Úvahy mimo téma – Umělá inteligence, AI

Otevírám prvním článkem ještě jednu kategorii – Úvahy mimo téma, kde budu zveřejňovat svoje myšlenky a názory na věci, které mě zajímají a nemají přitom s investicemi přímo nic společného (přestože investovat lze do všeho, takže technicky jde s investováním spojit cokoliv). Dnešním tématem je umělá inteligence. Téma extrémně aktuální, zároveň velmi složité a běžnou populací naprosto nepochopené. Tímto článkem to chci zkusit změnit. A na konci možná dojde i na vztah k investování. A bude to dlouhé, tak si dejme čaj, kávu nebo doutník a jdeme na to.

Co to je AI?

Výborná otázka do začátku. Neumím ji ani přesně odpovědět, ale zkusím se trochu rozepsat o vývoji a v jakém stavu jsme.

Většina lidí má pocit, že jsme někde na začátku. Tzn. programátor vymyslí algoritmus, vloží ho kódem do programu a program pak vykonává to, co má v sobě vloženo. Chceme rozpoznat jestli je na fotce tygr. Vytvoříme algoritmus, který ověřuje, jestli je na obrázku oranžovo, hnědo černé zvíře s pruhy – pokud ano, je to tygr. Program každý obrázek prožene přesně tímto algoritmem a fotky rozřadí. Fajn. Tímto způsobem fungovaly první programy na hraní šachů. Člověk napsal algoritmy na hraní šachu, nakódoval je do programu a program dělá, co má naprogramováno. Nejedná se o inteligenci, přesto časem dokázal porazit i lidi. Toto je zhruba konec 90. let a nemá to se současným stavem společného nic.

Na přelomu tisíciletí se totiž do vývoje AI dostal nový přístup – deep learning, hluboké učení. K tomu, aby bylo možné pochopit o co jde, se nejprve stručně podívejme na to, jak se učí člověk. Dítě, pokud se má naučit něco nového, třeba chůzi, tak opakuje metodou pokus/omyl činnost tak dlouho, dokud „nepřijde věci na kloub“. V mozku se v danou dobu odehrává něco, čemu se říká neuroplasticita – spojení neuronů, které má za úkol dělat danou činnost, se opakováním posiluje dokud není tak silné, že člověk dělá danou věc prakticky automaticky. Bez toho, aby nad tím musel přemýšlet. Takto se během života naučíte věci jako chůzi, řazení v autě nebo šněrování tkaniček. Zpět k deep learningu.

Deep learning je metoda strojového učení, kde hardware, který je konstrukčně velmi podobný neuronové síti, kterou máme v mozku, necháme opakovat jednu činnost tak dlouho dokola, dokud nedosáhne požadovaného výsledku. Chceme naučit program rozpoznávat fotku tygra? Tak mu budeme ukazovat fotky zvířat tak dlouho, až sám nepřijde na to, jak rozeznat ty s tygrem od ostatních. Trvá to, ale stejně jako člověk, na to časem přijde. Porgramu nikdo předem nevysvětlil, jak má poznat tygra. Toto je současný stav umělé inteligence. A podle mého názoru na ní není umělého vůbec nic. Jen to, že běží na anorganickém křemíku a ne organické hmotě zvané mozek.

Velké jazykové modely – ChatGPT a spol.

Nejlepším způsobem, jak vysvětlit co je velký jazykový model, bude podle mě, se zeptat nejznámějšího z nich. Zde je prosím odpověď od ChatGPT 3.5, AI modelu od OpenAI, kterou z velké části vlastní Microsoft, na otázku, co je velký jazykový model a jak je stvořen. Naprosto záměrně jsem se modelu zeptal v češtině, aby odpovídal v ne úplně běžném a jednoduchém jazyce:

Působivé, že? Podotýkám, že podobně jako v předchozím příkladě rozeznávání tygra na fotce, se i tady jedná o hluboké učení. Programu nikdo neřekl jak má odpovídat. Pouze si načetl neskutečné množství textu a doplňuje větu. Nechápe podstatu toho, co odpovídá, je to jen stroj který umí extrémně dobře chápat kontext psaného jazyka a doplňovat text, který vidí. Postup učení je přitom shodný jako u lidí. Psaný text je jen jedna forma jazyka, stejný postup jde použít i na jakýkoliv jiný typ dorozumívání mezi lidmi. Výsledkem kombinace jazykového modelu v podobě učení z textu, mluveného slova a videa je pak něco podobného jako tento defacto android, který se objevil na rozhovoru v australské televizi před pár dny.

