Základy AI – budoucnost anebo poslední vynález lidstva?

Když uslyšíte pojem „umělá inteligence“ (AI), nejspíše se Vám pod tímto termínem vybaví autonomní vozidla, roboti, generativní AI modely jako je například ChatGPT či uměle vyrobené obrázky. Umělá inteligence je sama o sobě velmi obecný pojem, který formálně existuje již od 50. let 20. století.

Definice umělé inteligence byla zavedena jako schopnost stroje vykonávat úkol, který by dříve vyžadoval lidskou inteligenci a přizpůsobivost. Jelikož je však tato definice velmi obecná a dá se stáhnout na více věcí, v průběhu minulých desetiletí byla kvůli novým technologickým a vědeckým výzkumům několikrát pozměněna.

Před tím, než přiřadíte pojem „inteligence“ ke stroji, je důležité nejprve určit, co se pojmem „inteligence“ vůbec myslí a čím je definována. Tento krok je zcela zásadní, poněvadž až pouze po něm, můžeme dělat verdikt o ne/inteligenci daného stroje či systému.

Inteligence je něco, co nás dělí od ostatních živých bytostí a něco, co je pro nás lidi zcela zásadní, něco bez čehož bychom nemohli existovat. Nad definicí „inteligence“ existuje mnoho kontroverzí, a to už také z důvodu, že neexistuje pouze jedna souhrnná inteligence. Pro běžnou inteligenci, se kterou se běžně ve svém životě setkáváte se usneslo označení IQ neboli inteligenční kvocient, ta je definována jako schopnost přizpůsobit se, řešit problémy, plánovat, improvizovat nebo se učit novým dovednostem. Kromě toho však existuje i například racionální inteligence, emoční kvocient nebo sociální inteligence.

Při přemýšlení nad inteligencí systému se však nejvíce poukazuje právě na inteligenční kvocient, tedy schopnost řešit problémy bez lidského přičinění. Jelikož obzvláště v dnešní době vývoj AI se posouvá raketovou rychlostí, již dnešní systémy AI jsou schopné vykazovat některé rysy lidské inteligence, včetně výše zmíněného učení, řešení problémů, vnímání, a dokonce i kreativní schopnosti nebo sociální inteligenci.

Jak můžeme umělou inteligenci využít?

Umělá inteligence se vyskytuje v různých podobách, jak jsme si výše uvedli, neexistuje pouze jedna umělá inteligence. I z toho důvodu diskuse o umělé inteligenci jakožto jednom souhrnném pojmu ve zprávách či politice nemusí být zcela jasná a transparentní. Rčení, že AI nás všechny jednou zničí, dosahuje pak vysoké lability právě z toho důvodu, že zatímco můžete mít AI, která Vám automaticky zhasíná a rozsvěcuje v domácnosti, můžete mít i AI, která je schopná řešit různé problémy, pohybovat se po síti a přizpůsobovat se situaci. (takové AI se pak říká AGI, o tom si více povíme níže)

Zeptáte-li se ChatGPT na hlavní město nějaké země nebo požádáte Alexu o poskytnutí aktuálních informací o počasí, dostanete odpovědi, které jsou výsledkem algoritmů strojového učení, jež tvoří nedílnou součást umělé inteligence (ke strojovému učení se dostaneme za chvíli).

AI tak můžete využít pro různé způsoby, zde uvedu výčet některých z nich, v realitě je zde však nepřeberné množství různých využití:

Generování textů – eseje, recepty, příběhy, informativních textů, básně apod.
Generování kódu – vhodné pro programování
Generování obrázků – pro grafické účely
Řízení chytré domácnosti
Chytrý asistent
Psycholog nebo Fyzioterapeut
Autonomní vozidla
Implantáty či nahrazení chybějících končetin
Medicína a lékařství

Ačkoli tyto systémy nemusí nutně nahrazovat lidskou inteligenci ani sociální interakce, jejich schopnost učit se a přizpůsobovat se novým situacím, z nich činí velmi efektivní pomocníky, kteří nám mohou velmi pomoci s denními repetitivními činnostmi.

Jaké jsou kategorie umělé inteligence?

