ZPĚT NA WEB BLOG ZPĚT

Blog
Mozkovna Doba čtení 4 minuty

Život ve světě umělé inteligence? Ano, už v něm žijete...

Přidáno 04. 04. 2017

Kdybychom zadali klíčové slovo "umělá inteligence" do generátoru poutavých titulků, zněl by nadpis tohoto článku: "Proč je umělá inteligence 51. odstínem šedi". No, v tomhle případě se moc nepředvedla, ale přesto už umělá inteligence poráží lidi v šachu a kartách, kreslí obrazy nebo píše básně. Čtěte dál a dozvíte se, jak blízko (nebo daleko) jsme k realitě, ve které za nás budou počítače myslet. 

Možná jste slyšeli o americkém seriálu Westworld. Neustále zdokonalovaní roboti, kteří jsou vzhledem i chováním k nerozeznání od lidív něm v zábavním parku poskytují návštěvníkům autentický zážitek z reálií divokého západu.

Problém nastává ve chvíli, kdy si roboti začínají svůj "osud" uvědomovat. Myšlenka je ale jasná. Roboti - tedy reprezentanti umělé inteligence - jsou v seriálu schopní se adaptovat, učit a improvizovat. Zjevně mají totiž rozvinuté tzv. umělé neuronové sítě. To ale nemusí být pouze otázka sci–fi seriálů. Na rozvoji neuronových sítí pracují vědci už dnes a mají poměrně velké úspěchy.

Neuronová síť je výpočetní model používaný v umělé inteligenci. Vzorem je chování tzv. axonů - výběžků na neuronech - mezi kterými probíhá přenos nervového vzruchu v lidském mozku.

Ale pojďme popořádku.

Strojové učení? Trochu mučení

Rozvoj zmíněných neuronových sítí je pouze jedním z přístupů k tzv. strojovému učení (machine learning), které spadá do oblasti umělé inteligence. Strojové učení dává počítačům schopnost učit se a přizpůsobovat na základě předchozích zkušeností a dat, nikoliv díky explicitnímu naprogramování.

Zdá se vám to příliš složité? Datový vědec Daniel Tunkelang vysvětluje strojové učení na jednoduchém příkladu. Snad se vaše šedé buňky neurazí, ale jedná se o vysvětlení pro děti B-). V příkladu chceme počítač naučit, která jídla jsou lahodná, a která odporná. 

Počítač nemá chuťové buňky, musíme mu tedy nejdřív ukázat lahodné jídlo (pozitivní příklad) a odporné (negativní příklad). S každým příkladem zároveň dodáme doplňující informace. Je slané, sladké, křupavé? Je to zelenina? Ke každé otázce přiřadíme u jídla hodnotu ano nebo ne.

Označení jídel platí pro děti a navíc jde pouze o příklad. Uklidněte tedy své chuťové buňky a nechte pracovat jen ty mozkové. B-)

Jídlo Sladké Slané Křupavé Zelenina Označení
Zmrzlina Ano Ne Ne Ne Lahodné
Pizza Ne Ano Ano Ne Lahodné
Jahody Ano Ne Ne Ne Lahodné
Ančovičky Ne Ano Ne Ne Odporné
Brokolice Ne Ne Ne Ano Odporné
Růž.kapusta Ne Ne Ne Ano Odporné

 

Na základě těchto vstupních informací si počítač nastaví model lahodného a odporného jídla a podle sestaveného algoritmu následně posuzuje další jídla.

Ke každé informaci ještě přiřadíme váhu (tzv. lineární metoda). Sladké bude mít váhu 3, slané 1, křupavé 1 a zelenina -1. Při hodnotě ano připočítá počítač tuto váhu k celkovému skóre. Při hodnotě ne nepřipočítá žádné body.