Co všechno AI umí kromě jazyka?

Kromě jakékoliv formy dorozumívání je možné umělou inteligenci přes hluboké učení naučit v podstatě cokoliv, kde je větší objem dat obsahujících kontext. Velmi známým příkladem jsou grafické generátory (Midjourney, Dall-E a jiné). Opět, lepší než popis je ukázka. Pomocí příkazu do Leonardo AI grafického generátoru jsem nechal vytvořit ilustraci – Malba aquarelem, žena v bílých šatech, blondýna podobná Marilyn Monroe, na pláži v Nice z počátku 20.st. Výsledek je toto:

V generátoru jde vytvořit v podstatě cokoliv, nejedná se o tupé kopírování něčeho co už na internetu existuje. Program z příkazu pochopí kontext, v jakém má vytvořit obrázek a následně podobně, jako jazýkový model, vytvoří vysoce pravděpodobný výsledek, který by měl být odpovědí na příkaz. Z vlastní zkušenosti musím uznat, že to velmi dobře funguje a program je skutečně schopen vytvořit něco velmi blízkého tomu, co od něj požadujete.

Další příklad, protože tohle se jen tak neomrzí – přistání na Měsíci ve stylu art deco z počátku 20. století.

Od grafiky je velmi krátká cesta k videu, což není nic jiného, než na sobě navazující obrázky ve frekvenci 10-30 snímku za vteřinu. Omezením je v dnešní době v podstatě pouze rozumný výpočetní výkon.

Nicméně vizuální reprodukce není jediná oblast, kde jsou data v kontextu. AI modely budou schopny operovat v podstatě v čemkoliv postaveném na přírodních zákonech. Jejich nasazení v přírodních vědách je tak podle mého názoru více než pravděpodobné a budou se tím pádem podílet na vědě a výzkumu. Konkrétní příklad ale nemám.

Dalším dobrým cílem pro AI modely je takzvaný AI agent. Tzn. program, který je schopen nejen odpovídat na pokyny (ať už v jakékoliv podobě – text, obraz, zvuk), ale provádět v předem daných hranicích úkoly. Microsoft momentálně připravuje digitální asistentku pro operační systém Microsoft. Výsledkem by měl být asistent v počítači, který bude pomocí psaného pokynu schopen vykonat v rámci počítače vámi zadaný úkol. Například: „Vytvoř a rozešli pozvánku na zítra 9.00 v MS Teams pro lidi XYZ na téma Rozpočet 2024“.

Zatím nejpůsobivější ukázku AI agenta jsem viděl u software společnosti Palantir, která vytváří velmi individualizované programy pro různá využití, které slouží k analýze a práci s velkými daty. Opět je lepší ukázka než popis, níže je tedy jejich video ukazující software pro armádní operační důstojníky, který se momentálně využívá na Ukrajině. Program umí vyhodnocovat data z bojiště, sám úkolovat jednotlivé prvky ozbrojených sil (drony, družice, komunikace s živými jednotkami atd.) a to vše výrazně rychleji než dokáže sám člověk.

A přidám poslední poměrně známé využití AI v praxi. Autonomní řízení aut. Největším průkopníkem v tomto odvětví je Tesla. Vzhledem k náročnosti celého procesu se jedná o ještě složitější model, než je LLM. Autonomní auto zpracovává data ze senzorů v autě (u Tesly defacto výhradně kamery) a upraví jejich obsah tak, aby výpočetní výkon v autě byl schopen v reálném čase za jízdy data z kamer zpracovat. Během toho vytváří ve vlastním programu model toho, jak vypadá okolí auta s důrazem na aspekty podstatné pro řízení (co je vozovka, co je jedoucí auto, co je stojící auto, co je člověk, semafor, dopravní značení atd). Následně okamžitě upraví jízdu auta, aby odpovídala podmínkám a reaguje adekvátně na to, co se v okolí auta děje. Celá problematika autonomního řízení je výrazně složitější ze dvou důvodů – jednak vizuální záznam z okolí auta je ohromné množství dat, které musí software zpracovat. A za druhé se celý výpočet musí odehrávat velmi rychle. Čím rychleji auto jede, tím je výpočet složitější – auto musí vidět více dopředu a zpracovávat více dat v kratším čase. Nasdílím opět poměrně nové video, kde Elon Musk ukazuje demo jejich nové verze autonomního řízení. Nicméně z pohledu tématu jsou zajímvější videa z jejich AI konference minulý rok. Zájemcům, kteří chtějí vidět, jak vlastně software za autonomní řízením funguje, vřele doporučuji. Princip je opět stejný jako v předchozích případech. Auto není naprogramované. Systém pouze viděl extrémní množství videozáznamů z jízdy autem, díky kterým se naučil, jak funguje systém a pravidla silniční dopravy.