V současné době existují tři uznávané podkategorie umělé inteligence, kam můžeme tyto systémy zařadit:

Úzce zaměřená neboli slabá umělá inteligence (Narrow Artificial Intelligence)
Obecná neboli silná inteligence (General Artificial Intelligence)
Super umělá inteligence (Super Artificial Intelligence

Na každou z nich se teď společně podíváme a rozlišíme si, v čem se liší od ostatních, a jaké má využití.

Úzcá/slabá umělá inteligence

Úzce zaměřená umělá inteligence (z anglického Artificial Narrow Intelligence, ANI) představuje základní model, na kterém dnes stojí hlasoví asistenti jako jsou Siri, Alexa nebo Google Assistant. Jejich schopnosti se omezují na vykonávání jen konkrétně vymezených úloh a řešení specifických problémů, pro které byly natrénovány.

Jak jsem se již zmiňoval označení „slabá AI“ je pro úzkou umělou inteligenci často používané právě z důvodu jejích omezených schopností. Kromě hlasových asistentů lze jako příklady úzké AI uvést například systémy pro rozpoznávání obrazu, asistenty pro zákaznický servis nebo nástroje pro detekci nevhodného obsahu na internetu.

Mezi exemplární systémy slabé AI lze uvést i ChatGPT, který je uzpůsoben pro generování textových odpovědí uživateli na jeho otázky.

Obecná/silná umělá inteligence

Obecná umělá inteligence (Artificial General Intelligence, AGI), známá též jako silná AI, je stále teoretickým konceptem, ke kterému se neustále snažíme přiblížit (v současné době už možná nejsme tak daleko). Stroje by díky AGI mohly být schopné vykonávat širokou škálu úkolů na základě svých zkušeností, které by při vykonávání úkolu získávali. Tento typ inteligence by měl být srovnatelný s lidskou inteligencí, která umožňuje strojům myslet a uvažovat na podobné úrovni jako lidé.

AGI by měla být schopná abstraktního myšlení, učení se z vlastních zkušeností a opětovné aplikace těchto znalostí při řešení nových problémů. V současné době se k AGI postupně přibližujeme, vývoj takového systému by mohl předznamenat podobnou změnu jako průmyslová revoluce počínající rokem 1 760.

Super umělá inteligence

Super umělá inteligence (Artificial Superintelligence, ASI) by mohla lidstvo nejen naprosto transformovat, ale potenciálně i zničit. Pokud se vám to zdá jako příběh z pera Isaaca Asimova, amerického sci-fi spisovatele a vědce, máte částečně pravdu – jedná se o značně futuristický koncept, který v dohledné době je nerealizovatelný. ASI by neměla být jenom rovná lidským schopnostem a lidské inteligenci, ale dokonce ji i převyšovat. ASI by pak dokázala všechny lidské funkce nejen napodobit, ale i překonat.

Inteligentní systém, který se neustále učí a zdokonaluje, je zatím stále pouze teoretickým konceptem. Pokud by však bylo možné takový systém efektivně a eticky využívat, mohl by přinést výjimečné pokroky a úspěchy v medicíně, technologiích a mnoha dalších oborech. Opět zde platí dvojsečné ostří nože a přísloví od Bena Parkera: „S velkou sílou přichází i velká zodpovědnost“

Pokroky v umělé inteligenci: Kdy AI začala nabývat na významu v očích veřejnosti?

Jako nejvýznamnější pokrok v umělé inteligenci lze považovat vývoj a zpřístupnění modelů GPT 3.5 a GPT 4 veřejnosti. Kromě toho zhruba ve stejnou dobu prorazil na veřejnost i generativní výtvarný AI model Midjourney a DALL E 2, které veřejnost ohromily svými schopnostmi generovat velmi realistické a kreativní obrázky na základě textového zadání.

Tyto dva mimořádné okamžiky, které počínali koncem minulého roku, doslova rozpoutali záplavu dalších modelů umělé inteligence, které se začali hrnout z dílen známých i méně známých společností. Spolu se teď podíváme na některé z významných oblastí umělé inteligence, které mají potenciál způsobit revoluci v 21. století.

