Pri pive debatujeme o umelej inteligencii

Rebecca Johnsonová, šéfka výskumného tímu spoločnosti Siemens, si občas rada pochutí na bavorskom pive. Je presvedčená, že ak jej v budúcnosti bude robiť spoločnosť umelá inteligencia, porozprávajú sa spolu mníchovským dialektom.

Skúste vymenovať päť kľúčových pojmov, ktoré sú nevyhnutné, ak chceme uvažovať o umelej inteligencii.
To je jednoduché. Prvým pojmom bude neurónová sieť, ktorá je akýmsi umelým mozgom. Ľudský mozog sa skladá z množstva neurónových buniek vzájomne prepojeným synapsiami. Usporiadanie synapsií určuje, čo všetko dokáže mozog urobiť. Neurónová sieť replikuje neuróny a synapsie matematickými prostriedkami. Druhým pojmom je strojové učenie. Hovoríme o ňom vtedy, keď systémy vyvodzujú závery z dát, ktoré spracovali v minulosti, a podľa toho upravujú svoje správanie. Inak povedané – robia to, čo v prípade ľudí nazývame učením. Najdôležitejšou formou strojového učenia je tzv. hlboké učenie. To je môj tretí pojem. Štvrtým je graf znalostí. Ide o štruktúrovanú sumarizáciu široko rozvetvených znalostí a schopnosť nájsť medzi nimi súvislosti. Grafy znalostí sú základom takmer neobmedzenej pamäte systémov umelej inteligencie. A na piate, hoci určite nie posledné miesto, dávam termín digitálny asistent. Umelá inteligencia by totiž mala byť vyvinutá tak, aby s ňou ľudia radi pracovali.  

Umelá inteligencia nie je žiadna novinka. Prvé princípy sa objavili v polovici minulého storočia a v deväťdesiatych rokoch sa dokonca zdvihla malá vlna optimizmu, ktorá však neskôr opadla. Dnes sa o umelej inteligencii opäť hovorí a na tento pojem narážame doslova všade.
Existuje viacero dôvodov. Zlepšili sa procesy, zrýchlili počítače, cloudy ponúkajú neobmedzený úložný priestor... Najdôležitejším dôvodom sú však dáta: aby sa mohla umelá inteligencia učiť, potrebuje obrovské množstvo dát, inak zostane veľmi hlúpa. Pred tridsiatimi rokmi bolo ťažké získať dostatok dát, no internet vecí (IoT) všetko zmenil. Dnes máme k dispozícii obrovské množstvo údajov, ktoré obsahujú veľa cenných informácií. Aby sme sa k nim dostali, musíme dáta analyzovať. To je niečo, čo klasické programovanie – tvorba jasne preddefinovaného algoritmu – nedokáže. Ale techniky umelej inteligencie to zvládajú.

Čo všetko sa môže umelá inteligencia naučiť?
Veľmi veľa – hrá šach, maľuje obrázky. Naučí sa v podstate všetko, čo sa dá uviesť matematickým vzorcom. Ale nie je to také jednoduché. Nestačí len naprogramovať neurónovú sieť, ukázať jej niekoľko miliónov obrazov a očakávať, že dokáže čokoľvek. Aj vývojár umelej inteligencie musí najprv pochopiť požiadavky, ktoré má systém splniť, a podľa toho definovať vhodnú architektúru. Systém umelej inteligencie sa totiž skladá z viacerých vrstiev a každá má jedinečnú úlohu. Povedzme, že chcem vyvinúť systém na rozpoznávanie písania rukou. Musím definovať vrstvu, ktorá deteguje rozdiely medzi čiernou a bielou farbou, vrstvu, ktorá rozpoznáva slučky a tak ďalej. Ak zabudnem do týchto vrstiev zahrnúť niečo podstatné, potom môžem systém akokoľvek dlho trénovať, nebude fungovať.

