Když se na nás robot usměje, je nasnadě si myslet, že je to opravdové. Přitom je to jen jednoduše naprogramovaná reakce na obrazovce. I z hlediska výroby jde ale o důležitou funkci, aby spolupráce člověka se strojem byla co nejpříjemnější. „S robotem by se dalo i žít, otázka ale je, kdo by to chtěl. V Japonsku už poptávka single lidí po umělém partnerovi je. Osobně mi ale přijde daleko smysluplnější robotický vysavač,“ říká profesor Václav Hlaváč, vedoucí oddělení Robotika a strojové vnímání a zástupce ředitele Českého institutu informatiky, robotiky a kybernetiky (CIIRC) Českého vysokého učení technického v Praze.

HN: Pojďme na začátku trochu polemizovat. Je možné, že by robot mohl v budoucnu mít emoci?

Spekuluje se o tom, takže principiálně ano. Může se stát i to, že roboti nás jednou ovládnou. To je ale strašně daleko. S emocemi robotů se pracuje. My lidé máme tendenci věci personifikovat. Stačí, když máme stroj, který s námi pomocí jednoduchých otázek dokáže komunikovat. Naše kolegyně například jezdí s dialogovým systémem v humanoidním robotu do domova důchodců. Babičky a dědové si s robotem povídají a jsou celí šťastní. Její tým jej naprogramoval tak, aby komunikoval v přirozeném jazyce, v omezené oblasti rozuměl otázkám a vytvořil odpovědi.

HN: A čím je způsobeno, že z principu emoce možná je? Je přece sledem fyzických a psychických reakcí.

Je to tím, že robot si může vytvořit takovou reprezentaci, která se trochu přibližuje schopnostem v lidskému mozku. Mozek je sice dokonalý výtvor, ale robot ho může v určitých omezených úlohách překonat. A co si takový usuzovací stroj vymyslí, jestli to bude náš cit nebo něco jiného, to řeší filozofové.

HN: Takže robot může usoudit něco jiného, než na co je naprogramován?

I když je naprogramovaný, přesto se dokáže přizpůsobit situaci. Uvažuje. Je to sice v omezeném světě, ale on stejně jako my lidé z obecných pravidel a pozorovaných faktů vyvozuje poznatky, které programátor neznal a nemohl znát.

HN: A může přemýšlet?

Otázka je, o čem přemýšlí. To bychom museli brát v úvahu matematickou logiku. Teď už zase personifikujete. Ale to děláme všichni. Říkáme jim roboti, ale ony jsou to roboty. Ze začátku jsem s tím bojoval, ale už také říkám roboti. Ale to je náš zosobněný koncept. Mezi touto představou a strojem zůstává velká propast.

HN: Řekl jste, že roboti nás mohou i ovládnout. To znamená, že by byli chytřejší než lidé a ovládli planetu?

Lidé o tom hodně polemizují, říkají, že bychom se měli bránit už nyní. Nick Bostrom napsal knihu Superinteligence (Až budou stroje chytřejší než lidé). Česky vyšla v roce 2018. Pokud byste si knihu přečetla, vyděsila byste se, že vítězství počítačů nad lidmi je za rohem. Autor je ale především filozof. Spekuluje a upozorňuje na nebezpečí. Věcně tato hrozba z mnoha důvodů není tak horká.

prof. Ing. Václav Hlaváč, CSc.

- Vedoucí oddělení Robotika a strojové vnímání Českého institutu informatiky, robotiky a kybernetiky (CIIRC) Českého vysokého učení technického, zástupce ředitele a jeden ze zakladatelů CIIRC.
- Zabývá se počítačovým viděním, rekonstrukcí 3D scén z dvourozměrných obrazů, analýzou videosekvencí, autonomními roboty, robotickou manipulací s měkkými materiály a dalšími výzkumnými úkoly a jejich aplikací v průmyslu.

HN: A proč například?