ChatGPT a další generace modelů GPT

ChatGPT je chatbot využívající umělou inteligenci, díky níž je schopen generovat texty, překládat a odpovídat na otázky a mnoho dalšího. ChatGPT byla vytvořena a natrénována společností OpenAI, která jej zpřístupnila koncem roku 2022 a učinila z něj revoluční systém, jež dosáhl kolem 100 milionů aktivních uživatelů v lednu roku 2023, čili zhruba 2 měsíce po jeho zpřístupnění. Stal se tak nejrychleji rostoucí aplikací v dějinách digitálních technologií. Hlavní předností ChatGPT byla jeho dostupnost široké veřejnosti a velké možnosti v generování textů od e-mailů, zpráv, uměleckých textů až po eseje či seminární práce.

GPT (Generative Pre-trained Transformer) je zkratka pro generativní model předtrénovaný s cílem transformovat programovací jazyk do toho lidského, to v praxi znamená, že místo „jedniček a nul“ Vám ChatGPT vygeneruje souvislý Vám srozumitelný text. GPT-3 byl v roce 2020 v době svého uvedení největším existujícím jazykovým modelem se 175 miliardami parametrů. Nejnovější model, GPT-4, také z díly společnosti OpenAI disponuje až jedním bilionem parametrů, což ho staví na úroveň se jednoho z nejvýkonnějších velkých generativních modelů v současnosti. GPT-4 je aktuálně dostupný skrze ChatGPT Plus, kde si je nutné zavést předplatné, nebo skrze Microsoft Bing Chat, který je zdarma.

Autonomní vozidla

Bezpečnost samořídících automobilů je nejzásadnějším parametrem, kterým musí autonomní vozidla disponovat. Ačkoli dříve tento parametr vnášel do vývoje řadu problémů, postupem času docházelo k inovacím senzorů a reakčních čipů a dnes díky neustálým pokrokům v oblastí AI se autonomní řízení vozidla pomalu blíží k realitě. Autonomní vozidla využívají algoritmy strojového učení, které zpracovávají data ze senzorů a kamer za účelem integrace vozu s okolím. Vůz by měl být schopen vyhodnocovat obrovské množství parametrů, které běžně s dopravou souvisí, podle nich by se měl pak adekvátně rozhodovat.

Někteří lidé zastávají názor, že skutečný úspěch autonomního vozidla nastane v bodě, kdy takové vozidlo bude schopné pohybovat se napříč rušnou metropolí měst typu New York City, San Francisco, Washington D. C apod.

Jako příklad částečného autonomního vozidla lze uvést autopilota v elektromobilech Tesla, ale také i společnost Waymo, která je součástí mateřské společnosti Google Alphabet. Waymo provozuje autonomní jízdy, jako je taxík bez řidiče, v San Francisku a Phoenixu. Dalšími hráčem na poli autonomních taxíků je například Cruise, a nejspíše i společnosti Apple, Audi, GM a Ford.

Robotika

Ve spojení umělé inteligence a robotiky se zatím nejvíce proslavila společnost Boston Dynamics, kteří vytvořili robota Atlase. Atlas je humanoidní dvounohý robot, jehož primární úloha spočívá ve vyhledávání a zachraňování osob. Robot by tak mohl být užitečný například v oblastech přírodních katastrof či požárů.

V současnosti se na výzkumu robotů poháněných umělou inteligencí kromě Boston Dynamics nejvíce podílejí společnosti Tesla, Honda Motor nebo Toyota Research Institute.

DeepMind

Sesterská společnost Googlu DeepMind je hlavním průkopníkem v oblasti umělé inteligence, která usiluje o dosažení umělé obecné inteligence (AGI). Ačkoli se v tomto případě bude ještě muset nějakou dobu snažit, v roce 2016 se společnost dostala na titulní stránky novin díky svému systému AlphaGo, který jako vůbec první dokázal porazit profesionálního hráče Leeho Sedola v čínské hře Go.

Od té doby se společnost DeepMind značně posunula a vytvořila systém pro předpovídání skládání proteinů, který dokáže předpovídat složité 3D tvary proteinů. Kromě toho také vyvinula systémy pro rozpoznání očních chorob, jako je například šedý zákal, v již raném stádiu a to se značným předstihem a vysokou přesností.

Co je to strojové učení?

Největší kvalitou, která odlišuje umělou inteligenci od ostatních oborů informatiky, je schopnost snadno automatizovat úkoly pomocí strojového učení, které umožňuje počítačům učit se na základě zkušeností ze svých chyb, díky čemuž nemusí být pro každý jednotlivý úkon programovány a uzpůsobovány. Ačkoli tuto schopnost mnozí označují jako umělou inteligenci, strojové učení je ve skutečnosti spíše podmnožinou umělé inteligence.

