Do levého zadávacího pole napište: „Duch je odhodlán, ale tělo je slabé.“ V nabídce na pravé straně vyberte, do jakého jazyka chcete větu přeložit. Jakmile se text přeloží, zkopírujte jej a vložte ho opět do levého pole, abyste vyzkoušeli konverzi zpět do češtiny.
Pokud nedostanete přesně původní text, bude zpětný překlad s největší pravděpodobností i nadále odrážet alespoň část původní myšlenky. Jinými slovy stroj zjistil, co jste mysleli, nikoliv jen to, co jste řekli.
„V roce 1960 se to přitom považovalo za nemožné,“ vysvětluje Michael Covington, konzultant a bývalý zástupce ředitele Institutu umělé inteligence na University of Georgia.
Po celá desetiletí se na poli umělé inteligence (UI, anglicky AI – Artificial Intelligence) odehrávala dvě období: opakovaná jara s vysokými medializovanými očekáváními a následné zimy poté, co se nepodařilo očekávání naplnit a zklamaní investoři se odvrátili.
V současné době ale dochází ke skutečnému pokroku i bez donedávna nemyslitelné medializace. Ve skutečnosti někteří hlavní realizátoři dokonce o tom, co dělají, ani nemluví.
Období stará a nová
„Umělá inteligence se stává skutečností,“ uvádí Jackie Fennová, analytička Gartneru. Podle ní umělá inteligence byla více než deset let v období symbolické zimy, ale během posledních sedmi let došlo k mnoha průlomům. Poukazuje přitom na algoritmy rozeznávání tváře či na auta schopná řídit sama sebe.
„V padesátých a šedesátých letech se objevilo velké nadšení, ale vyhaslo z důvodu nedostatečného výpočetního výkonu,“ vzpomíná Covington. „Následně došlo k velkému vzedmutí v letech 1985 a 1986, protože výpočetní výkon začal být přístupnější a lidé dokázali dělat věci, o kterých již dlouhou dobu přemýšleli.“
Pověstná zima ale podle Covingtona nastala koncem osmdesátých let, když nadšení vystřídalo zklamání, a malé dílčí úspěchy se neproměnily ve velké pokroky. „Jakmile od té doby něco začne spolehlivě fungovat, průmysl to přestane nazývat umělou inteligencí,“ tvrdí Covington.
„V osmdesátých letech jsme vytvořili systémy, které byly omezené a úzce specializované. Do takového systému šlo zadat všechny informace, které měl využívat,“ vzpomíná Kris Hammond, spoluzakladatel společnosti Narrative Science, která prodává systémy umělé inteligence pracující s přirozeným jazykem.
„Představou bylo využít základ tvořený dobře formulovanými pravidly a řetězit je za účelem obdržet odpovědi. To byla verze umělé inteligence, se kterou jsem získal první zkušenosti. V této oblasti existují některé zajímavé úspěchy, ale dále nerostly a nehodily se dobře k tomu, co dělají lidé. Byla to ve své podstatě slepá ulička,“ říká Hammond.
Dnes, díky dostupnosti velkého množství on-line dat a levného výpočetního výkonu zejména v cloudu, se už do slepé uličky ale nedostáváme, uvádí Hammond.
Umělá inteligence se podle něj dostala do svého bodu zlomu. Nyní se spíše vynořuje na základě výzkumu, analýzy dat a strojového učení a vše je možné díky schopnosti pracovat s velkým množstvím dat.
Do budoucna se už pravděpodobně nemusíme obávat opětovného ustrnutí umělé inteligence, domnívá se Luke Muehlhauser, výkonný ředitel institutu pro výzkum strojové inteligence (MIRI, Machine Intelligence Research Institute) v kalifornském Berkeley. „Umělá inteligence je nyní všudypřítomná, je to nástroj používaný pokaždé, když se na něco zeptáte asistentky Siri nebo když použijete zařízení GPS pro vyhledání cesty.“
Hloubkové učení
Kromě současných technologií big dat a vysokého výpočetního výkonu zmiňují odborníci další faktor, který umělou inteligenci tlačí za bod zlomu. Jsou jimi vylepšené algoritmy – zejména rozšířené přijetí desítek let starého algoritmu nazývaného hloubkové učení (deep leasing).
Yann LeCun, ředitel skupiny umělé inteligence ve Facebooku, tuto technologii popisuje jako způsob umožňující lépe automatizovat strojové učení díky použití více vrstev analýzy, která může srovnávat výsledky mezi vrstvami.
Vysvětluje, že dříve, když někdo navrhoval systém strojového učení, musel do něj současně vložit data, ale ne předtím, než ručně vytvořil software pro identifikaci vlastností vyhledávaných v datech a také než ručně vytvořil program pro klasifikaci identifikovaných vlastností.
Při hloubkovém učení se oba tyto ruční procesy nahrazují trénovatelnými systémy strojového učení.
„Celý systém se nyní kompletně tvoří více vrstvami, které jsou všechny samoučitelné,“ uvádí LeCun. Ten přitom připisuje vývoj hloubkového učení týmu, který vedl Geoff Hinton, profesor na univerzitě v Torontu, který nyní pracuje na částečný úvazek pro Google. Sám byl členem Hintonova týmu pro vývoj hloubkového učení.
„Hloubkové učení nás neposune dál,“ domnívá se však Gary Marcus, profesor na New York University (NYU). „Navzdory svému jménu je spíše povrchní – umí pochopit statistické tendence a je zvlášť vhodné pro problémy kategorizace, ale není dobré pro porozumění přirozenému jazyku. Musí dojít ještě k dalšímu pokroku, aby stroje dokázaly pochopit, o čem lidé mluví.“
Marcus doufá, že nápady opuštěné v šedesátých letech by díky výpočetnímu výkonu dostupnému v současné době mohly přinést výsledky a stroje by mohly být při učení se jazyka stejně dobré jako čtyřleté dítě.
