everybody. W. W. Norton.
42. Shneiderman, B. (2020). Human-centered artificial intelligence. Oxford University Press.
43. Simon, H. A. (1969). The sciences of the artificial. MIT Press.
44. Srnicek, N. (2017). Platform capitalism. Polity Press.
45. Techcelerator, 2023 – numărul de start-up-uri AI din România.
46. Tegmark, M. (2017). Life 3.0: Being human in the age of artificial intelligence.
47. Knopf. van Dijck, J., Poell, T., & de Waal, M. (2018). The platform society. Oxford University Press.
48. Wiener, N. (1948). Cybernetics: Or control and communication in the animal and the machine. MIT Press.
49. Zuboff, S. (2019). The age of surveillance capitalism. PublicAffairs.