Vyvíjet univerzální umělou inteligenci je podobné jako vychovávat dítě, říká osobnost roku v AI Marek Rosa

Víme už, kudy jít, ale i kudy nejít. Kde jsme, to se velmi těžko odhaduje. Tak Marek Rosa popisuje současný stav ve vývoji univerzální umělé inteligence. Podle zakladatele a ředitele společnosti GoodAI Research stojí její vývoj na zcela jiných základech než umělá inteligence specializovaná například jen na rozpoznávání obličejů.

"Myslet si, že nějakým vylepšením úzké AI o krok dál se posuneme k té obecné, je zhruba jako očekávat, že na Měsíc vylezeme po stromě. Někdy je těžké o tom lidi přesvědčit," říká Rosa a v rozhovoru pro HN vysvětluje, před jakými výzvami vývojáři univerzální obecné inteligence, k nimž sám patří, stojí. Rosa se stal osobností roku prvního ročníku soutěže AI Awards.

HN: Co je vlastně umělá inteligence?

Existuje několik definicí AI (Artificial Intelligence, umělá inteligence, pozn. red.). Z jednoho úhlu pohledu ji můžeme rozdělit na úzce zaměřenou umělou inteligenci a takzvanou obecnou, univerzální. Tu první už dnes máme − je schopna řešit jen úzce zaměřené úlohy, na něž ji vývojáři připraví a natrénují. Má jasně definovaný cíl a z tréninkových dat je schopna sama vytvořit jakýsi program, který dokáže maximalizovat daný cíl. Tím může být například přesnost rozeznávání tváří na fotografiích. Inteligentní je ale na tom jen ten proces trénování. Jakmile je to natrénované, už se to nové věci nedokáže naučit, neumí se to adaptovat. Google například vybavil umělou inteligencí jeden ze svých fotoaparátů − dokáže z fotky pořízené v noci odstranit zrnitost, nebo ji dokonce změnit tak, aby vypadala, jako by byla vyfocená ve dne. Natrénovali to tak, že nechali AI zanalyzovat velké množství fotek vyfocených ve dne a v noci.

My se snažíme vytvořit obecnou umělou inteligenci, tedy něco, co se dokáže adaptovat i nad rámec toho, na co to připravili vývojáři. Bude se to učit jako člověk, jednu schopnost za druhou postupně akumulovat a nabalovat. U té úzce zaměřené umělé inteligence je přesně daný cíl a dá se jednoduše měřit, jak se k němu systém při tréninku přibližuje. U obecné inteligence měříme hlavně to, jak rychle je schopná se adaptovat na novou úlohu. Vývojáři vlastně ani nevědí, na jakou úlohu bude použita. To je podobné jako u lidí − když vychováváte dítě, také nevíte, jaké úlohy bude v životě řešit. Připravujete ho tedy tak, aby bylo co nejuniverzálnějším řešitelem jakýchkoliv možných problémů. U úzce zaměřené AI je většina práce při tréninku na vývojářích − musí připravit kvalitní tréninková data a najít různé triky, jak současné limitované algoritmy naučit požadovanou věc. Obecná AI by se měla na konkrétní úlohu adaptovat sama − nebude to práce pro lidi, ale pro ni samotnou. Řekneme jí třeba, aby upravila noční fotku tak, aby vypadala jako vyfocená ve dne, a ona se sama naučí, jak to udělat.

HN: Ty úzce zaměřené umělé inteligence budou tedy nějakými subsystémy obecné AI?

Ne, to jsou úplně jiné přístupy. Proces učení je jiný. U úzké AI učení probíhá zhruba tak, že máte nějakou neuronovou síť, jejíž spojení jsou na začátku inicializovaná náhodně. Pošlete do ní data, která tou sítí "probublají", a výsledek se porovná s požadovaným. Vzniklý rozdíl je chyba, s jejíž pomocí se upraví různé váhy v neuronové síti, a celý proces se opakuje. Když to zopakujete třeba milionkrát, váhy v síti se ustálí na nějakých hodnotách, které už dávají dobré výsledky. Síť je natrénovaná na danou úlohu, ale když ji budete chtít naučit jiný úkol, ten předchozí zapomene. Nedokáže si znalosti uchovat, či je dokonce využít k řešení dalších úloh.