Teorie předpokládá možnost, že stroje budou chytřejší než lidé. Dnes jsou z umělých výtvorů nejchytřejší počítače, které ovšem do dokonalosti mozku mají daleko. Pracují na jiných základech a jsou energeticky podstatně náročnější. Příští chytré umělé mozky se asi budou opírat o jiné principy. Dosavadní teoretická kybernetika rozumí počítačům a jejich limitům, fyzikálním i algoritmickým. Nerozumíme však, proč je dnes lidská mozková tkáň o tolik lepší v komplexních úlohách, jako například šťastně žít. Počítačů se alespoň v horizontu několika lidských generací nebojíme, protože je omezuje třeba exponenciální výpočetní složitost úloh běžného života.

HN: Jak je zabezpečeno, že robot ve výrobě nikomu neublíží?

V první řadě jsou uzavřeni ve velké kleci, aby k nim nikdo nemohl. Když se stane chyba, může mít robot obrovskou sílu, kterou neovládá. Nový koncept, který je starý asi deset až 15 let, jsou silově poddajní roboti. Robotický manipulátor má v každém kloubu senzor síly, respektive kroutícího momentu. Pomocí zpětné vazby lze sílu omezit na bezpečnou. Takže ve chvíli, kdy by měl robot někoho praštit, zjistí, že by použil větší sílu, než má nastavenou, a zastaví se. Uvedu příklad. Na popud mé manželky, která má ráda škrábání na zádech, jsme naprogramovali silově poddajného robota, který vás podrbe a přizpůsobí se vašemu pohybu. Když od něj poodejdete, natáhne chapadlo a přiblíží se k vašim zádům. To je koncept silově poddajného, kolaborativního robota neboli cobota, který otvírá novou dimenzi, tedy spolupráci člověka s robotem. Můžete robotu něco podat a on si to vezme. V našem oddělení v CIIRC ČVUT se zabýváme především vnímáním, tedy porozuměním vjemů ze senzorů, abychom mohli uzavírat zmíněné zpětné vazby. To je náš výzkum.

HN: Kdybyste měl popsat umělou inteligenci, jak byste to udělal?

Je to zastřešující koncept, který zahrnuje leccos. Existuje silná a slabá umělá inteligence. Silná se snaží vyřešit problémy všehomíra a zabývají se jí teoretici. Ti si kladou otázku, kterou jste mi položila před chvílí vy – jestli vzniknou samoučící stroje, jestli nás všechny zlikvidují, protože nás nebudou potřebovat. Jsou na to všelijaké názory a mohutně se o tom diskutuje. No a pak je slabá umělá inteligence, která je spíše praktická.

I jednoduchá úloha jako naplánovat rozvrh na základní škole je strašně těžká. Je to algoritmicky složité, taková úloha má exponenciální složitost. Na to je hezký příklad ze starověku. Nějaký indický vládce měl rádce a potřeboval od něj službu. Rádce mu dobře poradil a vládce se mu chtěl odměnit. Rádce vzal šachovnici, na první políčko dal zrnko rýže a žádal od vládce, aby počet zrnek na každém dalším políčku vždy zdvojnásobil, až dojde na konec šachovnice. „Tak málo?“ ptal se vládce, protože si neuvědomil, jak složitý příklad to je. Tolik rýže totiž není ani na světě. Je to dva na šedesátou čtvrtou minus jedna. Pokud se můžete rozhodnout doleva nebo doprava, je to jednoduché. Rádcův příklad odpovídá sérii 64 takových rozhodnutí a už je výpočetně nesmírně, tedy exponenciálně, složitý. Vytvořit automaticky rozvrh ve škole je ještě složitější úloha. A umělá inteligence je od toho, aby našla řešení ještě dřív, než vyzkouší všechny možnosti. To nemůže dělat v obecnosti. Má ale nějaké triky, neboli heuristiky, kterými to jde za dodatečných omezení. Tím se vlastně umělá inteligence zabývá.

