Obecný úvod do umělé inteligence
Stručná historie umělé inteligence
Autor textu: Ondřej Lukáš, odborný garant: Pavel Kordík
Za méně než sto let se umělá inteligence proměnila z okrajové disciplíny teoretické matematiky v něco, s čím se každodenně setkávají miliony lidí po celém světě. V následující časové ose se podíváme na nejdůležitější milníky vývoje umělé inteligence.
Představíme si momenty, kdy se stroje naučily komunikovat, vnímat své okolí, samostatně se pohybovat nebo překonat člověka v řešení nejrůznějších problémů.
Počátky umělé inteligence
Přestože snahy o pochopení toho, jak funguje lidský mozek, a vytvoření stroje na podobném principu sahají až k začátku 20. století, my pouť historií v oblasti, jíž se později bude říkat umělá inteligence, začneme ve 40. letech.
Právě v roce 1943 byl vytvořen první matematický model neuronu. Mezi nejvýznamnější postavy této epochy se bezesporu řadí britský matematik Alan Turing, který je znám především svou prací na dešifrování válečného kódu Enigma. Turing položil základy umělé inteligence, když popsal, jak může fungovat „univerzální stroj“, tedy stroj schopný vykonávat jakýkoliv program. Dnes těmto strojům říkáme počítače.
Alan Turing také v roce 1950 představil myšlenku Imitační hry — pokus, při kterém člověk komunikuje se dvěma subjekty, člověkem a strojem. Jestliže není možné z odpovědí určit, kdo je člověk a kdo stroj, můžeme, podle Turinga, takový stroj nazývat inteligentním. V současnosti je tento pokus označován jako Turingův test.
Umělá inteligence jako věda
Skutečný počátek oboru umělé inteligence pak tvoří konference uspořádaná v létě roku 1956 na univerzitě Dartmouth College. Ve skutečnosti se jednalo spíše o prázdninový workshop, kterého se souvisle zúčastnilo přibližně 10 lidí. I tak je tato událost považována za moment, kdy byla umělá inteligence ustanovena jako perspektivní vědní disciplína, které mnozí předpovídali rychlý rozvoj. Například ekonom a sociolog Herbert Simon v roce 1957 předpověděl, že nejpozději do 10 let porazí umělá inteligence člověka v šachu. Jeho vize se nakonec ukázala správná… jen to trvalo více než 30 let.
MENACE
Jedním z prvních příkladů byla hra piškvorky a stroj MENACE v roce 1961. Jednalo se o 304 krabiček od sirek, naplněných barevnými korálky, které se opakovaným hraním dokázaly naučit ve hře vítězit nad protihráčem.
Autor MENACE, Donald Michie, ho původně sestrojil, aby vyhrál sázku s kolegou, který tvrdil, že něco takového je nemožné. MENACE byl specifický tím, že začínal s náhodnou strategií a postupným hraním se učil, které tahy v jaké situaci vedou k vítězství. Jde tedy o jeden z prvních příkladů techniky posilovaného učení (Reinforcement learning), která je používaná dodnes a v posledních letech zažívá velký rozmach. Vyzkoušejte si, jak MENACE funguje.
Chatbot ELIZA a robot Shakey
Robot Shakey, vyvinutý ve Stanfordském výzkumném institutu, byl první robot, který byl schopen vnímat své okolí, reagovat na něj a samostatně se v něm pohybovat. Navíc dokázal analyzovat složitější úkoly a rozplánovat je na jednotlivé kroky, které vedly k úspěšnému splnění daného cíle. Šlo o první případ, kdy vědci a vědkyně spojili strojové vnímání, plánování a pohyb do jediného stroje. Plánovací algoritmy, původně vyvinuté pro robota Shakey, jsou dodnes používány například v autonomních vozítkách Curiosity a Ingenuity na Marsu. Můžete se s nimi také setkat, kdykoliv používáte navigaci ve svém telefonu. O Shakeym existuje krátký dokument.
Zima umělé inteligence
Po prudkém rozvoji a úspěších umělé inteligence v 50. a 60. letech přináší konec 60. let několik velkých zklamaní ve vývoji AI, a to zejména v oblasti strojového překladu. Po přehnaném prvotním optimismu se ukázalo, že strojový překlad je nákladnější a méně přesný než použití lidských překladatelů. V důsledku těchto i dalších neúspěchů a pomalého vývoje nastal prudký pokles financování dalšího výzkumu a obecně útlum v zájmu o umělou inteligenci. Toto období se zpětně označuje jako první zima umělé inteligence (First AI Winter). Podobné období zažila umělá inteligence i v letech 1984—1993. I v této době se skutečné výsledky velmi lišily od sebevědomých prohlášení o vytvoření umělého mozku či nadvládě strojů.
