ÚVOD DO AI: Jak vlastně funguje umělá inteligence a kde se dá využít?

Historie umělé inteligence: kde se vzala?

Umělá inteligence se zdá být něco nového, ve skutečnosti ale její kořeny sahají již do roku 1836, kdy její koncept v podobě mechanického počítače představili Charles Babbage a Ada Lovelace. P zhruba 115 let později představil Alan Turing svůj Turingův test, který je konceptem stroje schopného napadovat lidské myšlení. Pojem „Umělá inteligence“ byl pak představen poprvé v roce 1956 na konferenci v Darthmouth, které je považována za oficiální začátek umělé inteligence jako vědního oboru.

Od prvních programů, které dokázaly řešit logické problémy až po dnešní nástroj uběhla spousta času. Obrovský pokrok v oblasti hlubokého učení, přirozeného zpracovávání jazyka, počítačového vidění atd. začala umělá inteligence zaznamenávat až teprve od roku 2010. To již mohla být využívána a implementována do široké škály praktických aplikací, a to například ve zdravotnictví či automobilovém průmyslu.

‍

Britský fyzik Alan Turing byl jedním z prvních lidí, kteří se zaobírali konceptem umělé inteligence. (Zdroj obrázku: DALL-E)

Důležité pojmy spojené s AI, kterým je dobré (po)rozumět

Ač jsme si právě vysvětlili, že umělá inteligence není žádnou horkou novinkou, pojí se k ní spousta nejrůznějších pojmů, kterým většina z nás ještě nestihla porozumět. Abychom však mohli její funkce využívat naplno a hlavně vědět, co (ne)dokáže, je dobré si tyto pojmy objasnit. Začneme tím, jaké druhy a schopnosti vlastně AI má.

Jaké jsou druhy umělé inteligence?

Není umělá inteligence jako umělá inteligence. Stejně jako u člověka rozlišujeme například inteligenci sociální, prostorovou či matematicko-logickou, i umělá intelgence má svou klasifikaci. Podle schopností a rozsahu intelegince dělíme AI na:

• Narrow AI (Úzká/slabá AI) - AI, která je navržena a trénována pro vykonávání konkrétního úkolu nebo omezené sady úkolů. To je například Siri či Google Assistant či systém doporučování na Netflixu.
• General AI (Obecná) - AI, která má schopnost rozumět, učit se a aplikovat inteligenci na širokou škálu úkolů, stejně jako lidská inteligence. Tu zatím známe jen jako koncept, který ještě nebyl plně realizován.
• Superintelligent AI (Superinteligence) - Zatím se jedná o hypotetickou úroveň AI, která neexistuje. Je to AI, která přesahuje lidskou inteligenci ve všech aspektech, včetně tvořivosti, sociálních dovedností a schopnosti řešit problémy.

Jak vidíte, z tohoto dělení prakticky využíváme pouze jednu část, proto AI můžeme dělit i  například podle využití:

• Computer Vision (počítačové vidění) - AI, která umožňuje strojům rozpoznávat a interpretovat vizuální informace z reálného světa. Jedná se například o rozpoznávaní obličejů.
• Natural Language Processing (Zpracování přirozeného jazyka) - AI, která umožňuje strojům rozumět a generovat lidský jazyk. Jedná se o překladače, chatboty či hlasové asistenty.
• Robotika - AI, která umožňuje strojům interagovat s fyzickým světem a vykonávat úkoly. Jsou to například průmysloví či domácí roboti nebo autonomní drony.
• Hry a simulace - AI, která se používá pro vytváření inteligentních agentů a modelování komplexních systémů ve hrách a simulacích. Využívá se jak například jak v počítačových hrách, tak třeba pro simulace dopravy či ekonomických systémů.
• Prediktivní analytika - AI, která se používá k analýze dat a předpovídání budoucích událostí nebo trendů, využívá se například ve fifančnictví či k analýzám zákaznického chování.

Kromě výše zmíněného můžeme AI také dělit podle technologií a metod.

Co je to machine learning?

Machine learning neboli strojové učení je podoblast AI, která se zaměřuje na vývoj algoritmů a modelů, které umožňují počítačovým systémům automaticky se zlepšovat na základě zkušeností a dat, aniž by byly explicitně naprogramovány pro konkrétní úkol. Hlavní myšlenkou strojového učení je, že systém se učí z příkladů a dokáže rozpoznávat vzory v datech, které pak může použít k predikci nebo rozhodování.

Strojové učení má několik typů:

• Supervised Learning (Supervizované učení) - Model se učí z trénovacích dat, která obsahují vstupy a odpovídající výstupy. Jde například o rozpoznávání spamovacích emailů či predikce cen nemovitostí.
• Unsupervised Learning (Nesupervizované učení) - Model se učí z dat, která nemají předem dané odpovědi. Snaží se najít skryté vzory nebo struktury v datech. Konkrétně se jedná například o segmentace zákazníků či doporučovací systémy.
• Semi-Supervised Learning (polosupervizované učení) - Kombinuje malé množství označených dat s velkým množstvím neoznačených dat během trénování. Příkladem jsou situace, kde je těžké nebo nákladné získat označená data, ale neoznačených dat je dostatek.
• Reinforcement Learning (Posilované učení) - Model se učí pomocí interakce s prostředím a dostává zpětnou vazbu ve formě odměn nebo trestů. Využívá se například při hraní her nebo u autonomního řízení vozidel.