Aj pri správnej analýze problému a vhodnej architektúre nebude vývojár na konci cesty. Systém umelej inteligencie zostane „hlúpy“, bez učenia nebude dosahovať spoľahlivé výsledky.
Presne tak. Vďaka internetu vecí dnes disponujeme dostatkom dát, niekedy je však ťažké ich využiť. Predstavte si napríklad, že vyvíjate systém umelej inteligencie na detekciu zmien v obrazoch tkanív. Musíte ho učiť na základe obrovského množstva príkladov zdravého a chorého tkaniva, budete potrebovať možno milióny obrázkov. V medicíne sú však pravidlá ochrany osobných údajov veľmi prísne a dokonca aj anonymizované obrázky je ťažké získať. Ako sa má potom systém učiť? Samozrejme, ochrana osobných údajov je veľmi dôležitá, mali by sme však hovoriť o pravidlách, ktoré by umožnili takéto dáta spoločne využívať, pretože ide o dobro všetkých.

Sú problémy s veľkými dátami iba v medicíne?
Určite nie. Napríklad v spoločnosti Siemens sedíme na skutočnej hromade dát – ide o údaje o produktoch, z vývoja, predaja, objednávok... zbierame ich už 150 rokov, a hoci ide o veľmi cenný zdroj informácií, máme problém interne využiť ich hodnotu. V tomto prípade nie je problém ochrana osobných údajov, pretože dáta v žiadnom prípade spoločne nevyužívame s ľuďmi mimo spoločnosti. Informácie sú však rozptýlené v rôznych dokumentoch, databázach, na disketách a iných nosičoch. Spustili ste preto veľký projekt, ktorý pomocou grafu znalostí vytvorí istý druh podnikovej pamäte, aby sme na nič nezabudli.

Je umelá inteligencia dôležitá aj pre spoločnosť Siemens?
Pre nás je nevyhnutná! Sme spoločnosť, ktorá pracuje na digitalizácii mnohých segmentov a bez umelej inteligencie by sme rýchlo stratili pozíciu lídra na trhu. Napríklad v budúcnosti, ak majú distribuovaní dodávatelia energie efektívne spolupracovať s inteligentnou infraštruktúrou mesta, musia rozumieť veľkému množstvu údajov, ktoré budú nepretržite generovať senzory a počítače. To zvládnu len nástroje umelej inteligencie, rovnako ako v priemyselnej továrni, kde budú autonómne spolupracovať chytré roboty. Umelá inteligencia je preto jedným z našich najdôležitejších výskumných cieľov. Riešime viac ako 450 individuálnych projektov – od vývoja nových algoritmov až po analýzy skúseností používateľov. Nie sme na tom zle. Organizácia WIPO nedávno zverejnila štatistiky o patentových prihláškach v oblasti umelej inteligencie. V dôležitých segmentoch, ako sú biologické a lekárske vedy, energetický manažment či fyzikálne a technické vedy sme na prvom alebo druhom mieste.

Ktorý z výskumných projektov umelej inteligencie máme najradšej?
Určite prácu na digitálnom asistentovi. Už som vravela, že ide o systém umelej inteligencie, s ktorým ľudia radi pracujú – zbavuje nás otravných úloh, prichádza s užitočnými návrhmi a v najlepšom prípade sa prispôsobí osobnosti svojho používateľa, pričom autonómiu rozhodovania ponecháva ľuďom. Momentálne riešime vzájomnú komunikáciu digitálnych asistentov a ľudí. Pre nás je najintuitívnejší spôsob rozprávanie. Pochopenie reči – spracovanie prirodzeného jazyka – je pre systémy umelej inteligencie veľkou výzvou, napríklad aj pre rôzne prízvuky a dialekty. Pracujeme na digitálnom asistentovi, s ktorým môžete hovoriť prirodzene, nielen príkazovým tónom. Ideálny digitálny spoločník musí, samozrejme, upraviť aj svoj rečový výstup tak, aby neznel synteticky ako klasický chatbot.

Ak nám teda robil digitálny asistent spoločnosť v pivnej záhrade, mal by hovoriť bavorským dialektom?
V Mníchove určite. A mal by ako pravý Mníchovčan občas zabručať a buchnúť pohárom do stola.

Foto: Siemens