Strojové učení spočívá v natrénování systému na velkém množství dat, z nichž se může učit a rozpoznávat vzory, které pak používá pro přesné předpovídání a rozhodování i v doposud neznámých situacích.

Strojové učení umožňuje například rozpoznávání textů, obrázků, zvuků či videí. Jedním z konkrétních příkladů je systém rozpoznávání obrázků. Když uživatelé nahrají fotografii na Facebook, sociální síť dokáže obrázek analyzovat a rozpoznat v něm obličeje, na základě čehož Vám doporučí označení Vašich přátel. Sociální sítě jako SnapChat nebo Instagram pak využívají strojové učení pro aplikování různorodých filtrů na Váš obličej. Výhoda strojového učení spočívá v jeho schopnosti zdokonalování se v průběhu času, díky čemuž se systém stává postupně schopnějším a dokáže vyprodukovat kvalitnější výsledky.

Jaké jsou základní prvky strojového učení?

Jak bylo uvedeno výše, strojové učení je podmnožinou umělé inteligence a obecně se dělí do dvou hlavních kategorií: učení pod dohledem a učení bez dohledu.

Učení pod dohledem

Jedná se o běžnou techniku používanou pro učení systémů AI pomocí dat, které byli předem lidmi označeny a vyhodnoceny. Například sada obrázků s kočkami a psy, u nichž bylo přesně určeno, co je kočka, a co je pes. Modely strojového učení se pak učily obrázky rozeznat a vždy dostali zpětnou vazbu, na základě níž mohli své rozpoznávací schopnosti zlepšovat

Pokud by bylo Vaším zájmem vycvičit model strojového učení k rozpoznávání a rozlišování obrázků kruhů a čtverců, začali byste shromážděním velké sady obrázků s kruhy a čtverci v různých stylech a provedeních.

Algoritmus by se pak naučil tuto označenou sbírku obrázků kruhů a čtverců rozlišovat na základě jejich vlastností, například že kruh nemá rohy a čtverec má čtyři stejné strany. Poté, co bude systém takto natrénován na souboru datových obrázků, mu lze předat neoznačkovaný obrázek, u něhož již bude schopen, na základě nasbíraných zkušeností, určit zdali se jedná o čtverec nebo kruh.

Učení bez dohledu

Oproti tomu učení bez dohledu používá zcela jiný druh přístupu, v němž se algoritmy snaží identifikovat vzory v datech a hledají podobnosti, které lze použít ke kategorizaci těchto dat.

Uveďme si jako příklad koš plného ovoce. Máme různé druhy ovoce různých velikostí a hmotností. Algoritmus strojového učení bez dohledu, který se používá pro shlukování, by zkoumal tato ovoce a pokoušel se identifikovat jeho vzorce a znaky. V tomto případě by mohl zjistit, že některé ovoce je podobné ve váze, i když ne vždy ve velikosti nebo tvaru. Například, jablka a banány mohou mít podobnou hmotnost, ačkoli jejich tvar a velikost se znatelně liší.

Stejně tak by mohl algoritmus analyzovat databázi automobilů s různými charakteristikami, jako je velikost motoru, hmotnost vozidla, spotřeba paliva atd. Bez jakéhokoli předchozího tréninku na rozpoznání konkrétních typů aut by mohl algoritmus identifikovat skupiny vozidel s podobnou velikostí motoru a tím vytvořit „shluky“ nebo skupiny. Na základě těchto naučených informací by pak dokázal identifikovat různé typy aut podle jejich parametrů

Algoritmus není předem nastaven tak, aby vybíral konkrétní typy dat; jednoduše hledá data s podobnostmi, která může seskupit, například seskupit zákazníky na základě nákupního chování a zacílit na ně personalizované marketingové kampaně.

Učení posilováním (reinforcement learning)

Učení posilováním, neboli reinforcement learning, je druh strojového učení, kde se algoritmus učí na základě interakce se svým prostředím s cílem splnění svého úkolu.

V tomto přístupu algoritmus – občas označovaný jako „agent“ – podniká určité kroky v prostředí a dostává za ně odměny nebo tresty. Odměny a tresty jsou buď pozitivní nebo negativní hodnoty, které jsou přiřazeny určitým akcím ze strany agenta. Na základě těchto odměn a trestů se agent učí, které kroky mu přinesou největší celkovou odměnu v průběhu času.