A kde se strojové učení dá nejlépe aplikovat? Například v oblasti marketingu dokáže vytvořit personalizované doručovací systémy, analyzovat data či vytvářet cílené reklamy. Ve finančním sektoru zase může detekovat podvody, předpovídat trendy či hodnotit úvěrová rizika. Ve zdravotnictví umělá inteligence způsobila revoluci v oblasti diagnostiky nemocí a analýzy snímků a pomáhá vytvářet personalizované léčebné plány. Většina lidí se ale se strojovým učením setkává například, když potřebují rozpoznat jazyk či něco přeložit.

Co je to deep learning?

Deep learning nebo česky hluboké učení je podoblastí machine learningu, která se zaměřuje na využití neuronových sítí s mnoha vrstvami (tzv. hlubokých neuronových sítí) pro učení z dat. Hluboké učení se inspiruje strukturou a funkcí lidského mozku, konkrétně neuronů a jejich propojení. Využívá tzv. umělé neuronové sítě k analýze a extrakci vzorů z velkých datových sad.

Prakticky se hlubokého učení využívá při počítačovém vidění (rozpoznávání objektů a obličejů, analýzy obrazů) či přirozeném zpracování jazyka (překlady, rozpoznávání řeči, generování textu). Své využití nachází též v automobilovém průmyslu, jelikož jej využívají navigace, které fungují v reálném čase. Stejně tak pomáhá lékařům s diagnostikou a čtením snímků či s jeho pomocí generujeme realistické obrazy a videa pro zábavu.

Deep learning je momentálně nejrozvinutější oblastí umělé inteligence, kterou využíváme denně.

Umělá inteligence využívá síť neuronů podobně jako lidský mozek. (Zdroj obrázku: DALL-E)

Jak může umělou inteligenci využít běžný uživatel?

Výše jsme zmínili, že AI mohou využívat lékaři k asistenci při diagnostice nemocí či že ji najdete v autonavigacích a určitě si říkáte - to je skvělé, proč se tedy lidé tak bojí o práci? Účelem vývoje umělé inteligence rozhodně nebylo někomu práci vzít, ale spíše zautomatizovat některé procesy a vyhnout se faktoru lidské chyby při životně důležitých situacích (například řízení dopravy). Pravdou ovšem je, že zvláště díky schopnosti deep learningu je spousta profesí přinejmenším ohrožena, jedná se například o překladatele, ilustrátory, tvůrce 3D modelů, střihače, copywritery, grafické designery a podobné profese. Nevěříme však, že AI tyto profese nahradí. Pokud se lidé naučí jejích výhod (rychlost a schopnost vygenerovat prakticky cokoliv) využívat, může jim opravdu pomoci.

Pro představu, v běžném day-to-day životě nám již AI spoustu práce usnadňuje, jen si toho nemusíme být ani vědomi.

• Digitální asistenti - Siri, Alexa, Cortana nebo Google Asistent nám pomáhají vyhledávat informace, vést naše kalendáře nebo ovládat chytrá domácí zařízení.
• Personalizovaný obsah - máte Netflix? A víte, že díky AI ví, co asi chcete vidět? To samé platí pro Twitch a další zábavní platformy.
• Chytré domácí spotřebiče - termostaty, osvětlení, zámky nebo třeba lednice.
• Zdravotní a fitness apky - aplikace jako je Fitbit či Apple Health sledují naši fyzickou aktivitu a spánek, měří srdeční tep a na základě dat doporučují cvičení či diety.
• Překlady a zpracování jazyka - kdo dnes nepoužívá google translator nebo třeba Grammarly, když si není jistý svou gramatikou či stylistikou?
• Fotografie a videa - AI je dnes implementovaná do spousty programů na úpravu či tovrbu videí, jedná se například o Photoshop. Najdete ji ale třeba i na TikToku.
• Nakupování - personalizovaná doporučení produktů, chatboti pro zákaznickou podporu, dynamické ceny.
• Finanční služby - sledování výdajů a příjmů, automatické investování, detekce podvodů. Jedná se například o apliakce Mint, Robinhood či PayPal.
• Navigace a doprava - Optimalizace tras v Google Maps, sledování dopravy v reálném čase v aplikace Waze či sdílení jízdy v Uberu.
• Vzdělávání - personalizované učení v Duolingu, automatické hodnocení úkolů, adaptivní výukové plány.
• Kybernetická bezpečnost - Detekce a ochrana před malwarem, phishingem a jinými kybernetickými hrozbami. Například Norton či McAffe k tomu AI využívají.
• Chytré automobily - Autonomní řízení, asistenti pro parkování, detekce nehod. AI využívá například Tesla.
• Rozpoznávání hlasu a syntéza řeči - Přepis mluveného slova do textu, čtení textu nahlas, ovládání zařízení hlasem. To vše dnes dokáží telefony či počítače.
  

Vidíte? Umělá inteligence je jež běžnou součástí našich životů a vůbec nám to nevadí. Jak ji využívat cíleně k tomu, abyste například mohli vytvořit fotografii, video nebo sestříhat podcast vám prozradíme zase příště!

‍