HN: Jak funguje umělá inteligence ve výrobě?

Pomocí umělé inteligence se například řeší rozvrhování výroby, plánování nebo predikce. V okamžiku, kdy chcete poznat, co se ve výrobě děje, například když na pásu jede zelenina a stroj má rozpoznat zmetek nebo zeleninu roztřídit do kategorií, není to vůbec snadná úloha. Musíte stroj naučit detekovat zeleninu i ve chvíli, kdy se například mrkev se salátem v kamerovém obrázku překrývají. Teprve pak dokáže vybrat třeba něco shnilého. Detektor není ale možné jen jednoduše vytvořit. Učí se statisticky. Jde o jednu část strojového učení. Použijete hodně příkladů a znalec řekne stroji, jaké je správné rozhodnutí. Tato trénovací data pustíte do učícího se algoritmu a vytvoříte statistický model. Ten může sloužit buď k rozpoznávání, nebo k predikci. Kdyby to fungovalo i na neočekávané události, byla byste bohatá, protože byste mohla předpovědět, jaká bude cena akcií na burze. Ty modely to umí, ale jen trochu. V momentě, kdy přijde nějaká neočekávaná událost, která nebyla v trénovacích datech, rozpoznávání selže.

HN: Predikce se hodí i pro retail, že?

Samozřejmě. Když nakupujete v obchodě, nejlépe s věrnostní kartou, kterou vám mazaně založí, jsou informace o vás a vašich nákupních prioritách naprosto zřejmé. Vědí přesně, kdo jste. Data putují do datového skladu a pak se analyzují. To slouží třeba k rozložení zboží v regálech, abyste ho koupila co nejvíce. Protože nákupní zvyklosti jsou v každé zemi různé, bude obchod například v Německu složený jinak.

A to se děje díky dolování v datech. Opět se vytváří statistický model z dat. Ve výrobě je to stejné. Protože všechny výrobky mají svá čísla a statistiky, můžete leccos odhadovat, plánovat nebo optimalizovat.

HN: Může stroj udělat chybu?

Všechny metody, které jsou založeny na statistickém učení, dělají chyby. Třeba u samořiditelných aut se stalo, že stroj neznal situaci, při níž havaroval. Nebyla v jeho datech. Nevěděl, že velký bílý kamion napříč silnicí před ním není horizont, ale tvrdá překážka.
I metody, které na statistickém učení založeny nejsou, udělají chybu, protože se změní podmínky. Máte naprogramovaný stroj, dojde k mechanické změně a stroj selže. Existuje velká oblast výzkumu, která se snaží detekovat anomálie. Statistickými metodami to jde těžko. Je to taková kvadratura kruhu, ale pracuje se na tom.

HN: K vaší práci je tedy potřeba extrémní množství dat. Je složité je posbírat?

Data jsou největším problémem pro strojové učení. Jejich pořízení stojí hromadu peněz. Například k projektu, který se zabývá autonomním řízením, potřebujeme velké množství trénovacích dat. Když si vezmete řízení automobilu v nějaké exotické zemi, třeba Indii, probíhá úplně jinak než v Evropě. V okamžiku, kdy chcete prodávat auta do celého světa, musíte mít řízení naučené pro všechny podmínky. Máme tak například videa z Japonska, která vidí kamery a lidary z testovacích aut. A pak potřebujeme experta, který zajímavé objekty a situace správně označí. Říká se tomu anotování dat. Kvůli ceně se najímají málo kvalifikovaní lidé, kteří dělají více chyb než experti. Výsledkem jsou trénovací data s chybami. V našem výzkumu vytváříme nástroje, které anotaci zrychlí a člověku ulehčí práci. Využijeme další dostupnou znalost, například z družicových nebo leteckých snímků. Víme z GPS, kde testovací auto bylo, a automaticky porovnáváme. Když vznikne rozpor, upozorníme obsluhu.

HN: Je správné, že se výroba automatizuje, a klesá tak podíl lidské síly?

