Když AI není dílem člověka

Téma umělé inteligence, ať již jako náhrady lidského faktoru nebo rozšíření (augmentaci) lidských možností, je velmi živé. Na téma přínosů pro společnost existuje množství článků a studií. Co když ale člověk není jediným, kdo dokáže AI sestrojit?

Zatímco někoho pokroky v umělé inteligenci znepokojují, my v Trasku se řadíme spíše do skupiny „vítací typ“. Že téma AI polarizuje společnost, ukazuje například oblast samořiditelných aut – a to jak v přepravě osobní, tak i v nákladní. Jde o velmi hmatatelnou aplikaci AI, na auta si může každý sáhnout a když dojde ke kolizi, lze ji pocítit. Méně viditelnou, ale neméně zajímavou, sférou jsou pak nejrůznější případy využití umělé inteligence v zákaznické komunikaci. Trask má blízko k prostředí finančních institucí, naši odborníci se tedy aktuálně zabývají možnostmi využití tzv. chytrých asistentů či chatbotů.

Experiment

Je otázkou času, kdy tvůrci systémů umělého myšlení narazí na limity, které před ně postavila sama příroda. Člověk zřejmě přestane být schopen (v akceptovatelné době) vytvářet dostatečně kvalitní software. Příklady práce s touto skutečností ukazuje společnost Google. Vědci z výzkumné skupiny Google Brain provedli velmi konkrétní experiment. Podařilo se jim vytvořit samoučící se software pro rozpoznávání lidské řeči. Zadání však nezpracoval tým programátorů, ale jimi vytvořený, jiný samoučící se systém. Když následně porovnali výsledky se systémem vytvořeným člověkem, ukázala se převaha umělé inteligence. Software, který vytvořil jiný software, dosáhl lepších výsledků. Právě efektivní rozpoznávání hlasu otevírá široké možnosti právě pro chytré asistenty a chatboty (když hovoříme o Google, jistě znáte Google Assistant z platformy Android). Například v oblasti kvalitnější zpětné vazby, reakce na emoce v hlase, reakce na přesnost vyjádření atd.

V angličtině samozřejmě není o chatboty nouze, ale pro náš trh je důležitá i podpora českého a slovenského jazyka. S našimi zákazníky práve řešíme koncept nasazení AI, která naší mateřštině rozumí. Oproti velkým hráčům na poli AI je to unikátní projekt.

Jan Koudela, Senior Manager Trask

Google Brain ovšem není jediná skupina, která se problematikou vytváření umělé inteligence pomocí jiné umělé inteligence zabývá. Další tým v rámci Google, který o sobě dal vědět, je DeepMind (jehož slavným „produktem“ je AlphaGo, AI která porazila nejlepšího lidského hráče ve hře Go). Mimo Google pak jde například výzkumný institut OpenAI (který mj. spoluzakládal Elon Musk), vědce z MIT nebo z Kalifornské univerzity v Berkeley.

Experiment Google Brain ukázal, že pokud by se samoučící AI techniky staly běžnou praxí, zásadně by se zvýšilo tempo implementace machine learningových systémů v rámci celé ekonomiky. V současné době firmy totiž platí velké sumy expertům, kteří se o AI starají. Je jich totiž velký nedostatek … a, jak bylo uvedeno výše, jsou limitováni lidskou schránkou. Umělé inteligenci, kterou vytvořila jiná umělá inteligence, stačí k dosažení uspokojivých výsledků zlomek dat, ze kterých se „učí“, oproti systémům vytvořených člověkem. Tato výhoda se projevila na úloze návrhu designu řešení problému orientace v bludišti. Schopnost generalizace a plnění nových úloh proběhlo v kratším tréninkovém čase, než bylo obvyklé bez programování umělou inteligencí. Získané urychlení umožní zkrátit časy businessové aplikace AI a přeneseně tedy i rychlejší přínos společnosti, která systém nasadí.

Turing, von Neumann… Bengio!

Nápad vytvořit software, který se učí učit se, není nový. Dosavadní experimenty ale nepřinesly výsledky, které by dokazovaly převahu algoritmizace umělou inteligencí nad algoritmizací prováděnou člověkem . Zatímco John von Neumann již v roce 1950 postuloval, že „v krátké době počítače dosáhnou či dokonce překonají intelektuální schopnosti člověka“, teprve Yoshua Bengio, profesor na univerzitě v Montréalu přednesl v devadesátých letech myšlenku, že větší výpočetní síla a pokrok v technologii zvané „deep learning“ umožní teoretické předpoklady návrhu systémů jiným systémem převést do praxe. Poznamenal ale, že soudobá technika neumožňuje nahradit lidský prvek.

Pravdou je, že k praktické realizaci museli výzkumníci z Google Brain využít 800 vysoce výkonných GPU, a to na příkladu designování software pro rozpoznávání obrazu. Až díky takovému vybavení dosáhli potřebné úrovně výkonu, aby byl AI systém schopen poměřit se s těmi nejlepšími výtvory vytvořenými člověkem.

Co bude dál?

Automatizované machine learningové systémy výrazně zjednoduší analýzu dat napříč lidskou společností. Data jsou základem informace a informace je základem znalosti. A znalosti jsou pro zvýšení efektivity systémů umělé inteligence klíčové.

Jestliže jsme tedy v Trask nedávno začali u našich klientů implementovat systémy pro sběr velkých dat, nyní na základě nich provádíme (člověkem asistované) sofistikované analýzy pro vytěžování znalostí. Automatizovaná „výroba“ systémů AI umožní v nedaleké budoucnosti dosahovat daleko lepších analytických a prediktivních výstupů v kratším čase, ve vyšší kvalitě a bez lidského faktoru.