Velká devítka

Pokud jste v posledních několika desetiletích viděli nějaké sci‑fi filmy nebo seriály, pravděpodobně jste narazili na temné vize budoucnosti. V mnoha z nich je pád lidstva způsoben pokrokem v oblasti umělé inteligence, zkráceně AI.

Obecně vzato se AI vztahuje na jakýkoli počítačový program či systém, který dokáže vykonávat úkoly připomínající činnosti lidské inteligence. Mezi dnešní konkrétní příklady patří rozpoznávání objektů, porozumění řeči nebo používání strategií k dosažení cílů – například porazit člověka ve stolní hře. AI zároveň označuje i oblast výzkumu a vývoje, v níž se tyto programy a systémy vytvářejí.

V tomto shrnutí se seznámíte s AI v obou těchto významech. Nejprve se podíváme na současnou úroveň rozvoje umělé inteligence a některé z nejpokročilejších příkladů. Poté se setkáte s klíčovými hráči – „velkou devítkou“ technologických korporací. Kdo jsou? Co chtějí? Proč to chtějí? A kam se kvůli nim vývoj AI ubírá? Na tyto otázky zde najdete odpovědi.

Cestou se také dozvíte, v jakých ohledech už AI dosáhla nadlidské inteligence, jaké konkurenční vize světa dnes formují oblast umělé inteligence a jak pravděpodobné je, že se některá z temných sci‑fi vizí skutečně naplní.

Od přelomu jednadvacátého století zaznamenala umělá inteligence pozoruhodný pokrok. Klíčovou roli v něm sehrál vývoj hlubokých neuronových sítí, označovaných zkratkou DNN.

Přesná mechanika jejich fungování je poměrně složitá, základní myšlenka je však jednoduchá. DNN se do jisté míry podobají lidskému mozku: skládají se z tisíců simulovaných neuronů, které jsou vzájemně propojené a uspořádané do stovek vrstev. Tím, že si tyto vrstvy předávají signály, dokážou provádět tzv. hluboké učení. To znamená, že se mohou samy naučit, jak něco dělat, s minimálním nebo žádným lidským dohledem; na rozdíl od dřívějších počítačových programů je jejich tvůrci nemusejí krok za krokem „učit“.

Díky hlubokému učení dokázala AI porazit jednoho ze svých nejdéle odolávajících soupeřů: starobylou čínskou deskovou hru go. Hraje se s bílými a černými kameny na prázdné mřížce a ačkoli vypadá jednoduše, je ještě složitější než šachy. Například zatímco v šachu existuje pouze 20 možných úvodních tahů, v go jich je 361. A už ve druhém tahu se počet možností rozroste na 128 960!

Kvůli této složitosti musí být program na hraní go schopen velmi kreativního, flexibilního a strategického uvažování v reálném čase, aby dokázal porazit zdatného lidského soupeře. Po desetiletí byla taková vítězství jedním z hlavních měřítek, podle nichž se posuzovala síla AI. Od 70. let až do počátku 21. století však umělá inteligence tento cíl nedokázala splnit – prohrávala dokonce i s nováčky a dětmi. Hra pro ni byla jednoduše příliš složitá.

Pak ale přišel start‑up DeepMind, specializovaný na hluboké učení, který v roce 2014 koupil Google. Téhož roku nasadil tým DeepMind program založený na DNN s názvem AlphaGo proti profesionálnímu hráči Fan Huiovi. AlphaGo ho porazil 5:0. Následně se zúčastnil turnajů, v nichž porazil každého lidského soupeře, na kterého narazil – včetně úřadujícího mistra světa.

Měřítko „vítězství v go“ tak bylo konečně dosaženo a ohromné schopnosti hlubokého učení byly názorně předvedeny. Jak však uvidíte v další kapitole, AlphaGo byl jen předzvěstí toho, co mělo přijít.

Úspěch AlphaGo z roku 2014 byl pozoruhodný, ale jeho nástupce AlphaGo Zero, který debutoval v roce 2017, jej ještě výrazně překonal. Abychom pochopili klíčový rozdíl mezi těmito dvěma programy, musíme se podívat blíže na hluboké neuronové sítě (DNN), které je pohánějí.

DNN se sice dokáže sama naučit hrát go bez konkrétních lidských pokynů, stále však potřebuje nějaký „učební materiál“. V případě původního AlphaGo to byla počáteční datová sada 100 000 dříve odehraných partií. Procházením této rozsáhlé knihovny si AlphaGo vytvořil cit pro to, jak hru hrát.

AlphaGo Zero naproti tomu začínal skutečně od nuly – bez jakékoli databáze předchozích her. Program prostě začal hrát sám se sebou, aniž by znal i jen pravidla umisťování kamenů. Tím, že sledoval, co v jednotlivých partiích funguje a co ne, si postupně vyvinul vlastní úsudek o hře, který brzy překonal schopnosti jeho předchůdce. Pouhých čtyřicet dní po svém „elektronickém narození“ dokázal AlphaGo Zero porazit nejnovější verzi původního AlphaGo v 90 % partií.

A teď to nejpozoruhodnější: během těchto čtyřiceti dní AlphaGo Zero nejen znovuobjevil všechny strategie, které lidští mistři go pečlivě rozvíjeli a studovali po tisíce let, ale navíc přišel i s úplně novými strategiemi, jaké dosud nikdo neviděl. Osvobozený od dřívější závislosti AI na datech generovaných lidmi dokázal AlphaGo Zero překročit hranice lidského poznání a začal o hře uvažovat novými, „nelidskými“ způsoby.

V jistém smyslu tak AlphaGo Zero dosáhl nadlidské inteligence: vyvinul způsob myšlení, který byl nejen odlišný od našeho, ale v dané oblasti i lepší. O kolik lepší? Úroveň dovedností hráče go lze měřit tzv. Elo hodnocením, které vyjadřuje pravděpodobnost vítězství na základě minulých výkonů. Světoví šampioni mívají Elo kolem 3 500. AlphaGo Zero toto číslo výrazně překonal – jeho hodnocení přesáhlo 5 000.

To zní impozantně, ale pokud nejste profesionální hráč go, možná vás to zatím příliš neznepokojuje. To se však může změnit po přečtení další kapitoly.