Učení posilováním si lze představit například na hře Pong. Zde by agent mohl být umělou inteligencí, která řídí jednu z plošek pro odrážení míčku. Pokud ploška odrazí míček, dostane agent odměnu. Pokud míček projde za plošku agent dostane trest. Postupem času se agent naučí, které pohyby a strategie mu průběžně přináší největší odměnu, tedy jak se hra hraje nejlépe.

V praxi se učení posilováním používá například při vývoji autonomních vozidel, kde se může agent učit, jak nejlépe řídit auto na základě různých senzorických vstupů a feedbacku (zpětné vazbě) z prostředí. Dalším smysluplným užitím by pak mohli být autonomní roboti.

Co jsou to Velké jazykové modely (Large language model)

Velké jazykové modely (LLM) jsou revolučním typem umělé inteligence, která se zasloužila o velké změny pravidel v oblasti strojového učení. S pomocí rozsáhlých nezajištěných datových souborů, zahrnujících obrovské množství textových informací – od knih a článků po webové stránky – se tyto modely „učí“ pochopit a generovat lidský jazyk. Za touto schopností stojí proces, při kterém LLM zpracovávají miliardy slov a frází, učí se vzorce a snaží se najít mezi nimi vztah s cílem generování textu, který je pro nás lidi srozumitelný.

Zatímco v tomto odvětví nejvíce dominuje současný nejnovější model od společnosti OpenAI GPT-4, mezi konkurencí lze nalézt například model Bard od společnosti Google nebo model Claude z dílny společnosti Antropic.

Co je ale skutečnou hnací silou za těmito inovativními jazykovými modely? Odpověď lze nalézt v technologii hlubokého učení, specializované oblasti strojového učení.

Hluboké učení (Deep learning)

Hluboké učení využívá umělé neuronové sítě s třemi nebo více vrstvami, které jsou přizpůsobeny k provádění specifických úloh. Tyto sítě se dále rozvíjejí do složitých struktur s velkým počtem hlubokých vrstev, které se nechávají trénovat na masivních objemech dat. Neuronové sítě mohou mít stovky vrstev a v průběhu tréninku využívají učení pod dohledem, bez dohledu nebo obě metody kombinovaně.

Jelikož jsou tyto modely schopné identifikovat složité vzorce v datech, hluboké učení se často využívá v oblastech jako je zpracovávání přirozeného jazyka (NLP), rozpoznávání řeči nebo rozpoznávání obrazu.

Základem těchto pokročilých technologií jsou neuronové sítě, inspirované strukturou a fungováním lidského mozku. Tyto matematické modely jsou schopné učit se a upravovat své výstupy na základě vložených dat. Tuto skutečnost můžeme uvést na příkladu, kdy neuronové sítě lze chápat jako tým robotů řešících skládačku – každý rozpoznává různé tvary a vlastnosti jednotlivých dílků. Díky své týmové práci pak své nasbírané zkušenosti mohou použít pro řešení komplexní úlohy, v tomto případě tedy složení celé skládačky. Tento postup pak může být užitečný například pro rozeznávání objektů na obrázku.

Neuronové sítě upravují své vnitřní parametry, označované jako váhy, v průběhu tréninku tak, aby co nejlépe plnily požadovanou úlohu. Pokud je trénink úspěšný, váhy mezi neurony se optimalizují natolik dobře, že jsou schopné pomoci neuronové síti efektivně provádět zadanou úlohu, ať už jde o rozpoznání objektů na obrázcích, předpovídání budoucích událostí na základě minulých dat nebo generování lidského textu, jak je tomu v případě velkých jazykových modelů.

Které konverzační umělé inteligence v současnosti můžeme využívat?

Konverzační umělá inteligence (AI) označuje sofistikované systémy, které jsou navrženy tak, aby byli schopné zapojit se do dialogu s uživatelem. Tito konverzační „agenti“ jsou schopní přijímat vstupy uživatelů a reagovat na ně tak, aby se rozhovor zdál co nejvíce přirozený. Tento proces je usnadněn technologiemi pro zpracování přirozeného jazyka, díky nimž je systém schopný rozpoznat a reagovat na lidskou řeč.

