Umělá inteligence ročně zachrání víc a víc životů. Většina dnešních AI nástrojů ovšem zanikne, říká programátor Samuel Soukup
Umělá inteligence patří mezi největší společenské výzvy posledních let. Její prudký vývoj ovlivňuje automatizaci nejrůznějších procesů i běžný život. Právě na tvorbě AI nástrojů pracuje i Samuel Soukup, programátor jedné z největších českých softwareových firem, který se oboru věnuje už od střední školy.
Jak byste lidem jednoduše popsal umělou inteligenci?
Zdroj: archiv respondenta
Nejvíce se mi líbí definice od Marvina Minskeho: “Umělá inteligence je věda, která se zabývá problémy, které by vyžadovaly inteligenci, kdyby je řešili lidé.” Je to definice velice široká a relativní, ale to je i obor umělé inteligence. Jedním z prvních projektů, který by se dal nazvat umělou inteligencí, byl Shakey the Robot. Uměl mnoho neuvěřitelných věcí, ale ta hlavní byla schopnost plánování. Do té doby se myslelo, že plánovat svoje budoucí kroky dovedou pouze lidi. Dnešní velké jazykové modely, jako je ChatGPT, zase jenom násobí obrovské množství čísel uspořádaných do chytrých struktur. Jak moc je toto projev inteligence, necht´ každý posoudí sám.
Jak jste se vy sám k programování umělé inteligence dostal?
Vždycky jsem měl rád matematiku a práci s počítači. Ke konci střední školy mě chytla statistika. V rámci maturitní práce jsem si hrál s umělými neuronovými sítěmi (počítačové systémy inspirované biologickými neuronovými sítěmi v mozku, pozn.red.) na rozpoznávání dopravních značek. A když se mi po několika měsících práce podařilo program rozchodit a začal fungovat, jak měl, hned jsem věděl, že práce s umělou inteligencí je přesně pro mě.
Aktuálně pracujete ve firmě, která se zabývá vývojem softwaru. Jaká je náplň vaší práce?
Zrovna pracuji na dvou projektech. V prvním se zabýváme seřazováním výsledků vyhledávání pomocí strojového učení. Pokud chce uživatel vyhledat například nějaký kus programu nebo část textu, náš model nalezené výsledky hledání před jejich zobrazením uživateli seřadí podle toho, jak moc je pravděpodobné, že daný výsledek je ten, který uživatel hledá. Jak určit vhodné pořadí se ale musel nejdříve naučit z nějakých dat. Ta jsme sesbírali od uživatelů dříve. Takto, kvůli ochraně soukromí, můžeme sbírat jenom anonymizovaná data. Projekt na kterém nyní pracuji, se snaží tuto limitaci překonat. Pomocí technik zvaných federated learning můžeme trénovat model přímo na zařízení uživatele. Díky tomu můžeme zaručit uživatelům, že jejich data zůstanou na jejich stroji a nebudou nikým získatelná.
Druhý projekt, na kterém pracuji, je použití strojového učení pro zrychlení běhu programu, který zpracovává velké množství souborů. Protože rychlost tohoto programu závisí na pořadí, v jakém jsou soubory programu předkládány, jde zde opět o problém nalezení vhodného řazení, tentokrát s trochu jiným cílem. Náš model je naučen vhodně seřadit soubory, které má program zpracovat, a tím ho výrazně zrychlit.
Co vás na vývoji umělé inteligence nejvíc baví?
To, že je každý den jiný. Obor strojového učení je nesmírně široký, a když člověk pracuje na modelech přímo ve výrobě, tak se do toho ještě dostává otázka softwarového vývoje. Takže jeden den člověk může analyzovat data, druhý den řešit výpadek dat kvůli chybě v infrastruktuře. Třetí den trénuje model, čtvrtý zjišt´uje od uživatelů zpětnou vazbu a pátý den opravuje chybu v složitém programu, který využívá několik vláken a optimalizace, které se člověk ani nesnaží pochopit.
Jaká věc vám na ní přijde nejzajímavější?
Kolik toho umělá inteligence dokáže, aniž bychom do hloubky rozuměli, co vlastně dělá. Samozřejmě, že my programátoři rozumíme, že neuronové sítě jsou složené z množství matic. Samozřejmě, že jsme do jisté míry schopni zjistit, jaká vstupní slova souvisí s jakými výstupními u GPT. Ale pokud by měl někdo vysvětlit, proč chatbot odpovídá zrovna takto, tak by se musel podívat na biliony čísel, které v sobě jeho model má. A to je naprosto mimo lidské chápání.
Jak se umělá inteligence učí?
Modely strojového učení vždy přijímají nějaká vstupní data a poté na výstupu vrací nějakou předpověď. Například můžeme mít model, který má rozlišovat mezi kočkami a psy na základě jejich váhy a délky. Během trénování ukazujeme modelu nějaká data, koukneme se na jeho výstup a poté model upravíme tak, aby jeho výsledky na těchto datech byly přesnější. Takto to opakujeme, dokud model nefunguje dostatečně dobře.
S jakými omezeními nebo výzvami se teď při vývoji AI nejčastěji potýkáte?
Nyní je velkou výzvou pro celý obor to, jak přistupovat k regulaci AI. Asi se všichni shodneme, že nechceme nadnárodní korporáty, které budou vědět o všem v našem životě. Ale přílišná regulace omezí vstup nových hráčů na trh a tím pomůže k monopolizaci gigantů.
AI hodně lidí děsí, ale jaké jsou ale ty největší výhody, které nám poskytuje?
Výhod umělé inteligence je nespočet. Může to být zvýšení efektivity práce – kolik lidí používá Google, který běží na AI, pro zjišt´ování informací. Může to být třeba i zlepšení kvality života, at´ je to používání navigace nebo jsou to třeba automaticky generované titulky k videím. Může to být snížení uhlíkové stopy za pomocí zvýšení efektivity firem. Ale nejdůležitější je podle mě věda a výzkum, ve které už umělá inteligence pracuje. At´ je to vývoj nových léků, extrémně rychlý nástup mRNA vakcín proti covidu 19, personalizovaná léčba rakoviny nebo vývoj nových materiálů. Za tím vším je z nemalé části AI. A počet životů, které jsou takto zachráněny, každý rok roste víc a víc.
Jak si myslíte, že se bude AI v následujících letech vyvíjet?
Když se v 60. letech začala vyvíjet, lidé si mysleli, že zvládne všechno. Ale pak přišla první zima umělé inteligence. Než se v 80. letech našly další přístupy a najednou si všichni zase mysleli, že AI zvládne všechno. Ale pak se objevila druhá zima.
A dnes podle mě žijeme ve třetím období nadšení z AI, ale nic nenasvědčuje tomu, že za pár let nepřijde další zima. Věřím, že zůstane spousta nástrojů, které se ukáží jako užitečné. Ale naprostá většina z nich zanikne. Pokud bych měl odhadnout, kde bude největší úspěch, tak bych se odkláněl od nástrojů jako je ChatGPT a spíše se díval na nástroje v biomedicíně, ve fyzice pevných látek nebo optimalizaci pracovních procesů.