Podle finální analýzy se přibližně polovina úspěchu umělé inteligence tvoří zvýšením výpočetního výkonu a druhá polovina vylepšeními od programátorů. Někdy přestavuje pokrok díky hrubé síle jen jedno procento. „Vynalézavost lidí, jako je Hinton, by se však neměla bagatelizoval,“ tvrdí Muehlhauser z MIRI.
Poptávka po umělé inteligenci
Pokud by pohled na velké společnosti investující vysoké částky do technologie umělé inteligence měl být znamením, že se stala hlavním proudem, mohli by budoucí historici říci, že tohoto bodu se dosáhlo v zimě 2013/2014.
V lednu tohoto roku totiž Rob High, viceprezident a technologický ředitel skupiny Watson, oznámil plány IBM investovat do umělé inteligence v několika příštích letech zhruba miliardu dolarů. Zahrnuje to také rizikové investice 100 milionů dolarů do začínajících firem založených na technologii Watson.
IBM využívá umělou inteligenci a netají to. V roce 2011 její systém Watson (s přístupem ke čtyřem terabajtům informací), schopný pracovat s přirozeným jazykem, porazil v TV soutěži Jeopardy! dva lidské přeborníky.
Podle Higha představuje Watson významný odklon od pojetí klasické umělé inteligence, která silně spoléhala na ontologii při vyhodnocování otázek či odpovědí. Namísto toho se u Watsonu slučuje více technologií a strategií, aby se zabránilo dvojznačnosti výsledků a zlepšila přesnost.
„Moje žena telefonuje, aby mi sdělila, že se cestou domů zastaví v obchodě. Význam je nejasný, ale mám dost historických informací, abych mohl pochopit, o čem mluví,“ vysvětluje High.
Výsledkem těchto agregovaných technologií je to, že Watson dokáže číst dokumenty psané v přirozeném jazyce a odvodit z nich informace s podobným úspěchem jako lidé, vysvětluje High.
IBM zkoumá využití Watsona v řadě oborů, především v lékařství, kde může absorbovat veškerou dostupnou klinickou literaturu související s případem. „Lékaři vidí ukázku a odcházejí v euforii z toho, jak by to mohlo ovlivnit jejich schopnosti rozhodování,“ popisuje High.
Jako produkt se Watson umístí v cloudu, ale vývojáři mohou přístup k němu do svých aplikací integrovat, dodává High.
Také Google tuto zimu významně investoval v oblasti umělé inteligence. V březnu tohoto roku například koupil firmu DNN Research, která pracuje v oblasti hlubokých neuronových sítí (deep neural networks).
A v lednu 2014 Google údajně zaplatil 400 milionů dolarů nebo i více (zprávy se liší) za londýnskou firmu DeepMind Technologies, která se zabývá strojovým učením.
Mluvčí Googlu se odmítla k aktivitám a plánům firmy v oblasti umělé inteligence vyjádřit. LeCun z Facebooku však firmu DeepMind zná.
„Zaměstnali některé z mých studentů,“ vzpomíná. „Měli prezentaci, kde propojili svůj systém se starou videohrou stylu Space Invaders a nechali ho maximalizovat body na základě pokusů a omylů, takže se hru učil od nuly. Po týdnu učení byl lepší než člověk,“ popisuje LeCun.
Google také koupil několik firem v příbuzném oboru – v robotice – všechny v první polovině prosince 2013. Šlo o firmy Boston Dynamics (venkovní roboti), Redwood Robotics (robotické paže), Holomni (robotická kola) či Meka Robotics (dvounozí roboti).
„Google tuší, že se umělá inteligence nebude používat jen na webu, ale také v robotice,“ tvrdí LeCun. „Myslí si, že to bude mít dopad v příštích deseti letech, a oni mají finanční prostředky na investice do tak vzdálené budoucnosti.“
Většina veřejnosti zná zatím vstup firmy Google do sféry umělé inteligence v oblasti její překladatelské stránky.
Namísto toho, aby nechal Google jazykovědce vytvořit překladatelská pravidla založená na slovnících a gramatice, použil miliony již přeložených dokumentů a program s umělou inteligencí, který hledá vzory mezi původními a přeloženými verzemi, vysvětluje Muehlhauser.
„Dříve, tak před sedmi nebo osmi lety, by byl potřebný výpočetní výkon pro takové počínání příliš drahý,“ dodává Muehlhauser.
V roce 2012 si Google najal průkopníka umělé inteligence Raye Kurzweila k práci na projektech strojového učení a zpracování jazyka. A o rok později i průkopníka hloubkového učení Geoffa Hintona.
Naopak Facebook přizval v první polovině prosince 2013 ke spolupráci LeCuna jako šéfa své skupiny umělé inteligence, kterou založil v září téhož roku. Těsně předtím ale koupil společnost Mobile Technologies, která se zabývá rozpoznáváním řeči a strojovým překladem.
LeCun odmítl hovořit o plánech umělé inteligence ve Facebooku stejně jako jejich tiskový mluvčí. Výkonný ředitel Facebooku Mark Zuckerberg však v říjnu 2013 analytikům řekl, že myšlenkou je vytvořit služby, se kterými by bylo možné přirozeněji komunikovat.
Koupě firmy Mobile Technologies „pomůže rozšířit naši práci v této oblasti od rozpoznávání fotografií směrem k řeči“, řekl tehdy Zuckerberg.
Kompletní článek zahrnující řadu dalších poznatků si můžete přečíst v Computerworldu 9/2014.
PŘEDPLATNÉ
ČLÁNKY DO MAILU