Nyní si vysvětlíme a zodpovíme hlavní otázky, která Vás v souladu s konverzační umělou inteligencí mohou napadnout.

Proč je konverzační AI aktuálně tak důležitá?

Příklady konverzační AI lze najít v běžném životě, od chatbotů, jako je Google Bard nebo ChatGPT, přes inteligentní hlasové asistenty, jako je Amazon Alexa, až po virtuální asistenty v našich chytrých telefonech, jako je Apple Siri nebo Google Assistant.

Trend těchto konverzačních modelů v nedávné době znatelně vzrostl, a jeho růst v dohledné době bude spíše zrychlovat. Konverzační AI modely tu jsou s námi krátkou chvíli a už tak dokázali v celém světě způsobit hotové pozdvižení. Například velké korporace typu Google, Facebook nebo IBM, velmi rychle rozpoznali potenciální výhody, které AI přináší, od menšího počtu zaměstnanců, zvýšenou efektivitu až po snížené náklady.

Korporace si také uvědomují, jak hodnotní zaměstnanci, kteří jsou schopní pracovat s AI, jsou. Díky tomu pozice zaměstnance schopného práce s AI, je na poli práce velmi ceněná a naopak zaměstnanci, kteří se používání umělé inteligence spíše straní, bývají propouštěni.

Jaké modely konverzační AI mohu ve svém životě použít?

Široká škála služeb AI je dnes k dispozici pro běžné spotřebitele i podniky. Tyto technologie zlepšují efektivitu a pohodlí v našem každodenním životě a je velmi pravděpodobné, že jste se již s technologií využívající AI setkali.

Zde je několik příkladů modelů umělé inteligence, které si můžete vyzkoušet na vlastní pěst:

Hlasoví asistenti, jako je Amazon Alexa v zařízení Echo, Siri v iPhonu od společnosti Apple, nebo Google Assistant, jsou schopní zpracovávat Váš přirozený jazyk tak, aby dokázali porozumět Vašim otázkám či příkazům a adekvátně na ně zareagovat. V praxi to znamená, že se hlasem zeptáte například na počasí, hlasový asistent, který Vás poslouchá, Váš hlas převede do pro něj srozumitelné formy. Po vyhodnocení Vašeho požadavku se pokusí Vámi požadované informace najít a převést je opět do Vám srozumitelného jazyka.

Chatboti s umělou inteligencí jsou další formou virtuálních asistentů, kteří mohou komunikovat s lidmi v textové podobě.
Překladače, jako Google Translate, Microsoft Translator nebo Deepl, využívají strojové učení pro co nejpřesnější překlad zadaného textu.
Aplikace pro zvýšení produktivity, jako Microsoft 365 Copilot, využívají umělou inteligenci k automatizaci úloh.
Programy pro rozpoznávání obrázků a videí, jako jsou Clarifai a Amazon Rekognition, využívají umělou inteligenci k analýze obsahu obrázků a videí.

Nástroje pro vývoj softwaru, jako je párový programátor AI GitHub Copilot od OpenAI Codex, jehož hlavní schopností je rychlé a efektivní psaní kódu. Model automaticky analyzuje Váš kód a snaží se domyslet, čeho se jím snažíte dosáhnout. Na základě jeho predikcí Vám pak nabídne možné doplnění či návrhy.

Nástroje pro podnikání, kde můžete využít již zavedené AI modely a prostřednictvím jejich API je zavést do Vámi vytvořené aplikace. K tomu lze využít AI modely jako je GPT-4 nebo Hugging face, vývojářské prostředí pro AI modely.

Které společnosti jsou v čele vývoje AI?

Generativní AI je v roce 2023 na vrcholu průlomových objevů v oblasti umělé inteligence. V tomto závodu se objevují i další špičkové společnosti, jako je OpenAI, Alphabet a Microsoft.

OpenAI

Společnost OpenAI je aktuálně v přední linii, a to zejména díky zpřístupnění svých generativních nástrojů umělé inteligence, jako je chatbot ChatGPT a generátor obrázků Dall-E 2, široké veřejnosti zdarma.