První samořiditelné auto
Vozidla Testlab 1 a hlavně pozdější ALVINN překonala v běžném provozu rychlost 100 km/h při zcela autonomním řízení. To vše s výpočetní silou téměř 10krát menší, než mají dnešní chytré hodinky. Pusťte si krátký film Proměna samořiditelných aut na CMU.
Deep Blue poráží Garyho Kasparova
Epizoda pořadu Slavné dny o Deep Blue obsahuje pracovní list pro základní i střední školy.
Dataset ImageNet
Přestože neuronové sítě a zejména algoritmus na jejich efektivní učení známe již od 60, respektive 80. let 20. století, jejich rozmach přichází až na přelomu tisíciletí. Jednou z oblastí, která se na tomto rozvoji výrazně podílela je rozpoznávání obrazu, tedy úkol, který je pro člověka velmi jednoduchý. Významným mezníkem je představení datasetu ImagineNet, za jehož tvorbou stojí čínsko-americká vědkyně Fei-Fei Li. Tento projekt hrál klíčovou roli v rozvoji rozpoznávání obrazu a detekce a lokalizaci objektů. Hlavním přínosem toho datasetu bylo jeho použití v soutěži ImageNet Challenge, která přitáhla výraznou pozornost laické i odborné veřejnosti k použití neuronových sítí v rozpoznávání obrazu. V současnosti ImageNet obsahuje více než 14 milionů obrázků a více než dvacet tisíc tříd.
Watson vyhrává Riskuj!
Na rozdíl od Deep Blue v tomto případě stroj Watson nepotřeboval člověka jako prostředníka a dokázal samostatně najít strategii pro volbu otázek, zpracovat otázku od moderátora a odpovědět pomocí strojově vytvořeného hlasu. Počítač Watson drtivě zvítězil s dvojnásobným ziskem, než měli jeho dva soupeři dohromady. Pusťte si záznam soutěže.
SIRI a průlom ve zpracování řeči
Společnost Apple při představení telefonu iPhone 4S představuje hlasového asistenta SIRI, který umožňuje ovládání a interakci se zařízením pouze pomocí hlasu. Na rozdíl od ELIZA není systém založený na pravidlech, ale učí se ze skutečných konverzací. Zároveň zpracovává i hlas, a ne pouze psaný text. Kromě úspěchu ve vývoji technologie zpracování přirozeného jazyka jde o jeden z prvních případů masového rozšíření umělé inteligence k uživatelům po celém světě.
AlphaGo poráží Lee Sedola v Go
V roce 2017 představila společnost DeepMind program AlphaGo, který porazil profesionálního hráče hry Go Lee Sedola. Dalším vývojem AlphaGo byl program AlphaZero, který dosáhl stejných výsledků bez analýzy předchozích partií, a to hned ve 3 hrách (šachy, Go, a Shogi). Další vývoj těchto modelů se soustředil na hry jako Starcraft nebo Dota 2. Zde si můžete přehrát epizodu seriálu Slavné sportovní okamžiky o AlphaGo.
DeepStack poráží člověka v pokeru
V roce 2017 vytvořil tým z University of Alberta program DeepStack, který dokázal porazit profesionální hráče v Texas Hold ‚em Pokeru. Zajímavostí je, že na vývoji programu se podíleli i studenti a studentky z České republiky. Zde je záznam ze slavné hry.
GPT-3: Počítač píše knihu
Jednou z výzev pro umělou inteligenci je kreativita: může stroj nakreslit obraz nebo napsat knihu? Model GPT-3 vyvinutý společností OpenAI v roce 2020 dokazuje, že ano. Přesněji řečeno, že je schopen vytvořit text, který je nerozeznatelný od textu vytvořeného člověkem. Vzpomínáte si na Turingův test? GPT-3 je model, který byl trénován pomocí kompletního obsahu Wikipedie, většiny příspěvků na síti Reddit, obrovského množství anglicky psaných knih a textů z internetu nashromážděných za více než 10 let. Díky své kapacitě dokáže najít souvislosti mezi slovy a větami, obsahem a formou, jeho vyjádřením a použít tyto znalosti k vytvoření textu podle zadaných požadavků.
O krok blíž k obecné umělé inteligenci
V současné době systémy umělé inteligence začínají překonávat člověka v mnoha náročných kognitivních úlohách: model OpenAI o3 poprvé přeskočil průměrné lidské skóre, když na testu ARC-AGI dosáhl 87,5 %, a podle letošního AI Indexu vzrostl výkon špičkových modelů meziročně o desítky bodů i na komplexních úlohách.
Současně technologické firmy jako Meta zakládají speciální laboratoře „superinteligence“ a investují miliardy dolarů do nových agentních architektur, které mají proměnit dnešní asistenty v univerzální digitální spolupracovníky.
Tempo zlepšování ukazuje, že překonávání lidských schopností se stává otázkou škálování spíše než zásadního vědeckého průlomu.