https://t.co/VzTxpktH1q

— Elon Musk (@elonmusk) August 26, 2023

Exponenciální křivka učení

Pokud vám přijdou ukázky zajímavé, tak vězte, že vše, co je zde nasdíleno, bude za půl roku překonáno. Křivka učení u umělé inteligence se zdá být exponenciální a schopnosti umělé inteligence ve specifických úkolech již teď překonávají lidi a dále se zlepšují. To co zatím chybí je tzv. AGI – umělá obecná inteligence. Software, který by nebyl vyškolen na jednu konkrétní činnost (psaní textu, řízení auta, analýzu dat z bojiště atd.), ale dokázal by svoje znalosti aplikovat na libovolnou činnost. Jak daleko jsme od okamžiku, kdy AGI vznikne, netuším. Mám ale podezření, že jsme výrazně blíže, než si většina lidí myslí.

AI, investice a disrupce

Kromě zjevného, kdy AI může pomoci s analýzou dat z finančních trhů a zpravodajství – jaké jsou další dopady AI na investice, a které obory mohou být významně zasaženy umělou inteligencí?

Předpovídat budoucnost je v podstatě jen hádání, přesto jsem celkem přesvědčen, že jeden ze sektorů, kam dopadne umělá inteligence nejvíce je zdravotnictví. Ať již se jedná o výzkum a vývoj léků, přes diagnostiku nemocí a DNA, sociální pěči až po online monitoring lidských biologických funkcí. Podobným způsobem bude nejspíš zasažen každý sektor. Umělá inteligence umožňuje dělat rutinní práci rychleji a efektivněji. Zároveň umí být kreativní a s pomocí velkých jazykových modelů je s ní možné velmi snadno komunikovat i bez znalosti pokročilých IT dovedností. Nejedná se dle mého názoru jen o pitomý buzzword jako metaverse a web 3.0, ale o skutečnou disrupci toho, jakým způsobem člověk žije dnes a bude žít na konci této dekády.

Z firem, které jsou přímo zapojeny do AI a obchodují se na burze, je nepřekvapivě valná většina z USA. Design čipů používanch pro strojové učení dělá dnes na vrcholné úrovni jen nVidia. Velké jazykové modely kontroluje Microsoft a Google. Umělou inteligenci dále využívá i Tesla, Meta a Adobe. Prostředí pro implementaci umělé inteligence a velkých datových souborů do pracovního prostředí dělá Palantir Technologies. Konkurence pochopitelně existuje i mezi některými čínskými firmami. Bohužel, stejně jako u jiných převratných technologií, budoucí vítěze v tomto oboru z velké části nejspíše neznáme a teprve na burzu přijdou.

Hezkou přednášku v českém jazyce ohledně umělé inteligence i její budoucnosti má Jan Romportl, kterou tuto kapitolu uzavřu.

Závěrem k umělé inteligenci

Naše generace stojí před velkou změnou, která nespočívá v klimatické změně, geopolitickému růstu Asie (aniž bych tyto věci zlehčoval), ale v sesazení člověka z vrcholu potravní pyramidy. Člověk již nebude nejschopnější ani nejchytřejší bytostí na planetě. A budeme se muset v nové realitě naučit žít a adaptovat se.

Vývoj není možné zpomalit, zastavit ani zvrátit a ten, kdo nebude připraven, bude mít velmi složitou a psychicky bolestivou budoucnost. Nedávejme hlavu do písku ani nebagatelizujme toto téma. Je čas mu porozumět, orientovat se v něm a dokázat AI využít ve svůj prospěch.