Alphabet

Alphabet, mateřská společnost Googlu, je významným hráčem v oblasti AI díky svým dceřiným společnostem, jako je DeepMind a Waymo. Jak jsme si výše zmiňovali, dceřinná společnost DeepMind dosáhla znatelného milníku při vývoji modelu umělé inteligence, který byl schopný vůbec poprvé překonat profesionálního hráče Go Leeho Sedola. Jedním z jejích revolučních milníků se pak stal model AI s názvem AlphaFold, který dokáže predikovat proteinovou 3D strukturu.

Microsoft

Společnost Microsoft je také silným hráčem na poli umělé inteligence. Vytvořila sadu nástrojů AI pro své aplikace 365, jako je Microsoft 365 Copilot, a poskytuje platformu Azure, která nabízí nástroje pro strojové učení a datové analýzy. Microsoft v nedávné době začlenil GPT-4 i do svého vyhledávače Microsoft Bing.

Ostatní

Mimo tyto tři hlavní hráče existují po celém světě i mnoho dalších společností, které také přinášejí průlomové inovace v oblasti umělé inteligence, včetně společností jako Baidu, Alibaba, Cruise, Lenovo, Tesla a mnoho dalších.

Jaký vliv může mít AI na naší budoucnost?

Potenciál umělé inteligence pro radikální proměnu naší každodenní reality je nesporný – od práce, zdraví, mediální konzumace až po způsob, jakým se dopravujeme. Vliv těchto systémů může sahat daleko za naše osobní sféry, s obrovským dopadem na globální úrovni.

Představme si scénář, kde hlasový asistent v našem telefonu zavolá autonomní vozidlo, jež nás zaveze do práce, kde díky AI nástrojům budeme schopní 5krát tak větší produktivity, která v dřívějších dobách nebyla považována za možnou.

Umělá inteligence může mít významný dopad na farmaceutický průmysl díky významnému snižovaní cen léků. Lékaři a radiologové by s pomocí AI mohli efektivněji diagnostikovat onemocnění jako je rakovina nebo Alzheimer. Dále by bylo možné analyzovat genetické sekvence, které bývají spjaty s různými druhy chorob a vyvíjet efektivnější léky a výživové látky. AI by tak měla potenciál zachraňovat nespočet životů.

Nicméně, jakýkoliv pokrok přináší i potenciální rizika. Například neuronové sítě pro nástroje typu Dall-E 2, Midjourney nebo ChatGPT, dokáží vytvářet realistické obrazy, dezinformační text, replikovat hlas nebo vytvářet deepfake videa s cílem poškodit známé osobnosti. Toto by mohlo změnit naše vnímání toho, co považujeme za pravdivé fotografie, videa nebo zvuky.

Další etickou otázkou je používání AI v rozpoznávání obličejů a sledování našich dat, což by mohlo vést k narušení uživatelovo soukromí. Proto v oblasti vývoje modelů umělé inteligence panují velké kontroverze, kdy jeden tábor stojí o co nejrychlejší vývoj AI, která již tak způsobuje revoluci ve světě, a druhý tábor, který si stojí za názorem, že nebude-li AI kontrolovatelná, může mít pro nás ničivé důsledky.

Jak AI ovlivní naši budoucí práci?

Je stále pravděpodobnější, že umělá inteligence nahradí značnou část současných pracovních míst. Ačkoli je nepravděpodobné, že by AI nahradila všechna pracovní místa, je jisté, že zcela přetvaruje charakter práce. Klíčovou otázkou pak je, jak rychlá a hluboká tato transformace bude?

Je však důležité zdůraznit, že AI nebude hrát roli jenom v úbytku pracovních míst, ale i ve vzniku zcela nových pracovních míst. Nezdá se však, že by počet nově vzniklých pracovních míst měl převyšovat počet zaniklých míst. Z toho důvodu bude nutné, aby tato změna probíhala pozvolně a zaměstnanci tak měli čas se rekvalifikovat či uplatnit někde jinde

Ačkoliv se odborníci na umělou inteligenci neshodují v tom, jak rychle budou AI systémy překonávat lidské schopnosti, je znatelné, že v mnoha ohledech se tomu děje již teď. Bude tak na vládních regulačních orgánech jak se takovou výzvou vypořádají.

Přestože plně autonomní vozidla zatím nejsou realitou, některé předpovědi naznačují, že odvětví autonomní nákladní dopravy v USA je připraveno převzít více než 500 000 pracovních míst, aniž by byl brán v úvahu dopad na kurýry a taxikáře.