Jídlo Skóre
Zmrzlina 3
Pizza 2
Jahody 3
Ančovičky 1
Brokolice -1
Růž.kapusta -1

 

Výsledky jsou jasné – hranice mezi dobrým a špatným je 2.Když potom dáme počítači "ochutnat" třeba kopr, jediné hodnoty ano budou u slaného a zeleniny. 1 + (-1) = 0. Kopr tedy počítač na základě modelu (předchozích zkušeností) vyhodnotí jako odporný. B-) 

Kolik metod umíš, tolikrát jsi počítačem

Nepoužívá se pouze lineární model. Další metodou je třeba rozhodovací strom. Ten funguje na principu hry, kdy se pomocí 20 otázek snažíme najít odpověď. Tedy:

Je to zelenina? Jestli ano, je to odporné. Jestli ne, je to sladké? Jestli ano, je to lahodné. Jestli ne, je to křupavé? A tak dále.

Způsobů a technologií učení počítačů máme spoustu a stále není jasné, která se v budoucnu stane tou nejlepší, a která bude počítače učit efektivněji. Jsou to například zmíněné neuronové sítě, odvozování ze statistik nebo pravděpodobnostní strojové učení.

Liší se také tzv. učení s učitelem (příklad výše) nebo bez učitele (viz box). Záleží na tom, jestli počítač má nějaká vstupní data nebo ne.

Učení bez učitele (unsupervised learning) znamená, že počítač nemá žádná vstupní data a musí si poradit sám. Když vezmeme příklad s jídlem, počítač by nebyl schopen rozdělit jídlo na chutné a odporné. Ale například by byl schopen rozdělit jídlo podle fotek na základě společných charakteristik jako barva, velikost či tvar.

Učení s učitelem (supervised learning) se používá u abstraktních pojmů (krása, chuť, vůně), které počítač nemůže rozeznat.

Jsme obklopeni umělou inteligencí

Nástroje, které bychom před 30 lety považovali za zázrak, dnes používáme každý den. Chytré mapy, doporučené produkty na internetových stránkách, spamový filtr, překladače, rozpoznávače textu, obrázků a hlasu nebo třeba z úplně jiného soudku - počítačem řízená auta. A s čím přicházíte do styku nejčastěji - internetové vyhledávání na Googlu.

Google je totiž průkopníkem v oblasti vývoje umělé inteligence a strojového učení. Výsledky i postup své práce navíc pravidelně sdílí na svém blogu.  Můžete si vyzkoušet i různé aplikace. Například nechte počítač v reálném čase rozpoznat to, co se snažíte nakreslit.

Slečna si čistí zuby? Myslím, že ne, počítači

Ve vývoji strojového učení jsme dnes už velmi daleko. Taky to ale dlouho trvalo. Termín použil už v roce 1959 průkopník umělé inteligence Arthur Samuel.

V současnosti a nedávné minulosti se ale umělá inteligence začala překotně vyvíjet a počítače rychleji a kvalitněji učit.

Revoluce v rychlosti strojového učení z poslední doby není způsobená žádnými převratnými objevy a matematickými postupy. Počítače pracují v podstatě se stále stejnými algoritmy jako před 15 lety, ale pracují s nimi mnohem rychleji a zpracovávají násobně větší objemy dat.

Výsledkem tak jsou různé umělé inteligence. Některé užitečné, některé bizarní. Někdy funkční, jindy méně. Jak si například poradil počítač na rozpoznávání videa pro slepé s pornografií? No, posuďte sami, jestli si myslíte, že si žena na (záměrně rozmazané) nahrávce skutečně čistí zuby. B-)

Otázkou není, jestli za nás bude umělá inteligence myslet. Otázkou je kdy. A jestli vývoj půjde dopředu mílovými kroky jako doteď, bude to brzy.



Sdílení 

Naučte se pravidlům,
abyste je mohli správně porušovat.

Dalajlama

Je rozumné brát do hrsti rozum, ne žádnou část tohoto webu. © BRAINCUBE