Trend výroby je takový, že v podnicích bude stále méně a méně lidí. Existuje koncept, že příští fabriky budou bez světel, protože v nich nebudou lidé, kteří by je potřebovali. Což je extrém toho, co může nastat. Když si vezmete historii produktivity práce, tak k velkému zvýšení došlo tím, že se zavedly stroje. Podle toho se rozlišují průmyslové revoluce, nejdřív pára, potom elektřina, v 60. letech 20. století software. Teď po dalších padesáti letech máme Průmysl 4.0, protože je všechno díky počítačům propojené dohromady. Velkou inovací bylo zavedení pásové výroby v roce 1913 v automobilce Ford. Princip je, že produkci rozložíte na menší kusy a člověk se učí jen dílčí práci. V Americe byli v oněch letech skoro všichni dostupní dělníci přistěhovalci, kteří byli ve svých starých domovech zemědělci netknutí průmyslem. Než aby z nich vyučili kvalifikované řemeslníky, naučili je dílčím úkonům spojeným běžícím pásem. Podobný styl výroby je dnes v továrnách zcela běžný, včetně českých. Lidem na pásu samozřejmě bere automatizace a robotizace nekvalifikovanou práci, protože jí je čím dál méně. Zbylí dělníci jsou buď pružní a chytří a naučí se nové, kvalifikovanější práci, nebo trpí, jako se to stává horníkům, když se zavře důl. Lidé uvolnění z pásové výroby často přecházejí do služeb. Když se podíváte na statistiky nezaměstnanosti u nás i v dalších pokročilých zemích, tak automatizace a robotizace nezvyšují nezaměstnanost.

HN: A existuje tlak na to, studovat tyto technické obory?

Určitě, stejně tak jako na řemeslo. I v továrnách jsou zapotřebí údržbáři, kteří nastavují a spravují roboty. Ti potřebují kvalifikaci. Když u nás na ČVUT student absolvuje kybernetiku, informatiku i další obory, má skvělé pracovní příležitosti. Studenti mohou jít do světa, jsou slušně placení. Jenomže společnost se hýbe podle reklamy. V médiích vystupují hvězdičky nevalné úrovně a říkají, že matematiku nikdy neuměly, že není pro ně. Místo toho vyprávějí vědecky nepodložené nesmysly. A mládež tomu věří. Spousta lidí chce studovat antropologii, sociologii nebo psychologii. Mnohem více, než společnost potřebuje. Stát se výborným inženýrem představuje dřinu při studiu a nutnost učit se celý profesní život. Jinak nerozumíte novým technologiím. Výhodou humanitních oborů je, že absolventi jsou pružní, mohou díky měkkým dovednostem pracovat napříč obory. Ovšem zájemci o studium, kteří věří, že stačí jen schopnost „věci okecat“, takové příležitosti nemají. Společnost se mění, protože se mění požadavky. A tak to bylo vždycky. My na univerzitách máme učit dovednostem, které student bude potřebovat i za dvacet třicet let. Nejen současnou technologii.

HN: Chtěl byste žít dalších sto let, abyste věděl, co všechno přijde?

No jéje, to by mě hrozně bavilo. V každé generaci přichází náraz. Teď jsme měli třeba covid. Byl to malý náraz, ale pořádně s námi zacvičil. Generace mých rodičů zažila druhou světovou válku. Tatínek byl pět a půl roku zavřený v Německu, od svých 19 do 24 let. Smrti unikl jen těsně, vrátil se a vážil 36 kilo. A to bylo před osmdesáti lety. A co bude dál? Postoupí islamismus, sundají Číňané zdvořilou masku, přiletí meteorit a zvíří prach? Nevíme, co se může stát. Ale to je evoluce. Co bude, nikdo neví. Věřme, že naše děti a vnuci budou moci normálně žít.

Článek byl publikován ve speciální příloze HN Automatizace a robotizace.